数据获取与负担指标估算
获取中国PD负担的基础数据并估算六项核心指标
从GBD 2023数据库提取1990–2023年中国31个省、自治区、直辖市及香港、澳门的PD患病率、发病率、死亡、DALYs、YLLs和YLDs数据,按年龄、性别、SDI和地区分层,计算粗率和年龄标准化率(ASRs),并基于1000次后验抽样计算95%不确定性区间。
Trends and future projections of Parkinson's disease burden in China: findings from the Global Burden of Disease Study 2023
基于GBD 2023数据库的观察性分析,无原始实验操作或功能验证,仅采用统计建模与趋势分析。
中国31个省、自治区、直辖市及香港、澳门两个特别行政区的年度人口估计数据(1990–2023)
数据来源:GBD 2023数据库,覆盖1990–2023年中国31个省、自治区、直辖市及香港、澳门 年龄标准化:采用GBD 2023世界标准人口进行直接标准化,基于1000次后验抽样计算95% UI 趋势分析:对对数转换的年ASRs进行joinpoint回归,候选模型0–3个join点,每段至少8个年度观测,BIC选择最优模型 分解分析:采用Das Gupta框架,将绝对数变化分解为人口增长、年龄结构变化和年龄别率变化三个组分 预测模型:采用集成概率模型平均框架,候选模型包括线性/二次回归、自然三次样条、分段线性回归、ARIMA和随机游走模型,基于BIC权重组合,预留最近11年数据验证
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。
获取中国PD负担的基础数据并估算六项核心指标
从GBD 2023数据库提取1990–2023年中国31个省、自治区、直辖市及香港、澳门的PD患病率、发病率、死亡、DALYs、YLLs和YLDs数据,按年龄、性别、SDI和地区分层,计算粗率和年龄标准化率(ASRs),并基于1000次后验抽样计算95%不确定性区间。
评估1990–2023年PD负担指标的时间变化趋势
对对数转换的年ASRs进行joinpoint回归分析,计算各分段的估计年度百分比变化(EAPC)和整个研究期的平均年度百分比变化(AAPC),使用delta方法估计95%置信区间。
量化人口增长、年龄结构变化和年龄别率变化对PD负担变化的贡献
采用Das Gupta框架,对每个省份的年龄别人口、病例数和率进行分解,将1990–2023年绝对数变化分离为人口增长、人口年龄结构变化和年龄别率变化三个组分,各组分的贡献以1990年相应负担的百分比表示。
预测2024–2050年中国PD负担的未来趋势
采用集成概率模型平均框架,基于GBD 2023年度时间序列数据拟合多种候选模型,通过BIC权重组合模型,使用预测模拟量化预测不确定性,输出均值估计和95%不确定性区间。
描述PD负担在性别、年龄、SDI和省份间的分布差异
按性别、年龄组、SDI五分组(基于2023年省级SDI值固定分组)和省份分层,比较各亚组的ASRs、病例数和AAPCs,识别高负担地区和变化趋势差异。
按研究目的归类文中使用的方法,便于定位所需技术。
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 |
|---|---|
| 数据获取与负担指标估算 | 数据来源:GBD 2023数据库;地理范围:中国31个省、自治区、直辖市及香港、澳门;研究时段:1990–2023年;年龄标准化方法:GBD 2023世界标准人口直接标准化;不确定性区间:基于1000次后验抽样的2.5th和97.5th百分位数 阅读提示:Methods 2.1 Overview、2.3 Measurement indicators、2.4 Statistical analysis |
| 时间趋势分析 | joinpoint回归候选模型join点数(0–3);每段最少观测数(8);最优模型选择标准(BIC);AAPC计算方法(时间加权平均);95% CI估计方法(delta方法) 阅读提示:Methods 2.4 Statistical analysis;Additional file 1: Methods |
| 驱动因素分解分析 | 分解方法:Das Gupta框架;分解组分:人口增长、年龄结构变化、年龄别率变化;贡献表达方式:占1990年相应负担的百分比;分析层级:省级 阅读提示:Methods 2.4 Statistical analysis;Additional file 1: Methods |
| 未来负担预测 | 预测时段:2024–2050年;候选模型类型:线性/二次回归、自然三次样条、分段线性回归、ARIMA、随机游走;模型验证方式:预留最近11年数据,比较RMSE和偏差;模型组合权重:基于BIC;不确定性量化:预测模拟;模型未纳入药物、共病和环境暴露作为预测因子 阅读提示:Methods 2.4 Statistical analysis;Additional file 1: Methods |
| 分层与区域异质性分析 | SDI分组依据:2023年省级SDI值,固定分为5组并应用于1990–2023年;年龄分组范围:20–24岁至≥95岁;性别分层:男性和女性;地理分层:31个省、自治区、直辖市及香港、澳门 阅读提示:Methods 2.4 Statistical analysis;Results 3.2–3.5;Table 1;Fig. 2 |