1990-2017中國及世界銀行不同經(jīng)濟(jì)水平國家腹瀉疾病負(fù)擔(dān)

王昱政 胡櫻

摘 要：[目的] 對(duì)比和掌握不同經(jīng)濟(jì)水平國家腹瀉疾病負(fù)擔(dān)情況，并根據(jù)1990-2017年疾病負(fù)擔(dān)變化情況對(duì)腹瀉疾病負(fù)擔(dān)進(jìn)行預(yù)測，為疾控工作提供科學(xué)依據(jù)，為健康問題的全球化挑戰(zhàn)做準(zhǔn)備。[方法]利用年全球疾病負(fù)擔(dān)數(shù)據(jù)庫GBD 2017中1990-2017年的數(shù)據(jù)，采用過早死亡損失壽命年（YLL）、傷殘損失壽命年（YLD）和傷殘調(diào)整壽命年（DALY）等指標(biāo)，對(duì)疾病負(fù)擔(dān)狀況進(jìn)行描述，并采用ARIMA模型預(yù)測將來的負(fù)擔(dān)水平。[結(jié)果]1990-2017年，腹瀉的平均發(fā)病率由高到低為：低收入國家、中低收入國家、全球平均水平、中高收入國家，高收入國家和中國。2007年起中國的發(fā)病率開始低于高收入國家。1990-2017年，腹瀉的平均死亡由高到低為：低收入國家、中低收入國家、全球平均水平、中高收入國家，高收入國家和中國。低收入和中低收入國家的腹瀉發(fā)病率和死亡率均處于較高水平。年齡標(biāo)化YLD率、YLL率、DALY率最高的均為低收入國家，最低均為高收入國家，前者分別為后者的3.4、110.4、31.4倍。嬰幼兒和中老年人群的腹瀉疾病負(fù)擔(dān)較其它年齡段重。[結(jié)論]低收入國家，腹瀉的疾病負(fù)擔(dān)主要表現(xiàn)為過早死亡損失壽命和喪失勞動(dòng)功效，并與高收入國家存在巨大差距。在目前全球化趨勢且速度加快的情形下，國際人員往來越發(fā)頻繁，對(duì)于腹瀉疾病負(fù)擔(dān)的上升應(yīng)引起足夠的重視，尋找可能的風(fēng)險(xiǎn)因素并加以控制。

關(guān)鍵詞：腹瀉;疾病負(fù)擔(dān);ARIMA模型

中圖分類號(hào)：F24 ? ? 文獻(xiàn)標(biāo)識(shí)碼：A ? ? ?doi：10.19311/j.cnki.1672-3198.2020.10.036

腹瀉病是五歲以下兒童的第二大死因，每年共有52.5萬名兒童死于此病，全球每年約有17億例兒童患腹瀉病。本研究利用2017年全球疾病負(fù)擔(dān)研究（GBD2017）疾病負(fù)擔(dān)數(shù)據(jù)，分析了中國及世界銀行不同經(jīng)濟(jì)水平國家腹瀉疾病負(fù)擔(dān)，為防控工作提供科學(xué)依據(jù)，并且為全球化環(huán)境下的疾病防控做好準(zhǔn)備。

1 資料與方法

1.1 資料來源

數(shù)據(jù)來源于GBD2017中1990-2017年的數(shù)據(jù)。GBD2017采用統(tǒng)一、可比的方法分析了195個(gè)國家和地區(qū)的328種死因的疾病負(fù)擔(dān)以及其危險(xiǎn)因素。世界銀行根據(jù)收入水平，將各國分為高收入國家、中高收入國家、中低收入國家和低收入國家。年齡標(biāo)準(zhǔn)化采用 GBD 2017全球年齡標(biāo)準(zhǔn)人群作為標(biāo)準(zhǔn)。

1.2 疾病分類與編碼

GBD 2017 依據(jù)國際疾病分類第9版（ICD-9）和第10版（ICD-10）的標(biāo)準(zhǔn)進(jìn)行編碼和歸類，把各種疾病對(duì)應(yīng)到GBD 2017病因列表，對(duì)不明確的死因診斷進(jìn)行了重新編碼。

1.3 數(shù)據(jù)分析

本研究主要關(guān)注指標(biāo)為發(fā)病率、死亡率，過早死亡損失壽命年（YLL）、傷殘損失壽命年（YLD）、傷殘調(diào)整壽命年（DALY）的人年數(shù)和率。研究通過對(duì)比中國和不同世界銀行分區(qū)的指標(biāo)差別以及觀察時(shí)間上的變化趨勢，描述不同年齡、性別人群的指標(biāo)特點(diǎn)，采用了ARIMA模型對(duì)2018、2019的疾病負(fù)擔(dān)水平進(jìn)行了預(yù)測。

本研究首先報(bào)告了2017 年世界銀行不同收入國家和中國的感染性腹瀉發(fā)病、死亡和疾病負(fù)擔(dān)指標(biāo)及其標(biāo)化率，并計(jì)算了兩個(gè)時(shí)間段的變化量和幅度，分析感染性腹瀉疾病負(fù)擔(dān)的變化情況。然后分析了不同年齡組和分性別的感染性腹瀉的疾病負(fù)擔(dān)情況。對(duì)于腹瀉疾病負(fù)擔(dān)的人群分布，主要使用傷殘調(diào)整壽命年的率進(jìn)行分析，利用ARIMA模型進(jìn)行預(yù)測，分析感染性腹瀉疾病負(fù)擔(dān)的變化情況。

1.4 自回歸積分移動(dòng)平均模型（ARIMA）

時(shí)間序列是由一組隨時(shí)間變化的觀察值組成的序列，ARIMA模型是目前應(yīng)用較多的時(shí)間序列分析方法。ARIMA模型的基本形式是ARIMA（p，d，q），由三部分組成：自回歸AR（p），差分I（d），移動(dòng)平均MA（q）。其基本思想是：通過差分過程，將非平穩(wěn)的時(shí)間序列轉(zhuǎn)化為平穩(wěn)的時(shí)間序列，使其圍繞著一個(gè)常數(shù)上下波動(dòng)且波動(dòng)范圍有限，即有常數(shù)均值和常數(shù)方差，如存在季節(jié)周期可疊加季節(jié)差分;應(yīng)用自回歸方法，對(duì)平穩(wěn)序列的均值項(xiàng)進(jìn)行分析，獲得其滯后值，即AR（p）模型的階次p;應(yīng)用移動(dòng)平均方法，對(duì)平穩(wěn)序列的隨機(jī)誤差項(xiàng)進(jìn)行分析，獲得其滯后值，即MA（q）模型的階次q。

模型定階，可以通過觀察自相關(guān)圖（ACF）和偏自相關(guān)圖（PACF）進(jìn)行初步定階;分析決定系數(shù)R2、貝葉斯信息準(zhǔn)則（BIC）、白噪聲檢驗(yàn)等指標(biāo)，選定符合要求的模型。

白噪聲檢驗(yàn)使用Ljung-Box Q統(tǒng)計(jì)量，檢測建立的時(shí)間序列的殘差序列是否是白噪聲，即殘差中是否還有未提取的信息。當(dāng)Ljung-Box Q統(tǒng)計(jì)量檢測結(jié)果P>α，可以認(rèn)為所得殘差序列為白噪聲序列。模型擬合效果的評(píng)價(jià)使用決定系數(shù)R2、均方根誤差RMSE、平均絕對(duì)誤差MAE、平均絕對(duì)百分比誤差MAPE。

2 結(jié)果

2.1 1990-2017年感染性腹瀉的發(fā)病、死亡和疾病負(fù)擔(dān)情況及對(duì)比

2.1.1 發(fā)病水平及對(duì)比

2017年，全球感染性腹瀉發(fā)病人數(shù)為629，294萬例，發(fā)病率為82363.3/10萬。不同經(jīng)濟(jì)水平國家中，腹瀉發(fā)病率最高的為低收入國家（139230.6/10萬），最低的為高收入國家（35823.8/10萬），中國為27846.9/10萬。

2017年，全球腹瀉年齡標(biāo)化發(fā)病率為83846.3/10萬。按經(jīng)濟(jì)水平劃分，其中最高為低收入國家（137943.2/10萬），最低為高收入國家（37949.8/10萬），前者為后者的3.6倍，中國為32303.9/10萬。

1990-2017年，腹瀉的平均發(fā)病率由高到低為：低收入國家（147.2萬/10萬）、中低收入國家（111.2萬/10萬）、全球平均水平（7.7萬/10萬）、中高收入國家（4.8萬/10萬），高收入國家（3.2萬/10萬）和中國（3.0萬/10萬）。2007年起中國的發(fā)病率開始低于高收入國家。

參考文獻(xiàn)

[1]Global Burden of Disease Collaborative Network.Global Burden of Disease Study 2017 （GBD 2017） Cause-Specific Mortality 1980-2017[Z].Seattle， United States：Institute for Health Metrics and Evaluation （IHME），2018.

[2]Global Burden of Disease Collaborative Network.Global Burden of DiseaseStudy 2017 （GBD 2017） Incidence，Prevalence，and Years Lived with Disability 1990-2017[Z].Seattle，United States：Institute for Health Metrics and Evaluation （IHME），2018.

[3]Global Burden of Disease Collaborative Network.Global Burden of Disease Study 2017（GBD 2017） Disability-Adjusted Life Years and Healthy Life Expectancy 1990-2017[Z].Seattle，United States：Institute for Health Metrics and Evaluation （IHME），2018.

[4]Global Burden of Disease Collaborative Network.Global Burden of Disease Study 2017（GBD 2017） Population Estimates 1950-2017[Z].Seattle，United States：Institute for Health Metrics and Evaluation （IHME），2018.

[5]Global Burden of Disease Collaborative Network.Global Burden of Disease Study 2017（GBD 2017） Causes of Death and Nonfatal Causes Mapped to ICD Codes[Z].Seattle，United States：Institute for Health Metrics and Evaluation （IHME），2018.

[6]孫振球，徐勇勇.醫(yī)學(xué)統(tǒng)計(jì)學(xué)[M].第四版，北京：人民衛(wèi)生出版社，2014.

[7]羅靜，楊書，張強(qiáng)，等. 時(shí)間序列 ARIMA 模型在艾滋病疫情預(yù)測中的應(yīng)用[J].重慶醫(yī)學(xué)，2012，41（ 13） ：1255-1256.

[8]劉繼恒，賀圓圓，等.基于時(shí)間序列模型對(duì)甲型病毒性肝炎的預(yù)測研究 [J].實(shí)用預(yù)防醫(yī)學(xué)，2017，24（8）：1009-1011.