1996年至2024年丹麦糖尿病的患病率、发病率、死亡率和生命损失年数

Prevalence, incidence, mortality, and years of life lost to diabetes from 1996 to 2024 in Denmark

作者信息Rasmus Wibaek, Vanja Kosjerina, Stine Byberg, Hjalte S Mikkelsen, Christina J-Y Lee, Peter Rossing, Bendix Carstensen, Pernille Falberg Rønn
PMID42431705
发布时间2026-07-10
DOI10.1136/bmjdrc-2026-006129

实验完整度

高

全国登记册队列研究,覆盖全丹麦人口,整合多重数据源,使用年龄-时期-队列模型和多状态模型,进行患病率、发病率、死亡率、SMR和YLL分析。

主要模型

丹麦全国人群 1型糖尿病(T1D)患者队列 2型糖尿病(T2D)患者队列

重点核对

糖尿病识别算法:包含医院、处方、临床、实验室数据,且HbA1c≥48 mmol/mol作为诊断标准之一 糖尿病类型分类:依据最新DADD记录、NPR诊断代码、胰岛素购买年龄等,且30岁以下胰岛素治疗者归为T1D 数据覆盖期间:1996年1月1日至2025年1月1日,且仅1996年后诊断视为新发 分析方法:年龄-时期-队列模型,自然样条拟合年龄和时间效应 统计指标:患病率、发病率、死亡率、SMR、YLL,且按性别和糖尿病类型分层

摘要

引言:基于人群的监测对于量化糖尿病负担和监测时间变化至关重要。在丹麦,全国范围的健康登记册能够实现对1型糖尿病(T1D)和2型糖尿病(T2D)的长期监测。我们旨在估计1996年至2024年丹麦糖尿病的患病率、发病率、死亡率和生命损失年数的趋势。研究设计和方法:我们于1996年至2024年进行了一项全国性的基于登记册的队列研究。我们使用了一个更新的国家糖尿病登记册,整合了医院、处方、临床和实验室数据,以确定糖尿病类型和发病日期。每年使用二项模型估计患病率。使用年龄-时期-队列模型分析发病率、死亡率和标准化死亡率(SMR)。分析按性别和糖尿病类型分层。使用多状态模型评估糖尿病的终生风险和生命损失年数。结果:截至2025年1月1日,共有366174人(占人口的6.1%)通过国家医疗保健登记册被确定为糖尿病患者;其中8.2%患有T1D,91.8%患有T2D。自1996年以来,糖尿病患病率增加了两倍多,这主要由T2D的每年约4.1%的总体增长所驱动。T1D患病率保持稳定,但40岁以下个体有所增加,而老年组有所下降。从1996年到2024年,共记录了567510例新发糖尿病病例,其中4.6%为T1D。T1D发病率平均每年下降1.1%,年轻人群发病率上升,老年人群发病率下降。T2D发病率呈非线性模式,2010年至2015年下降,随后近年上升,导致1996年至2024年总体呈上升趋势。在所有年龄和日历年中,男性的T2D发病率均高于女性。T1D的死亡率在2008年后下降,T2D的死亡率在2012年前下降,随后趋于稳定。T1D的SMR在2008年后下降,但T2D的SMR上升,到2025年趋于接近。结论:在丹麦,自1996年以来,糖尿病的患病率和发病率显著增加,这主要由T2D驱动。尽管死亡率下降,特别是T1D,但超额死亡率仍然存在,强调需要持续的监测和预防工作。

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
1996年至2024年丹麦1型和2型糖尿病的患病率、发病率、死亡率及生命损失年数的趋势如何?
核心机制
干预措施(如改进治疗)和管理变化(如HbA1c诊断引入)可能影响趋势,但作者并未验证明确的因果机制。
主要证据
基于全国登记册数据,用年龄-时期-队列模型分析患病率、发病率、死亡率,并用多状态模型估计YLL。主要发现包括T2D患病率增加、T1D年轻化、死亡率下降等。
研究意义
研究结果强调需要持续监测和预防工作,以缩小糖尿病患者与一般人群的死亡差距。

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

数据整合与糖尿病识别

利用全国登记册数据准确识别糖尿病患者及其类型和发病日期

整合国家糖尿病登记册(DMreg)中的医院、处方、临床和实验室数据,应用算法定义糖尿病诊断日期和类型,并排除妊娠期糖尿病等

2

患病率分析

估计每年1月1日糖尿病患病率及其趋势

使用二项模型与自然样条拟合年龄和日历时间效应,估计年龄特异性患病率,并按性别和糖尿病类型分层

3

发病率分析

估计T1D和T2D的发病率及其随时间的变化

使用泊松回归模型,包含年龄、日历时间和出生日期的自然样条,分析从无糖尿病到诊断的随访时间

4

死亡率与标准化死亡率分析

估计糖尿病患者的死亡风险及其与无糖尿病者的相对差异

使用泊松回归分析死亡率,估计SMR,比较T1D和T2D的死亡率比

5

生命损失年数分析

估计糖尿病导致的预期寿命损失

使用多状态模型(无糖尿病、T1D、T2D、死亡)估计无糖尿病者的预期剩余寿命,并与糖尿病患者的预期寿命比较得到YLL

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。

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
糖尿病识别算法
数据来源(NPR, DNPR, DADD, NHSR, 实验室)、诊断标准(HbA1c≥48 mmol/mol、处方购买次数等)、排除标准(妊娠糖尿病、PCOS等)
阅读提示:Methods: Diabetes data and Diabetes classification and date of diagnosis
研究人群定义
纳入人群为丹麦全体居民,随访起点为1996年1月1日、出生或移民日期,终点为2025年1月1日、死亡或移民日期
阅读提示:Methods: Population data and Follow-up intervals
患病率分析
模型设定(二项模型、log链接、自然样条)、分层(性别、糖尿病类型)、时间点(每年1月1日)
阅读提示:Methods: Statistics - Prevalence
发病率分析
模型设定(泊松回归、自然样条效应)、随访状态转换定义
阅读提示:Methods: Statistics - Incidence
死亡率分析
SMR计算基于无糖尿病者的预期死亡数、限制在1996年1月1日无糖尿病人群
阅读提示:Methods: Statistics - Mortality
YLL分析
多状态模型的状态定义和转移概率、预期剩余寿命的计算
阅读提示:Methods: Statistics - Years of life lost