老年慢性病共病模式及管理策略研究現狀

[摘要]"隨著中國社會經濟的快速發展和衛生健康條件的持續改善，國民人均壽命已延長至78.1歲，人口老齡化現象日趨嚴重。多項研究指出慢性病的患病率與年齡成正比，隨著年齡的不斷增長老年人所患慢性疾病的種類也不斷增加。老年人多病共患可導致家庭經濟負擔加重、診療照護困難，患者生存質量降低。老年慢性病共病模式及其管理策略的研究為老年健康照護問題提供有效的解決方案。本文回顧近年來國內外對符合慢性病診斷的不同共病模式的識別方法及管理策略的相關研究進展，并探索更適合中國老年慢性病共病患者的管理模式。

[關鍵詞]"老年人；慢性病；共病模式；管理策略

[中圖分類號]"R592；R492""""""[文獻標識碼]"A""""""[DOI]"10.3969/j.issn.1673-9701.2025.13.022

第七次全國人口普查數據顯示，截至2020年11月中國60歲及以上老年人口約2.6億，占全國總人口的18.7%，中國已步入輕度人口老齡化狀態[1]。伴隨社會人口老齡化而來的是慢性病患病人數的增加。據報道，中國2/3以上老年人口患有1種及以上慢性病，超2/5的老年人患有2種及以上慢性病[2]。多種慢性病共存時，疾病間的危險因素與診療方案相互交織、錯綜復雜，使得疾病管理難以達到預期水平。通過描述分析慢性病共存現象，探尋其規律，有助于預測疾病的進展與轉歸，為慢性病管理提供新的視角[3]。

1""共病與共病模式

共病通常定義為同一個個體同時存在兩種或多種慢性病[4]。共病在臨床中造成患者及家屬的經濟和心理負擔增加，導致藥物間不良反應、不良事件風險升高，同時易忽視臟器的功能維護及對生活質量的實際需求。共病模式即在共病發展過程中受社會環境、生活行為等多種因素綜合影響，圍繞慢性病之間的關聯關系形成的特定疾病組合模式。

2""共病模式研究現狀

國內外針對共病模式的研究熱點聚焦于對確診某一種慢性病與其他慢性病共病情況描述和常見慢性病共病的研究，如慢性阻塞性肺疾病、房顫等的共病模式研究[5-6]。共病模式結果來源于大量數據抽樣，研究表明高血壓–糖尿病或血糖異常升高–心臟疾病的共病模式最為常見，其中又以高血壓、糖尿病或血糖異常升高與各種共病模式組合相關性最高[7]。出現這種結果的原因可能與高血壓、糖尿病的高發病率和機體產生的炎癥反應作用于血管為其他慢性疾病的發生發展提供基礎有關。此外，國外對共病模式的研究更為廣泛，如精神疾病、肥胖、藥物的共病模式研究在國內鮮少聽聞。

3nbsp;"共病模式識別方法

目前共病模式研究多數基于疾病分布現狀提取數據后使用復雜網絡分析和數據挖掘方法得出特定的疾病組合[8]。其中常見的數據運算識別方法如下：

3.1""關聯規則

關聯規則在電信業和保險業等領域廣泛應用，近年來延伸至醫學研究方面。關聯規則的特點在于對數據的分布沒有特殊要求，并通過制定核心指標反復多次掃描數據得出核心指標與其他指標同時出現的分布情況[9-10]。在臨床中利用關聯規則識別共病模式的本質是疾病組合間的因果關系。若多病共存存在一定規律，可利用關聯規則使用其中一種疾病來預測其他疾病合并情況，最后以支持度與置信度體現疾病間的聯系：支持度代表疾病合并發生概率，置信度代表疾病組合間病因的聯系[11]。

3.2""聚類分析

聚類分析的本質是分析描述數據分布情況中具有離散差異的子組。現實中醫學數據多為多元正態分布，可產生許多大小不一的子組，且子組間不易分離分類。聚類分析對數據的分析處理夾雜建模、簡化等過程，最終對具有相似數量特征的大部分數據進行分類[12]。聚類分析在醫學領域應用具有很高的適配性，如對血漿中蛋白分子分類的目的并非把所有蛋白分子詳盡分類，而是將具有相似特點的大部分蛋白分子進行分類研究，對剩下的少部分單獨研究，以節省大量的資源。目前聚類分析更常用于中醫組方用藥配伍規律的研究。Soysaler等[13]將聚類分析應用于對心血管疾病住院患者共病的研究中，得出心血管疾病–血脂異常–高血壓–高血糖共病模式中患者占比達所有共病分類的44%。

3.3""主成分分析

每個變量在不同程度上反映數據間相關性，變量太多會增加計算量及分析問題的復雜性。主成分分析通過恰當的數學變換，使新變量為原變量的線性組合，選取少數幾個在變差總信息量中比例較大的主成分來分析數據特征[14]。主成分分析可對大數據進行分析和可視化，通常用于生物醫學研究中檢測樣本組間的異同，優點是將復雜的數據特征繪制成2個或3個維度的數據[15]。使用主成分分析在提取數據主要成分時，可消除有意義的數據信息降低圖像分析和模式識別領域對異常值的敏感度，不具有廣義上性能的穩健性[16]。

3.4""潛在類別分析

潛在類別分析（latent"class"analysis，LCA）與聚類分析相同，在計算過程中均使用降維思維，是一種利用多個離散觀測變量作為指標建模離散潛在變量的方法[17]。對大部分數據挖掘技術來說，確定描述整體數據特征的類別數主要依靠研究者對分析結果的理解，而LCA基于模型擬合指數可使用貝葉斯信息準則確定最佳類別數[14]。基于模型還能將潛在的、沒有觀察到的數據推斷出來并加入到具有相似特征或聯系的類別中去[18]。

3.5""網絡分析

一個變量與其他變量間的聯系可看作它的個體網絡；網絡分析是利用大數據分析變量間聯系網絡的集合得出網絡結構。傳統的分析方法無法推演個體網絡隨時間變化，網絡分析不斷引入變量確定變量間節點方向，從總體視角直觀地展現各變量間的關聯關系[19]。在共病研究中，個體存在的疾病組合與人群疾病組合中相同的疾病為節點連接起來形成疾病軌跡網絡，可預測共病發展軌跡[20]。

4""共病管理策略

老年共病患者長期處于病程中，失能、衰弱、死亡及多重用藥風險明顯增加，這對現存健康管理提出更高要求[21]。常見慢性病種都具備完善的診療指南及管理方案，但共病患者無法從單一的疾病管理中獲得最佳的診療效果。需要共病的慢病管理詳細規劃，對疾病進行診療的同時關注老年共病患者對健康生活的需求，以促進老年人的功能存續，改善生活質量[22]。

4.1""根據健康狀況進行分層管理

老年人的身體衰老與疾病共存，健康狀態受多種因素影響，病情并不能完全代表患者的健康狀態，即使患有多種疾病也可能處于病程穩定期，機體器官系統仍具有較高的功能性[22-23]。老年人群新陳代謝水平難以維持正常功能，消瘦、營養不良、骨質疏松、跌倒等不隸屬疾病范疇的問題也影響老年人的健康狀態和生活質量[24]。從整體評估老年人的健康狀態進行分層管理，通過分層間群體差異建立不同的管理目標可有效節約醫療資源。

4.2""制定共病臨床診療指南

常見慢性病均有規范的臨床診療指南，共病患者按單一疾病指南診療時，在疾病管理方面對飲食、生活習慣的制約條件過多，多數患者不能達到較高水平的自我約束。共病也意味著服藥種類數目的增加，對個體差異大的老年患者明顯增加藥物不良反應、降低藥物作用效果[25]。制定共病臨床診療指南從老年人健康狀況的宏觀角度對疾病的診治予以全方位的把控，精簡藥物數量、減少就醫次數，給予最優化的治療。指南中也應包含提高民眾對共病危害的理解并重視共病管理。

4.3""持續發展基層醫療衛生服務

中國的基層社區醫療慢病管理處于中等支持醫療水平，機構質量整體呈現南方優于北方、城市優于農村的不均衡發展態勢[26-27]。基層醫療衛生機構是民眾就醫的首診環節，病患多來源于周邊社區及街道，病源固定，是慢病管理的重要途徑。應持續發展社區基層醫療，增加經濟投入與人才投入，鼓勵完善慢病管理、婦幼保健等模塊任務，發展其他特色醫療服務。提升基層醫療人員專業水平，進行疾病動態監測建立慢病檔案，關注老年人身體健康狀況；讓患者及家屬充分認識疾病發展與轉歸，督促慢病管理，識別病情變化及時干預或轉診上級醫院。醫療機構各司其職，可避免醫療資源浪費。

4.4""構建以患者為中心，個體化、家庭化診療模式

共病管理提倡以患者為中心、個體化的醫養結合模式，強調醫療的連續性和整體性[28-29]。尊重患者意愿，最大限度地改善系統功能狀態和提升其生活質量。處于疾病后期或終末期的患者對治療意愿、生活功能的要求可指導后續疾病治療[21]。老年人社會交流減少，家庭地位逐漸下降，在疾病管理中不能忽略家庭對疾病防治的影響。家庭支持為共病患者提供抵御疾病、自我管理的必要情感與行為支持。共病患者的生活行為方式與家庭密切相關，長期積極的家庭支持可維持穩定的健康干預效果。

4.5""自我管理的支持

在多種慢性病共存的情況下，一種慢性病本身可能成為其他慢性病的危險因素，加速病情的惡化。僅僅依靠外界對疾病的管理，無法達到預期管理水平。自我疾病管理可激發內在動力，促使患者改變不良的生活習慣，嚴格控制促進疾病進展的危險因素對共病管理有著不可或缺的作用。醫務人員制定共病個性化管理計劃、提醒激勵患者按時實施，患者積極配合正確認知疾病風險、心理健康教育、按時用藥，實現慢性疾病的控制與改善[30]。

4.6""智能設備輔助醫療

“互聯網+醫療健康”平臺的構建，可為老年人提供常見病、慢性病復診及隨訪管理等服務，其遠程服務的醫療特性具有緩解線下醫療資源擁擠和提高診療效率的優勢[31-32]。通過穿戴設備、便攜式監測和管理設備等輔助共病管理，實現對健康狀態的動態監測，疾病數據及時反饋至后臺，醫務人員足不出戶即可了解病情變化，指導患者糾正錯誤生活習慣并提醒患者注意事項等，對提高患者依從性和康復有重要意義。

5""總結與展望

中國的老年人口占比持續上升，慢性病及多病共患情況變得極為普遍。有關共病分布情況的調查研究表明兩種及以上疾病同時存在于同一個體并非偶然，慢性疾病之間具有依存性、聯系性[33]。利用特定工具識別特定疾病組合對后續的共病管理具有重要意義。在醫學中，關聯規則數據挖掘技術的應用最為廣泛，其優勢在于數據選擇限制小。將關聯規則分析應用到共病模式中，算法基于患病率的篩選結果也傾向于患病率較高的慢性病，對高置信度、低支持度的規則發現效率低，得出的規則并不一定有意義[34-35]。在關聯規則識別共病模式時設置不同前項集數可得出不同前項集數的共病分類，如兩病組合和三病組合的共病模式，在此基礎上進行的共病管理具有不確定性。

從共病管理角度來看，聚類分析是眾多主流識別方法中較為理想的選擇。聚類分析根據疾病間的差異從宏觀的層面識別共病模式，在同一聚類疾病間存在著病理生理聯系，可能擁有共同危險因素，或作為并發癥出現[36]。共病組合之間的相似性有助于后續對疾病的統一和有效管理。此外，聚類分析算法可避免個體差異對總體分析結果造成的誤差，也可減少主觀因素對共病分組帶來的影響[37]。最后，聚類分析可通過算法得出最佳共病模式分類個數，結果較關聯規則更具穩定性。

共病的復雜性意味著無法僅從單一慢病管理中獲得有效的健康效益。借助科學高效的共病模式識別方法，揭示慢性病間的相互聯系有利于提升醫護人員對老年共病群體復雜性的理解，對存在共病的患者進行統一的、規范的慢病管理。同時，明確的共病模式分類可使醫護工作者進一步優化共病防控策略，確定具有針對性的防治目標。多病共患嚴重影響老年人身心健康、增加家庭負擔，從醫患多角度綜合制定共病管理策略并不斷改進，最終建立適合中國國情的共病管理體系是所有衛生健康行業從業者共同的責任。

利益沖突：所有作者均聲明不存在利益沖突。

[參考文獻]

[1] 寧吉喆."第七次全國人口普查主要數據情況[J]."中國統計，"2021（5）："4–5.

[2] 閆偉，"路云，"張冉，"等."基于CHARLS數據分析的我國老年人共病現狀研究[J]."中華疾病控制雜志，"2019，"23（4）："426–430.

[3] 信博，"吳藝新，"張迪，"等."慢性病共病患者認知功能障礙的研究進展[J]."中國全科醫學，"2025，"28（2）："143–148，"158.

[4] World"Health"Organization."Primary"health"care"-"Now"more"than"ever[EB/OL]."（2008-10-14）[2025-04-16]."https：//www."who.int/director-general/speeches/detail/primary-health-care---now-more-than-ever.

[5] 程卓卓，"張睿，"徐浩楓，"等."慢性阻塞性肺疾病患者共病模式系統聚類分析及其對住院費用的影響[J]."中國全科醫學，"2025，"28（17）："2127–2133.

[6] TREVISAN"C，"DAMIANO"C，"DAI"L，"et"al."Comorbidity"patterns"and"the"risk"of"injurious"falls"in"older"people"with"atrial"fibrillation："Findings"from"a"Swedish"nation-"wide"population-based"study[J]."Eur"J"Intern"Med，"2025，"132："97–105.

[7] 朱先尚，"曾泓鈺，"呂鳳麗，"等."甘肅省60歲及以上老年人慢性病共病現狀及影響因素研究[J]."中國全科醫學，"2025，"28（10）："1193–1199，"1206.

[8] GUO"M，"YU"Y，"WEN"T，"et"al."Analysis"of"disease"comorbidity"patterns"in"a"large-scale"China"population[J]."BMC"Med"Genomics，"2019，"12（Suppl"12）："177.

[9] BIGGS"M，"FLORICEL"C，"VAN"DIJK"L，"et"al."Identifying"symptom"clusters"through"association"rule"mining[J]."Artif"Intell"Med"Conf"Artif"Intell"Med，"2021，"12721："491–496.

[10] PIRAN"N，"FARHADIAN"M，"SOLTANIAN"A"R，"et"al."Diabetic"foot"ulcers"risk"prediction"in"patients"with"type"2"diabetes"using"classifier"based"on"associations"rule"mining[J]."Sci"Rep，"2024，"14（1）："635.

[11] YU"Z，"CHEN"Y，"XIA"Q，"et"al."Identification"of"status"quo"and"association"rules"for"chronic"comorbidity"among"Chinese"middle-aged"and"older"adults"rural"residents[J]."Front"Public"Health，"2023，"11："1186248.

[12] DALMAIJER"E"S，"NORD"C"L，"ASTLE"D"E."Statistical"power"for"cluster"analysis[J]."BMC"Bioinformatics，"2022，"23（1）："205.

[13] SOYSALER"C"A，"ANDREI"C"L，"CEBAN"O，"et"al."Comorbidity"patterns"in"patients"at"cardiovascularnbsp;hospital"admission[J]."Medicines"（Basel），"2023，"10（4）："26.

[14] 潘曄，"劉志輝，"胡倩倩，"等."中國老年人慢性病多病共存模式的研究[J]."中國全科醫學，"2023，"26（29）："3608–3615.

[15] LAWRENCE"S，"MUELLER"B"R，"KWON"P，"etnbsp;al."Phenotyping"autonomic"neuropathy"using"principal"component"analysis[J]."Auton"Neurosci，"2023，"245："103056.

[16] ZHOU"G，"XU"G，"HAO"J，"et"al."Generalized"centered"2-D"principal"component"analysis[J]."IEEE"Trans"Cybern，"2021，"51（3）："1666–1677.

[17] LEZHNINA"O，"KISMIHóK"G."Latent"class"cluster"analysis："Selecting"the"number"of"clusters[J]."MethodsX，"2022，"9："101747.

[18] QU"H，"SHEWCHUK"R"M，"RICHMAN"J，"et"al."Identifying"patient"profiles"for"developing"tailored"diabetes"self-management"interventions："A"latent"class"cluster"analysis[J]."Risk"Manag"Healthc"Policy，"2022，"15："1055–1063.

[19] HEVEY"D."Network"analysis："A"brief"overview"and"tutorial[J]."Health"Psychol"Behav"Med，"2018，"6（1）："301–328.

[20] CHEN"J，"ZHANG"F，"ZHANG"Y，"et"al."Trajectories"network"analysis"of"chronic"diseases"among"middle-aged"and"older"adults："Evidence"from"the"China"health"and"retirement"longitudinal"study"（CHARLS）[J]."BMC"Public"Health，"2024，"24（1）："559.

[21] 章軼立，"黃馨懿，"齊保玉，"等."老年人群共病問題現狀挑戰與應對策略[J]."中國全科醫學，"2022，"25（35）："4363–4368.

[22] 朱鳴雷，"劉曉紅，"董碧蓉，"等."老年共病管理中國專家共識（2023）[J]."中國臨床保健雜志，"2023，"26（5）："577–584.

[23] 朱芙蓉."基于豐富環境理論的老年患者ICU后綜合征預防方案的構建[D]."合肥："安徽醫科大學，"2024.

[24] 朱鳴雷，"劉曉紅."開展老年綜合評估提高醫療服務質量[J]."中國臨床保健雜志，"2020，"23（3）："299–301.

[25] 常亞男，"王娜."老年住院患者慢病共病特征及多重用藥情況分析[J]."中國醫院藥學雜志，"2024，"44（17）："2032–2037.

[26] 李改云."我國慢性病共病老年人的健康相關生命質量及醫療服務利用狀況研究[D]."蘭州："蘭州大學，"2023.

[27] 陸嬋，"郭建玲，"程巖，"等."老年慢性病病人社區管理狀況的橫斷面調查[J]."實用老年醫學，"2024，"38（12）："1210–1214.

[28] 姚元龍，"史威力，"馮嫻，"等."老年共病的研究管理策略[J]."中華全科醫學，"2022，"20（8）："1267–1270.

[29] 蔡金娜，"張瑞秋，"朱國棟."國內外醫養結合模式與效果評估研究進展[J]."老年醫學研究，"2024，"5（1）："68–73.

[30] 李祥龍，"曾爽，"周萍，"等."慢性病共病健康干預方法與效果研究進展及啟示[J]."中國預防醫學雜志，"2024，"25（11）："1353–1359.

[31] 隋夢蕓，"張晟，"王玉恒，"等."基于社區慢性病健康管理支持中心的共病管理探索與實踐[J]."中國公共衛生，"2024，"40（10）："1284–1288.

[32] 施逸凡，"李博，"于淼，"等."互聯網醫療在臨床科學研究中的作用與思考[J]."中國全科醫學，"2025，"28（14）："1694–1701，"1716.

[33] 胡倩倩."不同共病模式對缺血性腦卒中患者生活質量的影響[D]."鄭州："河南大學，"2023.

[34] 楊娟."老年人多重慢病患病現狀及模式研究[D]."太原："山西醫科大學，"2021.

[35] 沈毅，"傅萍，"孔麗婭."數據挖掘方法在名老中醫用藥規律研究中的應用[J]."中醫雜志，"2016，"57（10）："890–893.

[36] 劉茜，"張靜怡，"李玉靜."唐山市老年住院患者共病模式系統聚類分析[J]."中國預防醫學雜志，"2023，"24（12）："1333–1338.

[37] 陳琳."中老年認知功能損害風險人群特征分析及中醫證候學研究[D]."長春："長春中醫藥大學，"2023.

（收稿日期：2024–12–18）

（修回日期：2025–04–17）