中國(guó)老年人慢性病多病共存模式的研究

【摘要】 背景 隨著人口老齡化及壽命延長(zhǎng)，慢性病的多病共存日益普遍。疾病種類多且病情復(fù)雜，為老年人健康管理提出挑戰(zhàn)。共病模式作為研究的必要問題，國(guó)內(nèi)研究相對(duì)缺乏。目的 研究中國(guó)老年人常見慢性病的多病共存模式，幫助政策制定者、研究人員和臨床醫(yī)生更好地了解多病共存現(xiàn)狀。方法 選取中國(guó)健康養(yǎng)老追蹤調(diào)查（CHARLS）2018年數(shù)據(jù)中60歲及以上被訪者，選擇人口特征學(xué)部分?jǐn)?shù)據(jù)及健康狀況的14種慢性病數(shù)據(jù)。采用關(guān)聯(lián)規(guī)則、聚類分析、主成分分析、潛在類別分析4種方法對(duì)中國(guó)老年人的共病模式進(jìn)行探索，并對(duì)比不同方法所得結(jié)果。結(jié)果 最終共納入10 800例被訪者數(shù)據(jù)。4種方法所得模式有所差異，但存在一致性的共病模式：（1）高血壓、糖尿病或血糖升高、血脂異常；（2）慢性肺部疾患和哮喘；（3）關(guān)節(jié)炎或風(fēng)濕病、胃部疾病或消化系統(tǒng)疾??；（4）中風(fēng)、與記憶相關(guān)的疾病。結(jié)論 不同方法得到的一致性的共病模式所包含的慢性病病因關(guān)系關(guān)聯(lián)明顯；4種方法得到的共病模式存在差異的原因是包含的病因關(guān)系復(fù)雜，且方法的原理不同。

【關(guān)鍵詞】 慢性?。宦圆」膊?；共病現(xiàn)象；關(guān)聯(lián)規(guī)則；系統(tǒng)聚類；潛在類別分析

【中圖分類號(hào)】 R 36 【文獻(xiàn)標(biāo)識(shí)碼】 A DOI：10.12114/j.issn.1007-9572.2023.0186

【引用本文】 潘曄，劉志輝，胡倩倩，等. 中國(guó)老年人慢性病多病共存模式的研究［J］. 中國(guó)全科醫(yī)學(xué)，2023，

26（29）：3608-3615. DOI：10.12114/j.issn.1007-9572.2023.0186. ［www.chinagp.net］

PAN Y，LIU Z H，HU Q Q，et al. Patterns of coexistence of multiple chronic conditions among Chinese elderly［J］. Chinese General Practice，2023，26（29）：3608-3615.

Patterns of Coexistence of Multiple Chronic Conditions among Chinese Elderly PAN Ye1，LIU Zhihui2，HU Qianqian3，WANG Liuyi2*

1.Henan Integrative Medicine Hospital，Zhengzhou 450004，China

2.Department of General Practice，Henan Provincial People's Hospital，Zhengzhou 450003，China

3.Henan University People's Hospital，Zhengzhou 450003，China

*Corresponding author：WANG Liuyi，Chief physician；E-mail：wly2000@126.com

【Abstract】 Background With the aging and longer survival of the population，comorbid chronic diseases is increasingly common. The variety and complexity of diseases pose challenges to the health management of the elderly. There is a relative lack of multimorbidity pattern researches in China，which are necessary issues for research. Objective To investigate the patterns of coexistence of common multiple chronic conditions among the elderly in China，in order to help policymakers，researchers，and clinicians better understand the current status of multimorbidity among Chinese elderly. Methods Data on the demographic characteristics and health status of 14 chronic diseases were extracted from the respondents aged 60 years and above in the China Health and Retirement Longitudinal Study（CHARLS）2018，association rules，cluster analysis，principal component analysis，latent class analysis were used to explore the multimorbidity patterns of Chinese elderly，and the results of different methods were compared. Results The data from a total of 10 800 respondents were eventually included，there were differences among the patterns obtained by four methods. However，the consistent multimorbidity patterns were identified：hypertension，diabetes or elevated blood glucose，dyslipidemia；chronic lung disease and asthma；arthritis or rheumatism，stomach diseases or digestive diseases；stroke，memory-related diseases. Conclusion The consistent patterns obtained by different methods contain chronic diseases with significant relationships of etiologies. The reasons of differences in results are complex etiologic relationships and different method principles.

【Key words】 Chronic disease；Multiple chronic conditions；Comorbidity；Association rules；Clustering analysis；Latent class analysis

WHO對(duì)于多病共存（multimorbidity）的定義為：一個(gè)人同時(shí)患有兩種或多種疾?。?］。城鎮(zhèn)化及老齡化使老年人疾病譜發(fā)生了顯著變化，越來越多的人同時(shí)患有多種疾病。多病共存涉及疾病的病因關(guān)系多樣，疾病類型沒有限定，并不明確哪一種疾病為索引疾?。?］。國(guó)內(nèi)外多病共存模式研究常用的方法有：多病個(gè)數(shù)統(tǒng)計(jì)［3］、聚類分析［4］、因子分析［5］及相關(guān)分析［6］。研究數(shù)據(jù)來源為：調(diào)查數(shù)據(jù)、臨床數(shù)據(jù)或醫(yī)療數(shù)據(jù)，涉及疾病有些是常見疾病，有些是罕見疾病。孫至佳等［7］選取2次中國(guó)慢性病前瞻性研究數(shù)據(jù)，采用個(gè)數(shù)統(tǒng)計(jì)及系統(tǒng)聚類對(duì)10個(gè)地區(qū)被訪者的共病模式進(jìn)行分析；劉貝貝等［8］選取中國(guó)健康與養(yǎng)老追蹤調(diào)查（China Health and Retirement Longitudinal Study，CHARLS）數(shù)據(jù)采用關(guān)聯(lián)規(guī)則探索常見慢性病的共病組合模式；OLAYA等［9］采用潛在類別分析（LCA）區(qū)分“Edad con Salud”調(diào)查被訪者共病模式并進(jìn)行預(yù)后分析，涉及疾病包含常見慢性病及白內(nèi)障。既往研究選取數(shù)據(jù)、疾病及使用方法不同，得到的共存模式研究結(jié)果各異，可信度較低，很少有對(duì)同一數(shù)據(jù)采取多種方法，并對(duì)比結(jié)果來確保研究成果的可靠性。

本研究旨在采用多種方法探索中國(guó)老年人常見慢性病的多病共存模式，并分析不同方法所得結(jié)果的差異性與一致性。選取CHARLS 2018年的數(shù)據(jù)，應(yīng)用4種方法探索多病模式，避免了不同數(shù)據(jù)導(dǎo)致結(jié)果無法比較的問題，通過比較不同方法所得結(jié)果的一致性，從而得出穩(wěn)定的多病模式。

1 資料與方法

1.1 數(shù)據(jù)來源 CHARLS旨在收集代表中國(guó)45歲及以上中老年人家庭和個(gè)人的高質(zhì)量微觀數(shù)據(jù)，用以分析我國(guó)人口老齡化問題，推動(dòng)老齡化問題的跨學(xué)科研究［10-12］。選擇經(jīng)過數(shù)據(jù)清洗的Harmonized_CHARLS_D版本，從中篩選2018年的數(shù)據(jù)進(jìn)行分析，選取人口特征學(xué)部分?jǐn)?shù)據(jù)及健康狀況的14種慢性病數(shù)據(jù)。

1.2 數(shù)據(jù)處理 由于Harmonized_CHARLS_D版本經(jīng)過數(shù)據(jù)清洗，質(zhì)量較高。為了保證研究數(shù)據(jù)與總體的一致性，僅篩選年齡60歲及以上的被訪者，不刪除缺失值，最終得到10 800份被訪者數(shù)據(jù)。14種慢性病數(shù)據(jù)的缺失值較少，通過眾數(shù)填補(bǔ)。人口特征學(xué)數(shù)據(jù)未參與模式分析故不做處理，在描述時(shí)以缺失值展示。

1.3 數(shù)據(jù)定義方法 CHARLS數(shù)據(jù)選取的14種慢性病為：高血壓，糖尿病或血糖升高（包括糖耐量異常和空腹血糖升高），癌癥等惡性腫瘤（不包括輕度皮膚癌），慢性肺部疾患如慢性支氣管炎或肺氣腫、肺心?。ú话[瘤或癌，后簡(jiǎn)稱慢性肺部疾患），心臟?。ㄈ缧募」Ｋ?、冠心病、心絞痛、充血性心力衰竭和其他心臟疾?。酗L(fēng)，情感及精神方面問題，關(guān)節(jié)炎或風(fēng)濕病，血脂異常（高血脂或低血脂），肝臟疾?。ǔ靖巍⒛[瘤或癌外），腎臟疾?。ú话[瘤或癌），胃部疾病或消化系統(tǒng)疾?。ú话[瘤或癌），哮喘，與記憶相關(guān)的疾?。ㄈ缋夏臧V呆癥、腦萎縮、帕金森癥）。

人口特征學(xué)數(shù)據(jù)包括：性別（男、女），年齡，家庭居住地類型（城市、農(nóng)村），被訪者戶口類型（城市戶口、農(nóng)村戶口），受教育程度（小學(xué)以下、小學(xué)及初中學(xué)歷、高中及職業(yè)培訓(xùn)、大專及以上）及婚姻狀況（已婚、分居或離婚、喪偶、未婚）。

1.4 研究方法 數(shù)據(jù)處理及所用方法通過R語言編程實(shí)現(xiàn)，運(yùn)用多個(gè)R語言包完成4種分析。數(shù)據(jù)的一般情況包含被訪者人群的概況統(tǒng)計(jì)，14種慢性病的發(fā)病率、共病率、平均共病種數(shù)，以此了解被訪者人群的特征及14種慢性病的發(fā)病情況。

1.4.1 關(guān)聯(lián)規(guī)則 采用關(guān)聯(lián)規(guī)則發(fā)現(xiàn)常見兩病及三病組合，支持度為疾病組合的觀察發(fā)病率，提升度為獨(dú)立性判斷指標(biāo)，在兩病組合中與觀察發(fā)病率/期望發(fā)病率相同。設(shè)置關(guān)聯(lián)規(guī)則前項(xiàng)集與后項(xiàng)集的例數(shù)，支持度最小值可以得到觀察發(fā)病率較高的組合。計(jì)算組合預(yù)期發(fā)病率并結(jié)合提升度判斷疾病的獨(dú)立性。

1.4.2 聚類分析 聚類分析根據(jù)某些數(shù)量特征將觀察對(duì)象分類，根據(jù)聚類對(duì)象的不同，可以分為個(gè)案聚類和變量聚類。反映個(gè)案或者變量間性質(zhì)遠(yuǎn)近的統(tǒng)計(jì)量稱為距離，有多種計(jì)算方法。將被訪者的14種慢性病數(shù)據(jù)處理為01形式，即被訪者患有此疾病時(shí)為1，未患有此疾病時(shí)為0。處理完成的14種慢性病數(shù)據(jù)可以看成一個(gè)n×p的01矩陣，其中n是被訪者的例數(shù)

（10 800），p為慢性病種數(shù)（14）。被訪者的聚類是個(gè)案聚類，依據(jù)14種慢性病的發(fā)病情況計(jì)算得到的n×n距離矩陣進(jìn)行分類。對(duì)14種慢性病的系統(tǒng)聚類通過慢性病在被訪者中的共現(xiàn)情況，得到一個(gè)p×p距離矩陣并由此分類。本研究對(duì)被訪者采用k-medoids算法，對(duì)14種慢性病采用系統(tǒng)聚類以區(qū)分多病共存模式。

01數(shù)據(jù)距離的選擇取決于正匹配（同為1）和負(fù)匹配（同為0）的相對(duì)權(quán)重，而相對(duì)權(quán)重又取決于正匹配和負(fù)匹配的相對(duì)重要性。本研究采用01數(shù)據(jù)常用的Jaccard距離和Yule's Q距離，Yule's Q是一種能體現(xiàn)兩種慢性病負(fù)匹配及未匹配時(shí)信息的相似度計(jì)算方法，較好地反映01數(shù)據(jù)所有相關(guān)信息［13］，Jaccard距離僅突出正匹配［14］。共病模式中側(cè)重于慢性病正匹配，即共同發(fā)病，并且被訪者中存在健康者（全0數(shù)據(jù)），Yule's Q在1個(gè)數(shù)據(jù)為全0時(shí)無法計(jì)算。對(duì)比兩個(gè)距離計(jì)算方法的效果，并考慮其臨床意義后，最終采用Yule's Q距離進(jìn)行慢性病的系統(tǒng)聚類分析；采用Jaccard距離進(jìn)行被訪者的k-medoids聚類。系統(tǒng)聚類的分類個(gè)數(shù)通過譜系圖結(jié)合臨床意義確定，聚類方法為類平均法；被訪者的k-medoids聚類個(gè)數(shù)通過factoextra包中的fviz_nbclust函數(shù)確定。

1.4.3 主成分分析 每個(gè)變量在不同程度上反映了某些信息并存在有一定的相關(guān)性。變量太多會(huì)增加計(jì)算量及分析問題的復(fù)雜性，主成分分析通過恰當(dāng)?shù)臄?shù)學(xué)變換，使新變量為原變量的線性組合，并選取少數(shù)幾個(gè)在變差總信息量中比例較大的主成分來分析事物。本研究采用最大方差旋轉(zhuǎn)的主成分分析方法，使用方差貢獻(xiàn)度確定主成分個(gè)數(shù)并將14個(gè)多病化簡(jiǎn)為少數(shù)疾病組合，以載荷系數(shù)絕對(duì)值gt;0.36選擇主成分包含的慢性病。

1.4.4 LCA LCA根據(jù)被訪者在14種慢性病的患病情況對(duì)其分類。與聚類分析類似，LCA通過個(gè)體間相似性區(qū)分類別，但不定義類別之間的距離，也不選擇分類方法，根據(jù)個(gè)體所有變量的觀測(cè)變量概率進(jìn)行分類。遍歷所有的分類，比較指標(biāo)得到最優(yōu)分類個(gè)數(shù)。常用于判別最優(yōu)模型的指標(biāo)是：Likelihood-ratio，G2 statistic，Bayesian Information Criterion（BIC）等，采用R語言的poLCA包進(jìn)行LCA分析，最終類別判定指標(biāo)為BIC值。

2 結(jié)果

2.1 被訪者人群特征 最終得到10 800例60歲及以上的被訪者，被訪者中女性稍多（51.3%），居住在農(nóng)村的被訪者較多（60.3%），農(nóng)村戶口被訪者較高（74.0%）。被訪者受教育程度普遍較低，90.7%的被訪者未接受高中及以上教育，由于CHARLS訪談以家庭為單位進(jìn)行，已婚被訪者較多（77.9%），這與國(guó)內(nèi)人口總體特征一致［15］。86.2%的被訪者患有1種及以上的慢性病，49.0%的被訪者患有2～4種慢性?。ū?）。

14種慢性病共病率均高于85%（表2），發(fā)病率較高的是高血壓（47.14%，5 091/10 800），平均共病種數(shù)較多的是情感及精神方面問題（4.16種）及與記憶相關(guān)的疾?。?.17種）。中風(fēng)、肝臟疾病及腎臟疾病的發(fā)病率較低，但平均共病個(gè)數(shù)較高。

2.2 關(guān)聯(lián)規(guī)則分析 表3展示了支持度gt;10%的所有兩病組合，表4展示了支持度gt;5%的三病組合。僅從支持度考慮，關(guān)聯(lián)規(guī)則得到的共病組合僅是共同發(fā)生，例如：關(guān)節(jié)炎或風(fēng)濕病與高血壓在老年人群中共同發(fā)病率較高，但病因相對(duì)獨(dú)立，故觀察發(fā)病率/期望發(fā)病率接近于1。血脂異常與心臟病共同發(fā)病率高，結(jié)合觀察發(fā)病率與期望發(fā)病率的比值發(fā)現(xiàn)關(guān)聯(lián)，兩者病因有關(guān)。

三病組合選取觀察發(fā)病率與期望發(fā)病率的比值及提升度來判斷疾病間的聯(lián)系。（1）心臟病，血脂異常及高血壓；（2）糖尿病或血糖升高，血脂異常及高血壓；兩個(gè)病組的觀察發(fā)病率/期望發(fā)病率高，提升度較高，在病因?qū)W關(guān)系及致病因素上存在關(guān)聯(lián)。

2.3 聚類分析 通過分析14種常見慢性病系統(tǒng)聚類的譜系圖（圖1），通過距離接近程度將慢性病分為6類，以不同顏色區(qū)分。Yule'S Q距離體現(xiàn)了慢性病在人員中的發(fā)病信息，距離較近慢性病即在被訪者中共同發(fā)病率較高，發(fā)病因素多有所關(guān)聯(lián)，如哮喘與慢性肺部疾患同為呼吸系統(tǒng)疾病，血脂異常、糖尿病或血糖升高、中風(fēng)與高血壓同為血管循環(huán)系統(tǒng)疾病，與記憶相關(guān)的疾病、情感及精神方面問題為精神心理疾病，胃部疾病或消化系統(tǒng)疾病與關(guān)節(jié)炎或風(fēng)濕病同為代謝系統(tǒng)疾病。心臟病與與記憶相關(guān)的疾病、情感及精神方面問題為精神心理疾病距離接近，三者可以聚為一類，癌癥等惡性腫瘤獨(dú)立于其他疾病，單獨(dú)為一類。

被訪者的聚類使用簇內(nèi)平方誤差和確定最佳的簇?cái)?shù)為4個(gè)，聚類后每個(gè)被訪者有1個(gè)分類，對(duì)4個(gè)分類的患病情況及疾病個(gè)數(shù)統(tǒng)計(jì)如表5。由于k-medoids聚類選取Jaccard距離，側(cè)重于體現(xiàn)同時(shí)發(fā)病信息。分類1包含了所有的無慢性病及患有1～2種共病率較低的慢性病的被訪者，相對(duì)健康。分類2中呼吸系統(tǒng)疾病、胃部疾病或消化系統(tǒng)疾病的發(fā)病率遠(yuǎn)高于總體，關(guān)節(jié)炎或風(fēng)濕病發(fā)病率略高于總體，系統(tǒng)聚類中呼吸系統(tǒng)疾病為一類，與其他疾病相對(duì)獨(dú)立。胃部疾病或消化系統(tǒng)疾病、關(guān)節(jié)炎或風(fēng)濕病發(fā)病也獨(dú)立于其他疾病，這4種慢性病組合隨機(jī)共存的患者多在分類2中。分類3中3～5種共病被訪者占比較高，其中心臟病、血脂異常的發(fā)病率遠(yuǎn)高于總體，而高血壓、中風(fēng)等疾病的發(fā)病率略高于總體。常見的3～5種共病多為心血管疾?。ǜ哐獕?、糖尿病或血糖升高、血脂異常、心臟?。?，可以推測(cè)分類3為包含這幾個(gè)疾病的共病組合。分類4中被訪者均患有高血壓，但是平均共病種數(shù)為1.82種，并且除高血壓之外的慢性病發(fā)病率均低于總體，可以推測(cè)分類4包含僅患有高血壓的被訪者及高血壓與非心血管疾病組合的

患者。

2.4 主成分分析 通過碎石圖（圖2）確定主成分個(gè)數(shù)為5個(gè)，設(shè)定載荷系數(shù)gt;0.36得到各主成分不重疊的代表慢性病，同一主成分的代表疾病關(guān)聯(lián)性較強(qiáng)。第一主成分包含高血壓，糖尿病或血糖升高，心臟病，血脂異常；第二主成分包含慢性肺部疾患與哮喘，第三主成分包含關(guān)節(jié)炎或風(fēng)濕病，胃部疾病或消化系統(tǒng)疾??；第四主成分包含中風(fēng)，情感及精神方面問題，與記憶相關(guān)的疾病；第五主成分包含癌癥等惡性腫瘤，肝臟疾病，腎臟疾病，主成分分類見表6。

2.5 LCA 通過最小的BIC指標(biāo)確定最優(yōu)的分類個(gè)數(shù)為5個(gè)，分析潛在類別的條件概率分布圖（圖3）及各類別與慢性病及慢性病個(gè)數(shù)的交叉表（表7）。分類5為相對(duì)健康組，包含了所有的無慢性病及只有1種慢性病的被訪者、大部分兩病的被訪者，14種慢性病的發(fā)病率均低于總體。分類1為代謝系統(tǒng)疾病組，關(guān)節(jié)炎或風(fēng)濕病、胃部疾病或消化系統(tǒng)疾病的發(fā)病率高；分類2為血管循環(huán)疾?。ǜ哐獕?、糖尿病或血糖升高、心臟病、血脂異常）組；分類3為多病組，有5種以上的慢性病，人數(shù)較少，多個(gè)慢性病的發(fā)病率高于總體；分類4為呼吸系統(tǒng)疾病組，呼吸系統(tǒng)疾?。苑尾考不既缏灾夤苎谆蚍螝饽[、肺心病、哮喘）的患病率較高。

3 討論

3.1 不同研究方法所得共病模式的差異及一致性 共病概念說法不一，本研究特指“Multimorbidity”，為“同一個(gè)體共存的急性病或慢性病”［2］，強(qiáng)調(diào)共存，病因?qū)W關(guān)系上有可能相關(guān)也可能獨(dú)立。本研究得到的有一致性的幾種共病模式是：（1）高血壓、糖尿病或血糖升高血脂異常；（2）慢性肺部疾患、哮喘；（3）關(guān)節(jié)炎或風(fēng)濕病、胃部疾病或消化系統(tǒng)疾??；（4）中風(fēng)、與記憶相關(guān)的疾病。不同方法得到組合有所差異，例如心臟病在主成分分析及潛在類別分析中與模式（1）關(guān)系緊密，但在系統(tǒng)聚類中關(guān)聯(lián)較遠(yuǎn)。惡性腫瘤在多個(gè)方法中均獨(dú)立于其他疾病，情感及精神方面問題發(fā)病率較低，這兩者在某些方法中與其他疾病有一些關(guān)聯(lián)，但是沒有明顯及穩(wěn)定的共病組合。腎臟疾病、肝臟疾病雖然多種分類中有所體現(xiàn)，但兩者的病因?qū)W關(guān)系相對(duì)獨(dú)立。

不同方法的原理不同。關(guān)聯(lián)規(guī)則通過控制前項(xiàng)集及后項(xiàng)集的個(gè)數(shù)，得到指定數(shù)量的疾病組合，提升度判斷獨(dú)立性以區(qū)分共存類型，但是支持度僅體現(xiàn)共病觀察發(fā)病率。系統(tǒng)聚類及主成分分析，側(cè)重于慢性病共現(xiàn)的關(guān)聯(lián)性，結(jié)果能較為清晰的體現(xiàn)病因關(guān)聯(lián)；k-medoids及LCA側(cè)重于通過人群反映共病組合，兩者的目的均是將個(gè)體分類。k-medoids聚類基于距離按空間位置進(jìn)行分類，分類結(jié)果與所選距離算法有關(guān)；LCA相對(duì)客觀，是注重于個(gè)體在類別顯變量上的不同反應(yīng)模式對(duì)個(gè)體進(jìn)行分類、識(shí)別群體異質(zhì)性的一種統(tǒng)計(jì)方法［16］。兩種方法通過人群發(fā)病率得到共病組合。

各方法所得結(jié)果的差異性可以解釋。例如關(guān)聯(lián)規(guī)則所得的兩病組合：高血壓與關(guān)節(jié)炎或風(fēng)濕病，觀察發(fā)病率較高，但系統(tǒng)聚類、被訪者k-medoids聚類、主成分分析中均未被分為一類。這是由于高血壓與關(guān)節(jié)炎或風(fēng)濕病在病因?qū)W關(guān)系上獨(dú)立，僅是隨機(jī)共存的概率較高。關(guān)聯(lián)規(guī)則中以高血壓為后項(xiàng)集得到的另外幾個(gè)兩病組合（血脂異常與高血壓、心臟病與高血壓、糖尿病或血糖升高與高血壓），觀察發(fā)病率與期望發(fā)病率的比值gt;1，病因?qū)W關(guān)系上并不獨(dú)立，致病因素相關(guān)，在其他幾種方法中也被分為一類。胃部疾病或消化系統(tǒng)疾病、關(guān)節(jié)炎或風(fēng)濕病這一共病組合，觀察發(fā)病率與期望發(fā)病率的比值gt;1，這一共病組合在其他方法中也出現(xiàn)。關(guān)聯(lián)規(guī)則方法簡(jiǎn)單直接但單純關(guān)注發(fā)病率會(huì)忽略一些關(guān)聯(lián)緊密而發(fā)病率較低的共病模式。慢性肺部疾患如慢性支氣管炎或肺氣腫、肺心病與哮喘，由于哮喘的發(fā)病率較低，共病率在人群中不高，但是其他幾種方法均能體現(xiàn)此

組合。

3.2 本研究與同類研究的差異及一致性 本研究結(jié)論與國(guó)內(nèi)同類研究有差異也有一致。劉貝貝等［8］研究選取了同樣的數(shù)據(jù)及方法，但刪除了數(shù)據(jù)缺失的被訪者，年齡的選取范圍為45歲以上，得到發(fā)病率明顯較低。本研究保留缺失數(shù)據(jù)，得到結(jié)論更接近CHARLS被訪者總體及國(guó)內(nèi)60歲及以上人群特征。數(shù)據(jù)差異但結(jié)論一致，與高血壓組合的疾病較多，血管循環(huán)系統(tǒng)兩病組合提升度較高。黎艷娜等［17］的研究也采用了2018年的CHARLS數(shù)據(jù)（數(shù)據(jù)版本不同，導(dǎo)致數(shù)據(jù)量有輕微差別），通過共現(xiàn)網(wǎng)絡(luò)圖得到了兩病及三病組合，本研究數(shù)據(jù)及結(jié)論與其一致。孫至佳等［7］的研究基于中國(guó)慢性病前瞻性研究（China Kadoorie Biobank，CKB）數(shù)據(jù)，以Yule's Q距離進(jìn)行系統(tǒng)聚類，得到基線調(diào)查數(shù)據(jù)中，糖尿病、冠心病、中風(fēng)及高血壓聚為一類的結(jié)論，本研究結(jié)果與之一致。但是第2次重復(fù)調(diào)查中，結(jié)論有所區(qū)別，本研究惡性腫瘤與其他慢性病的關(guān)系也與其不同。

同類研究結(jié)果的不一致在于疾病有所不同，也由于調(diào)查人員與被訪者的認(rèn)知及對(duì)疾病的理解不同，訪談數(shù)據(jù)存在一定的誤差。本研究中多個(gè)方法均顯示惡性腫瘤與其他疾病并沒有明顯的共病特性，而孫至佳等［7］的研究中惡性腫瘤與其他疾病的關(guān)聯(lián)更緊密，這個(gè)差異可能是由于惡性腫瘤的定義不同以及被訪者人群不同。

3.3 本研究的獨(dú)特與不足 本研究的獨(dú)特之處在于數(shù)據(jù)總量在國(guó)內(nèi)同類研究中相對(duì)較大，使用一系列方法進(jìn)行多病分類，并嘗試新算法。除了系統(tǒng)聚類采用譜系圖與臨床結(jié)合的方法判別分類個(gè)數(shù)，被訪者k-medoids聚類采用了體現(xiàn)數(shù)據(jù)特性的方法進(jìn)行個(gè)數(shù)判斷，主成分分析采用碎石圖確定個(gè)數(shù)，LCA采用遍指標(biāo)法歷法選擇分類數(shù)，減少了主觀判斷。國(guó)內(nèi)共病模式相關(guān)分析方法少，以慢性病距離算法為例，國(guó)外多采用Jaccard以及Yule's Q距離，國(guó)內(nèi)較少采用。后兩種算法更能體現(xiàn)01數(shù)據(jù)包含的信息。

本研究嘗試通過對(duì)比結(jié)果來說明方法的適用性，得到的一致共病組合病因關(guān)聯(lián)明顯。主成分和系統(tǒng)聚類對(duì)慢性病分類，而k-medoids及LCA對(duì)人群分類，可以進(jìn)一步關(guān)聯(lián)患者特征深入分析。聚類分析依賴于距離的計(jì)算方法，而LCA用的潛變量來解釋外顯指標(biāo)之間的關(guān)聯(lián)，被潛變量解釋后的外顯指標(biāo)間實(shí)現(xiàn)局部獨(dú)立性，更加客觀，保證了多病模式分類的穩(wěn)定性。多病研究需要根據(jù)研究目的進(jìn)行選擇模式分析方法，或者使用多種方法得到具有一致性的穩(wěn)定分類。

本研究的不足之處在于為了保證數(shù)據(jù)客觀性及樣本數(shù)量，通過眾數(shù)填充多病缺失數(shù)據(jù)，會(huì)影響發(fā)病率的準(zhǔn)確度，導(dǎo)致發(fā)病率低于總體。保留了缺失的被訪者人口特征學(xué)數(shù)據(jù)并沒有進(jìn)行處理，雖然分類到被訪者個(gè)人，但未結(jié)合人群的各種特征進(jìn)一步研究，未分析危險(xiǎn)因素及預(yù)后，內(nèi)容不夠貼近臨床。

作者貢獻(xiàn)：王留義提出研究選題方向和總體研究目標(biāo)，對(duì)研究進(jìn)行可行性分析，對(duì)文章整體負(fù)責(zé)，監(jiān)督管理；潘曄負(fù)責(zé)數(shù)據(jù)清洗、處理和統(tǒng)計(jì)學(xué)分析、R語言編程、繪制圖表；潘曄、劉志輝、胡倩倩負(fù)責(zé)結(jié)果分析與解釋，撰寫論文初稿；潘曄、劉志輝負(fù)責(zé)論文的修訂。

本文無利益沖突。

參考文獻(xiàn)

World Health Organization.The World Health Report 2008——primary health cared （ now more than ever）［M］. New York：World Health Report，2008：148.

常峰，張冉，路云，等. 共病概念體系研究分析與設(shè)計(jì)［J］. 中國(guó)全科醫(yī)學(xué)，2018，21（3）：256-260. DOI：10.3969/j.issn.1007-9572.2017.00.219.

WU F，GUO Y F，KOWAL P，et al. Prevalence of major chronic conditions among older Chinese adults：the study on global AGEing and adult health （SAGE） wave 1［J］. PLoS One，2013，8（9）：e74176. DOI：10.1371/journal.pone.0074176.

CORNELL J E，PUGH J A，WILLIAMS J W，et al. Multimorbidity clusters：clustering binary data from multimorbidity clusters：clustering binary data from a large administrative medical database［J］. Appl Multivar Res，2009，12（3）：163. DOI：10.22329/amr.v12i3.658.

SCH?FER I，VON LEITNER E C，SCH?N G，et al. Multimorbidity patterns in the elderly：a new approach of disease clustering identifies complex interrelations between chronic conditions［J］. PLoS One，2010，5（12）：e15941. DOI：10.1371/journal.pone.0015941.

GARCíA-OLMOS L，SALVADOR C H，ALBERQUILLA á，et al. Comorbidity patterns in patients with chronic diseases in general practice［J］. PLoS One，2012，7（2）：e32141. DOI：10.1371/journal.pone.0032141.

孫至佳，樊俊寧，余燦清，等. 中國(guó)10個(gè)地區(qū)成年人共病流行特征分析［J］. 中華流行病學(xué)雜志，2021，42（5）：755-762. DOI：10.3760/cma.j.cn112338-20200305-00259.

劉貝貝，田慶豐，郭金玲. 我國(guó)中老年人群慢性病患病現(xiàn)狀及共病模式分析［J］. 醫(yī)學(xué)與社會(huì)，2022，35（8）：58-61，66.

OLAYA B，MONETA M V，CABALLERO F F，et al. Latent class analysis of multimorbidity patterns and associated outcomes in Spanish older adults：a prospective cohort study［J］. BMC Geriatr，2017，17（1）：186. DOI：10.1186/s12877-017-0586-1.

ZHAO Y H，STRAUSS J，YANG G H，et al.（2013）. China Health and Retirement Longitudinal Study：2011-2012 National Baseline User's Guide，National School of Development，Peking University.

ZHAO Y H，STRAUSS J，CHEN X X，et al. （2020）. China Health and Retirement Longitudinal Study Wave 4 User's Guide，National School of Development，Peking University.

ZHAO Y，HU Y，SMITH J P，et al. Cohort profile：the China health and retirement longitudinal study （CHARLS）［J］. Int J Epidemiol，2014，43（1）：61-68. DOI：10.1093/ije/dys203.

LLOYD B P，KENNEDY C H，YODER P J. Quantifying contingent relations from direct observation data：transitional probability comparisons versus yule's Q［J］. J Appl Behav Anal，2013，46（2）：479-497. DOI：10.1002/jaba.45.

A note on the triangle inequality for the Jaccard distance［J］. Pattern Recognit Lett，2019，120：36-38. DOI：10.1016/j.patrec.2018.12.007.

楊涵墨. 中國(guó)人口老齡化新趨勢(shì)及老年人口新特征［J］. 人口研究，2022，46（5）：104-116. DOI：10.3969/j.issn.1000-4149.2019.01.006.

溫忠麟，謝晉艷，王惠惠. 潛在類別模型的原理、步驟及程序［J］. 華東師范大學(xué)學(xué)報(bào)（教育科學(xué)版），2023，41（1）：1-15. DOI：10.16382/j.cnki.1000-5560.2023.01.001.

黎艷娜，王藝橋. 我國(guó)老年人慢性病共病現(xiàn)狀及模式研究［J］. 中國(guó)全科醫(yī)學(xué)，2021，24（31）：3955-3962，3978. DOI：10.12114/j.issn.1007-9572.2021.00.295.

（收稿日期：2023-02-24；修回日期：2023-05-10）

（本文編輯：賈萌萌）