IF3.4!南京鼓楼医院GBD二区成果,解析孕产妇败血症全球负担及作用机制!

点击蓝字，关注我们

Introduction

一、全球疾病负担的空间异质性

 印度、尼日利亚等人口大国绝对病例数最高，但西非和南美国家的年龄标化率更触目惊心，说明当地医疗系统应对能力严重不足。GBD估算在缺数据地区就是“盲人摸象”，漏报和错分类能把真实负担掩盖掉大半，这个坑得心里有数（图2，图3）。

图2.2021年孕产妇败血症及其他孕产妇感染的全球负担分布

图3.2021年全球年龄标准化孕产妇败血症及其他孕产妇感染负担

可复现思路：

挖GBD时别只看ASR排名，把绝对数和标化率叠在一起做四象限图，能快速筛出“被人口数量掩盖的高负担地区”。

二、年龄与区域分层的精细化评估

20-24岁是所有指标的重灾区，15-19岁也没好到哪去，生理不成熟加就医障碍双重叠加。东非标化死亡率最高，但安第斯拉美发病率更高，不同区域的主导病因可能完全两码事（图4，图5）。

分层分析是基本功，但一口气放21个区域的雷达图，信息密度太低，不如做成可交互的。

图4.2021年不同年龄组的孕产妇败血症及其他孕产妇感染负担

图5.2021年各地区孕产妇败血症及其他孕产妇感染负担

可复现思路：

任何疾病负担研究，年龄分层和区域聚类是标配，尤其盯着15-24岁这个生育窗口期。

三、社会经济发展水平与疾病负担的负相关

图6.2021年按社会人口指数分层的孕产妇败血症及其他孕产妇感染负担

可复现思路：

分解分析可以直接照搬，用来拆解自己研究领域中“改善指标”背后的真实驱动力。

1990到2021，所有标化率指标（发病率、死亡率、DALYs）全线往下走，这是抗生素和产科护理进步的硬功劳。但20-29岁的改善幅度远大于30岁以上，说明年轻群体更容易触达到优质医疗资源，年龄间的不平等反而拉大了（图7，图8）。

EAPC线性拟合对这种长周期有波动的数据有点过于粗糙，中间几次反弹完全被平滑掉了。

图7.1990年至2021年孕产妇败血症及其他孕产妇感染负担的时间趋势

图8.1990年至2021年不同年龄组孕产妇败血症及其他孕产妇感染负担趋势

可复现思路：

EAPC是衡量长期趋势的标准指标，分段计算不同年代的EAPC能看出政策干预是否真的有效。

低SDI地区发病人数从306万涨到471万，涨了54%，但死亡率稳住了。人口增长直接把病例数托起来了，医学进步只是没让更多人死掉，离“控制住”还差得远（图9）。

这个发现非常尖锐，但作者自己也承认低SDI地区数据质量稀烂，“其他孕产妇感染”这个分类太模糊，大概率被严重低估。

图9.1990年至2021年不同社会人口指数层级下的孕产妇败血症及其他孕产妇感染负担差异

可复现思路：

绝对数和标化率两张皮对照着看，能一眼识别出“虚假改善”的地区，做政策评估时是硬刚需。

 全球多数国家ASIR和ASMR都在降，但哈萨克斯坦死亡率反而往上窜，澳大利亚发病率上升，作者甩锅给“高龄产妇和合并症”，略显敷衍，更可能是监测灵敏度提高或诊断标准变了（图10）。

EAPC热力图很直观，但没给国家层面的政策背景注释，光看图你根本不知道哪些是干预有效、哪些是数据造假。

图10.1990年至2021年全球年龄标准化孕产妇败血症及其他孕产妇感染负担趋势

可复现思路：

国家层面的EAPC热力图可以快速锁定“异常值”，适合做自然实验或政策效果评估的预筛选。

ARIMA说ASIR到2050年要从492涨到887，BAPC却说所有指标都在持续降。BAPC纳入了年龄-时期-队列效应，逻辑上更靠谱，但这类预测全忽略了两颗大雷：抗生素耐药性和气候变化带来的新发感染，未来可能直接翻盘（图11，图12）。

模型诊断都做了、残差白噪声也过了，但历史规律不能外推未来，这锅算法背不动。

图11.使用ARIMA模型预测2022年至2050年孕产妇败血症及其他孕产妇感染负担趋势

图12.使用BAPC模型预测2022年至2041年孕产妇败血症及其他孕产妇感染负担趋势