1990年至2021年经前综合征的全球、区域和国家负担及至2050年的预测:基于2021年全球疾病负担研究的分析

Global, regional, and national burden of premenstrual syndrome from 1990 to 2021 and projections to 2050: an analysis based on the 2021 Global Burden of Disease study

作者信息Ruonan Qiang, Linlin Guo, Zheyu Xu, Yuanye Gu, Yanfeng Liu, Yingqiao Wang, Zhinan Liu, Jiayi Liang
PMID41403893
发布时间2025-12-01
DOI10.3389/fpsyt.2025.1644774

实验完整度

低

本研究为基于GBD数据库的观察性数据分析,未涉及实验干预、功能验证或机制验证,仅包含描述性趋势、相关性分析和预测建模。

主要模型

GBD 2021数据库中的204个国家和地区数据 女性10-54岁年龄组

重点核对

数据来源:GBD 2021数据库,PMS编码ICD-11 GA34.4 分析人群:女性10-54岁 统计软件:R 4.4.2,Joinpoint回归程序5.2.0.0 预测模型:BAPC模型,使用INLA方法 显著性水平:P < 0.05

摘要

背景:经前综合征(PMS)对女性的生殖健康和总体健康造成了显著的心理和精神负担。不同地区对PMS症状的识别和报告存在差异,这受到社会、文化和经济不平等的影响。本研究旨在为未来的资源分配提供信息,并最终保障女性的生殖心理健康。方法:利用全球疾病负担(GBD)2021数据库的数据,我们采用Joinpoint回归分析来检验1990年至2021年PMS负担的趋势,并研究了社会人口指数(SDI)对PMS负担的影响。此外,我们比较了1990年和2021年PMS患病病例的年龄分布特征,并使用贝叶斯年龄-时期-队列(BAPC)模型预测了至2050年的负担。结果:尽管存在波动,但2021年全球PMS负担高于1990年。中低SDI地区的年龄标准化患病率(ASPR)和年龄标准化伤残损失健康寿命年(YLDs)率始终最高,并持续上升;中SDI地区次之。高SDI地区在大部分时期内负担最轻。在五个SDI地区中,只有中高SDI地区2021年的负担相比2019年有所下降。ASPR和年龄标准化YLDs率随着SDI水平的升高呈先升后降的趋势。PMS患病病例的年龄分布发生了转变:患病高峰从1990年的20-24岁年龄组移至2021年的35-39岁年龄组,同年40-44岁年龄组紧随35-39岁之后。预测显示,到2050年全球PMS负担将呈下降趋势。结论:总体而言,1990年至2021年全球PMS负担呈上升趋势。低SDI地区的负担可能被严重低估,这受到社会、文化和经济因素的影响。在社会经济欠发达地区,需要进一步优化对月经相关心理健康的关注、科学饮食以及医疗资源的分配。事实上,应强调在整个生命过程中关注35-44岁女性的心理健康,以实现更好的生殖健康和总体健康。关键词:经前综合征,全球疾病负担,时间趋势,社会人口指数,患病率,伤残损失健康寿命年

实验结论

提炼研究问题、关键发现与证据,快速把握文章的核心贡献。

研究问题
1990年至2021年全球及各SDI地区经前综合征负担的时间趋势、年龄分布特征,以及到2050年的预测趋势。
核心机制
文中未明确说明
主要证据
GBD 2021数据库的患病率、发病率、YLDs数据;Joinpoint回归分析显示ASPR和年龄标准化YLDs率呈先降后升趋势;低中SDI地区负担最高;患病高峰年龄从20-24岁移至35-39岁;BAPC模型预测至2050年负担下降。
研究意义
为全球PMS防控提供流行病学证据,为制定针对性干预策略和未来资源分配提供参考,以保障女性生殖心理健康。

研究路径

按研究推进顺序梳理实验设计、验证步骤与关键观察。

1

数据提取与疾病定义

获取PMS的患病率、发病率、YLDs数据,并明确疾病定义。

从GBD 2021数据库提取PMS相关数据,PMS编码为ICD-11 GA34.4,分析对象为女性10-54岁。

2

趋势分析

分析1990-2021年PMS负担的时间趋势。

使用Joinpoint回归分析计算AAPC,分析全球及五个SDI地区的ASPR、ASIR和年龄标准化YLDs率的变化。

3

SDI相关性分析

评估SDI与PMS负担之间的关联。

使用Spearman相关分析和LOESS回归,分析SDI与ASPR和年龄标准化YLDs率的关系,并分层分析。

4

年龄分布分析

比较1990年和2021年PMS患病病例的年龄分布特征。

分析各年龄组的患病病例数,比较两年份的分布变化。

5

负担预测

预测2022-2050年全球PMS负担的趋势。

采用贝叶斯年龄-时期-队列(BAPC)模型,基于GBD 2021数据预测未来PMS患病数和YLDs数。

研究方法

按研究目的归类文中使用的方法,便于定位所需技术。

产品清单

实验环节名称品牌货号
Joinpoint回归程序National Cancer Institute, USAVersion
R软件--version
ggplot2包----
INLA包----
BAPC包----

关键环节

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
数据提取
数据来源是否为GBD 2021数据库;PMS编码是否为ICD-11 GA34.4;分析人群是否为女性10-54岁。
阅读提示:Methods部分2.1 Data sources
趋势分析
Joinpoint回归软件版本;AAPC计算方法;SDI五分组;显著性水平。
阅读提示:Methods部分2.2 Statistical analyses,Table 1和Figures 1-3
SDI相关性分析
Spearman相关和LOESS回归的具体参数;分层分析的截点(SDI=0.6和0.7);显著性水平。
阅读提示:Methods部分2.2 Statistical analyses,Figures 6-7
年龄分布分析
年龄分组标准(5岁间隔);比较年份(1990和2021)。
阅读提示:Results部分3.3 Age pattern of PMS,Figure 5
负担预测
BAPC模型参数;预测时间段(2022-2050);是否使用INLA方法。
阅读提示:Methods部分2.2 Statistical analyses,Figure 8,Supplementary Table 3