方珈文，馮天元，周志衡，李子悅，顏丹虹，林凱程

1.510515 廣東省廣州市，南方醫(yī)科大學(xué)衛(wèi)生管理學(xué)院

2.518118 廣東省深圳市坪山區(qū)人民醫(yī)院

3.510515 廣東省廣州市，南方醫(yī)科大學(xué)南方醫(yī)院

痛風(fēng)是一種單鈉尿酸鹽沉積所致的晶體相關(guān)性關(guān)節(jié)病，與嘌呤代謝紊亂和/或尿酸排泄減少所致的高尿酸血癥直接相關(guān)［1］，隨病情加重發(fā)作持續(xù)時間更長、頻率更高［2］。痛風(fēng)患者常伴有高血壓、心血管疾病、慢性腎?。?］等合并癥，使痛風(fēng)的治療更加復(fù)雜化，同時增加痛風(fēng)共病的死亡風(fēng)險［4］。近年來全球痛風(fēng)發(fā)病率與患病率持續(xù)上升，與1990年相比，2017年全球和中國痛風(fēng)傷殘調(diào)整壽命年（DALYs）率分別增加了7.22%和6.92%；發(fā)病率分別增加了5.52%和6.16%，患病率分別增加了7.22%和6.88%［2］，中國痛風(fēng)的發(fā)病率高于全球，表明痛風(fēng)患者在中國也逐漸增多。此外，痛風(fēng)治療成本較高，給患者及其家庭帶來沉重的經(jīng)濟(jì)負(fù)擔(dān)。中國經(jīng)濟(jì)快速發(fā)展，人們的飲食習(xí)慣和生活方式也發(fā)生一定改變，且隨著老齡化趨勢的加快，痛風(fēng)疾病負(fù)擔(dān)也在日漸增加，嚴(yán)重影響居民的健康和生活質(zhì)量?；诖耍狙芯坷萌蚣膊∝?fù)擔(dān)研究（GBD）2019數(shù)據(jù)，對1990—2019年中國痛風(fēng)的DALYs、發(fā)病及患病趨勢進(jìn)行評估，并通過自回歸移動平均模型（ARIMA模型）預(yù)測其未來10年的DALYs、發(fā)病及患病趨勢，旨在了解我國痛風(fēng)的流行特征，為制訂痛風(fēng)防治政策提供參考意見。

1 資料與方法

1.1 數(shù)據(jù)來源

本研究數(shù)據(jù)來源于GBD 2019數(shù)據(jù)庫（https://vizhub.healthdata.org/gbd-results/），GBD采用死亡率、發(fā)病率、患病率等指標(biāo)對全球204個國家和地區(qū)的369種疾病的疾病負(fù)擔(dān)、87種危險因素的歸因疾病負(fù)擔(dān)進(jìn)行系統(tǒng)評估。在對GBD 2019數(shù)據(jù)庫進(jìn)行數(shù)據(jù)選取時，選擇疾病為“gout（B.11.5）”，地區(qū)為“China”，年份選擇“1990—2019”，性別選擇“全性別”“男性”和“女性”，年齡選擇15～19、20～24、25～29……90～94、≥95歲年齡組，每個年齡組跨越5年，共17個年齡組。痛風(fēng)的ICD 9代碼為274，ICD 10代碼為M10［5］。

1.2 指標(biāo)選取

本研究采用DALYs、發(fā)病率、患病率以及各指標(biāo)的年齡標(biāo)化率評估中國痛風(fēng)疾病負(fù)擔(dān)。其中DALYs由過早死亡損失壽命年（YLLs）和傷殘損失壽命年（YLDs）組成，DALYs=YLLs+YLDs，但由于痛風(fēng)是一種非致死性疾病，DALYs基本由YLDs構(gòu)成［6］。GBD數(shù)據(jù)庫依據(jù)世界標(biāo)準(zhǔn)人口計算年齡標(biāo)化率［7］。

1.3 研究方法

1.3.1 Joinpoint 回歸模型：采用Joinpoint Regression Program 4.9.0.0軟件進(jìn)行時間趨勢分析，計算年度變化百分比（APC）和平均年度變化百分比（AAPC）及其95%CI，按照年份、性別和年齡分析1990—2019年中國痛風(fēng)DALYs率、發(fā)病率、患病率及年齡標(biāo)化率的變化趨勢。APC或AAPC及其95%CI＞0表示該段時間內(nèi)指標(biāo)有所上升；APC或AAPC及其95%CI＜0表示該段時間內(nèi)指標(biāo)有所下降；APC=AAPC說明數(shù)據(jù)呈單調(diào)遞增或單調(diào)遞減趨勢［8］。檢驗水準(zhǔn)α=0.05，以P＜0.05為差異有統(tǒng)計學(xué)意義。

1.3.2 ARIMA模型：ARIMA（p，d，q）模型是常用的時間序列預(yù)測模型，根據(jù)以往的觀測值能對未來的觀測值進(jìn)行預(yù)測，可用于描述非平穩(wěn)的時間序列數(shù)據(jù)［9］。其中p、d、q分別為自回歸（AR）、為使數(shù)據(jù)平穩(wěn)所需差分和偏自回歸（MA）的階數(shù)。ARIMA模型建模主要分為平穩(wěn)性檢驗、確定參數(shù)、模型檢驗和模型預(yù)測［10］。

本研究利用1990—2009年中國因痛風(fēng)造成的標(biāo)化DALYs率、標(biāo)化發(fā)病率和標(biāo)化患病率作為訓(xùn)練集建立ARIMA模型，將2010—2019年的數(shù)據(jù)作為測試集進(jìn)行模型評價，用平均絕對百分誤差（MAPE）、平均絕對誤差（MAE）以及均方根誤差（RMSE）進(jìn)行模型評價。若MAPE＜10%～15%，表示模型預(yù)測精度較好［11］。

1.4 統(tǒng)計學(xué)方法

應(yīng)用Excel 2016軟件對1990—2019年中國痛風(fēng)的DALYs、發(fā)病及患病數(shù)據(jù)進(jìn)行整理和分析。采用Joinpoint Regression Program 4.9.0.0軟件，按照年份、性別和年齡分析1990—2019年中國痛風(fēng)的DALYs、發(fā)病、患病以及年齡標(biāo)化率的變化趨勢。利用R 4.1.1軟件構(gòu)建ARIMA模型，對2020—2029年中國痛風(fēng)的標(biāo)化DALYs率、標(biāo)化發(fā)病率和標(biāo)化患病率進(jìn)行預(yù)測。

2 結(jié)果

2.1 1990—2019年中國痛風(fēng)疾病負(fù)擔(dān)變化趨勢

1990—2019年，中國因痛風(fēng)造成的DALYs從187 436人年增至510 485人年，增長了172.35%，標(biāo)化DALYs率從19.72/10萬增加至25.33/10萬，增長了28.45%；發(fā)病人數(shù)從1 181 969例增至3 041 329例，增長了157.31%，標(biāo)化發(fā)病率則從121.37/10萬增至152.83/10萬，增長了25.92%；患病人數(shù)從5 864 143例增加至16 161 325例，增長了175.60%，標(biāo)化患病率從624.53/10萬增加至803.31/10萬，增長了28.63%（表1）。

表1 1990—2019年中國痛風(fēng)疾病負(fù)擔(dān)變化狀況Table 1 Changes in gout burden in China from 1990 to 2019

2.2 1990—2019年中國不同性別痛風(fēng)疾病負(fù)擔(dān)變化趨勢

1990—2019年，中國男性痛風(fēng)標(biāo)化DALYs率、標(biāo)化發(fā)病率和標(biāo)化患病率呈逐漸上升趨勢，在2015年開始增速上升，在2017年達(dá)到頂峰，隨后出現(xiàn)下降趨勢；女性則呈現(xiàn)波動上升趨勢，且各標(biāo)化率均低于男性（圖1）。30年間，標(biāo)化DALYs率、標(biāo)化發(fā)病率和標(biāo)化患病率男女性別比范圍分別為3.23～3.51、3.14～3.40和3.17～3.42。

圖1 1990—2019年中國不同性別痛風(fēng)疾病負(fù)擔(dān)變化趨勢Figure 1 Trends in the burden of gout by gender in China from 1990 to 2019

2.3 1990—2019年中國分年齡別痛風(fēng)疾病負(fù)擔(dān)狀況

1990—2019年不同年齡組痛風(fēng)負(fù)擔(dān)整體呈現(xiàn)上升趨勢，且隨年齡增長明顯增加。15歲以下人群痛風(fēng)疾病負(fù)擔(dān)幾乎為0，30歲以下人群疾病負(fù)擔(dān)均較輕，隨后上升速度均加快。2019年年齡別DALYs率在80～84歲年齡組最高，之后有下降趨勢，但仍高于15～69歲年齡組。年齡別發(fā)病率和患病率變化趨勢類似，但年齡高峰不同，分別在75～79、80～84歲年齡組達(dá)到高峰，且均在高峰之后出現(xiàn)下降趨勢，95歲以上又呈現(xiàn)上升趨勢，但仍低于高峰（圖2）。1990—2019年，DALYs率年齡高峰從1990年的75～79歲（80.08/10萬）后移至2019年的80～84歲（115.27/10萬）；年齡別發(fā)病率、患病率的年齡高峰均從1990年的95歲以上（492.35/10萬）、（2 853.34/10萬）分別前移至2019年的75～79歲（發(fā)病率：585.93/10萬）、80～84歲（患病率：4 016.34/10萬）。

圖2 1990—2019年中國不同年齡組痛風(fēng)疾病負(fù)擔(dān)變化情況Figure 2 Trends of gout burden among different age groups in China from 1990 to 2019

同年齡別男性疾病負(fù)擔(dān)指標(biāo)均高于女性，女性各指標(biāo)年齡高峰總體比男性延后，男性高峰集中在45～69歲年齡組，女性高峰集中在50～74歲年齡組。男性30歲之后DALYs率逐漸增大，是25～29歲人群的2倍以上，年齡別發(fā)病率與患病率均在20歲之后開始迅速增長；女性45歲之前疾病負(fù)擔(dān)均處于較低水平，但45歲之后各率均呈明顯上升趨勢。男女性疾病負(fù)擔(dān)在90歲之后再次增加，在95歲以上達(dá)到頂峰（圖3）。

圖3 1990—2019年中國不同年齡組男女痛風(fēng)疾病負(fù)擔(dān)變化情況Figure 3 Trends of gout burden among different age groups by gender in China from 1990 to 2019

2.4 1990—2019年中國痛風(fēng)疾病負(fù)擔(dān)的Joinpoint回歸分析

1990—2019年整體趨勢結(jié)果顯示，標(biāo)化DALYs率、標(biāo)化發(fā)病率、標(biāo)化患病率整體呈上升趨勢（AAPC分別為0.9%、0.8%和0.9%，P均＜0.05）。標(biāo)化DALYs率和標(biāo)化患病率整體上升趨勢男女性一致，標(biāo)化發(fā)病率男性略快于女性（P＜0.05）。標(biāo)化DALYs率和標(biāo)化患病率各區(qū)段整體趨勢變化相似，1990—1994年呈下降趨勢（APC標(biāo)化DALYs率=APC標(biāo)化患病率=-1.4%，P＜0.05），1994—2000年基本穩(wěn)定（APC標(biāo)化DALYs率=APC標(biāo)化患病率=0.2%，P＜0.05），2000—2009年逐漸呈上升趨勢（APC標(biāo)化DALYs率=1.8%、P＜0.05，APC標(biāo)化患病率=1.9%、P＜0.05），2009—2014年繼續(xù)緩慢上升（APC標(biāo)化DALYs率=1.3%、P＜0.05，APC標(biāo)化患病率=1.2%，P＜0.05），2014—2017年上升最明顯（APC標(biāo)化DALYs率=4.7%、P＜0.05，APC標(biāo)化患病率=4.8%、P＜0.05），2017—2019年下降明顯（APC標(biāo)化DALYs率=-3.2%、P＜0.05，APC標(biāo)化患病率=-3.1%、P＜0.05）。標(biāo)化發(fā)病率整體趨勢的變化被分為6個區(qū)段，1990—1994年平均每年下降1.3%（P＜0.05），1994—2000年的基本維持穩(wěn)定，2000—2010年平均每年上升1.7%（P＜0.05），2010—2014年平均每年上升1.1%（P＜0.05），2014—2017年平均每年上升最快（APC=4.5%，P＜0.05），2017—2019年平均每年下降2.8%（P＜0.05）（表2）。

2.5 ARIMA模型預(yù)測結(jié)果

2.5.1 痛風(fēng)標(biāo)化DALYs率、標(biāo)化發(fā)病率和標(biāo)化患病率預(yù)測模型構(gòu)建：對殘差序列進(jìn)行Ljung-Box檢驗，標(biāo)化DALYs率預(yù)測模型延遲6階（χ2=7.423，P=0.284）、延遲12階（χ2=10.640，P=0.560）、標(biāo)化發(fā)病率預(yù)測模型延遲6階（χ2=7.401，P=0.285）、延遲12階（χ2=11.116，P=0.519），標(biāo)化患病率預(yù)測模型延遲6階（χ2=7.201，P=0.303）、延遲12階（χ2=10.672，P=0.557），差異無統(tǒng)計學(xué)意義，均提示為白噪聲。ARIMA（1，2，0）、ARIMA（2，2，0）和ARIMA（2，2，0）模型顯示，2010—2019年實際痛風(fēng)造成的標(biāo)化DALYs率、標(biāo)化發(fā)病率和標(biāo)化患病率均在預(yù)測值95%CI值范圍內(nèi)，訓(xùn)練集的MAPE、MAE、RMSE如下（表3），均提示模型預(yù)測性能良好。

2.5.2 中國2020—2029年痛風(fēng)疾病負(fù)擔(dān)預(yù)測結(jié)果：預(yù)測得到中國2020—2029年因痛風(fēng)造成的標(biāo)化DALYs率和標(biāo)化發(fā)病率呈略微下降趨勢，2029年可能分別達(dá)到24.44/10萬和148.33/10萬，預(yù)計2020—2029年分別下降0.33%和0.45%；標(biāo)化患病率呈略微上升趨勢，2029年可能達(dá)到768.18/10萬，預(yù)計2020—2029年上升0.71%，見表4。

表4 2020—2029年中國痛風(fēng)疾病負(fù)擔(dān)預(yù)測情況（1/10萬）Table 4 Prediction of gout burden in China from 2020 to 2029

3 討論

本研究結(jié)果顯示，2019年中國因痛風(fēng)造成的DALYs、發(fā)病人數(shù)和患病人數(shù)分別為510 485人年、3 041 329例和16 161 325例，1990—2019年中國痛風(fēng)DALYs率、發(fā)病率和患病率呈上升趨勢，與全球增長趨勢一致［12］。雖與美國和英國等發(fā)達(dá)國家相比疾病負(fù)擔(dān)相對較輕［13］，但中國發(fā)病率增速高于全球［2］，提示中國痛風(fēng)疾病負(fù)擔(dān)日趨加重。痛風(fēng)DALYs率、發(fā)病率和患病率上升趨勢顯著可能受相關(guān)因素綜合影響：首先，隨著中國城市化進(jìn)程加快，人們的飲食結(jié)構(gòu)發(fā)生巨大改變，由傳統(tǒng)以碳水化合物和蔬菜為主的飲食結(jié)構(gòu)轉(zhuǎn)變?yōu)橐愿哙堰蕜游镄允澄餅橹鳎?4］。過多攝入高嘌呤食物可能導(dǎo)致身體代謝功能紊亂，從而增加痛風(fēng)的患病風(fēng)險。有研究發(fā)現(xiàn)食用紅色肉類、海產(chǎn)品等高嘌呤食物會造成血清尿酸水平升高，進(jìn)而引發(fā)痛風(fēng)［15］。其次，隨著我國醫(yī)療水平不斷進(jìn)步，疾病診斷技術(shù)的不斷改善在一定程度上提高了痛風(fēng)的檢出率。此外，我國老齡化進(jìn)程加快以及平均期望壽命延長，老年人口基數(shù)增加，有研究表明痛風(fēng)在老年人群中更常見［16］，因此痛風(fēng)的疾病負(fù)擔(dān)也會逐漸加重。

研究結(jié)果顯示，中國痛風(fēng)DALYs率、發(fā)病率和患病率存在明顯的性別和年齡差異，男性疾病負(fù)擔(dān)高于女性，男女性疾病負(fù)擔(dān)高峰分別集中在45～69、50～74歲年齡組，痛風(fēng)疾病負(fù)擔(dān)在30歲之前較輕，隨后上升速度加快，與既往研究基本一致［2，17］。本研究發(fā)現(xiàn)，與男性相比，女性45歲之前疾病負(fù)擔(dān)均處于較低水平，但45歲之后各率均呈明顯上升趨勢。這可能與女性的雌激素有關(guān)，有研究發(fā)現(xiàn)，雌激素具有促進(jìn)腎臟將尿酸排出體外的作用［18］，絕經(jīng)期女性體內(nèi)雌激素水平下降導(dǎo)致尿酸排泄受到抑制。相關(guān)研究也表明，絕經(jīng)后女性痛風(fēng)的發(fā)病率逐漸上升［19］，且持續(xù)上升到老年（≥75歲）。另外，由于男性社交活動與女性相比相對較多，更容易暴露于飲酒［20］、高嘌呤飲食等危險因素，從而增加痛風(fēng)的疾病負(fù)擔(dān)。一項薈萃分析表明，攝入紅肉、海鮮、酒精等會增加痛風(fēng)的患病風(fēng)險［15］。本研究還發(fā)現(xiàn)，男女性痛風(fēng)疾病負(fù)擔(dān)在90歲之后再次增加，這可能受我國老齡化趨勢加快影響，隨著年齡增長老年人群體患基礎(chǔ)病的比例增大，高血壓、肥胖等基礎(chǔ)疾病是誘發(fā)痛風(fēng)的危險因素，從而造成痛風(fēng)疾病負(fù)擔(dān)再次加重。本研究還發(fā)現(xiàn)年齡別發(fā)病率與患病率的年齡組高峰均前移，說明痛風(fēng)逐漸年輕化，與既往研究結(jié)果一致［21］。因此，應(yīng)加強對男性、絕經(jīng)后女性、高齡等重點人群的關(guān)注，值得注意的是痛風(fēng)出現(xiàn)年輕化趨勢，提示應(yīng)重視年輕群體，積極引導(dǎo)年輕人養(yǎng)成健康的飲食習(xí)慣，倡導(dǎo)健康的生活方式，避免或減少痛風(fēng)的發(fā)生。

Joinpoint回歸分析結(jié)果顯示，1990—2019年中國痛風(fēng)疾病負(fù)擔(dān)存在階段性特征，疾病負(fù)擔(dān)在2014—2017年達(dá)到峰值，之后出現(xiàn)下降趨勢。1990—2017年我國痛風(fēng)標(biāo)化DALYs率、發(fā)病率、患病率顯著上升，疾病負(fù)擔(dān)不斷加重，這可能是由于隨著我國不斷城市化，人們的生活水平逐漸提高，飲食習(xí)慣從傳統(tǒng)的碳水化合物和蔬菜向高嘌呤動物性食物轉(zhuǎn)變［14］。2017—2019年中國痛風(fēng)疾病負(fù)擔(dān)減輕，這可能與中國群體健康觀念和生活方式轉(zhuǎn)變有關(guān)。相關(guān)研究表明，健康的飲食模式不僅可以降低痛風(fēng)發(fā)病率，還能減少由痛風(fēng)引起的相關(guān)合并癥的發(fā)生［22］?！敖】抵袊?030”倡導(dǎo)以健康為根本，把健康擺在首要位置，促使我國居民健康意識越來越強，健康素養(yǎng)越來越高。近年來，人們在飲食上注重合理膳食，從高油、高鹽、高嘌呤的飲食模式逐漸轉(zhuǎn)變?yōu)檩p飲食，以低脂、瘦肉、魚、蔬菜、水果等食物為主。此外，這也與痛風(fēng)飲食指南［23］、中西醫(yī)治療方法、新型治療藥物相繼推出有關(guān)。

ARIMA模型結(jié)果顯示，2020—2029年我國痛風(fēng)標(biāo)化DALYs率和標(biāo)化發(fā)病率呈略微下降趨勢。這可能與我國醫(yī)療水平逐漸提高、人們健康意識逐漸增強有關(guān)。標(biāo)化DALYs率有所下降可能還與以下因素有關(guān)，痛風(fēng)患者由于尿酸一旦增高就會帶來身體上的劇烈疼痛，這促使他們?nèi)粘Ｉ钪懈雨P(guān)注飲食和運動。另外，近年來新型降尿酸藥物非布司他納入國家醫(yī)保目錄，給痛風(fēng)患者帶來極大好處，此藥在降低治療后復(fù)發(fā)率、提高生活質(zhì)量、改善預(yù)后［24-25］等方面具有很大作用，且這款藥品不良反應(yīng)小，能更廣泛應(yīng)用于臨床治療。然而，盡管我國痛風(fēng)標(biāo)化DALYs率和標(biāo)化發(fā)病率呈現(xiàn)略微下降趨勢，但由于我國人口基數(shù)大，人口老齡化和疾病年輕化的趨勢帶來的疾病負(fù)擔(dān)依然很嚴(yán)峻。2020—2029年我國痛風(fēng)標(biāo)化患病率呈略微上升趨勢可能與痛風(fēng)患者接受降尿酸治療的依從性有關(guān)，相關(guān)研究表明只有41%的人接受降尿酸治療［26］。也可能是由于我國老年人口占比逐漸增大，由其他基礎(chǔ)病引起的痛風(fēng)可能性也會增加。因此，人們應(yīng)定期監(jiān)測尿酸水平，做到早預(yù)防、早治療，同時注重規(guī)律飲食和運動。

綜上所述，1990—2019年中國痛風(fēng)DALYs率、發(fā)病率和患病率總體均顯著上升，各標(biāo)化率也呈上升趨勢，具有性別和年齡差異，且痛風(fēng)出現(xiàn)年輕化趨勢，提示應(yīng)加強對男性、絕經(jīng)后女性、高齡、年輕群體等重點人群的關(guān)注。據(jù)預(yù)測，2020—2029年我國痛風(fēng)標(biāo)化DALYs率和標(biāo)化發(fā)病率有所下降，標(biāo)化患病率有所上升。另外，本研究存在一定的局限性：首先，本研究僅對數(shù)據(jù)進(jìn)行描述分析，未進(jìn)行歸因分析；其次，受數(shù)據(jù)庫局限性影響，未能分析中國各省份、各地區(qū)間存在的差異。

作者貢獻(xiàn)：方珈文、馮天元、周志衡提出研究目標(biāo)、研究設(shè)計；方珈文負(fù)責(zé)數(shù)據(jù)收集、數(shù)據(jù)分析、論文撰寫；李子悅負(fù)責(zé)圖表制作；顏丹虹負(fù)責(zé)文獻(xiàn)整理；林凱程負(fù)責(zé)論文修訂、文章質(zhì)量控制與審校。

本文無利益沖突。