需要JoVE订阅才能观看此内容。 请登录或开始免费试用

方法文章

基于GBD 2021的分析工作流程估算归因于低体力活动的全球肿瘤疾病负担

90 次观看

⸱

DOI：

10.3791/70495

⸱

2026年8月7日

 ,  , 
1Department of Gastroenterology, Changshu Hospital of Traditional Chinese Medicine, 2The First School of Clinical Medicine, Nanjing University of Chinese Medicine, 3Department of Traditional Chinese Medicine, Inner Mongolia Medical University Affiliated Hospital, 4Department of Gastroenterology, Jiangsu Second Chinese Medicine Hospital

本文内容

摘要

本方案展示了一种可重复的工作流程，用于提取、处理、分析和可视化2021年全球疾病负担（GBD）研究中归因于身体活动不足的肿瘤相关估计数据。该工作流程使研究人员能够利用标准化的人群水平数据，评估疾病负担指标、时间趋势、分解成分、社会经济不平等以及基于模型的预测结果。

摘要

本方案描述了一种可重复的分析流程，用于利用2021年全球疾病负担（Global Burden of Disease 2021）数据估算由体力活动不足所致肿瘤的全球负担。该流程包括从GBD结果工具中提取数据，定义符合条件的结局和暴露类别，估算死亡人数、伤残调整生命年及年龄标准化率，使用估计年度百分比变化和连接点回归进行时间趋势分析，分解分析，社会经济不平等评估，以及贝叶斯年龄-时期-队列预测。本方案还阐述了如何在模型估算的人群水平背景下解读不确定性区间、分解组分和不平等指标。作为典型应用，该流程被应用于分析1990年至2021年间204个国家和地区中由体力活动不足所致的结直肠癌和女性乳腺癌，并预测至2045年。当研究人员需要对其他GBD风险-结局组合进行风险归因负担估算、趋势特征描述、不平等评估和预测分析时，可借鉴并调整本方案。

引言

肿瘤是导致全球死亡和残疾的一类重要非传染性疾病（NCDs），在全球范围内构成了严峻的公共卫生挑战。GLOBOCAN 2022年的数据显示，全球新发肿瘤病例达1996万例，死亡病例达974万例，其中肺癌、乳腺癌（女性）和结直肠癌为主要的恶性肿瘤类型。预计到2050年，全球癌症年发病率将达到3500万例（较2022年增长77%），人类发展指数（HDI）较低的国家增幅预计高达142%，主要受人口结构转变的驱动。在HDI较低的地区，人口增长、人口老龄化、筛查体系不完善以及治疗可及性受限等因素推动了这一趋势，凸显了公平分配全球肿瘤学资源的紧迫性1。

低水平体力活动（LPA）是多种主要非传染性疾病（包括恶性肿瘤、代谢性疾病和神经精神疾病）中已明确的可改变决定因素2,3,4。LPA 构成重大的全球健康负担，自2000年以来，其年龄标化患病率上升了6.6%，并在2022年导致全球所有原因死亡的7.2%5,6。中等强度体力活动（PA）对乳腺癌（HR 0.90；95% CI：0.87–0.93）、结肠癌（HR 0.84；95% CI：0.77–0.91）和直肠癌（HR 0.87；95% CI：0.80–0.95）具有显著保护作用，同时可平行降低特定部位的死亡率7。为在全球范围内促进必要的体力活动，许多国家和地区已根据各自具体情况制定了国家体力活动指南（如加拿大、英国和美国），并通过世界卫生组织（WHO）和欧盟等机构广泛传播。遗憾的是，全球仅有72.5%的成年人达到公共卫生指南中建议的最低体力活动水平8。

减轻由身体活动不足导致的肿瘤负担，对于实现联合国可持续发展目标（SDG）2030年目标至关重要：通过预防和治疗，将非传染性疾病（NCDs）的过早死亡率降低三分之一9。生成强有力的证据以阐明身体活动不足（LPA）与肿瘤之间的关系，对于指导未来的卫生政策具有重要意义。2021年全球疾病、伤害和危险因素负担研究（GBD 2021）采用标准化的流行病学方法，提供了1990年至2021年间204个国家和地区层面可比较的死亡率、伤残调整生命年（DALYs）以及危险因素归因负担的估计值。在GBD 2021中，疾病与伤害的估计涵盖371种疾病和伤害，而危险因素分析则对88种危险因素的暴露水平、相对风险、人群归因分数及归因负担进行了估算10。然而，目前较少研究提供了一套逐步且可重复的操作流程，用于提取GBD 2021中与身体活动不足相关的肿瘤数据，并在同一研究方案中应用趋势分析、分解分析、不平等分析和预测分析。本文填补了这一方法学空白，详细描述了针对该特定GBD危险因素-结局配对的数据提取、变量定义、统计建模及结果解释流程。本研究方案描述了一项可重复的GBD 2021数据二次分析，涵盖1990年至2021年间204个国家和地区因身体活动不足所致的肿瘤负担，并预测至2045年。研究目标在于量化死亡人数、DALYs、年龄标准化率、时间趋势、分解成分、社会经济不平等以及未来负担，但不推断个体层面的因果关系或直接干预效果。

选择该工作流程是因为它将多个互补的分析组件整合到一个可重复的框架中。与仅报告描述性GBD估计值或单一趋势指标的研究相比，本方案结合了负担估计、EAPC、转折点回归、分解分析、不平等评估和BAPC预测，使用户不仅能够考察负担的大小，还能分析其时间变化、人口驱动因素、社会经济梯度以及未来趋势。该方案适用于对GBD风险归因估计值进行二次分析的研究人员，特别是在需要比较不同时间、性别、年龄组、国家、地区或SDI类别之间负担模式时尤为适用。

访问受限。请登录或开始试用以查看此内容。

方案

本研究使用了公开可获取的、去标识化的2021年全球疾病负担（GBD 2021）人群水平估算数据，未访问任何个体层面的人类参与者数据。GBD 2021 研究已获得华盛顿大学机构审查委员会的知情同意豁免；因此，本二次分析无需额外的机构伦理审批。

注意：本方案描述了一种可重复的工作流程，用于对2021年全球疾病负担（GBD 2021）研究中归因于身体活动不足的肿瘤相关估计值进行二次分析11。该工作流程包括数据提取、变量定义、负担估算、时间趋势分析、分解分析、不平等评估以及贝叶斯年龄-时期-队列预测。结果的呈现旨在说明本方案的应用，而非确立主要的因果关系。分析工作流程包含六个连续步骤：提取GBD 2021估计数据，定义暴露因素、疾病结局和SDI分层，估算死亡数、伤残调整生命年（DALYs）、年龄标化死亡率（ASMR）和年龄标化DALYs率（ASDR），利用估计年度百分比变化（EAPC）和连接点回归进行时间趋势分析，开展分解分析和不平等分析，以及通过贝叶斯年龄-时期-队列模型预测至2045年。每一项结果和图表均源自上述关联分析步骤之一。

1. 数据源的识别与访问

  1. 访问全球疾病负担（Global Burden of Disease, GBD）2021 年结果工具。
    1. 打开网页浏览器，访问全球疾病负担结果工具网站：https://vizhub.healthdata.org/gbd-results/。
    2. 在可用的数据集选项中，选择 GBD 2021 作为研究版本。
    3. 在病因层级菜单中选择 危险因素。
  2. 定义疾病结局和危险因素。
    1. 选择 肿瘤 作为 疾病类别。
    2. 选择 体力活动不足 作为 危险因素。
    3. 选择 死亡 和 伤残调整生命年（DALYs） 作为 结局 指标。
  3. 指定人群、地理范围和时间段。
    1. 分别选择 两性合计、男性 和 女性，以进行性别特异性分析。
    2. 选择所有 ≥25 岁的可用年龄组。
    3. 选择全部 204 个国家和地区。
    4. 将分析时间段设定为 1990 年至 2021 年。
  4. 提取年龄标准化结局指标。
    1. 使用 GBD 2021 标准人口进行 年龄标准化。
    2. 选择 年龄标准化死亡率（ASMR） 和 年龄标准化 DALYs 率（ASDR） 作为输出变量。
    3. 为所有提取的估计值包含 95% 不确定区间（UIs）。
    4. 将提取的数据以 CSV 格式导出，用于后续分析。
    5. 为确保可重复性，请使用以下 GBD 结果工具设置：研究版本：GBD 2021；背景：危险因素；危险因素：体力活动不足；病因：肿瘤；指标：死亡 和 DALYs；度量方式：数量 和 率；年龄：年龄标准化 及 所有 ≥25 岁的 5 年年龄组；性别：两性合计、男性 和 女性；地区：全球、21 个 GBD 区域、SDI 区域 和 204 个国家和地区；年份：1990–2021。
    6. 以 CSV 格式导出每个分层的平均估计值、下限不确定区间和上限不确定区间。
  5. 获取按社会人口指数（SDI）分层的数据。
    1. 启用按 社会人口指数（Sociodemographic Index, SDI） 的分层分析。
    2. 提取特定 SDI 的 ASMR 和 ASDR 数据，用于比较分析。
  6. 访问基础数据来源。
    1. 前往 GBD 2021 数据输入来源工具网站：https://ghdx.healthdata.org/gbd-2021。
    2. 查阅公开的文档资料，了解主要数据来源，包括死亡登记系统、人口调查、医疗记录和疾病登记库。

2. 关键变量的定义与分类标准

  1. 定义肿瘤。
    1. 根据全球疾病负担（GBD）2021年病因层级，将肿瘤定义为恶性肿瘤。
    2. 仅包括由遗传和表观遗传调控失调导致的细胞不受控增殖所表征的恶性肿瘤。
    3. 在所有分析中排除良性肿瘤。
  2. 定义低水平身体活动。
    1. 使用任务代谢当量（MET）值定义身体活动强度，其中1 MET相当于静息状态下耗氧量为3.5 mL O₂/kg/min。
    2. 使用每周总MET-分钟数计算每周身体活动水平。
    3. 将身体活动水平分为四类12,13：
      每周少于600 MET-分钟。
      每周600至3,999 MET-分钟。
      每周4,000至7,999 MET-分钟。
      每周8,000或以上MET-分钟。
    4. 将低水平身体活动定义为每周少于4,000 MET-分钟，与GBD 2021风险归因方法一致。
      注：此截断值采用自GBD 2021风险归因定义，并非本研究中新近选定。采用该定义旨在与GBD比较风险评估框架保持一致，并确保与其他基于GBD的估计结果具有可比性。
  3. 定义SDI。
    1. 将SDI定义为一个取值范围从0到1的综合指标。
    2. 通过人均收入、教育程度以及25岁以下人群生育率的标准化值的几何平均数来计算SDI。
    3. 将国家和地区划分为五个SDI类别14：低、中低、中等、高中和高。
    4. 根据SDI分层将各国分配至21个GBD区域之一。
  4. 定义归因于低水平身体活动的肿瘤。
    1. 使用GBD 2021比较风险评估框架识别归因于低水平身体活动的肿瘤。
      1. 在此框架内，通过结合暴露分布、风险-结局的相对风险以及理论最小风险暴露水平，估算人群归因分数，从而量化低水平身体活动所致疾病负担；然后将其应用于符合条件的肿瘤结局的死亡数和伤残调整生命年（DALYs）。
    2. 将结直肠癌和女性乳腺癌作为归因于低水平身体活动暴露的肿瘤结局纳入分析。
      注：因此，在本研究中，归因于低水平身体活动的肿瘤仅指GBD 2021比较风险评估框架中定义的结直肠癌和女性乳腺癌，而非所有恶性肿瘤。

3. 身体活动不足导致的肿瘤全球负担估算。

  1. 提取疾病负担指标。
    1. 根据全球疾病负担（GBD）2021年结果工具，按照标准的GBD比较风险评估框架，导入由低体力活动归因所致肿瘤的死亡人数和伤残调整生命年（DALYs）数据。
    2. 使用GBD 2021标准人口，提取每10万人中的年龄标准化死亡率（ASMR）和年龄标准化伤残调整生命年率（ASDR）。
    3. 保留GBD 2021方法学所提供的所有估计值相应的95%不确定性区间。
  2. 计算伤残调整生命年。
    1. 根据标准GBD定义，将伤残调整生命年（DALYs）定义为过早死亡损失的生命年（YLLs）与伤残生存年（YLDs）之和。
    2. 通过将特定年龄的死亡率乘以GBD 2021生命表中规定的标准预期寿命，计算YLLs。
    3. 根据GBD方法学所述，通过将新发病例数乘以特定疾病的伤残权重和疾病持续时间，计算YLDs。
    4. 验证所计算的DALY数值与GBD 2021报告的估计值一致。

4. 时间趋势分析

  1. 估算年度百分比变化15,16。
    1. 将ASMR和ASDR数据导入R软件（版本4.4.2）。
    2. 对年龄标化率进行自然对数转换。
    3. 以日历年份为自变量拟合线性回归模型，以评估时间趋势，遵循既定的流行病学趋势分析方法。
    4. 利用标准指数变换，根据回归斜率计算估计的年度百分比变化（EAPC）。
    5. 根据EAPC的95%置信区间是否高于、低于或包含零值，将趋势分类为上升、下降或稳定。
  2. 进行连接点回归分析。
    1. 打开连接点回归程序（Joinpoint Regression Program，版本5.3.0；美国国家癌症研究所）。
    2. 将ASMR和ASDR数据集导入该软件。
    3. 选择对数线性回归模型进行趋势分析，符合连接点回归方法学指南17。
    4. 设定最少0个、最多6个连接点。
    5. 选择数据驱动的贝叶斯信息准则（BIC）方法，并采用加权BIC优化以确定最优连接点。
      1. 根据1990年至2021年年度时间序列的长度以及连接点回归程序的默认建议，设定最多六个连接点。
      2. 通过数据驱动的BIC确定最终的连接点数量。
    6. 运行分析，计算年度百分比变化（APC）和平均年度百分比变化（AAPC）及其95%置信区间。对于数据稀疏或年度估计不稳定的分层，需谨慎解释各段APC，除非拟合趋势得到相应不确定性区间的支持且具有流行病学上的合理性，否则不予重点强调。
    7. 导出APC和AAPC结果用于后续分析。
      注：EAPC和连接点回归用于不同目的。EAPC提供了1990–2021年间平均对数线性趋势的单一汇总估计，而连接点回归则识别出变化率发生转变的日历时间段，并估计各段特定的APC。因此，EAPC用于各分层之间的总体比较，而连接点回归用于描述时间上的拐点模式。

5. 分解分析

  1. 准备分解分析的输入数据。
    1. 按年龄组、日历年份和地理区域对死亡率和伤残调整生命年（DALY）数据进行分层。
    2. 将分层后的数据集导入 JD_GBDR 软件（版本 2.37.1）。
  2. 执行分解分析。
    1. 使用已建立的分解方法18，将选定时间点之间死亡率和 DALYs 的变化分解为人口老龄化、人口增长和流行病学变化三个组成部分。
    2. 量化各组成部分对疾病负担总体变化的贡献。
      1. 将百分比贡献解释为老龄化、人口增长和流行病学变化对两个时间点之间死亡数或 DALYs 净变化的相对贡献比例。
      2. 当某一组成部分增加疾病负担而另一组成部分抵消该影响时，可能出现超过 100% 或负值的情况；此类数值应解释为数学分解的结果，而非直接的生物学效应。
    3. 导出用于全球、SDI 水平及 GBD 区域分析的分解结果。

6. 健康不平等分析

  1. 为不平等评估准备数据。
    1. 根据社会人口指数（SDI）值从低到高对所有国家和地区进行排序。
    2. 将年龄标化死亡率（ASMR）和年龄标化伤残调整生命年率（ASDR）导入 R 软件（版本 4.4.2）。
  2. 计算不平等斜率指数。
    1. 基于 SDI 分层中累积的人口分布，为每个国家分配一个相对社会经济等级。
    2. 以 ASMR 或 ASDR 为因变量，以相对 SDI 等级为自变量，拟合加权线性回归模型。
    3. 根据既定的不平等分析方法，将不平等斜率指数（SII）计算为 SDI 梯度最高端与最低端之间疾病负担的绝对差异。
  3. 计算集中指数。
    1. 通过将按 SDI 排序的累积 ASMR 或 ASDR 比例对累积人口比例作图，绘制集中曲线。
    2. 将集中指数（CII）计算为集中曲线与平等线之间面积的两倍。
    3. 根据标准卫生经济学方法，CII 值接近零表示不平等程度较低，而接近 −1 或 +1 的值表示相对不平等程度增加19。
  4. 估算不平等指标的不确定性。
    1. 对于 SII，使用国家级别人口权重，从加权回归模型中推导 95% 置信区间。
    2. 对于 CII，采用带放回的国家和地区重抽样法（bootstrap 重抽样）估算 95% 置信区间。
    3. 当存在后验抽样结果时，跨抽样重复计算 SII 和 CII，并将第 2.5 和第 97.5 百分位数报告为不确定性区间。

7. 贝叶斯年龄-时期-队列模型

  1. 准备用于预测的输入数据。
    1. 按5岁年龄组和日历年份，整理1990年至2021年期间的年龄别死亡数、伤残调整生命年（DALYs）及相应的人口数据。
    2. 确保在整个观察期内，年龄组定义和时间间隔的一致性。
  2. 应用贝叶斯年龄-时期-队列模型20。
    1. 使用贝叶斯年龄-时期-队列建模框架，在R中导入年龄别的疾病负担和人口数据集。
    2. 将年龄、时期和队列效应设定为结构化的随机效应，并采用二阶随机游走先验对相邻的年龄组、日历时期和出生队列进行平滑处理。
    3. 生成年龄别率的后验估计值，然后使用GBD 2021标准人口计算预测的年龄标化死亡率（ASMR）和年龄标化伤残调整生命年率（ASDR）。
    4. 通过比较历史期间拟合值与观测值，评估模型拟合优度。
    5. 通过保留最近的观测年份数据，重新拟合模型，并将预测值与实际观测值进行比较，开展内部验证。
  3. 生成未来预测结果。
    1. 预测2022年至2045年期间由体力活动不足导致的肿瘤年龄标化死亡率和年龄标化DALYs率。
    2. 提取所有预测结果的后验均值估计及其相应的95%不确定性区间。使用后验95%不确定性区间评估预测的不确定性，并对距离观测期越远的估计结果应越加谨慎地解读。
    3. 导出预测结果以用于可视化和报告。

8. 统计分析

  1. 进行一般性统计分析。
    1. 将所有清理后的数据集导入 R 软件（版本 4.4.2）。
    2. 使用 R 软件进行所有统计分析，并生成图表和表格。
    3. 所有分析的统计学显著性水平设定为双侧 p 值小于 0.05。
  2. 开展专门的全球疾病负担（GBD）分析。
    1. 将符合 GBD 格式的数据集导入 JD_GBDR 软件（版本 2.37.1）。
    2. 根据 GBD 分析规范，使用 JD_GBDR 软件进行疾病负担计算、分解分析以及标准化率的可视化。
  3. 进行连接点回归分析。
    1. 从美国国家癌症研究所网站（https://surveillance.cancer.gov/joinpoint/download）下载并安装连接点回归程序（版本 5.3.0）。
    2. 将年龄标准化死亡率和年龄标准化伤残调整生命年（DALYs）率数据集导入连接点回归软件。
    3. 选择对数线性回归模型，并按照连接点回归程序的方法执行连接点回归分析，以评估时间趋势。
    4. 导出趋势估计结果，包括年度百分比变化和平均年度百分比变化，及其相应的 95% 置信区间。
      注：所有分析均使用 R 软件（版本 4.4.2）、连接点回归程序（版本 5.3.0）和 JD_GBDR 软件（版本 2.37.1）完成。主要分析设置包括对数线性 EAPC 模型、基于数据驱动的贝叶斯信息准则（BIC）选择 0–6 个连接点的连接点回归、分解为人口老龄化、人口增长和流行病学变化三个组成部分、SII 的加权回归、CII 不确定性的自助重抽样或后验抽样，以及贝叶斯年龄-时期-队列模型投影至 2045 年。

访问受限。请登录或开始试用以查看此内容。

结果

成功实施本方案应生成一套完整的、经过协调的GBD衍生估计值，覆盖预定义的地区、年份、性别、年龄组、测量指标和度量方法。预期输出结果包括具有95%不确定性区间的年龄标准化和年龄别负担估计值、EAPC和拐点趋势估计值、分解组分、SII和CII不平等度量指标，以及基于BAPC的预测结果及其后验不确定性区间。若实施效果不理想，则可能表现为分层缺失、年龄或地区标签不一致、数据清洗后无法重现GBD报告的估计值、在稀疏分层中拐点模型不稳定，或预测区间异常狭窄等不合理情况。

由LPA导致的肿瘤的全球疾病负担
2021年，由LPA导致的肿瘤在全球造成87,440例死亡（95%不确定性区间：48,636–125,811），相较于1990年的基线水平（44,675例；95%不确定性区间：24,963–64,997）增加了95.73%（表1，补充表1）。在调整了人口年龄结构差异后，1990年至2021年间，年龄标准化死亡率（ASMR）从每10万人1.32例（95%不确定性区间：0.75–1.92）...

访问受限。请登录或开始试用以查看此内容。

讨论

这项GBD 2021分析显示了低体力活动归因性肿瘤负担的两种相反趋势。尽管归因于低体力活动（LPA）的肿瘤年龄标化死亡率（ASMR）和年龄标化伤残调整生命年率（ASDR）从1990年到2021年显著下降（ΔASMR = -19.72%；ΔASDR = -18.51%），但绝对死亡人数和伤残调整生命年（DALYs）分别增加了95.73%和84.79%。尽管年龄标化率下降，但绝对负担的上升主要归因于人口增长和人口老龄化。年龄标化率的下降可能反映了多种因素，包括癌症检测、治疗和危险因素控制的改善，尽管本分析未对这些因素进行直接分解1,21,22。值得注意的是，2021年全球仍有超过87,000例肿瘤相关死亡和174万DALYs归因于低体力活动。这些发现支持低体力活动在GBD归因框架中的持续相关性。由于本研究采用了GBD比较风险评估估算值，研究结果量化了归因于低体力活动的建模人群层面负担，但并未确立个体层面的因果机制或直接干预效果。

访问受限。请登录或开始试用以查看此内容。

披露

作者无任何利益冲突需要披露。

致谢

我们感谢全球疾病负担研究（GBD 2021）协作组成员在归因于LPA流行病学的肿瘤研究方面所做出的贡献，该研究得益于健康指标与评估研究所（IHME）提供的开放获取数据。本工作得到了京鼎医疗科技（提供JD_GBDR软件授权及关键数据处理）的支持，并由Home for Researchers（www.home-for-researchers.com）提供语言编辑服务。本研究受江苏省中医药科学技术发展计划项目（QN202513）以及南京中医药大学第二附属医院院内科研基金项目（SEZRC202504、SEZJY202505）资助。

访问受限。请登录或开始试用以查看此内容。

材料

本文使用的材料清单
姓名公司目录编号评论
贝叶斯年龄-时期-队列（BAPC）R 包R 基金会 / CRAN 仓库 https://cran.r-project.org/用于贝叶斯年龄-时期-队列预测分析。 
CSV 数据文件健康指标与评估研究所（IHME）不适用从 GBD 2021 结果工具导出的疾病负担数据集，用于后续分析。
dplyr R 包R 基金会 / CRAN 仓库https://cran.r-project.org/package=dplyr用于在 R 中进行数据操作和清洗。
GBD 2021 数据输入源工具健康指标与评估研究所（IHME）https://ghdx.healthdata.org/gbd-2021GBD 数据源文档的公共仓库。
ggplot2 R 包R 基金会 / CRAN 仓库https://cran.r-project.org/package=ggplot2用于时间趋势和不平等分析的图形可视化。 
全球疾病负担（GBD）2021 结果工具健康指标与评估研究所（IHME）https://vizhub.healthdata.org/gbd-results/公共数据库，用于提取死亡数、伤残调整生命年（DALYs）、年龄标化死亡率（ASMR）和年龄标化残疾发病率（ASDR）数据。 
INLA R 包R-INLA 项目https://www.r-inla.org/用于年龄-时期-队列模型中的贝叶斯推断。 
JD_GBDR 软件 京鼎医学科技有限公司版本 2.37.1用于 GBD 疾病负担估算、分解分析和标化率可视化。
Joinpoint 回归程序（版本 5.3.0）美国国家癌症研究所（NCI）https://surveillance.cancer.gov/joinpoint/download用于 Joinpoint 回归分析、年度变化百分比（APC）和平均年度变化百分比（AAPC）估算。 
Microsoft Excel微软公司https://www.microsoft.com/excel用于在分析前整理和清洗导出的 CSV 数据集。 
个人计算机工作站任何标准计算工作站不适用推荐最低配置：8 GB 内存，Windows 10/11 或 macOS 操作系统，用于统计分析和预测。
R 统计软件（版本 4.4.2）统计计算 R 基金会https://www.r-project.org/用于统计分析、EAPC 计算、不平等分析、可视化以及贝叶斯年龄-时期-队列建模。 
RStudio 桌面版Posit 软件公司，PBChttps://posit.co/download/rstudio-desktop/R 分析的集成开发环境。  

参考文献

  1. Bray, F., et al. Global cancer statistics 2022: GLOBOCAN estimates of incidence and mortality worldwide for 36 cancers in 185 countries. CA Cancer J Clin. 74 (3), 229-263 (2024).
  2. Liang, M., Pan, Y., Zhong, T., Zeng, Y., Cheng, A. S. K. Effects of aerobic, resistance, and combined exercise on metabolic syndrome parameters and cardiovascular risk factors: a systematic review and network meta-analysis. Rev Cardiovasc Med. 22 (4), 1523-1533 (2021).
  3. Man, J., et al. Spatiotemporal trends of colorectal cancer mortality due to low physical activity and high body mass index from 1990 to 2019. Front Med. 8, 800426(2021).
  4. Saqib, Z. A., et al. Physical activity is a medicine for noncommunicable diseases: a survey study regarding the perception of physical activity impact on health wellbeing. Risk Manag Healthc Policy. 13, 2949-2962 (2020).
  5. GBD 2021 Risk Factors Collaborators. Global burden and strength of evidence for 88 risk factors in 204 countries and 811 subnational locations, 1990-2021. Lancet. 403 (10440), 2162-2203 (2024).
  6. Strain, T., et al. National, regional, and global trends in insufficient physical activity among adults from 2000 to 2022. Lancet Glob Health. 12 (8), e1232-e1243 (2024).
  7. Moore, S. C., et al. Association of leisure-time physical activity with risk of 26 types of cancer. JAMA Intern Med. 176 (6), 816-825 (2016).
  8. Guthold, R., Stevens, G. A., Riley, L. M., Bull, F. C. Worldwide trends in insufficient physical activity from 2001 to 2016. Lancet Glob Health. 6 (10), e1077-e1086 (2018).
  9. Sustainable Development Goals. , United Nations Development Programme. Available from: https://www.undp.org/sustainable-development-goals (2022).
  10. GBD 2021 Causes of Death Collaborators. Global burden of 288 causes of death and life expectancy decomposition, 1990–2021. Lancet. 403 (10440), 2100-2132 (2024).
  11. Martincorena, I., Campbell, P. J. Somatic mutation in cancer and normal cells. Science. 349 (6255), 1483-1489 (2015).
  12. Jetté, M., Sidney, K., Blümchen, G. Metabolic equivalents (METS) in exercise testing and prescription. Clin Cardiol. 13 (8), 555-565 (1990).
  13. Zhang, J., et al. Global burden of cardiovascular diseases and type 2 diabetes attributable to low physical activity. Front Cardiovasc Med. 10, 1247705(2023).
  14. GBD 2015 Healthcare Access and Quality Collaborators. Healthcare access and quality index based on mortality from amenable causes. Lancet. 390 (10091), 231-266 (2017).
  15. GBD 2019 Diseases and Injuries Collaborators. Global burden of 369 diseases and injuries, 1990–2019. Lancet. 396 (10258), 1204-1222 (2020).
  16. Zhao, G., et al. Global burden of osteoarthritis associated with high body mass index. Endocrine. 79 (1), 60-71 (2023).
  17. Tuo, Y., et al. Global, regional, and national burden of thalassemia, 1990–2021. EClinicalMedicine. 72, 102619(2024).
  18. Liu, C., et al. Global burden of liver cancer due to non-alcoholic steatohepatitis. J Gastroenterol. 58 (12), 1222-1236 (2023).
  19. Cao, F., et al. Global burden and cross-country inequalities in autoimmune diseases. Autoimmun Rev. 22 (6), 103326(2023).
  20. Chen, J., et al. Global burden of noncommunicable diseases attributable to kidney dysfunction. Chin Med J (Engl). 138 (11), 1334-1344 (2024).
  21. Wu, Z., Xia, F., Lin, R. Global burden of cancer and associated risk factors in 204 countries and territories, 1980–2021. J Hematol Oncol. 17 (1), 119(2024).
  22. Hurvitz, S. A., et al. Trastuzumab deruxtecan versus trastuzumab emtansine in HER2-positive metastatic breast cancer. Lancet. 401 (10371), 105-117 (2023).
  23. Basu, P., et al. Status of implementation and organization of cancer screening in the European Union Member States. Int J Cancer. 142 (1), 44-56 (2018).
  24. An, L., et al. Trends of robotic-assisted surgery for thyroid, colorectal, stomach and hepatopancreaticobiliary cancer. Asian J Surg. 44 (1), 199-205 (2021).
  25. Seong, M., Kim, Y., Park, S., Kim, H., Kwon, O. Association between diet quality and cardiorespiratory fitness in Korean adults. Nutrients. 12 (11), 3226(2020).
  26. World Health Organization. WHO Guidelines on Physical Activity and Sedentary Behaviour. , World Health Organization. Geneva. (2020).
  27. World Health Organization. Noncommunicable Diseases Progress Monitor 2022. , World Health Organization. Geneva. (2022).
  28. Nunez, C., Bauman, A., Egger, S., Sitas, F., Nair-Shalliker, V. Obesity, physical activity and cancer risks. Cancer Epidemiol. 47, 56-63 (2017).
  29. Abdel-Wahab, M., et al. Status of radiotherapy resources in Africa. Lancet Oncol. 14 (4), e168-e175 (2013).
  30. Sallis, J. F., et al. Progress in physical activity over the Olympic quadrennium. Lancet. 388 (10051), 1325-1336 (2016).
  31. Popkin, B. M., Adair, L. S., Ng, S. W. Global nutrition transition and the pandemic of obesity. Nutr Rev. 70 (1), 3-21 (2012).
  32. Porcherie, M., et al. Relationship between urban green spaces and cancer. Int J Environ Res Public Health. 18 (4), 1751(2021).
  33. Rushton, L. Health impact of environmental tobacco smoke in the home. Rev Environ Health. 19 (3-4), 291-310 (2021).
  34. Li, Y., et al. Global burden of female breast cancer: age–period–cohort analysis. Front Oncol. 12, 891824(2022).
  35. Nelson, S. H., et al. Impact of very low physical activity, BMI, and comorbidities on mortality among breast cancer survivors. Breast Cancer Res Treat. 155 (3), 551-557 (2016).
  36. Wu, Y., Zhang, D., Kang, S. Physical activity and risk of breast cancer: a meta-analysis. Breast Cancer Res Treat. 137 (3), 869-882 (2013).
  37. de Boer, M. C., Wörner, E. A., Verlaan, D., van Leeuwen, P. A. M. Mechanisms and effects of physical activity on breast cancer. Clin Breast Cancer. 17 (4), 272-278 (2017).
  38. Abbasi, I. N. Socio-cultural barriers to attaining recommended physical activity among females. Quest. 66 (4), 448-467 (2014).
  39. Giovannucci, E. Molecular biologic and epidemiologic insights for preventability of colorectal cancer. J Natl Cancer Inst. 114 (5), 645-650 (2022).
  40. la Torre, A., Lo Vecchio, F., Greco, A. Epigenetic mechanisms of aging and aging-associated diseases. Cells. 12 (8), 1163(2023).
  41. Courties, A., Kouki, I., Soliman, N., Mathieu, S., Sellam, J. Osteoarthritis year in review 2024. Osteoarthritis Cartilage. 32 (11), 1397-1404 (2024).
  42. Cruz-Jentoft, A. J., et al. Sarcopenia: revised European consensus on definition and diagnosis. Age Ageing. 48 (4), 601(2019).
  43. Bray, F., Jemal, A., Grey, N., Ferlay, J., Forman, D. Global cancer transitions according to the Human Development Index. Lancet Oncol. 13 (8), 790-801 (2012).
  44. Gautam, S., BNK,, Akashanand,, Roy, A., Banandur, P. S., et al. Assessment of resources for physical activity in an Indian city. BMC Public Health. 23 (1), 1969(2023).
  45. Global Burden of Disease Health Financing Collaborator Network. Past, present, and future of global health financing, 1995–2050. Lancet. 393 (10187), 2233-2260 (2019).
  46. Friedenreich, C. M., Neilson, H. K., Farris, M. S., Courneya, K. S. Physical activity and cancer outcomes. Clin Cancer Res. 22 (19), 4766-4775 (2016).
  47. Gaitonde, R., San Sebastian, M., Muraleedharan, V. R., Hurtig, A. K. Community action for health in India's National Rural Health Mission. Soc Sci Med. 188, 82-90 (2017).
  48. Gabarron, E., Larbi, D., Rivera-Romero, O., Denecke, K. Human factors in AI-driven digital solutions for increasing physical activity. JMIR Hum Factors. 11, e55964(2024).
  49. GBD 2019 Risk Factors Collaborators. Global burden of 87 risk factors, 1990–2019. Lancet. 396 (10258), 1223-1249 (2020).
  50. Moradi, T., et al. Breast cancer risk and lifetime physical activity. Cancer Causes Control. 11 (6), 523-531 (2000).

访问受限。请登录或开始试用以查看此内容。

重印与许可

标签

医学第234期第234期空值期全球疾病负担社会人口学指数健康不平等
联系我们
向图书馆推荐

隐私政策

使用条款

政策

版权所有 © 2026 MyJoVE Corporation。保留所有权利。