[论文解读] A new method for deriving incidence rates from prevalence data and its application to dementia in Germany

Ralph Brinks|arXiv (Cornell University)|Dec 12, 2011

Health and Medical Studies参考文献 4被引用 9

一句话总结

本文提出了一种基于常微分方程（ODE）的新方法，仅利用横断面患病率数据，通过分 compartment 模型和自然样条插值，推导出痴呆等慢性疾病在不同年龄组的发病率。该方法实现了无需纵向数据的高效、计算轻量化的发病率估计，所得德国痴呆发病率与已发表数据高度一致。

ABSTRACT

This paper descibes a new method for deriving incidence rates of a chronic disease from prevalence data. It is based on a new ordinary differential equation, which relates the change in the age-specific prevalence to the agespecific incidence and mortality rates. The method allows the extraction of longtudinal information from cross-sectional studies. Applicability of the method is tested in the prevalence of dementia in Germany. The derived age-specific incidence is in good agreement with published values.

研究动机与目标

• 开发一种计算高效的算法，仅基于横断面患病率数据估算慢性疾病的发病率。
• 克服队列研究成本高且易发生失访的局限性。
• 为健康服务研究提供一种实用的替代方案，当缺乏纵向数据时，可获得发病率估计。
• 使用德国法定健康保险系统的实际痴呆患病率数据对方法进行验证。

提出的方法

• 该方法基于一个三状态分 compartment 模型（健康、患病、死亡），其中转移率随年龄变化。
• 推导出一个常微分方程（ODE），将年龄特异性患病率的变化与发病率和死亡率联系起来。
• 通过解析变换将 ODE 简化为一维形式，从而可直接求解发病率。
• 利用自然样条插值，将患病率数据转换为可微函数。
• 通过迭代计算，利用样条插值得到的导数和死亡率数据，求解发病率。
• 该方法避免了复杂的优化过程，相比多维模型，计算效率更高。

实验结果

研究问题

• RQ1 仅基于横断面患病率数据，能否可靠地估计慢性疾病的发病率？
• RQ2 所提出的基于 ODE 的方法在准确性和计算效率方面与现有方法相比如何？
• RQ3 从患病率数据推导出的德国痴呆年龄特异性发病率是多少？
• RQ4 发病率估计对死亡率和疾病持续时间假设的敏感性如何？

主要发现

• 推导出的德国痴呆年龄特异性发病率与其它研究的已发表数据高度一致。
• 对于 90–94 岁年龄组，该方法估计女性发病率约为 9.7/100 人年，男性为 8.4/100 人年，与已发表数据非常接近。
• 该方法优于其他替代方法，例如 Ziegler 和 Doblhammer（2009）所用方法，后者可能因方法学缺陷而高估发病率。
• 敏感性分析表明，该方法具有鲁棒性，但若低估诊断后死亡率，可能导致发病率估计偏低。
• 使用自然样条插值可确保患病率函数平滑且可微，从而实现 ODE 的精确求解。
• 该方法计算效率高，无需复杂优化，适用于大规模流行病学应用。