預測居民死因構成模型的建立與評價——以太原市杏花嶺區(qū)數(shù)據為例.pdf

1、研究目的和意義：死因監(jiān)測是疾病監(jiān)測的重要部分,在任何一種疾病的監(jiān)測環(huán)節(jié)中,死亡作為疾病最終結局的一種,可以用來分析疾病的嚴重程度以及治療是否有效,并且可以為制定防治疾病的工作策略以及重點防治對象和危險因素提供有力依據。通過描述和分析不同地區(qū)、不同人群（包括不同性別、不同年齡）的死亡水平和各種死亡原因的動態(tài)變化,可以反映社會經濟、文化教育、衛(wèi)生服務對于居民健康的影響。然而全國許多地區(qū)并沒有完整的死因報告系統(tǒng),僅有醫(yī)院的報告數(shù)據。醫(yī)院的死亡

2、數(shù)據與全人群的死亡數(shù)據有著一定程度的差異和聯(lián)系,二者的差異主要是由于不同死因的病例死于醫(yī)院的比例不同造成的,二者的聯(lián)系體現(xiàn)在,假如能夠獲得不同疾病死于醫(yī)院的比例或概率,就能夠利用醫(yī)院數(shù)據,推導出入群的死因分布。本研究通過對人群死因監(jiān)測進行分析研究,通過建立多因素模型,利用現(xiàn)有的死亡數(shù)據,估計人群的死因分布。在對模型進行驗證和評價的基礎上加以應用,從而為估計不同人群的主要衛(wèi)生問題特別是無法做劍全人群死因監(jiān)測的地區(qū)提供參考思路。
　　

3、 研究方法：2007-2010年死因監(jiān)測測資料的統(tǒng)計沿用疾病和有關健康問題的國際分類（ICD-10）編碼,用Exce12003、SPSS13.0,SAS9.0軟件進行描述性統(tǒng)計分析。采用2010年第六次人口普查年齡別人口構成作標準對數(shù)據進行標化。使用2007-2010年死因監(jiān)測數(shù)據,建立影響個體是否死在醫(yī)院的多因素Logistic回歸模型。對于具有醫(yī)院死亡信息的地區(qū),就可以利用這些醫(yī)院死亡個案和社會層面的指標,帶入到上述模型,推算出當

4、地全人群的死因分布,進而得到當?shù)氐乃酪驑嫵伞?br>　　 研究結果：總模型和個體模型的系統(tǒng)誤差的統(tǒng)計結果顯示,系統(tǒng)誤差分別為10.43％和11.01％,均在10％左右。經過驗證,太原市杏花嶺區(qū)2010年死因大類總模型的CSMFs以及相對誤差的統(tǒng)計顯示,當死因分大類時,Logistic回歸總模型和個體指標模型對于2010年實際死因估計的平均相對誤差為9.72％和11.85％;當死因分小類時,Logistic回歸總模型和個體指標模型對于2

5、010年實際死因估計的平均相對誤差為11.53％和12.53％。個體指標模型相對誤差高于總模型、死因小類相對誤差大于死因大類。模型總體誤差在l0％左右,模型的擬合效果較好。太原市杏花嶺區(qū)2011年死因大類監(jiān)測數(shù)據模型估計CSMFs和相對誤差結果顯示,總模型和個體模型的相對誤差分別為9.46％和10.58％,個體模型相對誤差略高于總模型相對誤差。總模型相對誤差最大的是意外傷害(31.19％),相對誤差最小的是內分泌疾病(1.02％)。死因

6、大類個體指標模型相對誤差最大的是意外傷害(34.10％),相對誤差最小的是內分泌疾病(2.54％)。太原市杏花嶺區(qū)2011年死因小類監(jiān)測數(shù)據模型估計CSMFs和相對誤差結果顯示,總模型和個體模型的相對誤差分別為13.03％和14.22％,個體模型相對誤差略高于總模型相對誤差,呈現(xiàn)出和總模型相同的趨勢,并且死因小類的相對誤差略大于死因大類的相對誤差?？偰Ｐ拖鄬φ`差最大的是其他呼吸系統(tǒng)疾病(38.78％)。相對誤差最小的是缺血性心臟病病(1

7、.35％)。死因小類個體指標模型相對誤差最大的是其他呼吸系統(tǒng)疾病(38.78％)。相對誤差最小的是缺血性心臟病(0.48％)。
　　 結論：l.本研究利用太原市杏花嶺區(qū)2007-2010年死因監(jiān)測點人口死亡數(shù)據,通過建立多因素Logistic回歸模型,并利用現(xiàn)有的死亡監(jiān)測數(shù)據,估計不同地區(qū)的死因分布。在對模型進行驗證和評價的基礎上進行應用,從而為估計不同地區(qū)的人群主要衛(wèi)生問題提供參考思路和方法。2.本研究為無法做到全人群死因監(jiān)測