探索老年慢性病患者多病共存模式，请关注这些组合

背景

随着人口老龄化及寿命延长，慢性病的多病共存日益普遍。疾病种类多且病情复杂，为老年人健康管理提出挑战。共病模式作为研究的必要问题，国内研究相对缺乏。

目的

研究中国老年人常见慢性病的多病共存模式，帮助政策制定者、研究人员和临床医生更好地了解多病共存现状。

方法

选取中国健康养老追踪调查（CHARLS）2018年数据中60岁及以上被访者，选择人口特征学部分数据及健康状况的14种慢性病数据。采用关联规则、聚类分析、主成分分析、潜在类别分析4种方法对中国老年人的共病模式进行探索，并对比不同方法所得结果。

结果

最终共纳入10 800例被访者数据。4种方法所得模式有所差异，但存在一致性的共病模式：

表1 两病的关联规则分析

表2 三病组合的关联规则分析

图1 14种慢性病的系统聚类谱系图

表3 多病被访者的 k-medoids 聚类分析结果（分组被访者的发病率）

表4 主成分分类表

图2 特征值的碎石图

表5 潜在类别分析分类与慢性病交叉表

图3 5个分类潜在类别的条件概率分布图

结论

不同方法得到的一致性的共病模式所包含的慢性病病因关系关联明显；4种方法得到的共病模式存在差异的原因是包含的病因关系复杂，且方法的原理不同。

讨 论

本研究特指“Mult本研究的独特之处在于数据总量在国内同类研究中相对较大，使用一系列方法进行多病分类，并尝试新算法。除了系统聚类采用谱系图与临床结合的方法判别分类个数，被访者k-medoids聚类采用了体现数据特性的方法进行个数判断，主成分分析采用碎石图确定个数，LCA采用遍指标法历法选择分类数，减少了主观判断。国内共病模式相关分析方法少，以慢性病距离算法为例，国外多采用Jaccard以及Yule's Q距离，国内较少采用。后两种算法更能体现01数据包含的信息。　

本研究尝试通过对比结果来说明方法的适用性，得到的一致共病组合病因关联明显。主成分和系统聚类对慢性病分类，而k-medoids及LCA对人群分类，可以进一步关联患者特征深入分析。聚类分析依赖于距离的计算方法，而LCA用的潜变量来解释外显指标之间的关联，被潜变量解释后的外显指标间实现局部独立性，更加客观，保证了多病模式分类的稳定性。多病研究需要根据研究目的进行选择模式分析方法，或者使用多种方法得到具有一致性的稳定分类。

本研究的不足之处在于为了保证数据客观性及样本数量，通过众数填充多病缺失数据，会影响发病率的准确度，导致发病率低于总体。保留了缺失的被访者人口特征学数据并没有进行处理，虽然分类到被访者个人，但未结合人群的各种特征进一步研究，未分析危险因素及预后，内容不够贴近临床。

本文来源

潘晔, 刘志辉, 胡倩倩,等. 中国老年人慢性病多病共存模式的研究[J]. 中国全科医学, 2023, 26(29): 3608-3615.