條文本
摘要
客觀的在缺乏足夠的具有全國代表性的多病經驗證據的情況下,現有的醫療保健服務係統不能充分滿足老年人口日益增長的需求。因此,本研究確定了印度老年人中經常發生的多病模式。此外,該研究還考察了已確定的模式與社會經濟、人口統計學、生活方式和人體測量相關因素之間的聯係。
設計目前的研究結果基於一項橫斷麵研究中具有全國代表性的大樣本。
環境和參與者該研究使用了2017-2018年印度縱向老齡化研究中58975名老年人(45歲及以上)的數據。
主要和次要結果測量該研究納入了16種非傳染性疾病的清單,以使用潛在類別分析確定常見的模式。該研究采用多項logistic回歸模型來評估已確定的疾病模式與單位水平的社會經濟、人口統計學、生活方式和人體測量特征之間的關聯。
結果目前的研究表明,該國的老年人可以分為六種模式:“相對健康”、“高血壓”、“胃腸疾病-高血壓-肌肉骨骼疾病”、“肌肉骨骼疾病-高血壓-哮喘”、“代謝疾病”和“複雜心髒代謝疾病”。此外,社會經濟、人口統計學、生活方式和人體測量因素與一種或多種已確定的疾病模式顯著相關。
結論確定的類別“高血壓”、“代謝障礙”和“複雜心髒代謝障礙”反映了心髒代謝疾病的三個階段,高血壓是第一個階段,“複雜心髒代謝障礙”是疾病進展的最後一個階段。這表明需要對高危高血壓人群采取有效的預防措施。此外,有針對性的幹預措施對於減輕高危人群的負擔和在社區一級提供公平的保健服務至關重要。
- 公共衛生
- 營養
- 流行病學
- 人口統計學
- 社會醫學
數據可用性聲明
如有合理要求,可提供資料。數據已存檔於2017-18年印度縱向老齡化研究的公共資源庫。對數據的訪問需要注冊,並且隻允許用於合法的研究目的。有關申請訪問數據集的指引可參閱https://www.iipsindia.ac.in/content/LASI-data.Thedatacanbeaccessedbyfillingouttherequestformavailableathttps://iipsindia.ac.in/sites/default/files/LASIDataRequestForm.pdf並將其發送到印度孟買國際人口科學研究所的數據中心(datacenter@iipsindia.ac.in)。
這是一篇開放獲取的文章,根據創作共用署名非商業(CC BY-NC 4.0)許可證發布,該許可證允許其他人以非商業方式分發、混音、改編、在此基礎上進行構建,並以不同的條款許可其衍生作品,前提是正確引用原始作品,給予適當的榮譽,任何更改都已注明,並且使用是非商業性的。看到的:http://creativecommons.org/licenses/by-nc/4.0/.
數據來自Altmetric.com
本研究的優勢和局限性
該研究使用具有全國代表性的老年人大樣本,提供了關於非傳染性疾病模式的經驗證據。
該研究使用基於概率的分類方法探索了新興的非傳染性多病類別。
研究中納入的非傳染性疾病基於自我報告,導致了錯誤分類偏見。
考慮到疾病負擔和分析的地理和背景差異,這些結果應該明確地理解為印度的老年人。
這些發現是基於一輪縱向調查得出的;因此,沒有檢驗因果關係。
背景
據世界銀行(World Bank)估計,在過去60年裏,印度出生時的預期壽命增加了28歲。1盡管假設預期壽命的增加是生活條件改善和保健基礎設施和保健服務進步的副產品,但過去20年一直受到發病率負擔增加的製約,該國非傳染性疾病(NCD)占多數。2盡管衛生保健部門不斷發展,但印度仍沒有充分準備應對日益嚴重的非傳染性疾病流行。造成這種不足的主要原因是非傳染性疾病是由共同的病理生理學和危險因素造成的。因此,它們往往相互作用和共存,通常被稱為聯合發病率。3.
印度現有的絕大多數發病率研究仍在探索單一慢性疾病的各個領域,4 - 6對同時發生的多種疾病,也稱為多病的關注較少。2月7此外,印度對多病的研究基於簡單計數或分數等一維指標,存在界限不明確的局限性。8 10除了這個正在進行的爭論之外,這些粗略的測量方法特別關注慢性疾病的數量,而不是它們的性質以及它們是如何相互作用的。因此,由上述方法產生的證據(多病評分)可以估計多病負擔,但不足以形成政策或設計幹預措施,主要是由於其在理解與多病相關的複雜性方麵存在缺陷。2 9 11在這種情況下,對於像印度這樣的低資源經濟體來說,滿足該國多病老年人的多方麵服務需求是一項挑戰。
最近的研究建議利用潛在類別分析(LCA)的優勢來解決這個問題。12 - 14這些研究表明,慢性非傳染性疾病在任何社區環境中都不成比例地分布。因此,人口的不同亞群體有不同的保健優先事項和需求。14 - 16因此,通過LCA確定的疾病模式可用於重新定位現有的醫療保健服務係統,從以疾病為中心的模式轉向更以患者為中心的方法。9因此,本研究旨在彌補這一知識鴻溝,並確定印度老年人中經常發生的非傳染性疾病多病模式。此外,這項研究將審查社會經濟、人口、生活方式和人體測量因素與已查明的非傳染性疾病模式之間的聯係。
材料與方法
數據來源、倫理考慮和樣本量
本研究基於2017-2018年印度縱向老齡化研究(LASI)。LASI是在印度政府衛生和家庭福利部的指導下進行的。17該調查包括45歲及以上的個人及其配偶居住在同一家庭的信息,與年齡無關。17LASI實施了多階段分層概率聚類抽樣設計,從35個邦/聯邦地區(錫金除外)抽取全國代表性數據。關於調查設計和樣本量的詳細說明可以在其他地方看到。17
LASI獲得了在印度國際人口科學研究所(IIPS)舉行的印度醫學研究理事會和機構審查委員會的倫理批準。此外,所有研究參與者都進行了書麵知情同意。17這些數據是從孟買IIPS的LASI公共存儲庫下載的。該研究使用了合並的數據集(N= 65900),其中包含來自個人、生物標誌物和家庭數據文件的信息。最終分析基於從合並數據集中獲得的58 975名45歲或以上的個人。
患者和公眾參與
讓患者或公眾參與我們的研究設計、實施、報告或傳播計劃是不合適的,也是不可能的。
措施
根據自我報告的醫療診斷來衡量每種疾病的問題是:“是否有健康專業人員診斷出你患有以下慢性疾病?”該清單包括16種疾病的信息,即哮喘、癌症、慢性支氣管炎、慢性心髒病、慢性腎功能衰竭、慢性阻塞性肺病、糖尿病、胃腸道疾病、高膽固醇、高血壓、肌肉骨骼疾病、神經和精神疾病、皮膚病、中風、甲狀腺疾病和尿失禁。根據所使用的統計包,將上述疾病編碼為no(1)或yes(2)。
基於現有文獻評估的社會經濟、人口統計學、生活方式和人類測量變量包括年齡(45 - 49/50 - 54/55 - 59/60 - 64/65 - 69/70 - 74/ 65 - 69/70 - 74/75 - 79/80歲或以上)、性別(男性/女性)、居住(城市/農村)、宗教(印度教/穆斯林/基督教/其他)、社會群體(暫定種姓(SC)/暫定部落(ST)/其他落後階層(OBC)/其他)、教育水平(未受教育/少於5年/5 - 9年/10年或以上)、財富狀況(貧窮/非貧窮)、目前的婚姻狀況(已婚/未婚)、目前的工作狀況(從未工作/過去工作但目前沒有工作/目前工作)、煙草消費量(從未吸煙/戒煙/正在消費)、曾經飲酒(沒有/有)、體育活動(體育活動/不體育活動)、身體質量指數(BMI)(體重不足/正常/超重/肥胖)和腰臀比(低風險/高風險)。
宗教和社會群體(包括四個主要種姓類別)是必不可少的,因為它們在印度的背景下構建了社會結構。它們在任何個人的社會接受度、文化和飲食方麵都起著決定性的作用。研究中包括的四個主要社會群體是SC、ST、OBC和其他(包括所有其他種姓群體)。基於社會分層,SC、ST和OBC被認為是社會弱勢群體,而“其他”類別主要包括社會接受的“上層”種姓。18
身體活動被分為兩類:不運動和積極運動。身體不活躍的人是指那些在一周內沒有進行任何中度或劇烈身體活動的人。相反,積極運動的人滿足三個標準中的一個:
隻進行劇烈運動:每周至少進行75分鍾高強度體育活動的人。
隻進行中等強度的活動:每周至少進行150分鍾中等強度的體育活動。
高強度和中等強度的運動:同時進行中等強度和高強度運動的人。
LASI包括體重、身高、腰圍和臀圍等信息。我們使用BMI,計算方法為體重(單位為kgs)除以身高(單位為m)的平方2)和臀圍,計算方法為腰圍(單位厘米)除以臀圍(單位厘米)。BMI分為4類,即體重不足(BMI≤18.4 kg/m)2),正常(18.5 kg/m .2≤BMI≤24.9 kg/m2),超重(25.0 kg/m2≤BMI≤29.9 kg/m2)和肥胖(BMI≥30 kg/m2).在對個體性別進行分層後,將WHR分為高風險和低風險。男性WHR <0.90、女性WHR <0.85為低危;男性WHR≥0.90、女性WHR≥0.85為高危。
統計分析
我們計算了描述性統計數據,包括未加權頻率和加權百分比。除此之外,還報告了疾病概況,即研究中包括的所有非傳染性疾病的患病率。為確定複發性疾病組合,所有可能的雙向組合(16C2=120)。進一步,用χ補充2P值來確定有統計學意義的相關性或相關性發病率。
LCA用於識別常發疾病模式。LCA是一種統計程序,用於確定一個群體中未觀察到的同質(潛在)子群。19日20這些亞組是根據從研究人群中收集的分類反應確定的。在選擇最優的潛在類別數量(例如n個類別)之前,擬合了一組潛在類別模型。現有文獻沒有確定最佳標準的確切方法;因此,采用了最廣泛接受的統計標準。21這包括報告多個擬合統計數據,以及簡約性和理論可解釋性。12 15 19 20因此,選擇標準基於多個模型擬合指標,赤池信息準則(AIC)、貝葉斯信息準則(BIC)、調整貝葉斯信息準則(aBIC)、一致赤池信息準則(cAIC)。12日13在確定疾病類別的最佳數量(n)時,簡約性和理論可解釋性是首選。此外,χ2除最小類數外,還報告擬合優度、G2統計量、熵和似然比檢驗,並報告它們各自的百分比。19日22
這些“n”類是根據研究中所選慢性疾病的項目反應概率進行標記的。12日13現有文獻表明,項目反應概率類似於因素負荷。23鑒於此,建議采用0.3或以上的標準負荷來定義特定的因子。24 - 26日因此,選擇0.3作為臨界值來分配標簽。項目反應概率為0.3或以上的特定項目(或疾病)說明與已識別的潛在模式或類別有很強的關聯。因此,這個項目是最有信息量的,並被用來為特定的潛在類分配標簽。一旦選擇了最佳的潛在類別數量,整個研究人群被分為“n”類(已確定的疾病類別)。12日14最後,進行多變量多項logistic回歸(後驗分析),以確定與已確定的多疾病模式相關的因素。
本研究使用RStudio V.1.1.463 (R Studio)中的“poLCA”包進行分析。21這項研究遵循《加強流行病學觀察性研究報告指南》(在線補充文件1).研究中產生的所有估計值都是在適當應用LASI提供的2017-2018年抽樣權重後提出的。17
結果
所選慢性病的樣本描述和分布
本分析基於2017-2018年LASI第一波中年齡在45歲及以上的58975人。表1描述了研究人群,其中19%的人年齡在45-49歲之間。大約54%的人是女性,71%的人生活在農村地區。大約82%的人信仰印度教,45%的人屬於OBC群體。51%的人沒有接受過教育,74%的人目前已婚。大約62%的人從不吸煙,85%的人終身戒酒,29%的人過著不運動的生活方式。此外,20%的人超重,7%的人肥胖,77%的人有高風險WHR。
疾病概況和選定非傳染性疾病之間的關聯
圖1說明了印度老年人中所選非傳染性疾病之間所有可能的雙向組合的疾病概況、聯係和患病率。對角線單元格中的值(淺藍色)表示研究中包括的所有疾病的患病率。調查結果表明,14種疾病的患病率大於1%,而11種疾病的患病率大於2%。高血壓(26.9%)、胃腸道疾病(18.4%)、肌肉骨骼疾病(16.2%)、糖尿病(11.7%)和皮膚病(5.2%)在印度老年人中常見。
非對角線值表示所有可能的雙向組合的流行率(%)。此外,黃色和綠色表示這兩種疾病在任何特定組合中的關聯程度。這項研究探討了120種疾病的組合(16C2=120),其中110例具有統計學意義,20例患病率超過1%。本研究中確定的最常見的疾病組合是“糖尿病-高血壓”(7.8%)、“肌肉骨骼疾病-高血壓”(6.4%)、“胃腸疾病-高血壓”(6.1%)、“胃腸疾病-肌肉骨骼疾病”(3.9%)、“肌肉骨骼疾病-糖尿病”(2.7%)和“慢性心髒病-高血壓”(2.5%)。高血壓存在5個有統計學意義的相關性(鏈接);同樣,胃腸道疾病和糖尿病存在四個環節,使它們成為相互作用最大的疾病。
多重疾病的潛在類別
表2說明LCA模型擬合結果。AIC、BIC、cAIC、aBIC降低至6類模型。7、8和9類模型沒有被很好地識別出來,即即使經過10,000次迭代,它們也不能達到最大似然。以BIC值最小(其他擬合指標均一致)以及模型的理論可解釋性為依據,選擇6類模型為最優模型。此外,一個六類模型報告了一個可接受的熵水平(熵=0.62)。所選模型的最低類數為457,占研究樣本的0.78%。
類別比例和項目響應概率(ρ)的結果在表3.這些估計的項目反應概率(ρ≥0.3)被用於為確定的六類模型分配標簽。與其他類別相比,第1類包括所有16種非傳染性疾病概率較低的個體。這一群體占研究人群的65%,被標記為相對健康的.本組多病患病率為3.4%,慢性疾病的平均數量為0.4。
第2類包括23.6%的研究人群被標記為高血壓並報告高血壓的高概率(0.76)。本組多病患病率為61.76%,平均慢性病例數為1.8例。
第3類包括6.6%的研究人群被標記為胃腸疾病-高血壓-肌肉骨骼疾病胃腸道疾病(0.53)、高血壓(0.35)和肌肉骨骼疾病(0.30)的概率較高。本組多病患病率為100.0%,平均慢性疾病數為2.8例。
第4類占研究人群的0.8%,被標記為肌肉骨骼disorders-hypertension-asthma肌肉骨骼疾病(0.30)、高血壓(0.33)和哮喘(0.30)的概率也很高。本組多病患病率為100.0%,平均慢性疾病數為3.0例。
第5類占研究人群的2.6%,被標記為代謝紊亂高血壓(0.75),高膽固醇(0.57)和糖尿病(0.48)的概率很高。本組多病患病率為100.0%,平均慢性疾病數為3.2例。
第6類占研究人群的1.5%,被標記為複雜的心髒代謝紊亂高血壓(0.85)、肌肉骨骼疾病(0.51)、糖尿病(0.50)、胃腸道疾病(0.43)、高膽固醇(0.28)和心髒病(0.27)的概率較高。值得一提的是,高血壓、肌肉骨骼疾病、糖尿病和胃腸道疾病的項目反應概率高於規定的臨界值0.3。然而,高膽固醇(0.28)和慢性心髒病(0.27)的項目反應概率可以被認為是0.3,如果四舍五入到一個小數。本組多病患病率為100.0%,平均慢性疾病數為5.1例。六個已確定的潛在階層的社會人口統計學、生活方式和人體測量特征的詳細描述,載於在線補充文件2.
後分析
表4描述多項logistic回歸分析結果考慮相對健康的類作為基結果。研究結果表明,年齡越大,屬於五種多病類型中的任何一種的可能性就越大。特別是,身為女性增加了屬於高血壓,胃腸疾病-高血壓-肌肉骨骼疾病,代謝疾病和複雜的心髒代謝疾病類。居住在城市地區增加了屬於某個階層的可能性:高血壓,代謝紊亂而且複雜的心髒代謝紊亂與班級相比相對健康的.屬於某一階層的可能性:高血壓,胃腸疾病-高血壓-肌肉骨骼疾病,代謝疾病和複雜的心髒代謝疾病在穆斯林信仰的受訪者中,這一比例高於其他信仰的受訪者相對健康的類。
屬於ST降低了屬於階級的可能性胃腸疾病-高血壓-肌肉骨骼疾病,肌肉骨骼疾病-高血壓-哮喘,代謝疾病和複雜的心髒代謝疾病相比之下,相對健康的類。
特別是,受過良好教育的受訪者更有可能屬於某個階層高血壓,代謝紊亂而且複雜的心髒代謝紊亂比來自相對健康的類。屬於富裕階層的受訪者更有可能屬於五種多種疾病類別中的任何一種相對健康的類。
研究結果表明,目前正在工作的人不太可能成為工作狂高血壓,胃腸疾病-高血壓-肌肉骨骼疾病,肌肉骨骼疾病-高血壓-哮喘和代謝疾病.
考慮到生活方式和人體測量預測因素,與戒煙者相比,戒煙者更有可能屬於五種多病類別中的任何一種相對健康的.飲酒增加了屬於這一階層的可能性代謝紊亂.超重會增加屬於某個階層的可能性高血壓,胃腸疾病-高血壓-肌肉骨骼疾病,代謝疾病和複雜的心髒代謝疾病相比之下相對健康的類。肥胖增加了屬於五種多病類型中的任何一類的可能性相對健康的類。此外,缺乏體育鍛煉增加了屬於某個階層的可能性高血壓和複雜的心髒代謝障礙.高風險WHR增加了屬於階層的可能性高血壓,胃腸疾病-高血壓-肌肉骨骼疾病,代謝疾病和複雜的心髒代謝疾病相比之下,相對健康的類。
討論
本研究使用LCA來調查印度老年人中出現的多病模式,並確定其預測因素。該研究基於58975人的全國代表性樣本,包括16種非傳染性疾病的信息。
LCA鑒定了六種多病類型,包括一種主要的相對健康的(65.0%)類,高血壓(23.6%),胃腸疾病-高血壓-肌肉骨骼疾病(6.6%),肌肉骨骼疾病-高血壓-哮喘(0.78%),代謝障礙(2.58%),複雜心髒代謝障礙(1.45%).根據《世界人口展望(2019年)》,老年人口為32977.5萬(約3.3億),27我們可以推斷,大約有1.2億人屬於五種多重疾病類別之一(35.0%)。
這些結果的類別暗示著數量上的區別,但其中三個模式在質量上是相當相似的。考慮到數量方麵,很明顯複雜的心髒代謝紊亂緊隨其後的是代謝紊亂是最複雜的疾病模式,許多非傳染性疾病同時存在。在五種多病分類中,高血壓以高隸屬概率成為最普遍的非傳染性疾病。此外,疾病模式高血壓,代謝紊亂而且複雜的心髒代謝紊亂反映心髒代謝疾病的三個階段。可以假設,如果個人受到高血壓的影響,他們更有可能積累其他心髒代謝疾病,如糖尿病、高膽固醇和心髒病。從規劃的角度來看,研究結果強調迫切需要對高血壓患者實施有效的預防和管理策略。
由於本研究是首次嚐試探索印度老年人的主要疾病模式,與其他研究的比較是繁重的,主要原因是多重疾病的操作定義不明確、所涉及年齡組的差異和其他方法上的差異。然而,最近的研究表明,心血管和代謝疾病是該國經常發生的疾病。18 28值得一提的是,上述研究納入的慢性疾病較少。此外,確定的疾病聚類與基於在不同地理環境下進行的14項研究的係統評價一致。29
年齡最初是所有已確定的老年人多病模式的主要預測因素之一。衰老是一個普遍的過程,其特征是各種生物和神經過程不可避免地發生變化,導致細胞水平的漸進性功能下降。30.這些變化也可能反映了慢性疾病的易感性增加。然而,老齡化並不等同於健康不佳或多種疾病。有意識地采用健康的飲食模式,結合積極的生活方式,包括體育活動,管理其他行為方麵和環境暴露,可以改變這種情況。31
同樣,屬於富裕階層與所有多病模式顯著相關,而受教育程度增加了屬於富裕階層的可能性高血壓,代謝紊亂而且複雜的心髒代謝紊亂.與此同時,居住在城市地區增加了屬於的可能性高血壓,代謝紊亂而且複雜的心髒代謝紊亂.這暗示了在早期篩查、診斷和治療服務的可獲得性和可獲得性更好的個體中多病的優勢。18 32通過“Ayushman巴拉特,印度政府在全國各地建立了健康和保健中心,以便及時發現、預防和有效管理疾病。33盡管如此,還是存在一些問題,比如不恰當的推薦網絡、低效的供應鏈管理和員工。18此外,最近的研究強調了醫療保健提供者的不良行為和低個人能力。34這在很大程度上影響了政府管理的公共保健中心的質量。因此,沒有經濟或非經濟資源的個人,如缺乏交通設施、殘疾、生活在農村地區和工作時間,在獲得負擔得起的高質量醫療保健方麵麵臨挑戰。然而,這可能無法完全解釋富裕、受過教育和城市居民疾病負擔較高的原因。其他原因可能是這一群體能夠更好地獲得健康信息和教育,使他們能夠識別非傳染性疾病的早期症狀,更好地遵守治療方案。35
女性更傾向於被分到疾病班高血壓,胃腸疾病-高血壓-肌肉骨骼疾病,代謝疾病和複雜的心髒代謝疾病.我們的研究結果與現有文獻一致,這些文獻表明印度正在經曆多種疾病的女性化,7 18 36主要原因是預期壽命延長和長期處於社會孤立狀態。8日18
屬於ST社會群體會降低屬於階層的可能性胃腸疾病-高血壓-肌肉骨骼疾病,肌肉骨骼疾病-高血壓-哮喘,代謝疾病和複雜的心髒代謝疾病.最近的研究也強調了類似的發現。8 37在某種程度上,這可能表明ST人群的健康狀況更好。然而,由於本研究中使用的數據是自我報告的診斷,所產生的估計主要基於個人的感知和意識。因此,它們可能表明該人群的非傳染性疾病負擔未得到充分診斷。38部落人口被認為是印度最弱勢的人口亞群體。39他們居住在偏遠地區,對健康風險認識不足,獲得優質醫療保健的機會有限。40 41另一個問題是,這一社會群體對醫療保健的接受程度較低,這被強調為低診斷率和治療率的重要原因。因此,這些調查結果表明,獲得醫療保健的機會不平等,這反過來又表明,迫切需要使這部分人口對醫療保健服務有足夠的認識、可獲得性、可負擔性、可用性和可接受性。39 42 43
生活方式預測者:戒煙增加了屬於五種多種疾病類別的可能性。由於戒煙是減少非傳染性疾病的關鍵,醫生建議多病患者戒煙。44肥胖增加了屬於五種多病類型中的任何一類的可能性。此外,缺乏體育鍛煉增加了屬於某個階層的可能性:高血壓和複雜的心髒代謝障礙,而高風險WHR增加了屬於的可能性高血壓,胃腸疾病-高血壓-肌肉骨骼疾病,代謝疾病和複雜的心髒代謝疾病.這些發現表明,生活方式和人體測量動力學在任何社區中都對增加相關慢性發病率的暴露具有重要意義,正如現有文獻中已經針對人口的各個細分人群強調的那樣。9日18
這項研究的主要優勢在於,它利用具有全國代表性的老年人樣本,提供了關於複發性疾病模式的經驗證據。然而,研究中納入的非傳染性疾病是基於自我報告的,這可能導致錯誤分類偏見。研究中沒有檢驗因果關係,因為研究結果是基於單輪縱向調查。此外,LCA這種數據驅動技術在方法上的局限性也不容否認。分類是基於概率的分類方法,這是一個潛在的偏差來源。此外,由於指定的類別標簽是基於作者的自由裁量,因此不能排除主觀性和命名謬誤。此外,考慮到疾病負擔和分析的地理和背景差異,這些結果應該明確地理解為印度的老年人。
結論
這些發現可以識別在醫院就診期間患有一種或多種疾病的患者的相關疾病。“高血壓”、“代謝障礙”和“複雜心髒代謝障礙”這三個類別反映了心髒代謝疾病的三個階段,其中高血壓是第一個階段,“複雜心髒代謝障礙”是疾病進展的最後一個階段。這突出表明有必要製定有效的預防戰略。這些發現可以幫助醫生和政策製定者為屬於特定疾病類別的個人製定控製、預防和管理的實際策略,以免積累更多的疾病。因此,提倡調整現有醫療服務的政策,以適應老年人口(45歲及以上)不斷增長的需求,估計到2050年,老年人口將達到6.6億。27另外,以公平預防戰略為形式的有針對性的幹預措施對於減輕該國高危老年高血壓人群的負擔至關重要。
數據可用性聲明
如有合理要求,可提供資料。數據已存檔於2017-18年印度縱向老齡化研究的公共資源庫。對數據的訪問需要注冊,並且隻允許用於合法的研究目的。有關申請訪問數據集的指引可參閱https://www.iipsindia.ac.in/content/LASI-data.Thedatacanbeaccessedbyfillingouttherequestformavailableathttps://iipsindia.ac.in/sites/default/files/LASIDataRequestForm.pdf並將其發送到印度孟買國際人口科學研究所的數據中心(datacenter@iipsindia.ac.in)。
倫理語句
患者發表同意書
倫理批準
該研究使用了二手數據源“2017-2018年印度縱向老齡化研究”的去識別數據。該調查遵循了所有必要的指導方針,並獲得了印度醫學研究委員會(ICMR)和在印度孟買國際人口科學研究所舉行的研究所審查委員會的倫理批準。參與者在參與研究前均知情同意參與研究。
致謝
作者非常感謝印度縱向老齡化研究(LASI)收集和發布了關於45歲及以上人口的一係列健康、生物標誌物和醫療保健利用指標的準確、具有全國代表性的數據。作者也感謝LASI的項目合作夥伴,國際人口科學研究所(IIPS),哈佛大學陳曾熙公共衛生學院和南加州大學(USC)。本文的研究結果在英國倫敦經濟學院舉行的2021年英國人口研究學會(BSPS)會議上發表。這些文章的部分內容也在IUSSP的2021年國際人口會議(IPC)上發表。
參考文獻
腳注
貢獻者PP提出了這項研究的想法,進行了統計分析,並負責報告的初稿。PP, SKS和SP為後續和最終的草案做出了貢獻。SKS和SP負責監督。PP作為最終稿件的保證人。
資金作者沒有從任何公共、商業或非營利部門的資助機構宣布對這項研究的具體資助。
相互競爭的利益沒有宣布。
患者和公眾參與患者和/或公眾沒有參與本研究的設計、實施、報告或傳播計劃。
出處和同行評審不是委托;外部同行評審。
補充材料此內容由作者提供。它沒有經過BMJ出版集團有限公司(BMJ)的審查,也可能沒有經過同行評審。討論的任何意見或建議僅是作者的意見或建議,不被BMJ認可。BMJ不承擔因對內容的任何依賴而產生的所有責任和責任。如果內容包括任何翻譯材料,BMJ不保證翻譯的準確性和可靠性(包括但不限於當地法規、臨床指南、術語、藥品名稱和藥物劑量),並且對因翻譯和改編或其他原因引起的任何錯誤和/或遺漏不負責。