健康預期壽命的測量指標與測算方法的應用及比較

廈門大學公共衛生學院(361002) 展元元 韓耀風 方 亞

健康預期壽命(health expectancy，HE)是一項結合預期壽命與健康狀態以反映人群生命質量的綜合性指標。面對快速老齡化、疾病模式的轉變等帶來的一系列負擔與挑戰，2016年10月25日，國務院公布的《“健康中國2030”規劃綱要》提出“到2030年預期壽命達到79.0歲，健康預期壽命顯著提高”。美國和歐盟等國家早已將HE作為政策目標[1]，可見提高人類HE已成為國際關注的焦點。然而，由于HE測量指標與測算方法的復雜性與多樣性，《“健康中國2030”規劃綱要》并沒有明確具體的健康預期壽命政策目標值。雖然國內有學者已對HE的概念、理論框架、測算方法等作了較為詳細的論述[1-3]，但對HE測量指標和測算方法在實際應用中的適用性仍缺乏明確、詳細的指導與說明。因此，本文從適用性角度對HE的測量指標和測算方法進行綜述，旨在為HE的測量指標和測算方法在實際應用中的恰當選擇提供參考。

健康預期壽命的測量指標

自1964年Sanders首次將傷殘的概念引入預期壽命后，HE指標日趨多樣化。2002年，國際健康預期壽命研究網絡的核心成員Robine根據是否按權重調整將健康預期壽命分為健康調整預期壽命(health adjusted life expectancy，HALE)和健康狀態預期壽命(health state expectancy，HSE)[1]。

1.健康調整預期壽命

HALE主要包括傷殘調整預期壽命(disability-adjusted life expectancy，DALE)和質量調整預期壽命(quality-adjusted life expectancy，QALE)2類。DALE是以WHO定義的300多種疾病、殘疾、損失所致的預期負擔為權重進行調整的HE。目前，DALE主要被WHO用來反映全球各個國家和地區健康水平和疾病負擔[4]；國內亦有學者對我國部分地區的DALE進行測算[5-6]。

QALE是以生存質量評價為權重進行調整的HE。國際上常用歐洲五維健康量表(EuroQol five-dimensions，EQ-5D)和六維度健康調查簡表(shortform 6D，SF-6D)測量健康相關生存質量(health-related quality oflife，HRQOL)[7]，進而以經時間權衡法、標準博弈法等方法轉換的健康效用值(health state utility，HSU)為權重計算QALE。國外如美國、英國、日本等國家及我國均已建立基于本國人群偏好的EQ-5D或SF-6D效用值轉換表[8-11]，并應用于QALE的測算與研究[12-15]。

2.健康狀態預期壽命

HSE主要包括無傷殘預期壽命、無疾病預期壽命和自評健康預期壽命3大類。前兩大類中，分別以活動預期壽命(active life expectancy，ALE)和無慢性病預期壽命較為常用。國際上常用日常生活活動能力(activities of daily living，ADL和instrumental activities of daily living，IADL)為健康的測量指標對老年人ALE進行測算[16-18]。歐洲采用全球活動受限指數(global activity limitation indicator，GALI)作為綜合健康測量指標測算HE[19]。以自評健康作為綜合健康測量指標測算的HE即自評健康預期壽命[1，20]。

健康預期壽命的測算方法

目前，HE的測算方法主要有沙利文法、全球疾病負擔法、多狀態壽命表法、微觀仿真法、隸屬等級法六種[1-3]。隨著縱向數據的日益增多，多狀態壽命表法和微觀仿真法日益受到國內外學者的關注。在構建多狀態壽命表和進行仿真模擬前，均要估計狀態間的轉換概率，但國內鮮見基于縱向數據轉換概率估計方法的詳細介紹。在HE測算方法方面，本文主要從各方法的比較和基于縱向數據的轉換概率估計兩個方面進行論述。

1.六種健康預期壽命測算方法的比較

沙利文法既適用于HALE也是適用于HSE，全球疾病負擔法常適用于HALE，而多狀態壽命表法、微觀仿真法和隸屬等級法常適用于HSE；多狀態壽命表法和微觀仿真法要求數據來自縱向研究。6種方法的優缺點詳見表1，在數據可得的情況下，可選擇多狀態壽命表法和微觀仿真法，以提高估計的精度。

表1 6種健康預期壽命測算方法的比較

2.轉換概率估計

目前，常用于縱向數據轉換概率估計的模型主要有probit/logistic回歸模型、SMP-EM方法(SMP，Semi-Markov process；EM，Stochastic Expectation-Maximization algorithm)、eMC(“embedded” Markov chain)模型和連續時間的Markov模型。

(1)probit/logistic回歸模型

probit/logistic回歸模型假設狀態的轉換在兩次觀察間隔內至多發生1次。以年齡和初始健康狀態作為協變量，以最終的健康狀態作為結局變量，通過極大似然估計(maximum likelihood estimation，MLE)或貝葉斯蒙特卡洛(Markov chain Monte Carlo，MCMC)等方法估計年齡別的轉換概率。基于SAS的SPACE宏程序可實現logistic回歸模型估計轉換概率并用微觀仿真法測算HE[22]；Lynch and Brown于2005年通過R及Winbugs實現了probit回歸模型的貝葉斯MCMC方法估計轉換概率，并進一步用多狀態壽命表法測算HE[23]。

(2)SMP-EM方法

SMP-EM方法假設某一時刻的狀態轉換概率既與當前所處的狀態有關，也與當前狀態的持續時間有關，狀態的轉換在兩次觀察間隔內至多發生1次，且隨機發生在任一單位時間內。在該假設下，SMP-EM法將兩次觀察間隔劃分為多個單位時間(1年)，通過EM算法模擬左刪失數據初始狀態持續的時間，然后采用logistic回歸模型估計年齡別狀態轉換概率。SAS的SPACE宏程序可實現SMP-EM法估計轉換概率和微觀仿真法測算HE，并用bootstrap法估計HE的置信區間[22]。

(3)eMC模型

(4)連續時間的Markov模型

連續時間的Markov模型首先假設狀態的轉換可以在兩次觀察間隔內發生多次，狀態的逗留時間服從指數分布；當狀態轉換風險存在時間非齊性時，則假設狀態轉換風險率為時間分段常數；然后采用比例風險模型，通過MLE(不同刪失數據類型采用不同似然函數)估計年齡別的狀態轉換風險率；最后通過微積分方法估計年齡別轉換概率和生存人年數，delta或bootstrap法估計其置信區間，進而對HE進行測算[26-27]。目前該方法可在R(msm軟件包)中實現[26-27]。

健康預期壽命在應用中存在的問題

作為一項綜合的健康測量指標，HE對于評價一個國家或地區的健康水平至關重要。然而，HE的測量指標與方法在其應用中仍存在一些問題。

1.HE的測量指標方面

雖然HE測量指標較多，但主要集中在生理健康維度的測量，心理、認知、社會等維度較罕見。由于HE測量中“健康”測量方法的不統一及數據可及性與質量的差異，使其國家與地區間的比較存在較大困難。此外，很多國外健康測量指標在國內尚未被開發為適合我國人群的方法，或適用性尚未得到證實，如SF-6D效用值轉換表僅在中國香港地區得到開發[9]，GALI適用性僅在中國臺灣地區進行探討比較[28]。另外，華盛頓殘疾統計團隊發展的、旨在用于人口普查或全國性調查以及國際間的比較、被聯合國和歐盟統計委員會推薦作為2020年普查使用的“6個問題短表”[29]有待進一步開發與利用。

2.縱向數據測算HE的轉換概率估計方法方面

估計方法雖然較多，但每種方法都存在一定的局限性(表2)。國外研究通過比較不同模型的估計結果發現，是否忽略狀態持續時間對轉換概率的影響和復雜抽樣調查的群/層間變異所估計的HE存在一定的差異[22，30-31]；而對于觀察間隔為2年的縱向數據，是否允許兩次觀察間隔內發生多次轉換所估計的HE較為接近[22]。而國內鮮見不同模型估計差異的實證研究。另外，對刪失數據處理方法的適用性也有待進一步論證。有研究表明，對于觀察間隔為1年或2年的研究，eMC模型在觀察間隔內嵌入相應數量的月間隔的方法，并不能準確模擬老年人每月健康狀態的轉換[32]。

表2 縱向數據轉換概率估計模型的優點與缺點

3.健康預期壽命的影響因素研究方面

國外多因素研究發現，性別、文化程度、種族、未來觀、心臟病、高血壓、糖尿病、肥胖、缺乏體育運動、醫療保健等[16，33-35]均會影響健康預期壽命；而國內關于HE的影響因素研究仍多集中在單因素(地區、人口學特征)分析[36-41]，僅少數學者[42-43]對HE進行多因素分析，結果發現年齡、性別、地區、民族、婚姻狀況、居住方式、文化程度、生活方式及有無慢性病、是否空巢是影響老年人HE的主要因素。

在未來的研究中，HE測量指標與測算方法有待進一步拓展，如：引進國外成熟的健康測量指標，開發國際通用的多維度綜合健康測量指標；明確不同方法估計結果差異的大小，探討國內不同調查數據測算HE的適用模型；完善小樣本和復雜抽樣調查的縱向數據健康預期壽命測算方法以及從多因素的角度分析其影響因素。作為國家健康規劃的政策指標，這對進一步明確我國健康預期壽命政策目標、指導國家養老金規劃、退休年齡制定、醫療保健資源配置、醫療保險等健康相關政策的實施具有重要意義。