今天给大家解读GBD数据库的APC模型与ARIMA模型未来预测的思路。
APC模型与ARIMA模型是什么？
年龄-时期-出生队列（APC）模型用于分解疾病发病率或死亡率的长期趋势，识别年龄效应（Age）、时期效应（Period）、队列效应（Cohort）的影响：
-
年龄效应：不同年龄组的疾病风险（如癌症发病率随年龄增长而上升）；
-
时期效应：外部环境变化（如政策、医疗技术进步）对所有年龄组的短期影响；
-
队列效应：出生队列的长期影响（如某年代人群因共同暴露于某危险因素而疾病风险增加）。
ARIMA模型（自回归积分滑动平均模型）是一种用于时间序列数据的分析和预测的统计模型。这种方法基于时间序列的自相关分析来使用特定的数学模型来描述该序列，一旦建立了模型，就可以根据时间序列的过去和现在的值来预测未来值。
案例
标题：1990 年到 2021 年中国和全球银屑病疾病负担趋势的分析与对比
研究方法：
基于 1990 年至 2021 年全球疾病负担（GBD）数据库的公开数据，全面分析了中国和全球的银屑病疾病负担。在中国，进行了详细的分析，强调了年龄、性别和时间趋势等维度。主要分析方法包括：
-
使用Joinpoint回归模型计算了平均年百分比变化（AAPC）；
-
APC模型分析评估了年龄、时间及出生队列的影响；
-
ARIMA模型被用于预测中国 2022 年至 2036 年的银屑病疾病负担。
文章解读
主要结果：
该研究显示，1990-2021年间，中国银屑病标准化发病率（ASIR）、患病率（ASPR）和伤残调整生命年率（ASDR）均显著上升，增速高于全球水平。中国ASIR、ASPR和 ASDR的年平均百分比变化（AAPC）分别为 0.7434%、0.8765%和 0.8827%，全球的AAPC分别为0.2204%、0.2220%和0.2426%。
APC分析显示，银屑病发病率最初随年龄增长而增加，然后下降。在所有年龄组中，较早出生的群体相对风险较低，提示环境或生活方式变化的影响。随着经济的发展，人们的生活方式发生了变化，生活压力增加、吸烟和饮酒等行为的增多，都可能促进银屑病发病和进展。
中国银屑病的负担随年龄和性别而变化，随着年龄的增长，ASIR、ASPR和ASDR呈现出先上升后下降的趋势。女性的银屑病发病率和患病率低于男性。随着时间的推移，两性在峰值发病率出现时都观察到了延迟。
ARIMA预测显示，未来15年中，中国银屑病的发病率和患病率将持续上升。随着人口基数庞大且不断老龄化，银屑病已成为中国的一项重大公共卫生挑战。减轻这一负担需要多管齐下的方法，包括精确的流行病学研究、对社会经济决定因素的深入理解以及制定有效的卫生政策。
评论列表