中国老年人躯体慢性病共病的复杂模式及其对卫生服务利用影响研究

赵子寅 张佳军 孙文俊 李慧宁 邢星 祝贺

【摘要】 背景 我國老年人慢性病共病患病率不断上升，但既往研究缺乏从慢性病患者需求和管理的视角对慢性病共病模式进行研究。目的 探究我国老年人群躯体慢性病共病的复杂模式分布、影响因素及相应的卫生服务利用情况。方法 本研究数据来源于2018年和2020年中国健康与养老追踪调查（CHARLS），选取≥60岁老年人作为研究对象（n=15 349），分别使用广义有序逻辑回归和广义线性模型探究慢性病共病复杂模式的影响因素及其与门诊、住院服务利用和费用的相关性。所有统计分析除样本量外进行加权处理。结果 15 349名老年人中，2018年7 147人、2020年8 202人；相对健康（不患本研究定义的12种慢性病）2 054人（13.0%，即相对健康组），患1～5种非复杂慢性病5 228人［33.7%，即简单慢性（共）病组］，患1～2种复杂慢性病和<6种非复杂慢性病6 737人［44.7%，即轻微复杂慢性（共）病组］，患≥3种复杂慢性病或≥6种非复杂慢性病1 330人（8.6%，即重大复杂慢性病共病组）。与2018年相比，2020年轻微复杂慢性（共）病组和重大复杂慢性病共病组占比分别上升了2.1%和1.9%。在简单慢性（共）病组和轻微复杂慢性（共）病组中，患病率较高的慢性病主要为高血压（49.2%和56.1%）和关节炎/风湿病（51.9%和47.4%）。在重大复杂慢性病共病组中，82.0%患有心脏病、67.9%患有慢性肺部疾病。三组老年人躯体慢性病患病率比较，差异有统计学意义（P<0.05）。年龄、性别、受教育程度、家庭人均年消费、医疗保险、抑郁、调查年份对简单慢性（共）病组、轻微复杂慢性（共）病组、重大复杂慢性病共病组有影响（P<0.05）；年龄、受教育程度、城乡分布、地域、家庭人均年消费、调查年份对轻微复杂慢性（共）病组、重大复杂慢性病共病组有影响（P<0.05）；年龄、地域、家庭人均年消费、抑郁、调查年份对重大复杂慢性病共病有影响（P<0.05）。在2018年，相较于相对健康组，轻微复杂慢性（共）病组、重大复杂慢性病共病组门诊就诊次数更多，简单慢性（共）病组、轻微复杂慢性（共）病组、重大复杂慢性病共病组门诊费用、住院次数和费用均更高（P<0.05）。在2020年，相较于相对健康组，简单慢性（共）病组、轻微复杂慢性（共）病组、重大复杂慢性病共病组门诊就诊次数和住院次数均更多（P<0.05）。结论 基于CHARLS最新数据显示，我国半数以上老年人患有复杂慢性病共病，其中44.7%为轻微复杂慢性病共病，8.6%患重大复杂慢性病共病。重大复杂慢性病共病患者中患病率较高的前2位复杂慢性病为心脏病和慢性肺部疾病，同时，随着慢性病共病复杂程度的增加，相应的门诊及住院的利用和费用水平明显上升，建议从医疗需求出发探究慢性病共病有效管理模式，以提高健康水平和降低疾病负担。

【关键词】 慢性病；慢性病共病；复杂慢性病；老年人；卫生服务需求

【中图分类号】 R 36 【文献标识码】 A DOI：10.12114/j.issn.1007-9572.2023.0902

Complex Pattern of Multiple Chronic Physical Conditions and Its Effect on Healthcare Utilization among Older Adults in China

ZHAO Ziyin1，ZHANG Jiajun1，SUN Wenjun1，LI Huining1，XING Xing1，ZHU He2*

1.School of Public Health，Peking University，Beijing 100191，China

2.China Center for Health Development Studies，Peking University，Beijing 100191，China

*Corresponding author：ZHU He，Associate professor；E-mail：he.zhu@pku.edu.cn

【Abstract】 Background The prevalence of multiple chronic conditions（MCCs）is continuously increasing among older adults in China，but few studies have explored complex pattern of MCCs from perspectives of patient demand and disease management. Objective This study aims to investigate the pattern distributions，correlates，and treatment burdens of MCCs. Methods Data were obtained from the 2018 and 2020 China Health and Retirement Longitudinal Study（CHARLS）waves，and the study sample included older adults aged≥60 years old（n=15 349）. The generalized ordered logit model and the generalized linear model were used to examine correlates of MCCs complex pattern and its associations with outpatient/inpatient utilization and expenditure，respectively. All statistical analyses were weighted except for sample size. Results Among the total sample of 15 349 older adults，there were 7 147 in 2018 and 8 202 in 2020；2 054 participants［13.0%，defined as the relatively healthy group（RH group）］ had none of 12 chronic conditions defined in this study，5 228 participants ［33.7%，defined as the simple chronic illness group（SCI group）］ had 1-5 non-complex chronic conditions，6 737 participants ［44.7%，defined as the minor complex chronic illness group（MiCCI group）］ had 1-2 complex chronic conditions，and <6 non-complex chronic conditions，and 1 330 participants［8.6%，defined as the major complex chronic illness group（MaCCI group）］ had ≥3 complex chronic conditions or ≥6 non-complex chronic conditions. The proportion of MiCCI and MaCCI groups had an increase of 2.1% and 1.9% between 2018 and 2020，respectively. Among the SCI and MiCCI groups，the most prevalent chronic conditions were hypertension（49.2% and 56.1%）and arthritis/rheumatism（51.9% and 47.4%），respectively. Among MaCCI group，82.0% had heart disease，and 67.9% had chronic lung diseases. There were statistically significant differences in the prevalence of chronic conditions among the three groups（P<0.05）. Age，sex，education level，annual household expenditure per capita，medical insurance，depression status，and survey year were associated with being in SCI，MiCCI，and MaCCI groups（P<0.05）；age，education level，urban-rural location，region，annual per capita household expenditure，and survey year were associated with being in MiCCI and MaCCI groups（P<0.05）；age，region，annual per capita household expenditure，depression status，and survey year were associated with being in MaCCI group（P<0.05）. In 2018，compared to the RH group，the MiCCI and MaCCI group had more outpatient numbers，and the SCI，MiCCI，and MaCCI groups had higher outpatient expenses，inpatient numbers and expenses（P<0.05）. In 2020，compared to the RH group，the SCI，MiCCI，MaCCI groups utilized more outpatient and inpatient services（P<0.05）. Conclusion According to the most recent CHARLS data，over half of older adults in China suffers from complex chronic comorbidities，with 44.7% for the MiCCI group and 8.6% for MaCCI group. The heart disease and chronic lung disease was the most prevalent in the MaCCI group. Furthermore，as the complexity of multimorbidity increases，there is a noticeable increase in outpatient and inpatient utilization as well as medical expenditures. Therefore，it is recommended to explore effective MCC management models based on healthcare demands to improve health outcomes and reduce disease burdens.

【Key words】 Chronic disease；Multiple chronic conditions；Complex chronic conditions；Older adults；Health services needs and demand

我国老年人群的慢性病共病患病率不断上升［1］。慢性病共病不仅对老年人功能状态、健康状况、生活质量造成严重负面影响，还会对卫生体系造成较大负担［2-3］。识别慢性病共病的模式有助于疾病归类、管理，降低疾病负担和提高老年人健康水平。国内已有研究使用简单数量分析（≥2种即为慢性病共病）［4］、因子分析［5］、潜类别分析［6］、网络分析［7］等分析方法研究慢性病共病模式，但是这些研究大多从疾病内在关联角度出发。国际上已有研究从高需求高费用（high need high cost，HNHC）角度依据医疗需求和费用对慢性病的复杂性进行定义，并依据疾病复杂性进一步对慢性病（共病）患者群体进行分组，为精准化慢性病管理提供重要依据［8-9］。但是，目前国内少有研究从慢性病患者的医疗需求和费用角度关注慢性病共病模式。因此，本研究旨在基于慢性病的复杂性特点挖掘我国慢性病共病模式，探究慢性病共病的复杂模式分布情况、影响因素以及其和卫生服务利用和费用的相关性，为提高我国慢性病共病管理质量和效率提供实证依据。

1 对象与方法

1.1 研究对象

本研究数据来源于2018年和2020年中国健康与养老追踪调查（China Health and Retirement Longitudinal Study，CHARLS）。CHARLS采用分层、多阶段、按人口规模成比例的概率抽样方法收集具有全国代表性的45岁及以上中老年人家庭和个人社会经济地位、健康状况等高质量微观数据，已经被广泛应用于研究我国老年人健康相关问题［10］。CHARLS数据伦理审核号为IRB00001052-11015。

本研究纳入≥60岁的老年人为研究对象，排除患有记忆相关疾病（如老年痴呆、脑萎缩、帕金森病）的受访者，以及权重、性别、年龄、受教育程度、慢性病患病、门诊住院次数及费用等变量缺失的受访者，最终纳入的未加权样本量为15 349人，其中2018年7 147人、2020年8 202人。

1.2 研究变量

本研究关注的主要因变量为躯体慢性病共病的复杂模式。首先，根据美国医疗保险和医疗补助服务中心（Centers for Medicare & Medicaid Services，CMS）的关键慢性病疾病列表（计划外急诊住院测量）和相关研究的定义，慢性病被分为复杂慢性病（complex chronic conditions）和非复杂慢性病（non-complex chronic conditions）［8，11-12］，本研究纳入CHARLS自我报告的12种躯体慢性病，其中包括6种复杂慢性病（糖尿病、慢性肺部疾病、心脏病、卒中、肾病、哮喘）和6种非复杂慢性病（高血压、血脂异常、恶性肿瘤、肝脏疾病、胃部或消化系统疾病、关节炎/风湿病）。其次，根据国际既有研究对慢性病共病的复杂模式分组定义，本研究进一步将躯体慢性病共病组合定义为：（1）相对健康组，即不患上述12种慢性病中的任何一种；（2）简单慢性（共）病组，即仅患有1～5种非复杂慢性病；（3）轻微复杂慢性（共）病组，即患有1～2种复杂慢性病和<6种非复杂慢性病；（4）重大复杂慢性病共病组，即患有≥3种复杂慢性病或≥6种非复杂慢性病［12］。

本研究的次要因变量包括过去1个月门诊就诊次数及费用、过去1年的住院次数及费用。由于CHARLS 2020年问卷调整，门诊和住院费用只针对退出人群，所以本研究只分析了2018年的费用数据。

本研究纳入社会人口学变量作为控制变量，包括年龄（60～64、65～69、70～74、≥75岁）、性别（男、女）、受教育程度（未接受过正规教育、小学、中学及以上）、婚姻状况（已婚、未婚/离异/丧偶）、城乡（農村、城市）、地域（东部、中部、西部）、家庭人均年消费（0～10 000、10 001～20 000、>20 000元）、医疗保险（有、无）。另外，本研究还纳入抑郁状态作为控制变量，其评价依据流行学研究中心抑郁量表（CES-D-10）量表得分进行评定，得分≥10分为处于抑郁状态［13］。

1.3 统计学方法

首先，本研究对样本总体特征、慢性病共病复杂模式的分布特征进行描述性分析。其次，本研究利用广义有序逻辑回归模型探究慢性病共病复杂模式的影响因素。最后，本研究对不同慢性病共病复杂模式的门诊和住院利用次数及费用进行描述，并使用具有对数连接、Gamma分布的广义线性模型探究慢性病共病复杂模式与门诊住院利用及费用的相关性［14］。本研究分析使用Stata 17.0统计软件进行数据分析，所有统计分析除样本量外进行加权处理，以满足CHARLS数据的复杂设计；双侧检验水准α=0.05。

2 结果

2.1 样本特征

15 349名老年人中，年龄多为60～69岁（61.7%），女性（50.3%）、受教育程度为小学及以下水平（69.3%）、已婚（78.8%）、居住在农村（55.2%）、居住在东部地区（38.0%），家庭人均年消费≤20 000元（66.3%）、有医疗保险（95.3%），同时，63.5%的老年人未处于抑郁状态（表1）。2018年和2020年的样本分布近似，在性别、城乡和家庭人均年消费上略有变化。

2.2 躯体慢性病共病的复杂性分布特征

老年人总体样本中，2 054例（13.0%）为相对健康组，5 228例（33.7%）为简单慢性（共）病组，6 737例（44.7%）为轻微复杂慢性（共）病组，1 330例（8.6%）为复杂慢性病共病组（图1）。与2018年相比，2020年轻微复杂慢性（共）病组和重大复杂慢性病共病组占比分别上升了2.1%和1.9%。

在简单和轻微复杂慢性（共）病组中，患病率较高的慢性病主要为高血压和关节炎/风湿病。在重大复杂慢性病共病组中，82.0%患有心脏病、67.9%患有慢性肺部疾病。三组老年人躯体慢性病患病率比较，差异有统计学意义（P<0.05），见表2。

2.3 躯体慢性病共病复杂模式的影响因素

以躯体慢性病共病组合模式为因变量［赋值：相对健康组=1，简单慢性（共）病组=2，轻微复杂慢性（共）病组=3，重大复杂慢性病共病组=4］，以年龄、性别、受教育程度、婚姻状况、城乡分布、地域、家庭人均年消费、医疗保险、抑郁、调查年份为自变量，进行广义有序逻辑回归模型分析，结果显示，年龄、性别、受教育程度、家庭人均年消费、医疗保险、抑郁、调查年份对简单慢性（共）病组、轻微复杂慢性（共）病组、重大复杂慢性病共病组有影响（P<0.05）；年龄、受教育程度、城乡分布、地域、家庭人均年消费、抑郁、调查年份对轻微复杂慢性（共）病组、重大复杂慢性病共病组有影响（P<0.05）；年龄、地域、家庭人均年消费、抑郁、调查年份对重大复杂慢性病共病有影响（P<0.05），见表3。

2.4 躯体慢性病共病复杂模式与门诊住院利用及费用的相关性

在控制其他影响因素的情况下，纳入躯体慢性病共病组合模式为自变量，分别以过去1个月门诊次数（2018年、2020年）、过去1个月门诊费用（2018年）、过去1年住院次数（2018年、2020年）、过去1年住院费用（2018年），进行广义线性模型分析，结果显示，2018年，相较于相对健康组，轻微复杂慢性（共）病组（β=0.82）、重大复杂慢性病共病组（β=1.17）门诊次数更多，简单慢性（共）病组、轻微复杂慢性（共）病组、重大复杂慢性病共病组门诊费用、住院次数和费用均更高（P<0.05）。2020年，相较于相对健康组，简单慢性（共）病组、轻微复杂慢性（共）病组、重大复杂慢性病共病组门诊次数和住院次数均更多（P<0.05），见表4。

3 讨论

3.1 我国半数以上老年人为轻微复杂或重大复杂躯体慢性病共病模式

本研究发现我国约半数以上老年人患有复杂慢性病共病，其中44.7%为轻微复杂慢性病共病，8.6%患重大复杂慢性病共病。在美国Medicare样本中，重大复杂慢性病共病患病率（18.1%）接近简单慢性（共）病（18.2%），约为轻度复杂慢性（共）病（27.4%）的2/3［12］。尽管我国老年人慢性病共病复杂程度略低于美国，但2018—2020年，我国60岁及以上的老年人慢性病共病的复杂程度也在不断加剧。因此，识别慢性病群体中具有“高需求”“高费用”的复杂慢性病共病群体是必要的，需要从患者需求出发开展复杂慢性病共病管理以改善老年人的生命质量并降低医疗体系负担。

3.2 复杂慢性病共病模式的卫生服务利用及费用水平较高

本研究发现，随着慢性病共病复杂程度的增加，相应的门诊及住院的利用和费用水平明显上升，这也进一步验证了慢性病共病复杂模式分类的合理性。既往研究指出，随着慢性病数量的增加，患者的卫生服务利用水平也会增加，如门诊次数、住院天数，并进一步增加卫生支出［15］。同时，复杂慢性病相较于非复杂慢性病具有更严重的并发症及更高的治疗费用［8］。在美国Medicare样本中，高成本患者（医疗花费最高的前10%）中重大复杂慢性病共病患者比例分别为轻度复杂慢性（共）病和简单慢性（共）病的2倍和6倍［12］。本研究结果与上述研究较为一致，即慢性病共病复杂程度越高的患者具有更高的卫生服务利用及费用水平。因此，不仅要加强对轻微复杂慢性（共）病老年人群体的预防管理，避免其发展为重大复杂慢性病共病，更要重点关注具有重大复杂慢性病共病的老年群体，通过合理治疗降低慢性病共病危害以及医疗费用。

3.3 心脏病和慢性肺部疾病在重大复杂慢性病共病中患病率较高

本研究发现重大复杂慢性病共病患者中患病率较高的前2位复杂慢性病为心脏病和慢性肺部疾病，分别为82.0%和67.9%。研究表明，我国老年人群中心脏病患病率总体呈现上升趋势，且心脏病具有严重的并发症和较高的病死率［16］。慢性肺部疾病如慢性阻塞性肺病会导致呼吸困难和持久的咳嗽，造成生活质量严重下降，同时也可能引起其他并发症而造成卫生服务利用的增加［17］。因此，心脏病和慢性肺部疾病是复杂慢性病预防和干预的重点，要加强对高危老年人群的早期预防，对疾病定期筛查，从二级预防的角度避免其发展成为重大复杂慢性病共病。

3.4 研究局限性

本研究存在一些局限性。首先，慢性病患病状况等变量均依靠患者自报，可能存在一定的回忆偏倚，但本研究在数据处理阶段排除掉存在认知功能障碍的患者，尽可能保证信息的真实性。其次，由于数据限制，本研究未能对不同类型的心脏病进行区分，未来的调查可以进一步扩展慢性病的种类，并依据临床诊断确诊慢性病，探究更为准确、全面的慢性病共病的復杂模式分布。最后，本研究基于国外对于慢性病复杂分组的定义进行探索性研究，未来可以更深入地分析我国慢性病共病复杂模式。

4 小结

基于CHARLS最新数据显示，我国半数以上老年人患有复杂慢性病共病，其中44.7%为轻微复杂慢性病共病，8.6%患重大复杂慢性病共病。重大复杂慢性病共病患者中患病率较高的前2位复杂慢性病为心脏病和慢性肺部疾病，分别为82.0%和67.9%。同时，随着慢性病共病复杂程度的增加，相应的门诊及住院的利用和费用水平明显上升，即慢性病共病复杂程度越高的患者具有更高的卫生服务利用及费用水平，建议从医疗需求出发探究慢性病共病有效管理模式，以提高健康水平和降低疾病负担。

作者贡献：赵子寅、祝贺负责文章构思与整体框架设计，文章撰写；赵子寅负责数据分析；张佳军、孙文俊、李慧宁、邢星负责文献搜集、结果解释和分析；祝贺负责文章的质量控制和审校。

本文无利益冲突。

赵子寅：https：//orcid.org/0009-0004-9833-3504

参考文献

何莉，张逸凡，沈雪纯，等. 中国大陆地区居民慢性病共病的流行趋势：一项Meta分析［J］. 中国全科医学，2023，26（29）：3599-3607. DOI：10.12114/j.issn.1007-9572.2023.0217.

SKOU S T，MAIR F S，FORTIN M，et al. Multimorbidity［J］. Nat Rev Dis Primers，2022，8（1）：48. DOI：10.1038/s41572-022-00376-4.

RODRIGUES L P，DE OLIVEIRA REZENDE A T，DELPINO F M，et al. Association between multimorbidity and hospitalization in older adults：systematic review and meta-analysis［J］. Age Ageing，2022，51（7）：afac155. DOI：10.1093/ageing/afac155.

闫伟，路云，张冉，等. 基于CHARLS数据分析的我国老年人共病现状研究［J］. 中华疾病控制杂志，2019，23（4）：426-430. DOI：10.16462/j.cnki.zhjbkz.2019.04.012.

GU J Y，CHAO J Q，CHEN W J，et al. Multimorbidity in the community-dwelling elderly in urban China［J］. Arch Gerontol Geriatr，2017，68：62-67. DOI：10.1016/j.archger.2016.09.001.

LU J，WANG Y，HOU L H，et al. Multimorbidity patterns in old adults and their associated multi-layered factors：a cross-sectional study［J］. BMC Geriatr，2021，21（1）：372. DOI：10.1186/s12877-021-02292-w.

CHEN Y M，SHI L，ZHENG X，et al. Patterns and determinants of multimorbidity in older adults：study in health-ecological perspective［J］. Int J Environ Res Public Health，2022，19（24）：16756. DOI：10.3390/ijerph192416756.

LONG P，ABRAMS M，MILSTEIN A，et al. Effective care for high-need patients：opportunities for improving outcomes，value，and health［M］. Washington D.C.：NAM Special Publication，2023：1-189.

BERKMAN N D，CHANG E，SEIBERT J，et al. Management of high-need，high-cost patients：a “best fit” framework synthesis，realist review，and systematic review ［J］. Rockville （MD）： Agency for Healthcare Research and Quality （US），2021. DOI：10.23970/AHRQEPCCER246.

ZHAO Y H，HU Y S，SMITH J P，et al. Cohort profile：the China health and retirement longitudinal study（CHARLS）［J］. Int J Epidemiol，2014，43（1）：61-68. DOI：10.1093/ije/dys203.

RTI International. Accountable care organization 2015 program analysis quality performance standards narrative measure specifications. Centers for Medicare & Medicaid Services［Z/OL］. ［2023-12-01］. https：//www.cms.gov/Medicare/Medicare-Fee-for-Service-Payment/sharedsavingsprogram/Downloads/ACO-NarrativeMeasures-Specs.pdf.

JOYNT K E，FIGUEROA J F，BEAULIEU N，et al. Segmenting high-cost Medicare patients into potentially actionable cohorts［J］. Healthc，2017，5（1/2）：62-67. DOI：10.1016/j.hjdsi.2016.11.002.

RADLOFF L S. The CES-D scale［J］. Appl Psychol Meas，1977，1（3）：385-401. DOI：10.1177/014662167700100306.

景日澤，王虎峰，方海. 基于两部模型的家庭医生签约对社区居民医疗费用影响的实证分析［J］. 中国卫生政策研究，2021，14（11）：25-34. DOI：10.3969/j.issn.1674-2982.2021.

11.004.

ZHAO Y，ATUN R，OLDENBURG B，et al. Physical multimorbidity，health service use，and catastrophic health expenditure by socioeconomic groups in China：an analysis of population-based panel data［J］. Lancet Glob Health，

2020，8（6）：e840-849. DOI：10.1016/S2214-109X（20）

30127-3.

胡倩倩，周统，刘志辉，等. 中老年缺血性脑卒中共病现状及共病模式分析：基于河南省三甲医院数据［J］. 中国全科医学，2024，27（2）：201-207. DOI：10.12114/j.issn.1007-9572.2023.0459.

梁家怡，廖贵曲，黄娟娟，等. 慢阻肺患者住院费用影响因素的通径分析［J］. 现代预防医学，2022，49（4）：605-608，626.

（收稿日期：2024-01-12；修回日期：2024-03-15）

（本文编辑：毛亚敏）