Page 40 - 2023-01-中国全科医学

2023年1月 第26卷 第1期 http: //www.chinagp.net E-mail: zgqkyx@chinagp.net.cn ·35·

65-69 years old group. The average net drift value of mortality was -0.75%〔95%CI（-1.09%，-0.41%）〕. The local drift
value was stable in 15-44-year-olds，and was above 0 in age groups above 60 years old. The incidence and mortality of breast
cancer increased with age. The period effect of incidence showed an increasing trend（RR：0.79-1.47），while the period
effect of mortality showed a decreasing trend（RR：1.08-0.90）when the period of 2000—2004 was set as the control group.
The cohort effect of breast cancer incidence increased（RR：0.27-2.48），and the cohort effect of breast cancer mortality risk
increased firstly and decreased after then（RR：0.78-1.06-0.44） when the cohort of 1955—1959 was set as the control group.
Conclusion The incidence and mortality of breast cancer in Chinese females increased continuously from 1990 to 2019，which
was dominantly influenced by age and cohort.
【Key words】 Breast neoplasms；Burden of illness；Incidence；Mortality；Age-period-cohort model

乳腺癌位居全球女性因癌死因首位，2020 年全 某年女性乳腺癌新发病例数
CIR= ×100 000/10 万
球乳腺癌标化发病率为 47.8/10 万，标化死亡率为 某年女性总人数
13.6/10 万 ［1］ 。乳腺癌不仅可对女性造成严重的身心伤 某年女性乳腺癌死亡人数
CMR= ×100 000/10 万
害，而且可给患者、家庭及社会带来沉重的疾病负担。 某年女性总人数
一项疾病负担时间趋势分析结果表明，乳腺癌伤残调 ∑（标准年龄别人口数 × 年龄别发病率）
ASIR=
整寿命年（disability adjusted life years，DALY）率和潜 总标准人口数
在减寿年数（potential years of life lost，PYLL）率分别 ×100 000/10 万
从 1990 年的 248.21/10 万、238.60/10 万升至 2019 年的 ∑（标准年龄别人口数 × 年龄别死亡率）
412.49/10 万、376.06/10 万 ［2］ 。目前大多数疾病流行特 ASMR= 总标准人口数
征相关研究仅对不同时间的年龄别发病率或死亡率等数 ×100 000/10 万
据进行传统描述分析，无法消除或控制年龄、时期、 1.2.2 APC 模型 APC 模型以 Poisson 分布为基础 ［8］ ，
队列因素之间的交互作用。年龄 - 时期 - 队列（age- 在同时调整年龄、时期和队列等因素的条件下估计一
period-cohort，APC）模型改进了传统疾病描述分析方法， 定人群中疾病发病或死亡的危险性。本研究采用 APC
在同时调整年龄、时期和队列等因素的条件下估计人群 网页分析工具（https://analysistools.cancer.gov/apc/） ［9］
疾病发病或死亡危险及其变化趋势 ［3］ 。基于此，本研 分析年龄、时期和队列对乳腺癌发病和死亡趋势的影
究收集1990—2019年中国女性乳腺癌发病和死亡资料， 响。通过 Excel 2019 软件按照网页输入格式要求（5 年
采用 APC 模型了解乳腺癌随年龄、时期和队列变化的 为一周期，年龄间隔为 5 岁）整理 GBD 1990—2019 年
长期趋势，以期减轻乳腺癌带来的疾病负担，为乳腺癌 中国女性乳腺癌发病及死亡数据，本研究将 80~95 岁及
的防治提供科学依据。 ≥ 96 岁人群进行合并（考虑≥ 80 岁高龄女性人口占比
1 资料与方法 较低且基础疾病较多，对该年龄段女性进行干预效果甚
1.1 资料来源 本研究数据来自 2019 年全球疾病负担 微），统称为≥ 80 岁人群，最终共获得 14 个年龄组；
研究（Global Burden of Disease Study，GBD2019） 数据 1990—2019 年以连续 5 年为一个时间段进行划分，共
库（http://ghdx.healthdata.org/gbd-results-tool）。该数据 划分为 6 个时期。出生队列 = 时期 - 年龄，出生队列的
库记录了 1990—2019 年全球 195 个国家和地区的死因 重叠现象通过取中值加以避免。按照网页要求选取中位
监测、营养与健康调查、死因推断、慢性病及其危险因 年龄、时期和队列作为对照组，年龄对照组 =（年龄组
素监测、文献研究等数据 ［4］ ，并且对其涵盖的 264 种 数 +1）/2，时期对照组 =（时期组数 +1）/2，队列对照
疾病和 84 种危险因素进行了疾病负担评估 ［5-6］ 。 组 = 时期对照组 - 年龄对照组 + 年龄组数，若组数为
1.2 研究方法 偶数，设定 2 个中心组中值较低的组为对照组。
1.2.1 统计指标 本研究提取了 GBD2019 数据库中 APC 模型输出参数包括：净漂移值（net drift），
有关 1990—2019 年中国≥ 15 岁女性乳腺癌粗发病 即经非线性时期和队列效应调整后的疾病率对数值的年
率（crude incidence rate，CIR）、 粗 死 亡 率（crude 变化百分比；局部漂移（local drift），即不同年龄组女
mortality rate，CMR）、年龄标化发病率（age-standardized 性疾病率对数值的年变化百分比；年龄偏差系数，即非
incidence rate，ASIR）与年龄标化死亡率（age-standardized 线性年龄效应，反映某个年龄段内的曲率，描述趋势的
mortality rate，ASMR）等指标，其中标准化数据是以全 局部变化；时期（队列）偏差系数，即非线性时期（队
球年龄标准化人口权重为参照 ［7］ 。统计指标具体计算 列）效应，反映某个时期（队列）内的曲率；纵向年龄
公式如下： 曲线，即时期偏差调整后的纵向以对照队列为参照的年