数据收集与整理
获取疾病负担、经济参数和人口数据。
从GBD 2023研究提取中国及各省1990-2023年归因于高饮酒量的死亡、伤残调整生命年和带伤生存年数据;从统计年鉴、宾夕法尼亚大学世界表和人口普查获取经济参数。
The national and provincial disease and indirect economic burden of high alcohol use in China from 1990 to 2023 with forecasting to 2050
本研究为基于GBD数据库、统计年鉴等公开数据的建模分析,未开展实验验证。
中国全国人口队列 中国省级人口队列
高饮酒量定义:超过理论最低风险暴露水平 数据来源:GBD 2023研究数据库 经济参数来源:中国统计年鉴2024、宾夕法尼亚大学世界表、第七次全国人口普查 间接经济负担估计方法:疾病成本模型
提炼研究问题、关键发现与证据,快速把握文章的核心贡献。
按研究推进顺序梳理实验设计、验证步骤与关键观察。
获取疾病负担、经济参数和人口数据。
从GBD 2023研究提取中国及各省1990-2023年归因于高饮酒量的死亡、伤残调整生命年和带伤生存年数据;从统计年鉴、宾夕法尼亚大学世界表和人口普查获取经济参数。
量化全国和省级归因于高饮酒量的疾病负担。
提取1990年和2023年死亡、伤残调整生命年和带伤生存年数据,分析全因和六大主要疾病的负担,并按性别、年龄和地区进行描述性分析。
估计因发病和过早死亡导致的生产力损失。
采用疾病成本模型,基于地区人均GDP、年龄别劳动参与率、劳动收入占GDP比例等参数,计算发病成本和过早死亡成本,并进行不确定性和敏感性分析。
评估1990年至2023年负担的时间趋势。
使用对数线性回归模型计算估计年度百分比变化,评估年龄标准化死亡率、伤残调整生命年率及间接经济负担的年度变化趋势。
比较1990年和2023年疾病负担和间接经济负担的空间分布。
使用全年龄伤残调整生命年率和间接经济负担占GDP的比例,绘制并比较各省的负担分布。
预测2024年至2050年间接经济负担。
应用贝叶斯年龄-时期-队列模型,使用1990-2015年数据训练模型,预测2024-2050年死亡和带伤生存年,并结合GDP预测计算间接经济负担。
按研究目的归类文中使用的方法,便于定位所需技术。
| 实验环节 | 名称 | 品牌 | 货号 |
|---|---|---|---|
| 数据获取 | 2023年全球疾病负担研究 | -- | -- |
| 数据分析与统计 | R软件(版本4.4.2) | -- | -- |
汇总复现实验时建议重点确认的条件及原文阅读提示。
| 环节 | 核对要点 |
|---|---|
| 数据收集 | 数据来源:GBD 2023研究数据库、中国统计年鉴2024、宾夕法尼亚大学世界表、第七次全国人口普查 阅读提示:Methods - Data sources |
| 疾病负担估计 | 高饮酒量定义:超过理论最低风险暴露水平;时间范围:1990年和2023年;地区:中国及31个省级行政区 阅读提示:Methods - Disease burden of high alcohol use |
| 间接经济负担估计 | 家庭生产率收入转换率50.00%;年度收入增长率和折现率5.00%;1000次蒙特卡洛模拟 阅读提示:Methods - Estimation of indirect economic burden |
| 趋势分析 | 使用对数线性回归模型计算估计年度百分比变化 阅读提示:Methods - Trend analysis |
| 预测分析 | 模型:贝叶斯年龄-时期-队列模型;训练数据:1990-2015;验证数据:2016-2023 阅读提示:Methods - Forecasting the indirect economic burden |