蔡丹; 张佳; 刘家荣; 杜昕蓉; 付英斌; 张振; 吕秋莹

doi:10.3760/cma.j.cn112338-20240418-00204

点赞 0
分享 0
收藏 0
纠错

• 监测 •

深圳市2014-2021年户籍人口死亡负担分析

中华流行病学杂志, 2024,45(8) : 1093-1102. DOI: 10.3760/cma.j.cn112338-20240418-00204

摘要

目的

了解2014-2021年深圳市户籍人口死亡负担，为制定疾病精准防治策略提供科学依据。

方法

基于死因监测数据描述2014-2021年深圳市户籍人口及不同亚组中的死亡率、死因顺位及早死寿命损失年（YLL），以第七次全国人口普查数据作为标准人口计算标化率，采用Joinpoint对数线性回归模型描述死亡负担变化趋势。

结果

2014-2021年深圳市户籍人口累计死亡49 734人，平均粗死亡率为140.90/10万，平均标化死亡率为366.77/10万；粗死亡率和标化死亡率均表现为2014-2016年波动上升［年变化百分比（APC）=20.72%，P=0.048；APC=28.59%，P=0.016］、2016-2021年波动下降（APC=-1.55%，P=0.317；APC=-1.89%，P=0.190）；<20和20~岁年龄组死亡率均随年份下降，其中<20岁年龄组下降有统计学意义［平均年变化百分比（AAPC）=-11.91%，P<0.001］，≥40岁各年龄组死亡率均随年份上升，其中≥80岁年龄组死亡率2014-2016年上升（APC=45.25%，P=0.016），2016- 2021年下降（APC=-2.18%，P=0.280），其他年龄组死亡率变化无统计学意义（均P>0.05）；2014- 2021年深圳市户籍人口前3位死因相同，均为恶性肿瘤、心脑血管疾病和呼吸系统疾病，2021年的粗死亡率分别为49.59/10万、47.95/10万和7.90/10万；2014-2021年，YLL共计1 003 287.43人年，总人群、男性和女性YLL均呈上升趋势（均P<0.001）。

结论

2014-2021年深圳市户籍人口老年人群死亡负担呈上升趋势，应进一步加强相关慢性非传染性疾病防治工作。

引用本文: 蔡丹, 张佳, 刘家荣, 等. 深圳市2014-2021年户籍人口死亡负担分析 [J] . 中华流行病学杂志, 2024, 45(8) : 1093-1102. DOI: 10.3760/cma.j.cn112338-20240418-00204.

参考文献导出: Endnote NoteExpress RefWorks NoteFirst 医学文献王

扫描看全文

正文

作者信息

基金 0 关键词 0

English Abstract

阅读 0 评论 0

相关资源

引用 | 论文 | 视频

版权归中华医学会所有。

未经授权，不得转载、摘编本刊文章，不得使用本刊的版式设计。

除非特别声明，本刊刊出的所有文章不代表中华医学会和本刊编委会的观点。

死亡负担可反映疾病所致死亡的严重程度和引起个体或人群寿命的减少^［1］，系统分析死亡负担及其变化规律对科学指导疾病控制、合理分配卫生资源和促进身体健康具有重要意义。死亡率及死因顺位是评价居民死亡负担的重要公共卫生指标，也是明确公共卫生政策优先次序、评价公共卫生工作质量和效果的科学依据^［2］。随着社会经济发展、生活方式改变，以及人口老龄化形势日益严峻，我国死亡模式发生了变化，导致死亡的主要疾病由传染性疾病转变为慢性非传染性疾病（慢性病）^{［3, 4］}。截至2021年，心脏病、恶性肿瘤和脑血管病已成为导致我国居民的前3位死因，死亡率较2014年分别上升了27.82%、5.69%、13.81%^{［5, 6］}。深圳市作为中国改革开放的试验田和面向世界的窗口，近年来人口大幅增长，经济快速发展^［7］，居民卫生服务需求量持续增加^［8］，医疗资源配置效能和卫生服务可及性面临挑战，死亡水平和特征正在逐步发生改变，通过确定死亡率、死因顺位并测量早死寿命损失年（YLL）来监测死亡负担和趋势至关重要。本研究利用死因监测数据分析2014-2021年深圳市户籍人口死亡负担，为监测人口死亡模式及其变化趋势和政府制定基于证据的公共卫生决策提供科学依据。

资料与方法

1. 资料来源：户籍人口死亡数据来源于中国疾病预防控制系统人口死亡信息管理系统、深圳市公安部门户籍管理系统、民政部门遗体火化管理系统等。户籍人口数据来源于深圳市统计局，其中2020年分年龄和性别的户籍人口数以深圳市统计局官网公布的2020年人口总数按比例进行修正，2021年分年龄和性别的户籍人口构成以2020年户籍人口的年龄和性别构成代替，并以深圳市统计局官网公布的2021年人口总数按比例进行修正。期望寿命来源于2019年全球疾病负担研究（GBD）中的中国人群的期望寿命^［9］。

2. 疾病分类与编码：死因按照《国际疾病分类》第十版（ICD-10）进行编码，依据GBD160的分类标准进行分类。WHO将根本死亡原因定义为引起一系列直接导致死亡事件的疾病或损伤，或造成致命损伤的事故或暴力情况，当缺乏经验或无法判断时，临床医生可能选择非致命性疾病、症状和体征等作为根本死因，这些疾病、症状或体征等所对应的ICD-10编码称之为垃圾编码，不提供任何有用的公共卫生信息，反而导致对真实死亡模式估计的偏差^{［10, 11］}。为提高统计效率，本研究参考既往研究将垃圾编码所对应的死亡人数按照一定比例再分配到目标疾病上^{［12, 13］}。

3. 统计学分析：使用Excel 2016软件进行数据整理，使用Stata 16、R 4.3.1及Joinpoint 4.9.1.0软件进行统计学分析。收集2014-2021年深圳市户籍人口死亡数据，经数据去重逻辑核查后，分年龄、性别、死因别计算粗死亡率（/10万），使用2020年第七次全国人口普查数据作为标准人口计算标化死亡率（/10万），基于WHO方法论计算YLL^［14］。采用Joinpoint对数线性回归模型描述死亡负担变化趋势。使用年变化百分比（APC）和平均年变化百分比（AAPC）量化2014-2021年深圳市户籍人口死亡负担评价指标的时间变化趋势，APC或AAPC<0表示下降，APC或AAPC>0表示上升^［15］。双侧检验，检验水准 $α$ =0.05。

结果

1. 总体情况：2014-2021年深圳市户籍人口累计死亡49 734人，死亡人数呈显著上升趋势（AAPC=12.32%，P<0.001）；平均粗死亡率为140.90/10万；平均标化死亡率为366.77/10万；粗死亡率和标化死亡率均表现为2014-2016年波动上升（APC=20.72%，P=0.048；APC=28.59%，P=0.016）、2016-2021年波动下降（APC=-1.55%，P=0.317；APC=-1.89%，P=0.190）；男性粗死亡率平均每年增长3.39%（P=0.080），标化死亡率从2014年的326.66/10万上升至2018年的498.76/10万（APC=12.32%，P=0.106），从2018年下降至2021年的345.26/10万（APC=-13.97%，P=0.157）；女性粗死亡率2014-2016年上升（APC=27.63%，P=0.025），2016-2021年下降（APC=-3.07%，P=0.097），标化死亡率从2014年的209.94/10万上升至2021年的443.12/10万（AAPC=11.28%，P=0.006）。见表1。

点击查看表格

表1

2014—2021年深圳市户籍人口死亡总体情况

表1

2014—2021年深圳市户籍人口死亡总体情况

年份	合计				男性				女性
年份	死亡人数	户籍人口数	粗死亡率（/10万）	标化死亡率（/10万）	死亡人数	户籍人口数	粗死亡率（/10万）	标化死亡率（/10万）	死亡人数	户籍人口数	粗死亡率（/10万）	标化死亡率（/10万）
2014	3 754	3 322 131	113.00	269.05	2 339	1 754 172	133.34	326.66	1 415	1 567 959	90.24	209.94
2015	3 991	3 549 904	112.43	274.59	2 501	1 878 225	133.16	336.11	1 490	1 671 679	89.13	211.31
2016	6 248	3 845 167	162.49	430.01	3 689	2 035 781	181.21	494.65	2 559	1 809 386	141.43	365.51
2017	6 390	4 279 100	149.33	401.30	3 785	2 266 872	166.97	466.28	2 605	2 012 228	129.46	338.57
2018	7 026	4 477 534	156.92	421.49	4 209	2 373 930	177.30	498.76	2 817	2 103 604	133.91	346.90
2019	7 043	4 877 771	144.39	389.13	4 154	2 587 937	160.51	460.94	2 889	2 289 834	126.17	322.08
2020	7 655	5 091 400	150.35	386.67	4 527	2 516 498	179.89	367.67	3 128	2 574 902	121.48	480.39
2021	7 627	5 513 400	138.34	361.89	4 567	2 725 078	167.59	345.26	3 060	2 788 322	109.74	443.12
2014-2021	49 734^a	34 956 407^a	140.90^b	366.77^b	29 771^a	18 138 493^a	162.50^b	412.04^b	19 963^a	16 817 914^a	117.70^b	339.73^b
2014-2021年 AAPC（%）	12.32	7.54	4.36	5.99	11.39	6.53	3.39	0.19	13.80	8.61	4.86	11.28
P值	<0.001	<0.001	0.025	<0.001	<0.001	<0.001	0.080	0.967	0.001	<0.001	0.013	0.006
2014-2016年 APC（%）	31.20	-	20.72	28.59	27.48	-	-	12.32^c	37.17	-	27.63	-
P值	0.007	-	0.048	0.016	0.013	-	-	0.106	0.005	-	0.025	-
2016-2021年 APC（%）	5.55	-	-1.55	-1.89	5.53	-	-	-13.97^d	5.60	-	-3.07	-
P值	0.010	-	0.317	0.190	0.013	-	-	0.157	0.011	-	0.097	-

注：AAPC：平均年变化百分比；APC：年变化百分比；-：APC结果与AAPC结果一致；^a2014-2021年累计数；^b2014-2021年平均数；^c2014-2018年；^d2018-2021年

2. 年龄别特征及变化趋势：2014-2021年深圳市户籍人口死亡病例中，<20岁年龄组占5.03%，20~岁年龄组占6.03%，40~岁年龄组占20.87%，60~岁年龄组占33.26%，≥80岁年龄组所占比例最高（34.81%）；≥80岁年龄组构成比随年份呈上升趋势（AAPC=6.80%，P<0.001），<20、20~39和60~79岁年龄组构成比均随年份呈下降趋势（均P<0.05）；<20岁年龄组死亡率随年份呈下降趋势（AAPC=-11.91%，P<0.001），≥80岁年龄组死亡率总体呈上升趋势（AAPC=9.51%，P<0.001），其中2014-2016年上升（APC=45.25%，P=0.016），2016-2021年下降（APC=-2.18%，P=0.280）其他年龄组死亡率变化无统计学意义（均P>0.05）；男性≥80岁年龄组死亡率上升趋势（AAPC=10.81%，P<0.001）较女性（AAPC=9.08%，P=0.001）更明显。见表2。不同年龄组主要死因不同，2021年<20岁年龄组以围生期疾病为主，20~79岁各年龄组均以恶性肿瘤为主，≥80岁年龄组以心脑血管疾病为主。

点击查看表格

表2

2014-2021年深圳市户籍人口死亡年龄别死亡率和构成比变化趋势

表2

2014-2021年深圳市户籍人口死亡年龄别死亡率和构成比变化趋势

类别	<20岁		20~岁		40~岁		60~岁		≥80岁^a
类别	AAPC（%）	P值	AAPC（%）	P值	AAPC（%）	P值	AAPC（%）	P值	AAPC（%）	P值
死亡率
合计	-11.91	<0.001	-1.60	0.424	1.92	0.215	2.89	0.214	9.51	<0.001
男性	-12.11	<0.001	-1.34	0.537	2.80	0.089	4.04	0.058	10.81	<0.001
女性	-11.39	0.001	-1.46	0.468	2.14	0.195	2.15	0.478	9.08	0.001
构成比
合计	-13.56	<0.001	-4.68	0.002	-2.01	0.059	-1.36	0.002	6.80	<0.001
男性	-13.94	<0.001	-4.72	<0.001	-1.44	0.101	-0.97	0.013	7.15	<0.001
女性	-13.10	0.001	-5.03	0.015	-2.85	0.041	-1.87	0.016	6.63	<0.001

注：AAPC：平均年变化百分比；^a总人群≥80岁年龄组死亡率2014-2016年年变化百分比（APC）=45.25%，P=0.016，2016-2021年APC=-2.18%，P=0.280

3. 死因别特征及变化趋势：2014-2021年深圳市户籍人口前3位死因顺位均为恶性肿瘤、心脑血管疾病和呼吸系统疾病，累计占全死因的构成比在72.79%~76.40%，其中前2位死因累计占全死因的构成比在65.24%~71.33%；恶性肿瘤粗死亡率从2014年的44.80/10万上升至2021年的49.59/10万（AAPC=2.59%，P=0.261），心脑血管疾病粗死亡率从2014年的29.53/10万上升至2021年的47.95/10万（AAPC=7.75%，P=0.064），呼吸系统疾病粗死亡率从2014年的7.94/10万下降至2021年的7.90/10万（AAPC=-1.21%，P=0.625）；呼吸系统感染、神经系统和精神障碍疾病、故意伤害粗死亡率呈上升趋势（均P<0.05）；传染病和寄生虫病、围生期疾病和先天异常粗死亡率呈下降趋势（均P<0.05）。见表3。故意伤害死因顺位上升幅度最大，从2014年的第13位上升至2021年的第4位，围生期疾病死因顺位下降幅度最大，从2014年的第6位下降至2021年的第12位。男性和女性排名前5位的死因顺位略有不同。男性2014年依次为恶性肿瘤、心脑血管疾病、呼吸系统疾病、意外伤害、传染病和寄生虫病，2021年依次为恶性肿瘤、心脑血管疾病、呼吸系统疾病、呼吸系统感染、故意伤害；女性2014年依次为恶性肿瘤、心脑血管疾病、呼吸系统疾病、意外伤害、糖尿病，2021年依次为心脑血管疾病、恶性肿瘤、呼吸系统感染、故意伤害、意外伤害。见图1。

点击查看表格

表3

2014-2021年深圳市户籍人口死因粗死亡率（/10万）

表3

2014-2021年深圳市户籍人口死因粗死亡率（/10万）

疾病名称	2014年	2015年	2016年	2017年	2018年	2019年	2020年	2021年	AAPC（%）	P值
恶性肿瘤	44.80	46.20	55.75	54.75	56.39	51.98	55.78	49.59	2.59	0.261
心脑血管疾病	29.53	27.14	54.14	48.94	51.12	47.93	51.46	47.95	7.75	0.064
呼吸系统疾病	7.94	8.49	11.71	9.04	9.66	9.86	7.63	7.90	-1.21	0.625
故意伤害	1.31	1.09	4.34	4.03	5.25	4.57	5.17	4.81	22.90	0.020
呼吸系统感染	3.09	3.45	4.33	4.73	6.14	5.62	4.70	4.71	6.19	0.005
消化系统疾病	3.84	3.46	4.37	3.49	3.78	3.29	4.21	4.25	1.12	0.541
意外伤害	4.92	5.78	6.92	5.28	5.17	4.16	4.28	4.20	-4.83	0.060
糖尿病	2.75	2.60	4.51	4.15	4.78	3.66	4.11	3.60	4.47	0.223
神经系统和精神障碍疾病	2.36	2.10	2.39	2.92	2.74	3.19	2.72	2.82	4.07	0.042
泌尿生殖系统疾病	1.51	1.33	2.13	1.89	2.34	1.83	2.11	2.05	5.13	0.084
传染病和寄生虫病	3.33	2.81	2.88	2.30	2.52	1.80	1.76	1.79	-9.08	<0.001
围生期疾病	3.58	3.35	2.87	2.56	2.28	1.99	1.57	0.93	-17.12	<0.001
其他肿瘤	0.48	0.65	0.91	1.08	0.79	0.58	0.90	0.83	4.61	0.302
内分泌紊乱	0.61	0.89	1.46	1.01	1.10	1.20	1.13	0.78	5.85	0.481
营养缺乏	0.54	0.51	0.92	0.87	0.52	0.68	1.00	0.74	4.92	0.276
肌肉骨骼和结缔组织疾病	0.55	0.51	0.66	0.55	0.74	0.67	0.62	0.57	1.92	0.367
先天异常	1.58	1.86	1.77	1.54	1.24	1.01	0.77	0.55	-13.40	<0.001
皮肤病	0.18	0.11	0.27	0.14	0.23	0.29	0.18	0.13	0.62	0.917
其他	0.00	0.03	0.10	0.00	0.07	0.08	0.24	0.13	722.12	0.167
妊娠、分娩和产褥期并发症	0.09	0.06	0.08	0.07	0.04	0.00	0.02	0.00	-91.92	0.074

注：AAPC：平均年变化百分比

点击查看大图

图1

2014-2021年深圳市户籍人口死因顺位

点击查看大图

图1

2014-2021年深圳市户籍人口死因顺位

4. YLL及变化趋势：2014-2021年深圳市户籍人口YLL共计1 003 287.43人年；总人群、男性和女性YLL均呈上升趋势（均P<0.001），男性均高于女性，变化趋势与女性基本一致；2014-2021年，YLL率呈略微上升趋势，差异无统计学意义（AAPC=0.21%，P=0.924）；标化YLL率呈波动上升趋势（AAPC=4.53%，P=0.022）。见表4。YLL排名前3位的疾病分别为恶性肿瘤、心脑血管疾病和围生期疾病，2014-2021年累计分别损失了386 939.32人年（38.57%）、229 125.76人年（22.84%）和60 732.38人年（6.05%）；2014-2021年恶性肿瘤、心脑血管疾病、故意伤害、消化系统疾病、糖尿病、泌尿生殖系统疾病、皮肤病YLL呈上升趋势（均P<0.05），围生期疾病、先天异常、传染病和寄生虫病YLL呈下降趋势（均P<0.05），其中围生期疾病YLL平均每年下降10.79%（P<0.001），先天异常YLL平均每年下降9.49%（P=0.002），传染病和寄生虫病YLL平均每年下降7.93%（P=0.008）。见图2。

点击查看表格

表4

2014-2021年深圳市户籍人口早死损失寿命年（YLL）

表4

2014-2021年深圳市户籍人口早死损失寿命年（YLL）

年份	YLL（人年）			YLL率（人年/10万）			标化YLL率（人年/10万）
年份	总人群	男性	女性	总人群	男性	女性	总人群	男性	女性
2014	88 793.17	52 166.46	34 753.15	2 672.78	2 973.85	2 216.46	4 101.44	4 556.21	3 340.96
2015	96 411.28	56 502.98	37 804.86	2 715.88	3 008.32	2 261.49	4 206.52	4 710.46	3 362.79
2016	128 101.19	72 748.10	52 725.68	3 331.49	3 573.47	2 914.01	5 927.90	6 271.36	5 202.07
2017	128 088.29	73 379.66	51 927.07	2 993.35	3 237.05	2 580.58	5 471.52	5 824.52	4 758.83
2018	139 483.57	80 473.10	55 782.27	3 115.19	3 389.87	2 651.75	5 807.76	6 304.00	4 893.65
2019	137 311.19	77 553.90	56 833.16	2 815.04	2 996.75	2 481.98	5 363.28	5 761.86	4 627.10
2020	145 420.44	81 913.38	60 242.77	2 856.20	3 255.05	2 339.61	5 543.91	6 627.85	4 277.21
2021	139 678.30	79 130.78	57 144.01	2 533.43	2 903.80	2 049.40	5 123.12	6 165.15	3 921.90
2014-2021	1 003 287.43^a	573 868.36^a	407 212.97^a	2 879.17^b	3 167.27^b	2 436.91^b	5 193.18^b	5 777.68^b	4 298.06^b
AAPC（%）	7.85	7.19	8.73	0.21	-0.30	0.19	4.53	4.44	4.14
P值	<0.001	<0.001	<0.001	0.924	0.811	0.935	0.022	0.027	0.034

注：AAPC：平均年变化百分比；^a2014-2021年累计数；^b2014-2021年平均数

点击查看大图

图2

2014-2021年深圳市户籍人口死因别早死寿命损失年（YLL）折线图

点击查看大图

注：AAPC：平均年变化百分比

图2

2014-2021年深圳市户籍人口死因别早死寿命损失年（YLL）折线图

讨论

本研究利用2014-2021年死亡数据对深圳市人口死亡负担进行分析，结果显示，粗死亡率和标化死亡率均表现为2014-2016年波动上升、2016- 2021年波动下降（下降趋势均无统计学意义）。分年龄看，<20岁年龄组死亡率随年份下降，≥80岁年龄组死亡率2014-2016年上升，2016-2021年下降（下降趋势无统计学意义），不同年龄组主要死因不同。按疾病种类看，导致深圳市户籍人口死亡前3位的疾病分别为恶性肿瘤、心脑血管疾病和呼吸系统疾病，而YLL排名前3位的疾病分别为恶性肿瘤、心脑血管疾病和围生期疾病；故意伤害死因顺位上升幅度最大，从2014年的第13位上升至2021年的第4位，围生期疾病死因顺位下降幅度最大，从2014年的第6位下降至2021年的第12位。

2016年深圳市户籍人口粗死亡率最高，但远低于2021年全国死因监测报告的粗死亡率（709.76/10万）^［6］、2016-2020年广东省户籍人口粗死亡率（2017年最低，为590.92/10万）^［16］和2020年广州市户籍人口死亡水平（464.49/10万~640.87/10万）^［17］，主要原因可能为深圳市人口构成较年轻。根据2020年第七次全国人口普查数据，深圳市15~59岁人口占比高达79.53%，高于广州市的74.72%、广东省的68.80%和全国的63.30%，而≥60岁人口占比中，深圳市为5.36%，远低于全国的18.73%、广东省的12.35%和广州市的11.41%^{［18, 19, 20, 21］}。经年龄标化后，深圳市户籍人口标化死亡率较粗死亡率明显提高，但仍远低于2018年全国标化死亡率（652.27/10万）^［22］，这可能与深圳市居民健康状况较好有关。第六次国家卫生服务调查结果显示，2018年深圳市≥15岁居民慢性病患病率为22.02%，低于广东省的31.50%和全国的34.30%，与全国、广东省相比，深圳市居民健康情况相对较好^{［8，23, 24］}。其中标化死亡率在2014-2016年波动上升、2016-2021年波动下降，推测2014-2016年标化死亡率的上升可能与死因监测管理制度不完善、监测手段不充分等有关，而随着监测体系的不断健全，经济社会的持续发展，人民生活水平的逐渐改善，以及疾病防治能力的明显提高，2016-2021年标化死亡率出现下降趋势。男性标化死亡率高于女性，与既往研究结果一致^{［25, 26］}，导致男性标化死亡率高于女性的原因可能为男性职业暴露接触水平较高和吸烟、饮酒等不良生活习惯较女性多^{［27, 28, 29］}，建议将男性作为重点关注人群，强化对可改变危险因素的干预。

目前，深圳市疾病负担仍以慢性病为主。恶性肿瘤、心脑血管疾病和呼吸系统疾病是导致深圳市户籍人口死亡的前3位原因，累计占全死因的72.79%~76.40%，死因顺位与2016-2020年广东省户籍居民^［16］、2010-2016年广州市户籍居民^［30］和深圳市常住居民死因顺位略有不同^{［31, 32］}。2016- 2020年广东省和2010-2016年广州市户籍居民死因均以心脑血管疾病为首，其次为恶性肿瘤和呼吸系统疾病^{［16，30］}，2020年深圳市常住居民排名前3位死因依次为心脑血管疾病、恶性肿瘤、损伤和中毒，死亡率分别为31.60/10万、26.70/10万、8.90/10万，2022年依次为心脑血管疾病、恶性肿瘤和呼吸系统疾病，死亡率分别为42.70/10万、30.80/10万、11.60/10万^{［31, 32］}。本研究恶性肿瘤和心脑血管疾病累计占全死因的65.24%~71.33%，且死亡率居高不下。有研究认为，近一半的恶性肿瘤死亡可归因于环境、职业、行为和代谢风险因素，心脑血管疾病的死亡率一直维持在较高水平与高血压、糖尿病患病率较高、肥胖率增加，以及血脂控制不佳和烟草控制力度不足等危险因素持续存在有关^{［33, 34］}，而高达80%的心血管疾病或2型糖尿病患者和40%的癌症患者是可预防的^［35］，因此，深圳市应实施具备成本效益的政策和干预措施以加强对慢性病，尤其是恶性肿瘤和心脑血管疾病的防控，为实现可持续发展目标具体目标3.4^［36］，即2030年非传染性疾病过早死亡率比2015年减少三分之一奠定基础。不同年龄组主要死因不同，2021年<20岁人群以围生期疾病为主，20~79岁人群以恶性肿瘤为主，≥80岁人群以心脑血管疾病为主，建议深圳市政府针对不同人群制定有针对性的预防措施，降低居民风险暴露水平，减轻疾病负担。此外，本研究发现围生期疾病和先天异常死亡率整体呈下降趋势，反映了近年来深圳市妇幼保健工作取得一定成效，妇女儿童健康状况得到进一步改善^［8］。

YLL反映了因疾病或伤害死亡而引起的预期寿命减少。本研究2014-2021年深圳市户籍人口YLL前3位的疾病依次为恶性肿瘤、心脑血管疾病和围生期疾病。伤害是继恶性肿瘤、心脑血管疾病和围生期疾病之后导致寿命损失的主要原因。其中故意伤害YLL为2021年的第5位，死亡率变化规律与2008-2020年全国故意伤害变化规律相反^［37］，呈现随年份增长而上升的趋势。故意伤害包括自杀及后遗症、他杀及后遗症，本研究自杀及后遗症占故意伤害的比例高达95%，推测故意伤害死亡率的上升主要与自杀相关。一项温度对伤害死亡率的影响分析显示，日气温每升高1 ℃，伤害死亡风险增加0.50%，故意伤害死亡风险高于非故意伤害^［38］。深圳市属于典型的亚热带气候城市，2011- 2020年气候呈变暖趋势，平均气温增长率约1.47 ℃/10 a^［39］，近年来保持在23 ℃左右^［40］。未来的研究可就深圳市气候等环境因素变化与伤害死亡风险之间的关系开展进一步分析，以探索针对性的措施降低居民故意伤害死亡负担。与故意伤害相反，2014-2021年深圳市户籍人口意外伤害死亡率呈下降趋势（趋势无统计学意义），但YLL为2021年的第4位，这可能与意外伤害死者年龄构成年轻，所导致期望寿命损失较多有关。

本研究户籍人口死亡数据来源于中国疾病预防控制系统人口死亡信息管理系统和深圳市公安、民政相关管理系统，由工作人员按照国家、广东省人口死亡信息登记管理要求规范登记报告，并经医疗机构、疾病预防控制机构审核通过，数据质量稳定可靠，计算结果可较好反映深圳市户籍人口死亡负担，为深圳市制定卫生政策和规划提供依据。本研究存在局限性。首先，未对死亡率进行漏报调整，导致估计值与真实死亡水平存在差异，但近年来深圳市漏报调查数据显示，户籍人口死亡漏报率在0.82%~3.95%，反映了死因监测报告完整性较好；其次，由于数据的限制，本研究使用的疾病负担评价指标主要为死亡率和YLL，上述指标仅能反映疾病导致死亡或寿命损失的严重程度，不能反映伤残、失能等造成的影响；最后，基于数据可及性问题，本研究所用2020年分年龄和性别的户籍人口数以深圳市统计局官网公布的2020年人口总数进行修正，2021年分年龄和性别的户籍人口构成以2020年户籍人口年龄、性别构成代替，并以深圳市统计局官网公布2021年人口总数进行修正，计算结果对2020-2021年死亡率和AAPC结果造成一定影响。

综上所述，2014-2021年深圳市户籍人口老年人群死亡所致疾病负担逐渐加重，慢性病是造成疾病负担重的主要原因，建议政府加强对慢性病的早期干预和综合防治，继续推动全民健康生活方式、国家慢性病综合防控示范区建设等重要举措，营造健康支持性环境，减轻由慢性病造成的疾病负担。

引用本文：

蔡丹, 张佳, 刘家荣, 等. 深圳市2014-2021年户籍人口死亡负担分析[J]. 中华流行病学杂志, 2024, 45(8): 1093-1102. DOI: 10.3760/cma.j.cn112338-20240418-00204.

Cai D, Zhang J, Liu JR, et al. Analysis of mortality burden among permanent residents in Shenzhen，2014-2021[J]. Chin J Epidemiol, 2024, 45(8):1093-1102. DOI: 10.3760/cma.j.cn112338-20240418-00204.

志谢

感谢深圳市福田区、罗湖区、盐田区、南山区、宝安区、龙岗区、龙华区、坪山区、光明区、大鹏新区疾病预防控制中心

利益冲突

所有作者声明无利益冲突

参考文献

[1]

李茜瑶, 周莹, 黄辉, 等. 疾病负担研究进展[J]. 中国公共卫生, 2018, 34(5):777-780. DOI: 10.11847/zgggws1118319.

LiXY, ZhouY, HuangH, et al. Progress in disease burden researches[J]. Chin J Public Health, 2018, 34(5):777-780. DOI: 10.11847/zgggws1118319.

[2]

王声湧. 死因分析与评价方法的进展[J]. 中华流行病学杂志, 1996, 17(4):239-242. DOI: 10.3760/cma.j.issn.0254-6450.1996.04.122.

WangSY. Progress in cause of death analysis and evaluation methods[J]. Chin J Epidemiol, 1996, 17(4):239-242. DOI: 10.3760/cma.j.issn.0254-6450.1996.04.122.

[3]

SunDQ, LiH, CaoMM, et al. Cancer burden in China:trends, risk factors and prevention[J]. Cancer Biol Med, 2020, 17(4):879-895. DOI: 10.20892/j.issn.2095-3941.2020.0387.

[4]

YangGH, WangY, ZengYX, et al. Rapid health transition in China, 1990-2010:findings from the Global Burden of Disease Study 2010[J]. Lancet, 2013, 381(9882):1987-2015. DOI: 10.1016/s0140-6736(13)61097-1.

[5]

中国疾病预防控制中心慢性非传染性疾病预防控制中心, 国家卫生和计划生育委员会统计信息中心. 中国死因监测数据集2014[M]. 北京:科学普及出版社, 2015.

National Center for Chronic and Non-communicable Disease Control and Prevention, Chinese Center for Disease Control and Prevention, Center for Health Statistics and Information, National Health Commission of the People's Republic of China. China's cause of death monitoring dataset 2014[M]. Beijing:Popular Science Press, 2015.

[6]

中国疾病预防控制中心慢性非传染性疾病预防控制中心, 国家卫生健康委统计信息中心. 中国死因监测数据集2021[M]. 北京:中国科学技术出版社, 2022.

[7]

ToWM, LeePKC, LauAKW. Economic and environmental changes in Shenzhen—A technology hub in southern China[J]. Sustainability, 2021, 13(10):5545. DOI: 10.3390/su13105545.

[8]

深圳市慢性病防治中心. 深圳市第六次国家卫生服务调查报告[M]. 广州:广东教育出版社, 2021.

Shenzhen Center for Chronic Disease Control. The report of national health service survey in Shenzhen, 2018[M]. Guangzhou:Guangdong Education Publishing House, 2021.

[9]

Global Burden of Disease Collaborative Network. Global burden of disease study 2019 (GBD 2019) life tables 1950-2019[EB/OL]. (2023-03-03)[2024-01-31]. https://ghdx.healthdata.org/record/ihme-data/gbd-2019-life-tables-1950-2019.

[10]

刘利群, 万霞. 死因数据中垃圾编码再分配方法研究进展[J]. 中华流行病学杂志, 2022, 43(5):784-788. DOI: 10.3760/cma.j.cn112338-20211025-00818.

LiuLQ, WanX. Progress in research on redistribution methods for garbage codes in causes of death data[J]. Chin J Epidemiol, 2022, 43(5):784-788. DOI: 10.3760/cma.j.cn112338-20211025-00818.

[11]

IburgKM, MikkelsenL, AdairT, et al. Are cause of death data fit for purpose? evidence from 20 countries at different levels of socio-economic development[J]. PLoS One, 2020, 15(8):e0237539. DOI: 10.1371/journal.pone.0237539.

[12]

ZhengXY, XuXJ, LiuYY, et al. Age-standardized mortality, disability-adjusted life-years and healthy life expectancy in different cultural regions of Guangdong, China:a population-based study of 2005-2015[J]. BMC Public Health, 2020, 20(1):858. DOI: 10.1186/s12889-020-8420-7.

[13]

MathersCD, LopezAD, MurrayCJL. The burden of disease and mortality by condition:data, methods, and results for 2001[M]//LopezAD, MathersCD, EzzatiM, et al. Global burden of disease and risk factors. New York:Oxford University Press, 2006.

[14]

World Health Organization. WHO methods and data sources for global burden of disease estimates 2000-2019[EB/OL]. (2020-12)[2024-05-12]. https://cdn.who.int/media/docs/default-source/gho-documents/global-health-estimates/ghe2019_daly-methods.pdf?sfvrsn=31b25009_7.

[15]

李辉章, 杜灵彬. Joinpoint回归模型在肿瘤流行病学时间趋势分析中的应用[J]. 中华预防医学杂志, 2020, 54(8):908-912. DOI: 10.3760/cma.j.cn112150-20200616-00889.

LiHZ, DuLB. Application of Joinpoint regression model in cancer epidemiological time trend analysis[J]. Chin J Prev Med, 2020, 54(8):908-912. DOI: 10.3760/cma.j.cn112150-20200616-00889.

[16]

何昭璇, 林立丰, 孟瑞琳, 等. 2016-2020年广东省居民死亡水平及主要死因变化趋势[J]. 环境卫生学杂志, 2023, 13(8):616-623. DOI: 10.13421/j.cnki.hjwsxzz.2023.08.008.

HeZX, LinLF, MengRL, et al. Trends of mortality and major causes of death among residents in Guangdong, China, 2016-2020[J]. J Environ Hyg, 2023, 13(8):616-623. DOI: 10.13421/j.cnki.hjwsxzz.2023.08.008.

[17]

席俊彦, 董航, 林晓, 等. 2010-2020年广州市人群疾病负担分析[J]. 中华疾病控制杂志, 2023, 27(1):95-99, 106. DOI: 10.16462/j.cnki.zhjbkz.2023.01.017.

XiJY, DongH, LinX, et al. Analysis of disease burden in Guangzhou, 2010-2020[J]. Chin J Dis Control Prev, 2023, 27(1):95-99, 106. DOI: 10.16462/j.cnki.zhjbkz.2023.01.017.

[18]

深圳市统计局. 深圳市人口普查年鉴2020[EB/OL]. (2023-06-30)[2024-01-31]. http://tjj.sz.gov.cn/zwgk/zfxxgkml/tjsj/tjnj/content/post_10688160.html.

[19]

广州市统计局. 广州市人口普查年鉴2020[EB/OL]. (2022-12-13)[2024-01-31]. http://tjj.gz.gov.cn/stats_newtjyw/tjsj/pcsj/d7crkpc/content/post_8711587.html.

[20]

广东省统计局, 广东省第七次全国人口普查领导小组办公室. 广东省人口普查年鉴-2020[M]. 北京:中国统计出版社, 2022.

Guangdong Provincial Bureau of Statistics, Office of the Leading Group for the Seventh National Population Census of Guangdong Province. Guangdong population census yearbook 2020[M]. Beijing:China Statistics Press, 2022.

[21]

国家统计局. 中国人口普查年鉴-2020[EB/OL]. (2023-02-15)[2024-01-31]. https://www.stats.gov.cn/sj/pcsj/rkpc/7rp/zk/indexce.htm.

[22]

王薇, 殷鹏, 王黎君, 等. 2005-2018年中国分省死亡率及期望寿命分析[J]. 中华流行病学杂志, 2021, 42(8):1420- 1428. DOI: 10.3760/cma.j.cn112338-20200825-01095.

WangW, YinP, WangLJ, et al. Analysis on all-cause mortality rate and life expectancy in China, 2005-2018[J]. Chin J Epidemiol, 2021, 42(8):1420-1428. DOI: 10.3760/cma.j.cn112338-20200825-01095.

[23]

黄晓亮. 广东省全国第六次卫生服务统计调查初步分析[J]. 中国卫生信息管理杂志, 2021, 18(1):35-40. DOI: 10.3969/j.issn.1672-5166.

HuangXL. Preliminary analysis of the sixth national health services survey in Guangdong province[J]. Chin J Health Inf Manage, 2021, 18(1):35-40. DOI: 10.3969/j.issn.1672-5166.

[24]

XueL, CaiM, LiuQQ, et al. Trends and regional variations in chronic diseases and their risk factors in China:an observational study based on national health service surveys[J]. Int J Equity Health, 2023, 22(1):120. DOI: 10.1186/s12939-023-01910-w.

[25]

宋彩娟, 郭向娇, 李建彬, 等. 2018-2020年河南省郑州市居民死因监测分析[J]. 现代疾病预防控制, 2023, 34(6):430-433. DOI: 10.13515/j.cnki.hnjpm.1006-8414.2023.06.007.

SongCJ, GuoXJ, LiJB, et al. Surveillance of death causes among residents in Zhengzhou city of Henan province from 2018-2020[J]. Mod Dis Control Prev, 2023, 34(6):430-433. DOI: 10.13515/j.cnki.hnjpm.1006-8414.2023.06.007.

[26]

宋娟, 孟海英, 姜晓红, 等. 2003-2018年北京市朝阳区居民死因监测数据分析[J]. 慢性病学杂志, 2023, 24(6):810-815. DOI: 10.16440/J.CNKI.1674-8166.2023.06.03.

SongJ, MengHY, JiangXH, et al. Analysis of death-surveillance data from 2003-2018 in Chaoyang District, Beijing[J]. Chron Pathematol J, 2023, 24(6):810-815. DOI: 10.16440/J.CNKI.1674-8166.2023.06.03.

[27]

WuYT, NiuboAS, DaskalopoulouC, et al. Sex differences in mortality:results from a population-based study of 12 longitudinal cohorts[J]. CMAJ, 2021, 193(11):E361-370. DOI: 10.1503/cmaj.200484.

[28]

MillwoodIY, ImPK, BennettD, et al. Alcohol intake and cause-specific mortality:conventional and genetic evidence in a prospective cohort study of 512 000 adults in China[J]. Lancet Public Health, 2023, 8(12):e956-967. DOI: 10.1016/S2468-2667(23)00217-7.

[29]

LiuYN, WangW, LiuJM, et al. Cancer mortality — China, 2018[J]. China CDC Wkly, 2020, 2(5):63-68. DOI: 10.46234/ccdcw2020.019.

[30]

宋韶芳, 刘于飞, 李美霞, 等. 2010-2016年广州市户籍居民主要死因分析及对寿命损失的影响[J]. 华南预防医学, 2019, 45(3):201-205, 210. DOI: 10.13217/j.scjpm.2019.0201.

SongSF, LiuYF, LiMX, et al. Leading causes of death and potential loss of life among residents in Guangzhou, 2010-2016[J]. South China J Prev Med, 2019, 45(3):201-205, 210. DOI: 10.13217/j.scjpm.2019.0201.

[31]

深圳市卫生健康委员会. 深圳居民健康白皮书(2020年)[EB/OL]. (2021-12)[2024-05-23]. https://wjw.sz.gov.cn/attachment/1/1122/1122165/9999142.pdf.

[32]

深圳市卫生健康委员会. 深圳市居民健康白皮书(2022年度)[EB/OL]. (2023-08-08)[2024-05-23]. https://wjw.sz.gov.cn/attachment/1/1446/1446668/11294754.pdf.

[33]

GBD 2019 Cancer Risk Factors Collaborators. The global burden of cancer attributable to risk factors, 2010-19:a systematic analysis for the Global Burden of Disease Study 2019[J]. Lancet, 2022, 400(10352):563-591. DOI: 10.1016/S0140-6736(22)01438-6.

[34]

ZouZY, CiniK, DongB, et al. Time trends in cardiovascular disease mortality across the BRICS:an age-period-cohort analysis of key nations with emerging economies using the Global Burden of Disease Study 2017[J]. Circulation, 2020, 141(10):790-799. DOI: 10.1161/circulationaha.119.042864.

[35]

UnwinN, AlbertiKGMM. Chronic non-communicable diseases[J]. Ann Trop Med Parasitol, 2006, 100(5/6):455-464. DOI: 10.1179/136485906x97453.

[36]

Countdown NCD 2030 Collaborators. NCD Countdown 2030:pathways to achieving Sustainable Development Goal target 3.4[J]. Lancet, 2020, 396(10255):918-934. DOI: 10.1016/S0140-6736(20)31761-X.

[37]

张梦鸽, 李传苍, 孟晶婧, 等. 中国居民2008-2020年故意伤害死亡趋势分析及预测[J]. 中国公共卫生, 2023, 39(5):627-632. DOI: 10.11847/zgggws1139482.

ZhangMG, LiCC, MengJJ, et al. Intentional injury mortality among Chinese residents:2008-2020 surveillance data-based trend analysis and prediction[J]. Chin J Public Health, 2023, 39(5):627-632. DOI: 10.11847/zgggws1139482.

[38]

HuJX, HeGH, MengRL, et al. Temperature-related mortality in China from specific injury[J]. Nat Commun, 2023, 14(1):37. DOI: 10.1038/s41467-022-35462-4.

[39]

何钰清, 李磊, 张丽, 等. 基于自动气象站的深圳近10年城市气候变化特征研究:2011-2020年[J]. 热带气象学报, 2022, 38(6):870-879. DOI: 10.16032/j.issn.1004-4965.2022.078.

HeYQ, LiL, ZhangL, et al. Characteristics of regional climate change in Shenzhen from 2011 to 2020 based on automatic weather stations[J]. J Trop Meteorol, 2022, 38 (6):870-879. DOI: 10.16032/j.issn.1004-4965.2022.078.

[40]

深圳市气象局. 2022年深圳市气候公报[EB/OL]. (2023-01-31)[2024-01-31]. http://weather.sz.gov.cn/attachment/1/1241/1241864/10407890.pdf.

贡献者信息

蔡丹

深圳市疾病预防控制中心传染病预防控制所，深圳　518055

张佳

深圳市疾病预防控制中心传染病预防控制所，深圳　518055

刘家荣

深圳市疾病预防控制中心传染病预防控制所，深圳　518055

杜昕蓉

深圳市疾病预防控制中心传染病预防控制所，深圳　518055

付英斌

深圳市疾病预防控制中心业务管理科，深圳　518055

张振

深圳市疾病预防控制中心传染病预防控制所，深圳　518055

吕秋莹

深圳市疾病预防控制中心传染病预防控制所，深圳　518055

南方医科大学公共卫生学院，广州　510515

通信作者

吕秋莹

深圳市疾病预防控制中心传染病预防控制所，深圳　518055

南方医科大学公共卫生学院，广州　510515

Email：sandylv1980@126.com

关键词

死亡负担; 早死寿命损失年; 平均年变化百分比;

基金项目

深圳市科技创新委员会重点项目（JCYJ20210324115411030）

深圳市医学重点学科（SZXK064）

深圳市“医疗卫生三名工程” （SZSM202011008）

作者声明

作者贡献声明

蔡丹：数据分析、论文撰写；张佳：数据整理、绘图、论文审阅；刘家荣、杜昕蓉：数据清洗/整理；付英斌、张振：数据整理、研究指导、技术支持；吕秋莹：研究指导、论文审阅、经费支持

利益冲突

所有作者声明无利益冲突

历史

出版日期：2024-08-10

收稿日期：2024-04-18

本文编辑

张婧

Surveillance

Analysis of mortality burden among permanent residents in Shenzhen, 2014-2021

Cai Dan, Zhang Jia, Liu Jiarong, Du Xinrong, Fu Yingbin, Zhang Zhen, Lyu Qiuying

Published 2024-08-10

Cite as Chin J Epidemiol, 2024, 45(8): 1093-1102. DOI: 10.3760/cma.j.cn112338-20240418-00204

Abstract

Objective

To investigate the mortality burden among permanent residents in Shenzhen from 2014 to 2021 and to provide scientific evidence for establishing precision disease prevention and control strategy.

Methods

Based on the cause-of-death surveillance data, we described the distribution of mortality rate, cause-specific rankings, and years of life lost (YLL) for the total population and subgroups in Shenzhen from 2014 to 2021. The seventh national population census data was used as the standard population to calculate the standardized mortality rate. Joinpoint log-linear regression model was used to analyze the chronic trend of mortality burden.

Results

From 2014 to 2021, 49 734 deaths among the permanent population were recorded in Shenzhen, with a 140.90/100 000 average crude mortality rate, standardized as 366.77/100 000. Both the crude mortality rate and standardized mortality rate showed fluctuating increases from 2014 to 2016 [annual percent change (APC)=20.72%, P=0.048, APC=28.59%, P=0.016] and fluctuating decreases from 2016 to 2021 (APC=-1.55%, P=0.317, APC=-1.89%, P=0.190). The mortality rates of the <20 and 20- age groups decreased over time, with a statistically significant decrease observed in the <20 age group [average annual percent change (AAPC)=-11.91%, P<0.001]. The mortality rates of the 40-, 60-, and ≥80 age groups increased over time, with an increase observed in the ≥80 age group from 2014 to 2016 (APC=45.25%, P=0.016) and a decrease from 2016 to 2021 (APC=-2.18%, P=0.280). There was no statistical significance in the mortality rate trend for the remaining age groups (all P>0.05). The top three causes of death among permanent residents in Shenzhen from 2014 to 2021 were consistently malignant tumors, cardiovascular and cerebrovascular diseases, and respiratory system diseases, with crude mortality rates of 49.59/100 000, 47.95/100 000, and 7.90/100 000 respectively in 2021. From 2014 to 2021, 1 003 287.43 YLL were observed, with YLL for the total population, males and females all showing an upward trend (all P<0.001).

Conclusions

The mortality burden among the elderly permanent residents in Shenzhen displayed a continuously increasing trend from 2014 to 2021. Strengthening the need for substantial efforts and actions to improve the prevention and control of chronic non-communicable diseases.

Key words:

Mortality burden; Years of life lost; Average annual percent change

Contributor Information

Cai Dan