今天解读的是发表在Journal of Travel Medicine(IF=9.1)上的一篇文章《Discrepancies in dengue burden estimates:acomparative analysis of reported cases and globalburden of disease study,2010-2019》本研究比较2010-2019年间全球疾病负担研究(GBD)估计的登革热病例数与实际报告的登革热病例数,并评估 GBD 估计的准确性和可解释性。研究分析了 2010 年至 2019 年间全球 30 个登革热高负担国家和地区的登革热病例数据,最终发现 GBD 估计值与实际报告病例数存在显著差异,并指出 GBD 研究方法需要改进,以确保对登革热负担的准确评估。
01背景介绍
登革热是一种由登革热病毒 (DENV) 引起的蚊媒传染病,近年来在全球范围内呈上升趋势。其临床表现多样,从轻微的流感样症状到危及生命的严重登革热不等。准确评估登革热的疾病负担对于制定有效的公共卫生干预措施至关重要。然而,由于登革热的症状与其他发热性疾病相似,以及轻症病例可能未就医,因此登革热的实际发病率往往被低估。
全球疾病负担研究 (GBD) 是一项大型的国际合作项目,旨在量化各种疾病、伤害和风险因素造成的全球健康损失。GBD 研究提供了各个国家和地区的登革热负担估计值,但其准确性一直存在争议。一些研究表明,GBD 估计值可能高估了登革热的实际负担。例如,一项针对台湾的研究发现,GBD 估计的登革热病例数远高于台湾疾病控制中心报告的病例数。所以本研究旨在更广泛地评估 GBD 估计值的准确性。
02研究方法
1. 数据来源及初步分析
本研究的报告病例主要从PLISA 美洲卫生信息平台与 WHO 登革热探索数据库中获取,而GBD数据则是从GBD研究数据库中获取,该数据库提供了 1990 年至 2019 年 204 个国家和地区的登革热病例估计值及其 95% 不确定区间。
为补充 2015 年至 2019 年的数据,研究人员还查阅了官方政府网站、学术出版物、新闻报道、WHO 登革热情况更新以及欧洲疾病预防控制中心的报告。
*台湾的登革热数据直接来自台湾疾病控制中心。
研究人员首先确定了 101 个国家和地区,这些国家和地区在 GBD 2019 研究和报告数据中都有登革热病例估计值。然后,他们根据 2010 年至 2019 年报告的登革热病例数的 10 年平均值选择了前 30 个国家和地区进行分析。这些国家和地区被认为具有最高的登革热负担和更有效的监测系统。
对于数据的统计分析,研究首先通过计算报告病例数和 GBD 估计值之间 10 年平均值的绝对差和比率以量化差异。紧接计算变异系数 (CV) 来评估两个数据源中登革热病例数的年度波动性。CV 值越高,表示年度波动越大。最后通过计算估计年百分比变化 (EAPC) 来评估 2010 年至 2019 年两个数据源中登革热病例数的趋势。EAPC 值为正表示病例数增加,EAPC 值为负表示病例数减少。
2. 分析方法
这篇文章采用了多种统计分析方法来量化报告病例数和 GBD 估计值之间的差异,并评估 GBD 估计值的准确性和可解释性。
2.1 描述性统计
1)针对病例数的描述性统计:
计算了每个国家/地区 2010 年至 2019 年报告病例数和 GBD 估计值的 10 年平均值。这些平均值被用于比较两个数据源之间的总体差异,并减少年度波动对结果的影响。结果呈现在图 1 中,分别以柱状图展示了基于报告数据和 GBD 估计值的 10 年平均病例数。并且计算了每个国家/地区报告病例数和 GBD 估计值的 CV 值,以评估年度波动性。
研究根据 10 年平均病例数对国家/地区进行了排名。此外,2010年至2019年的估计年度百分比变化(EAPC)通过将回归线拟合到年度病例数的自然对数来确定,表示为ln(y)=α +βx+ε,其中“y”表示年度病例数,“x”表示日历年。然后使用公式100 ×(eβ-1)计算EAPC。最后,根据两个数据来源得出的10年平均数、差异、比率和EAPC对这些国家进行排名。
2)针对发病率的描述性统计:
作者计算了每个国家/地区 2010 年至 2019 年的 10 年平均发病率。结果呈现在图 2 中,分别以柱状图展示了基于报告数据和 GBD 估计值的 10 年平均发病率平均值。
2.2 趋势分析
研究使用 EAPC 来量化 2010 年至 2019 年登革热病例数的变化趋势。并通过将年度病例数的对数值进行线性回归,然后根据回归系数计算 EAPC。图 3 展示了基于报告数据和 GBD 估计值的 EAPC 值。结果显示,GBD 估计值的 EAPC 值普遍低于报告数据,甚至在一些国家出现负值。反映GBD 估计值未能捕捉到一些国家登革热病例数的快速增长趋势,这可能是由于 GBD 模型采用的平滑技术低估了急性传染病的短期波动。
2.3 差异分析
研究使用以下两种方法量化了 GBD 估计值与报告的登革热病例数之间的差异:
2.3.1.绝对差:对于每个国家/地区,计算 10 年平均报告病例数和 10 年平均 GBD 估计值之间的绝对差。图 4A 展示了每个国家的绝对差。印度的绝对差最大,其次是中国、印尼、巴西和孟加拉国。
绝对差反映了两个数据源之间在数值上的差异,较大的绝对差表明 GBD 估计值可能高估了这些国家的登革热负担。
2.3.2.比率 (GBD-to-reported case ratio):对于每个国家/地区,计算 10 年平均 GBD 估计值与 10 年平均报告病例数的比率。图 4B 展示了每个国家的比率。中国的比率最高 (570 倍),其次是印度 (303 倍)、孟加拉国 (115 倍)、台湾 (85 倍) 和印尼 (23 倍)。
高比率值可能表明 GBD 模型高估了这些国家的登革热负担,或者这些国家的监测系统存在问题,导致报告病例数过低。
03结果
1.总述
这篇研究通过分析对比发现GBD 估计值和报告的登革热病例数之间存在显著差异,特别是在一些登革热高负担国家/地区。GBD 估计值未能准确反映登革热疫情的年度波动,这可能是由于 GBD 模型的局限性导致的。且GBD 估计值也可能无法准确捕捉登革热疫情的长期趋势。
2. 病例数和发病率差异
研究发现,在登革热病例数和发病率方面,报告数据和 GBD 估计值之间存在显著差异。对于大多数国家/地区,GBD 估计值明显高于报告的病例数。研究指出,中国、印度、孟加拉国、台湾和印尼的差异最为显著。例如,印度的 10 年平均报告病例数为 88,974 例,而 GBD 估计值为 26,958,700 例,GBD 估计值是报告病例数的 303 倍。中国的情况更加突出,GBD 估计值是报告病例数的 570 倍。还计算了 GBD 估计值与报告病例数的比率,并发现中国、印度、孟加拉国、台湾和印尼 的比率最高。类似地,研究发现 GBD 估计的 10 年平均发病率也普遍高于报告数据,尤其是在台湾等一些非登革热流行地区。
3. 年度波动
研究发现,报告病例数的变异系数普遍高于 GBD 估计值。这意味着 GBD 估计值未能捕捉到登革热疫情的年度波动。阿根廷、孟加拉国、中国、洪都拉斯、老挝、波多黎各和台湾的报告病例数 CV 值大于 1,表明这些国家/地区的登革热疫情年度波动非常大。
4. 趋势
研究比较了基于报告数据和 GBD 估计值的 EAPC 值,发现二者之间存在差异。一些国家在报告数据中显示登革热病例数增加,但在 GBD 估计值中却显示减少。例如孟加拉国的报告数据显示登革热病例数快速增加 (EAPC = 58.8),而 GBD 估计值显示病例数略有减少 (EAPC = -1.1)。巴西的报告数据显示 EAPC 为 -17.8,而 GBD 估计值为 -5.4。
这些发现表明,在使用 GBD 估计值进行登革热疾病负担评估和公共卫生决策时需要谨慎,并需要改进登革热疾病负担估计方法,以提高其准确性和可解释性。
04局限性
1. 报告数据低估实际负担:
虽然文章使用报告的登革热病例数作为参考标准,但作者也承认,报告数据本身可能低估了实际的登革热负担。很多轻症登革热患者可能未就医或未被正确诊断,导致病例漏报。不同国家/地区的监测系统效率不同,报告率也存在差异,这都会影响结果的准确性。
2. GBD 模型的局限性:
报告不足校正因子: 文章指出,GBD 模型使用的报告不足校正因子可能存在问题。该校正因子基于一项系统综述,但该综述包含的研究大多比较老旧 (主要在 2010 年之前进行)。随着近年来登革热快速诊断检测的普及,登革热的报告率可能有所提高,因此旧的校正因子可能不再适用。
平滑技术: GBD 模型使用了平滑技术来处理数据,这可能导致低估了登革热疫情的年度波动和短期趋势变化。
3. 数据质量评估不足:
文章指出,GBD 模型缺乏对其数据来源的详细质量评估。不同国家/地区的登革热监测系统存在差异,包括病例定义、诊断标准、监测范围 等。
4.其他局限性:
文章只分析了 30 个登革热高负担国家/地区,结果不一定适用于其他国家/地区。并且文章只分析了 2010 年至 2019 年的数据,时间跨度相对较短,可能无法反映更长期的趋势。并且没有区分本地感染病例和旅行相关病例,这可能导致高估了某些非流行地区的登革热负担。
小编说明:
尽管 GBD 研究为全球疾病负担评估提供了重要的信息,但这项研究表明,在使用 GBD 估计值进行疾病负担评估和公共卫生决策时需要谨慎。未来研究应致力于改进疾病负担估计方法,以提高其准确性和可解释性。
结语
临床研究的根本使命是发现并解决生命科学领域亟待解决的临床问题,同时,为即将发生的临床难题提供备选解决方案。
(来源:极智分析)
原文出处:Lee SY, Shih HI, Lo WC, Lu TH, Chien YW. Discrepancies in dengue burden estimates: a comparative analysis of reported cases and global burden of disease study, 2010-2019. J Travel Med. 2024 Jun 3;31(4):taae069. doi: 10.1093/jtm/taae069. PMID: 38696416; PMCID: PMC11149719.
链接:https://pubmed.ncbi.nlm.nih.gov/38696416/