多病共存的基线数据

Mapping Multimorbidity Progression Among 190 Diseases

背景

在全球范围内,随着人口老龄化和慢性病的负面影响显著增加,多病共存(multimorbidity),即多个长期病症的共存,已成为一个日益严峻的健康挑战。了解多病共存在个体中的累积过程,可以帮助研究人员更好地理解其发病机制,协助医疗服务提供者在首个病症显现时进行干预或筛查其他病症,并使决策者制定综合护理管理方法,以更好地满足患者的健康需求。

研究动机

当前的多病共存聚类方法主要基于常见疾病组合的频率,这种方法难以理解疾病如何随时间发展。大多数关联性聚类方法容易夸大最流行的诊断,从而导致将太多不相关的疾病归入一个大簇。更重要的是,这些基于关联的聚类方法可能容易在确定多病共存进展轨迹时产生误导。这种方法不允许在疾病之间存在双向轨迹,即一种疾病既可以导致另一种疾病,也可以被另一种疾病影响。因此,研究者提出了一个更为信息丰富的方法来研究多病共存进展的模式。

论文来源

该研究由陈少莎等人撰写,发表在《Communications Medicine》2024年第4卷。

研究方法

研究设计与人群

该研究在英国生物样本库(UK Biobank)的502,413名成人参与者中进行,参与者年龄在37至73岁之间,平均年龄为57.1岁,研究从2006年3月到2010年12月进行,并持续随访了12.7年。研究获得了英国国家信息治理委员会和北西部多中心研究伦理委员会的伦理批准。所有参与者在基线评估时均通过电子签名提供知情同意。

疾病状态与基线共变量

研究集中在男女患病率大于1%的疾病上,共确诊190种最常见的疾病(女性154种,男性160种)。基线共变量包括社会人口学因素、健康行为、健康状态、所有疾病状态及影响健康状态和与卫生服务接触的因素等。

数据分析

研究使用目标最大似然估计法(Targeted Maximum Likelihood Estimation, TMLE)来估计一种疾病对另一种疾病发展影响,分析了女性和男性疾病因果关系,覆盖了23,562个方向性配对因果作用(女性)和25,440个方向性配对因果作用(男性)。通过层次聚类算法,对疾病进行聚类,并使用自调谐k均值聚类方法将一步多病共存进展聚类为多病共存进展星座。

工作流程

研究首先估计每一对疾病之间的因果关系,然后通过绘制边缘谱图识别最有影响力和最受影响的疾病。然后使用聚类算法将一样模式的疾病聚类。最后,绘制由疾病节点组成的可视化聚类图,并评估聚类稳定性。

研究结果

疾病因果效应图

研究显示,无论是女性还是男性,最有影响力的疾病往往是慢性疾病,如高血压、糖尿病等,而急性疾病则具有性别特异性。双向多病共存进展显示了显著的聚类趋势,跨越国际疾病分类章节,这暗示了疾病之间的复杂机制。

影响力和受影响的疾病

研究识别了男女各自的十大影响力疾病和十大受影响疾病,发现大部分疾病在性别间具有一致性,但一些急性疾病具有性别特异性。此外,还发现一些疾病在短时间内对其他疾病有较大影响。

聚类结果

通过聚类分析,研究识别了26个女性和28个男性疾病簇。这些疾病簇反映了共享的疾病发展机制。对双向疾病进展的分析表明,疾病在相同的国际疾病分类章节内更容易发生双向进展。

多病共存星座

研究识别了女性的10个和男性的9个多病共存进展星座,展示了不同性别间的差异。例如,高血压-哮喘星座显示了许多从高血压到哮喘的发展路径,而慢性阻塞性肺疾病-循环星座则展示了呼吸系统与心血管系统疾病之间的多病共存进展。

研究结论

该研究提出了基于疾病因果关系的多病共存进展框架,为未来制定有针对性的干预措施提供了基础。研究中的疾病聚类为更新疾病分类系统和发现潜在的共享治疗策略提供了系统视角。同时,通过辨识不同疾病在多病共存中的角色,可以为未来旨在防止和管理多病共存的研究奠定基础。

突出的研究亮点

  1. 多病共存的因果关系分析:首次深入分析了190种疾病的因果进展。
  2. 疾病发展机制:通过双向多病共存进展的聚类,找到了共享的发病机制。
  3. 多病共存星座:识别了男女各自的多病共存星座,展示了性别特异性疾病进展路径。

科学价值和应用价值

该研究为多病共存的预防和管理提供了重要信息,有助于制定基于社区的多病共存筛查策略和重组服务以更好地满足患者的需求。

这些发现不仅对进一步理解多病共存的发展机制具有重要意义,还对制定更好的医疗干预策略具有深远影响。通过这种方式,能够更好地优化卫生服务,使其更加个性化与精准化,以有效应对多病共存的挑战。