GBD数据库中科院1区SCI文章常见工作量

1区期刊的GBD研究定位

✅ 工作量基准：随着全球公共卫生研究的深入，GBD（Global Burden of Disease，全球疾病负担）数据库已成为流行病学、公共卫生、临床医学等领域研究者的重要工具。该数据库由美国健康指标与评估研究所（IHME）主导构建，覆盖全球 200 多个国家和地区、300 余种疾病与伤害、80 余种危险因素，时间跨度长达 30 年以上，具有高度系统性、可比性与权威性。

✅ 核心要素：

多维度分层分析：按地理区域、年龄组、性别、社会人口指数（SDI）、年份等维度进行精细化分层；

时空趋势建模：结合 Joinpoint 回归、EAPC/AAPC 分析等方法，刻画疾病负担的长期演变趋势与拐点特征；

高级统计建模：运用预测模型（如ARIMA、BAPC）、归因分析（Population Attributable Fraction, PAF）、分解分析（Oaxaca-Blinder Decomposition）等方法，深入解析疾病负担的驱动机制与未来走向；

健康不平等评估：采用集中指数（Concentration Index）、Theil 指数、差异指数（Rate Difference/Ratio）等工具，揭示区域间、人群间的健康差距；

高水准可视化呈现：利用专业图表与信息图，清晰、直观、美观地传达复杂研究发现。

工作量框架与5篇案例对照

典型工作量拆解

案例一：

文章标题：The global, regional, and national patterns of change in the burden of congenital birth defects, 1990-2021: an analysis of the global burden of disease study 2021 and forecast to 2040

1️⃣ 研究目的

该研究提供了 1990 年至 2021 年四种主要先天性出生缺陷——先天性心脏缺陷（CHD）、神经管缺陷（NTD）、消化先天性异常（DCA）和唐氏综合症（DS）的全球、区域和国家伤残调整生命年（DALY）数据，强调健康不平等。

2️⃣ 统计分析

主分析：描述性+趋势性分析

高级分析：

健康不平等的不平等斜率指数（SII）和浓度指数来衡量疾病负担的绝对和相对不平等；
前沿分析评估疾病负担与社会人口发展水平之间的关系；
分解分析确定疾病负担变化驱动因素；
连接点回归分析评估时间趋势。

3️⃣ 结果呈现

图 1：1990 年和 2021 年全球、各个 SDI 地区和 21 个 GBD 地区的 CBD DALY 病例（A）和年龄标准化率（B）的所有年龄数量。CBD，先天性出生缺陷；DALYs，残疾调整生命年；SDI，社会人口学指数。

图 2：2021 年（A）和 1990 年（B）按地点划分的所有先天性出生缺陷的年龄标准化残疾调整生命年率排名。图中的颜色代表从高（红色）到低（蓝色）的排名，数字代表全球、各个 SDI 地区和 21 个 GBD 地区的 11 种 CBD 的具体排名。CBD，先天性出生缺陷；SDI，社会人口学指数。

图 3：1990 年和 2021 年全球 CHD (A and B), NTDs (C and D), DCAs (E and F), and DS (G and H) 的 DALY 的健康不平等回归曲线和浓度曲线。

图 4：前沿分析探讨了 204 个国家和地区的 CHD（A 和 B）、NTD（C 和 D）、DCA（E 和 F）和 DS（G 和 H）的 SDI 和 ASDR 之间的关系。在图 A、C、E 和 G 中，从浅绿色（1990 年）到深绿色（2021 年）的颜色变化代表年份的变化。在图 B、D、F 和 H 中，每个点代表 2021 年的特定国家或地区，边境线以黑色显示，与边境差异最大的前 15 个国家和地区以棕色标记。蓝色表示与边界差异最小的低 SDI，红色表示与边界差异最大的高 SDI。

图 5：1990 年至 2021 年全球和各个 SDI 区域 CHD （A）、NTD （B）、DCA （C）和 DS（D）残疾调整生命年的老龄化、人口增长和流行病学变化的人口水平决定因素变化。黑点表示所有三个组件贡献的总变化。每个组成部分的正值表示 DALY 中相应的正贡献，负值表示 DALY 中相应的负贡献。

图 6：基于 Joinpoint 回归模型，1990 年至 2021 年全球和各个 SDI 地区 CHD （A）、NTD （B）、DCA （C）和 DS （D）的 ASDR 时间趋势变化。

图 7：1990 年至 2040 年，男性和女性 CHD, NTDs, DCAs 和 DS 的 DALYs 病例数和 ASDR 的时间趋势。实线表示观测到的 ASDR，虚线表示 BAPC 模型预测的 ASDR。

附录：其他疾病可视化图像的对应表格结果

案例二：

文章标题：Global, regional, national burden of asthma from 1990 to 2021, with projections of incidence to 2050: a systematic analysis of the global burden of disease study 2021

PMID: 39867965

1️⃣ 研究目的

该研究利用 GBD 的最新数据分析了 1990 年至 2021 年不同地点、年龄、性别和社会人口指数（SDI）水平的哮喘负担。

2️⃣ 统计分析

主分析：描述性分析

高级分析：孟德尔随机化（MR）+Joinpoint 回归+BAPC 预测

3️⃣ 结果呈现

表 1：2021 年，这些地区在 21 个地区的年龄标准化率（ASR）以及相应的年平均百分比变化（AAPC）中名列前三。

图 1：来自 204 个国家和地区的哮喘年龄标准化患病率和年龄标准化患病率的 AAPC。

表 2：1990—2021 年年均变化百分比（AAPC）增加的国家和地区。

图 2：2021 年按性别划分的 DALY 数量和年龄标准化 DALY 哮喘发病率。

图 3：1990 年至 2021 年全球和按社会人口指数划分的哮喘负担年龄标准化患病率、年龄标准化发病率、年龄标准化残疾调整生命年率和年龄标准化死亡率的时间趋势。1990 年至 2021 年全球和按社会人口水平划分的年均百分比变化。

图 4：SDI 与 2021 年哮喘的年龄标准化患病率、发病率、DALY 和死亡率以及 1990 年至 2021 年相应的 AAPC 之间的关联。

图 5：1990 年和 2021 年不同地区和性别高体重指数引起的哮喘 DALY 比例。

图 6：孟德尔随机化分析的森林图。

图 7：采用贝叶斯年龄期队列模型预测 2022—2050 年全球各年龄组哮喘年龄标准化发病率趋势。

案例三：

文章标题：Global, regional, and national prevalence of hearing loss from 1990 to 2019: A trend and health inequality analyses based on the Global Burden of Disease Study 2019

1️⃣ 研究目的

为了强调听力损失的公共卫生现象，调查了过去 30 年听力损失患病率的时间趋势，并进一步预测了其未来 20 年的变化

2️⃣ 统计分析

主分析：描述性、趋势性分析

高级分析：跨国不平等分析+分解分析+未来预测

3️⃣ 结果呈现

表 1：1990 年和 2019 年听力损失患病率的病例数和 ASR，以及 1990—2019 年听力损失患病率的时间趋势。

图 1：（A）2019 年听力损失患病率的 ASR。（B）1990 年至 2019 年听力损失患病率病例数的相对变化。（C）1990 年至 2019 年听力损失患病率的 ASR EAPC。缩写：ASR，年龄标准化率；EAPC，估计的年度百分比变化。

图 2：根据 1990 年至 2019 年全球层面的人口层面决定因素（包括老龄化、人口增长和流行病学变化）以及按性别分层的 SDI 五分位数（A）和地区（B）的听力损失患病率变化。缩写：SDI，社会人口指数。

图 3：1990 年至 2019 年全球听力损失患病率的健康不平等回归曲线（A）和浓度曲线（B）。

图 4：（A）1990—2019 年听力损失患病率 ASR 全球变化趋势及其 2020—2040 年预测趋势。（B）1990—2019 年全球听力损失患病率病例数变化趋势及其 2020—2040 年预测趋势。（C）2040 年 195 个国家和地区听力损失患病率的预测 ASR。（D）195 个国家和地区 2040 年听力损失患病率的预测病例数。

案例四：

文章标题：The burden of neurological conditions in north Africa and the Middle East, 1990-2019: a systematic analysis of the Global Burden of Disease Study 2019

1️⃣ 研究目的

该研究旨在评估北非和中东地区神经系统疾病的负担变化，以帮助未来的决策。

2️⃣ 统计分析

主分析：描述性分析

高级分析：多种神经系统疾病危险因素分析

3️⃣ 结果呈现

表 1：1990 年至 2019 年北非和中东神经系统疾病的估计 DALY、死亡、发病率、患病率、YLD 和 YLL。