2009—2019年上海市某远郊社区居民死亡情况及人口构成定量分析

廖献琴，王 维，罗 峥，徐 洁，赵 玫，徐晓云，李小攀

(1.上海市普陀区宜川街道社区卫生服务中心全科，上海 200065；2.上海国际旅行卫生保健中心传染病监测科，上海 200322；3.上海健康医学院附属周浦医院神经内科，上海 201318；4.上海市浦东新区王港社区卫生服务中心内科，上海 200201；5.上海市浦东新区疾病预防控制中心科研与信息管理办公室·复旦大学浦东预防医学研究院，上海 200136)

近10年来发展中国家居民由于人口老龄化和人口增长，以及越来越多的居民趋向较西方化的生活方式，吸烟，缺乏体力活动和高能量摄入的饮食方式等危险暴露增多，疾病负担日益加重，已成为发展中国家公共卫生领域的重点问题[1-2]。中国居民粗死亡率一直在上升，很大程度上归因于人口增长和老龄化以及社会人口结构的变化。尽管以前对我国死亡率的估计已经有报道，但局限于某一个地方的人口或基于特定年份的数据，其数据均存在不确定性并缺乏代表性，可能会限制其结论为本地有效的病因预防和死因控制制定适当的政策[3-5]。随着二次改革开放的逐步深入，作为国家级新区的上海市浦东新区的中东部农村地区在完成城镇化的同时，其居民饮食方式、生活习惯和环境发生了巨大变化[6]。此外，随着人口老龄化加剧，人口构成因素对全人口死亡带来的影响及其大小需要进一步分析[5]。因此，本文对2009—2019年间浦东新区远郊某社区居民死亡资料进行分析，结果报告如下。

1 资料与方法

1.1 资料来源

以上海市浦东新区王港社区户籍人口为研究对象，死因资料来源于浦东新区2009年1月1日—2019年12月31日户籍人口死亡数据库。死亡监测以拥有法律效应的死亡证明为基本资料。社区卫生服务中心按月收集死亡证明，进行死因编码及信息补充并将资料输入数据库，资料包括姓名、性别、出生日期、职业、死亡日期、根本死因、直接死因等。人口学资料来自于上海市浦东新区公安分局[7]。

1.2 研究方法

死因分类根据2011年国际疾病分类第10版(The International Statistical Classification of Diseases and Related Health Problems 10th Revision,ICD-10)统一编码。

1.3 统计学处理

应用SPSS 18.0(SPSS，芝加哥，美国)统计学软件，死亡率的计算以浦东新区王港社区户籍人口为基础，各年份平均人口数为相邻2年年末人口数的平均值。死亡年龄按生存天数计算[(死亡日期-出生日期)/365.25]，率的标化参照以5岁为年龄段的1982年中国标准人口年龄构成。粗死亡率差异显著性检验采用Poisson分布资料U检验，标化率差异性检验采用Mantel-Haenszel检验[8]。

以年均变化百分比(average annual percentage change,AAPC)表示各相邻年份间率的变化量，采用Joinpoint线性回归软件(Joinpoint 4.0.4，2013，卡尔弗顿，英国)分析各年份粗死亡率和标化死亡率的变化趋势，用y表示率的自然对数，即y=In(r)，以y为因变量，x为自变量(年份或年份段的组中值)，配合下述线性模型y=α+βx+ε(式中α为常数项，β为回归系数，ε为随机误差项[7]。以95%CI表示AAPC的数值范围。

采用率的差别分解法计算各时期人口构成因素和其他因素对疾病死亡率变化的贡献率，即同一个人口不同时间的死亡率差别可以看作不同人口结构人口的死亡率差别进行分解。死亡率变化分解采用一种无残差的方法：假定需分解人口A和人口B粗死亡率差别，设CDRB为B人口粗死亡率，CDRA为A人口粗死亡率，diff为B人口和A人口的死亡率差，C为人口的年龄构成，M为年龄别死亡率，则diff=CDRB-CDRA=ΣCBXMBX-ΣCAXMAX，经移项分解合并，率的差异=年龄结构的差别(以A和B分年龄死亡率的平均值为权数)+死亡率差别(以A和B的年龄结构为权数)，率值的影响贡献率=年龄结构差别/(年龄结构差别+死亡率差别)×100%，年龄结构差别影响贡献率+其他因素死亡率差别影响贡献率=100%[5,9]。P<0.05为差异有统计学意义。

2 结 果

2.1 一般资料

2009—2019年该社区合计人年数为385096人年，累计报告户籍居民死亡2751例，死亡年龄范围为1d～104.17岁，死亡中位年龄为80.69岁，粗死亡率为714.37/10万，中国标化死亡率为266.45/10万。其中因循环系统疾病死亡971例，占35.29%；因恶性肿瘤死亡875例，占31.81%；因呼吸系统疾病死亡359例，占13.05%。其总死因顺位前十位及构成见表1。

表1 2009—2019年上海某社区居民死亡顺位及其分布Tab.1 Rank and distribution of causes of death among residents in a community of Shanghai,2009-2019 [n(%)]

2.2 性别分布及趋势分析

2009—2019年该社区男性居民死亡1422例，男性粗死亡率为744.30/10万，中国标化死亡率为340.90/10万，女性死亡1329例，粗死亡率为605.84/10万，标化死亡率为195.68/10万；男性居民粗死亡率高于女性(U=2.79,P<0.05)；男性中国标化死亡率高于女性(Z=-12.07,P<0.001)。

男性粗死亡率显著上升[AAPC(95%CI)=3.24%(1.31%,5.20%)，P=0.004]，标化死亡率呈波动态势[AAPC(95%CI)=-1.02%(-2.71%,0.70%)，P>0.05]；女性标化死亡率呈逐年显著下降趋势[AAPC(95%CI)=-2.77%(-4.77%,-0.72%),P<0.01]，粗死亡率无明显趋势[AAPC(95%CI)=1.92%(-0.52%,4.41%),P<0.05]，见表2。

总人口中国标化死亡率呈显著下降趋势[AAPC(95%CI)=-1.71%(-3.01%,-0.40%),P=0.03]，粗死亡率呈显著上升态势[AAPC(95%CI)=2.42%(0.74%,4.12%),P<0.05]，见表2。

表2 2009—2019年上海某社区各性别居民死亡率分布(/10万)Tab.2 Mortality with different genders among residents in a community of Shanghai,2009-2019

2.3 年龄分布及趋势分析

死亡的居民中，65岁以上的老龄人口为2257例，占82.04%。青年组(15～44岁)，[AAPC(95%CI)=-9.35%(-17.45%,-0.45%),P<0.01]和低龄老年组(65～79岁)[AAPC(95%CI)=-3.18%(-5.00%,-1.31%),P<0.01]死亡率显著下降，中老年组(45～64岁)和高龄老年组(80岁及以上)恶性肿瘤粗死亡率均无明显变化趋势(P>0.05)，见表3。

表3 2009—2019年上海某社区居民年龄别死亡率变化趋势Tab.3 Trend of age-specific mortality among residents in a community of Shanghai,2009-2019

2.4 率的差异分析

2009—2019年间，后6年(2014—2019年)与前5年(2009—2013年)死亡率差别为83.26/10万，人口构成因素和非人口构成因素对死亡率增加值分别为108.21/10万和-24.94/10万，按性别分层，人口构成因素和非人口构成因素对男性死亡率增加值分别为174.61/10万和-87.28/10万；对女性死亡率增加值分别为126.03/10万和-32.71/10万。

以2009年为基准，前5年死亡率差别为14.12/10万，人口构成因素贡献37.55/10万，非人口构成因素贡献-23.43/10万。人口构成因素和非人口构成因素对男性死亡率增加值分别为18.29/10万和31.23/10万；对女性死亡率增加值分别为-0.82/10万和-33.71/10万。

以2009年为基准，后6年(2014—2019年)死亡率差别为97.38/10万，人口构成因素贡献151.08/10万，非人口构成因素贡献-53.70/10万。人口构成因素和非人口构成因素对男性死亡率增加值分别为179.89/10万和-53.70/10万；对女性死亡率增加值分别为129.31/10万和-70.63/10万。人口构成因素和其他因素贡献率见图1。

图1 2009—2019年上海某社区人口构成因素和其他因素对各性别居民死亡率增加值的贡献Fig.1 Contribution of demographic and other factors to the added mortality among residents in a community of Shanghai suburb from 2009 to 2019

3 讨 论

对全人口死亡率模式的探索，特别是年龄相关死亡率的分层评估，是卫生政策制定者选择针对特定人群的干预措施一个参考[1,10]。本次分析结果发现该社区2009—2019年居民中国标化死亡率为267.68/10万，低于2016年河南安阳市(372.64/10万)[11]，2010—2016年江苏省江阴市(452.41/10万)[12]，2013年湖北省鄂州市(713.69/10万)[13]，2011—2016年西安市(477.08/10万)[14]。高于2010年本市杨浦区(224/10万)[15]，2014年江苏省昆山(258.40/10万)[16]。这主要可能与疾病负担的地区性差异性有关，不同发展程度地区的主要死因分布存在差异[7]。

趋势分析发现，2009—2019年该社区居民粗死亡率和标化死亡率呈现不同的发展态势，提示总人口死亡率的变化与人口构成相关[17]。年龄别死亡趋势分析发现，除低龄老年人(65～79岁)死亡率逐年显著下降外，各年龄死亡趋势均呈现波动态势，且各年度死亡率峰值均位于80岁及以上人群，提示后续应加强该社区高龄老人的健康管理工作，且要继续保持对年轻人群的健康宣教工作，从关注患者合并的其他基础疾病、减少成瘾物质如烟草的使用、控制体重和改善饮食方式着手提高居民健康水平和实际寿命[18-19]。

本次结果发现该社区男性居民粗死亡率和标化死亡率均高于女性，与文献报道的性别差异在50岁及以上人群的全因死亡率和特定死因方面明确存在一致[20]。率的差异结果表明，以前5年(2009—2013年)各性别粗死亡率为基准，后5年(2014—2019年)死亡率的增长主要为人口构成因素导致的增长(贡献率>100%)，以2009年各性别粗死亡率为基准，前5年(2009—2013年)男性死亡率的增长主要为其他危险因素，但后6年(2014—2019年)的增长，主要为人口构成因素导致的增长(贡献率>60%)，且男女性人口构成因素导致的增长贡献不同，本次研究结果从定量角度说明了人口构成变化对居民粗死亡率带来的影响及其贡献程度，从而将关注人口老龄化，重视高危人群的健康管理，应置于社区居民健康宣教的关键位置[21]。

本研究受限于单一社区数据，尽管能说明本地居民死因状况，但尚需同类地区的人群大数据来验证我国远郊社区在城市化过程中居民的死因谱的普遍变化。此外，小于15岁的死亡居民为9例，尚不能计算其在该时期内的变化趋势，需要对更大人群的死因监测数据进行进一步整理和分析。总之，当地疾病负担特征明显，能反映了我国城市化进程中新的城镇化地区居民死亡的流行特点，提示应关注重点高危人群，尤其是老龄人口的健康管理工作，推进社区居民生命全周期管理和健康促进，尤其是高龄老人的生活环境治理，进一步减少疾病或其他问题给居民带来的寿命损失。