归因疾病负担

近端原因
病理生理 原因
疾病产出
D1
P1
PA1
O1
D2
P2
பைடு நூலகம்
PA2
O2
D3
P3
PA3
远 端 原 因 （ Distal Causes ） 是 指 社 会 学 原 因 ， 如 教 育 等 ； 近 端 原 因 （Proximal Causes）是指行为和环境因子；病理生理原因（Physiological and patho-physiological cause）是指易感性等指标。
假想可能最小风险（plausible minimum risk）；
现实可能最小风险（feasible minimum risk），从 其他人群获得；
费效最小风险（cost-effective minimum risk）。
PIF的其它问题
可加性问题；
几个指标的联合的PIF
PIF
1
n
1
PIFj
j 1
可归因的危害（ Attributed harms ）
死亡率或发病率：AM=PIF×M（死亡率） 负担：AB=PIF×B（疾病负担） 成本：AC=PIF×C（成本） （不同的项目对应不同的PIF，一般不同）
可避免的疾病负担 （avoidable burden）
如果控制了以前相应的危险因素后，现在可 以避免的疾病负担，称归因疾病负担 （attributed burden）。
n
n
Pi RRi P'i RRi
PIF i1
i 1 n
Pi RRi
i 1
68% 6.9 7%8.7 25%11 95% 6.9 5%8.7
68% 6.9 7%8.7 25%11
8.051 6.99 13.18% 8.051
反事实场景的暴露类型
理论最小风险（theoretical minimum risk），理论 上来自人群的最低风险，通常使用零暴露；
对原因网络的分析
结构方程模型（SEM）、分类潜变量分析模 型（LCAM）；
分步模型：Xn=f（B（Xn-1，Xn），Xn-1）
因果联系间的时间累积效应
时间累积效应
PIF可使用多种暴露水平作为反事实场景， 特别适合在正常生理指标上使用，也经常应 用于干预中的不同阶段测算；
当以0暴露或其它恒定暴露水平为反事实场 景，且此时RR即是以该对照估出时，PIF就 是PAF，故，PAF是PIF的一个特例。
关于PIF的例子（1）
研究某地区腹泻死亡归因于水、卫生设施和 卫生饮用因素的研究。现实情况为：
RR原因
R1 R0
A1 / B1 A0 / B0
目标人群的替代
反事实替代（counterfactual）
RR关联
R1 对R0的替代
R1 E0 / F0
A1 / B1 E0 / F0
替代的效果
在应用中，使用反事实，需要注意混杂因素 （confounder）造成的影响，这主要表现在， 所选择的替代人群与目标人群不在某些影响因 果关系的方面不齐同，那么此时就会发生混杂 （confounding）
多级暴露水平
生理学风险因子（Physiological risk factors），如血压，血脂等，其暴露-反应 曲线为J型或U型；
行为风险因子（Behavioural），如吸烟， 水果蔬菜摄入量，其暴露-反应曲线为J型或 单调上升；
环境风险因子（Environmental risk factors），其暴露-反应曲线为单调上升；
如果控制了现在相应的危险因素后，将来可 以避免的疾病负担，称可避免的疾病负担 （avoidable burden） 。
RR的计算
原则上不能以OR替代RR
目标人群的不同暴露水平发病情况
基本定义的求法
如果R1=A1/B1和R2=A2/B2分别为两个人群的 发病率，那么此时可以定义一个R1和R2的原因对 照（causal contrast）：
m RRxPxdx m RRxP'xdx
PIF x0
x0
m RRxPxdx
x0
.
反事实场景
（counterfactua
n
n
Pi RRi P'i RRi
l scenario）
PIF i1
i 1 n
.
Pi RRi
i 1
PAF与PIF的关系
PAF以0暴露或其它恒定暴露水平为反事实 场景，是一种理想的状态，很多情况下不现 实；
社会学“风险因子”（Socioeconomic “risk factors”），如收入，形态更加复杂。
不同的剂量—反应曲线
人群归因分值
（ Population attributable fraction，PAF）
n
Pi RRi 1
PAF
i 1 n
Pi RRi 11
i 1
潜在影响分值 （Potential impact fraction，PIF）
归因疾病负担研究
中国CDC卫生统计研究室 陶庄 2010-3
归因疾病负担的两类方法
直接分类研究 （categorical attribution）
反事实分析（理想对照） （counterfactual analysis）
直接分类研究 （categorical attribution）
直接分类研究
现实场景1：该地区有卫生设施且安全饮用的地 区占68%，其相应的RR=6.9；
现实场景2：该地区有卫生设施但没有安全饮用 的地区占7%，其相应的RR=8.7；
现实场景3：该地区没有卫生设施且没有安全饮 用的地区占25%，其相应的RR=11。
其反事实场景为：场景1占95%，场景2占 5%。
关于PIF的例子（2）
A1 / B1 RR关联 E0 / F0 A0 / B0 RR原因 A1 / B1 E0 / F0
A0 / B0
RR的其它估计方法
纵向监测数据，通过模型获得，如COX比例 危险模型等；
横断面数据等，可通过生态学研究获得；
Mata分析。
变量间的相关性
原因网络图（Causes-Web）
远端原因
完整而系统的分类 所有类的合集是全集，而交集是空集 ICD 危险因素的评估并不适合
反事实（counterfactual）分析
人群归因分值
（ Population attributable fraction，PAF）
反事实场景
（counterfact ual scenario）
PAF
PRR 1 PRR 11