1990-2009年中国女性乳腺癌死亡趋势的APC模型分析*

李春晖 宇传华,2△

1990-2009年中国女性乳腺癌死亡趋势的APC模型分析*

李春晖1宇传华1,2△

目的 探讨我国1990-2009年20年间成年女性乳腺癌死亡率的流行变化趋势。方法 利用美国华盛顿大学健康测量与评价研究中心和《中国卫生统计年鉴》中的死因数据，采用年龄—时期—队列(APC)模型和Intrinsic Estimator(IE)算法估计成年女性乳腺癌死亡风险的年龄效应、时期效应和队列效应。结果 中国女性乳腺癌死亡风险的年龄效应总体上随年龄增加而增大，中国20岁以上女性乳腺癌死亡风险的时期效应随年代持续上升，队列效应说明中国自1911年以后出生的女性所经历的乳腺癌死亡风险呈下降趋势。结论 中国女性乳腺癌死亡风险的时期效应占主导地位。不完善的乳腺癌筛查、低检出率及不健康的饮食习惯等危险因素均导致了乳腺癌死亡率的上升趋势，也增加了乳腺癌死亡风险的时期效应。

乳腺癌 死亡率 APC模型

乳腺癌作为全球范围内女性最常见的一种恶性肿瘤，已经严重影响了女性的正常生活，也是引起女性死亡的重要原因。根据世界卫生组织国际癌症研究机构(international agency for research on cancer，IARC)在Globocan中统计[1]，2012年全世界约有167万乳腺癌新发病例，占全部女性恶性肿瘤发病的25%位居女性肿瘤发病首位；52.2万例乳腺癌患者死亡，占全部女性恶性肿瘤死亡的14.7%。乳腺癌已成为全球恶性肿瘤第五位的死因。在发达国家，乳腺癌目前是仅次于肺癌恶性肿瘤死亡的第二大死因，死亡例数19.8万，占所有女性恶性肿瘤死亡的15.4%；在欠发达国家，乳腺癌已成为女性死亡最主要的死因，死亡例数为32.4万，占所有女性恶性肿瘤死亡的14.3%。其中，中国2012年女性乳腺癌新发病例18.7万，死亡4.8万例。对于乳腺癌死亡趋势的变化，本文采用年龄—时期—队列模型(age-period-cohort，APC)对中国1990-2009年乳腺癌死亡资料进行统计分析，探讨人群年龄、时期和队列因素对死亡的影响，为乳腺癌的防治评价提供科学依据。

对象与方法

1.资料来源

本研究所用死亡数据来源于美国华盛顿大学健康测量与评价中心(institute for health metrics and evaluation，IHME，http://ghdx.healthdata.org/)和《中国卫生统计年鉴》中女性分年龄别乳腺癌死因资料。IHME中GHDx包含全世界各个国家的调查、普查、生命统计及其他相关健康相关数据，同时公开研究的全球疾病负担数据。中国死因监测数据来源于全国161个死因监测点，根据各地区人口采用多阶段分层随机方法进行抽样，监测全国的死亡数据。因此，所选数据的质量是较为真实可靠的。本研究中将年龄在20～79岁之间的成年女性作为本研究的研究人群。

2.方法

(1) APC模型

年龄—时期—队列模型现已成为常见的流行病学分析工具，并广泛应用于分析慢性病发病率和死亡率的变化趋势[2]。APC模型以Poisson分布为基础，可在同时调整年龄、时期、队列等因素的条件下，估计一定人群的疾病或死亡的危险性，体现疾病在年龄、期间和队列上的变化趋势。

APC模型从本质上可以看作为一个多元回归模型，其基本形式为：

Y=α0+αX1+βX2+γX3+ε

(1)

式(1)中：Y代表发病率或死亡率；α0为常数项或截距；α是年龄效应，即某一年龄组人口的死亡风险；β是时期效应，即某个时期内所有人口的死亡风险；γ是队列效应，即同一个出生队列的所有人口的死亡风险；X1、X2和X3分别是年龄、时期和队列；ε为残差。其中，α、β和γ三个效应为需要估计的参数。

(2) 模型结构及求解

在本研究中，采用Poisson对数线性模型来对APC模型进行求解，对方程(1)两边进行对数线性变换，其表达式变为：

ln[E(Mij)]=ln(Dij/Pij)=μ+αi+βj+γk

(2)

式(2)中，表示第i个(i=20～24,…,75～79)年龄组在第j个时期内(j=1990～1994,…,2005～2009)的期望死亡率；Dij表示第i个年龄组在第j个时期内的死亡人数；Pij表示第i个年龄组在第j个时期内的人口数；αi为年龄效应，表示第i个年龄组人口的死亡风险；βj为时期效应，表示第j个时期内人口的死亡风险；γk为队列效应，表示第k个(k=i+j-1,即k=1,2,…,15)出生队列人口的死亡风险；μ为截距。

由于年龄、时期和出生队列三个自变量之间存在共线性关系[3]，即出生队列等于时期与年龄之差，因此从理论上来讲，方程(1)不存在唯一解。为了解决这一问题，已有不少研究者尝试用各种解决办法[4-7]，如两因素模型、非线性模型、惩罚函数法、估计函数函数法等，然而这些方法都不能从根本上完全解决年龄、时期、队列的共线性问题，得出唯一确定的解。

Kupper等人[8]为APC模型的可估计性提出了一个条件，并证明了满足这一条件的可估计方程可以得到唯一解。此后，在Kupper的研究基础之上，Fu和Yang等学者[9-10]提出了Intrinsic Estimator(IE算法)，并证明了IE算法满足模型可估计性的条件且可以求出唯一解，从而解决了APC模型的共线性问题。本研究则采用IE算法对方程(2)中的主要参数αi、βj、γk进行估计，计算过程在Stata软件中实现。

结 果

1.乳腺癌死亡率的年龄、时期和队列变化趋势

中国20～79岁女性乳腺癌年龄别死亡率在1990-2009年之间的变化趋势，从总的年龄变化趋势上来看，历年女性乳腺癌的死亡率随年龄的增长而上升。然而，在60岁左右时，60～64岁组乳腺癌死亡率开始下降，从65～69岁组死亡率又开始持续上升。从年代变化趋势上来看，除了2004-2009年外，其它三个时期的各个年龄段的乳腺癌死亡率随年代呈下降趋势，60岁以上年龄组尤为明显。从50～54岁年龄组开始，2005-2009年各个年龄组的乳腺癌死亡率均高于其它三个时期。

图1显示的是中国20～79岁女性乳腺癌年龄别死亡率随出生年份的变化趋势。从总的变化趋势上来看，乳腺癌年龄别死亡率基本上随出生年份呈下降趋势。分年龄组来看，30岁以上年龄段的女性乳腺癌死亡率随出生队列呈先下降后上升的趋势，30岁以下年龄段的女性乳腺癌死亡率则变化较为平稳。由于图1混杂了年龄效应和时期效应，因此无法单独看出队列效应，但是可以明显看出，不同时期出生的人在同一个年龄组的乳腺癌死亡率相差较大。

2.乳腺癌死亡率的APC模型分析

表1结果显示了根据IE算法估计得到的中国20～79岁女性在1990-2009年间乳腺癌死亡率的年龄、时期和出生队列效应。

结合表1和图2的年龄效应结果来看，中国女性乳腺癌死亡的年龄效应随着年龄的增长呈现出翻转的“J”形曲线。乳腺癌的年龄效应死亡风险从20～24岁时的-3.1995增加到50～54岁时的0.9254，再慢慢下降到75～79岁时的0.5761。若将20～24岁年龄组作为基准，将其年龄效应标化为1(e-3.1995×24.52=1)，则50～54岁组的死亡风险增加到为61.8616，到74～79岁时死亡风险将为43.6237。

根据表1和图2的时期效应结果，中国20岁以上女性乳腺癌的死亡风险自1990-1994年的-0.1659增加到2005-2009年的0.3013。同样地，若将1990-1994年的死亡风险标化为1，则1995-1999年、2000-2004年和2005-2009年的死亡风险分别增加为1.0441、1.1636和1.5942。由此可以看出，乳腺癌的死亡风险的时期效应在20年间增加了59%。如此迅速的增长说明，自1990年以后经济快速发展带来的环境恶化，人们不健康的生活方式如饮酒、肥胖、缺乏体育锻炼等，都可能增加这一时期乳腺癌死亡风险的时期效应[11-12]。

图2 中国20～79岁女性乳腺癌死亡率的年龄、时期和队列效应估计结果

表1和图2的队列效应表明不同出生队例的女性所经历的死亡风险的差异。显然，中国自1911年出生的女性所经历的乳腺癌死亡风险随队列呈下降趋势。从1911-1919年出生的女性乳腺癌死亡风险0.9986递减为1981-1989年的-1.2350，以1911-1919年为基准标化后，死亡风险的队列效应下降了21.05%。通过数值微分法，可以得到队列效应下降的变化速度不断波动，时快时慢。

讨 论

本研究利用年龄—时期—队列模型和Intrinsic Estimator算法分析了中国20～79岁女性在1990-2009年间乳腺癌死亡率的变化趋势。IE算法的应用从理论上较好的解决了APC模型的共线性问题，求得参数的唯一解。

中国女性高年龄组在2005-2009年时期内的乳腺癌死亡率均高于其他三个时期。根据APC模型分析的结果来看，相比较队列效应，中国妇女乳腺癌死亡率的时期效应更加重要，因为中国女性乳腺癌死亡风险的时期效应随年代在不断增加。有流行病学研究显示，饮食习惯、生理因素如初潮早、绝经晚、行经长等、生育率低、非母乳喂养及不完善的乳腺癌筛查等是乳腺癌的危险因素[13-15]。在本研究中，不完善的乳腺癌筛查、低检出率及不健康的饮食习惯是影响中国妇女二十年来乳腺癌死亡率的高危因素。首先，由于我国并无完善的乳腺癌筛查机制，因此中国妇女对乳腺癌筛查意识率及参与率都较低[13,16]；其次，较低的乳腺癌检出率也延误了治疗契机，增加了乳腺癌死亡率的增长趋势[13]；最后，在饮食习惯上，2001年中国人群的脂肪摄入量的比例相对1985年增加了70.73%[17]。而这些因素的存在也进一步增加了乳腺癌死亡风险的时期效应。

由此可见，经济快速的发展、医疗技术水平的改进并没有改善女性乳腺癌的死亡状况，相反使得死亡风险进一步上升。因此，在经济发展的同时，我们更要注重提高个人的健康意识，养成良好的饮食习惯，建立完善的医疗卫生体制，重视人们的健康水平。

致谢：美国佛罗里达大学陈心广教授为本研究提供方法指导。

[1]GLOBOCAN 2012:Estimated Cancer Incidence,Mortality and Prevalence Worldwide in 2012.International Agency for Research on Cancer.http://globocan.iarc.fr/Pages/fact_sheets_cancer.aspx.

[2]张雪峰.年龄-时期-队列模型.东南大学学报(医学版),2001，20(3):200-203.

[3]Mason KO,Winsboro HH.Some Methodological Issues in Cohort Analysis of Archival Data.American Sociological Review,1973,38(2):242-258.

[4]Osmond C,Gardner MJ.Age,period,cohort models applied to cancer mortality.Stat Med,1982,1(3):245-259.

[5]James IR,Segal MR.On a method of mortality analysis incorporating age-year interaction,with application to prostate cancer mortality.Biometrics,1982,38(2):433-443.

[6]Holford TR.The estimation of age,period,cohort effects for vital rates.Biometrics,1983,39(2):311-324.

[7]沈其君.生命统计资料中年龄和时期趋势效应的估计.中国卫生统计,1992,9(1):6-9.

[8]Kupper LL,Janis JM,Karmous A,et al.Statistical Age-Period-Cohort Analysis-a Review and Critique.Journal of Chronic Diseases,1985,38(10),811-830.

[9]Yang Y,Fu WJ,Kenneth C.A methodological Comparison of Age-period-cohort Models:The Intrinsic Estimator and Conventional Generalized Linear Models.Sociological Methodology,2004,34(1):75-110.

[10]Yang Y,Schulhofer WS,Fu WJ,et al.The intrinsic estimator for age-period-cohort analysis:What it is and how to use it.American Journal of Sociology,2008,113(6):1697-1736.

[11]岳瑶,李惠平.乳腺癌危险因素研究进展.癌症进展，2011,9(5):520-523.

[12]刘玉红.女性乳腺癌疾病状况及乳腺癌发生危险因素分析.现代预防医学，2011,38(3):468-469.

[13]王璟,芦文丽,王媛,等.中国女性乳腺癌筛查现状分析及优化策略.中国妇幼保健，2013,28(18):2864-2867.

[14]杨晓丹,谭盛葵.乳腺癌危险因素研究新进展.中国妇幼保健，2013,28(8):1363-1366.

[15]方亚,胡海兰.女性乳腺癌危险因素及其变化.中国卫生统计，2009,26(3):241-246.

[16]赵文娟,李永新.大连地区孤女乳腺癌、宫颈癌筛查结果分析.中国卫生统计，2012,29(1):125-126.

[17]封志明,史登峰.近20年来中国食物消费变化与膳食营养状况评价.资源科学，2006,28(1):2-8.

(责任编辑：郭海强)

Analysis on Temporal Trends of Chinese Female Breast Cancer Mortality Between 1990-2009:An Application of APC Model

Li Chunhui,Yu Chuanhua

(School of Public Health,Wuhan University (430071),Wuhan)

Objective To study the trends in Chinese female breast cancer mortality by age，period and birth cohort from 1990 to 2009.Methods The mortality data were extracted from the Institute for Health Metrics and Evaluation and “Chinese Health Statistics Yearbook”.Age-period-cohort model and Intrinsic Estimator were used to estimate the age,period and cohort effects of adult female breast cancer mortality risk.Results Age effect of Chinese female breast cancer mortality risk increased with age.Period effect of more than 20 years old female breast cancer mortality risk continued to rise with time.Cohort effect shows that the female breast cancer mortality risk from born after 1911 remained decline trend.Conclusion The period effect was found to play an important role in breast cancer mortality.The imperfect breast cancer screening,low detection rate and unhealthy dietary habits increased the period effect of breast cancer mortality.

Breast cancer;Mortality;APC model

*:国家自然科学基金资助(81273179)

1.武汉大学公共卫生学院流行病与卫生统计学系(430071)

2.武汉大学全球健康研究中心

△通信作者：宇传华，E-mail:yuchua@163.com