中國老年人軀體慢性病共病的復雜模式及其對衛生服務利用影響研究

趙子寅 張佳軍 孫文俊 李慧寧 邢星 祝賀

【摘要】 背景 我國老年人慢性病共病患病率不斷上升，但既往研究缺乏從慢性病患者需求和管理的視角對慢性病共病模式進行研究。目的 探究我國老年人群軀體慢性病共病的復雜模式分布、影響因素及相應的衛生服務利用情況。方法 本研究數據來源于2018年和2020年中國健康與養老追蹤調查（CHARLS），選取≥60歲老年人作為研究對象（n=15 349），分別使用廣義有序邏輯回歸和廣義線性模型探究慢性病共病復雜模式的影響因素及其與門診、住院服務利用和費用的相關性。所有統計分析除樣本量外進行加權處理。結果 15 349名老年人中，2018年7 147人、2020年8 202人；相對健康（不患本研究定義的12種慢性?。? 054人（13.0%，即相對健康組），患1～5種非復雜慢性病5 228人［33.7%，即簡單慢性（共）病組］，患1～2種復雜慢性病和<6種非復雜慢性病6 737人［44.7%，即輕微復雜慢性（共）病組］，患≥3種復雜慢性病或≥6種非復雜慢性病1 330人（8.6%，即重大復雜慢性病共病組）。與2018年相比，2020年輕微復雜慢性（共）病組和重大復雜慢性病共病組占比分別上升了2.1%和1.9%。在簡單慢性（共）病組和輕微復雜慢性（共）病組中，患病率較高的慢性病主要為高血壓（49.2%和56.1%）和關節炎/風濕?。?1.9%和47.4%）。在重大復雜慢性病共病組中，82.0%患有心臟病、67.9%患有慢性肺部疾病。三組老年人軀體慢性病患病率比較，差異有統計學意義（P<0.05）。年齡、性別、受教育程度、家庭人均年消費、醫療保險、抑郁、調查年份對簡單慢性（共）病組、輕微復雜慢性（共）病組、重大復雜慢性病共病組有影響（P<0.05）；年齡、受教育程度、城鄉分布、地域、家庭人均年消費、調查年份對輕微復雜慢性（共）病組、重大復雜慢性病共病組有影響（P<0.05）；年齡、地域、家庭人均年消費、抑郁、調查年份對重大復雜慢性病共病有影響（P<0.05）。在2018年，相較于相對健康組，輕微復雜慢性（共）病組、重大復雜慢性病共病組門診就診次數更多，簡單慢性（共）病組、輕微復雜慢性（共）病組、重大復雜慢性病共病組門診費用、住院次數和費用均更高（P<0.05）。在2020年，相較于相對健康組，簡單慢性（共）病組、輕微復雜慢性（共）病組、重大復雜慢性病共病組門診就診次數和住院次數均更多（P<0.05）。結論 基于CHARLS最新數據顯示，我國半數以上老年人患有復雜慢性病共病，其中44.7%為輕微復雜慢性病共病，8.6%患重大復雜慢性病共病。重大復雜慢性病共病患者中患病率較高的前2位復雜慢性病為心臟病和慢性肺部疾病，同時，隨著慢性病共病復雜程度的增加，相應的門診及住院的利用和費用水平明顯上升，建議從醫療需求出發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負擔。

【關鍵詞】 慢性??；慢性病共??；復雜慢性??；老年人；衛生服務需求

【中圖分類號】 R 36 【文獻標識碼】 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

我國老年人群的慢性病共病患病率不斷上升［1］。慢性病共病不僅對老年人功能狀態、健康狀況、生活質量造成嚴重負面影響，還會對衛生體系造成較大負擔［2-3］。識別慢性病共病的模式有助于疾病歸類、管理，降低疾病負擔和提高老年人健康水平。國內已有研究使用簡單數量分析（≥2種即為慢性病共?。?］、因子分析［5］、潛類別分析［6］、網絡分析［7］等分析方法研究慢性病共病模式，但是這些研究大多從疾病內在關聯角度出發。國際上已有研究從高需求高費用（high need high cost，HNHC）角度依據醫療需求和費用對慢性病的復雜性進行定義，并依據疾病復雜性進一步對慢性?。ü膊。┗颊呷后w進行分組，為精準化慢性病管理提供重要依據［8-9］。但是，目前國內少有研究從慢性病患者的醫療需求和費用角度關注慢性病共病模式。因此，本研究旨在基于慢性病的復雜性特點挖掘我國慢性病共病模式，探究慢性病共病的復雜模式分布情況、影響因素以及其和衛生服務利用和費用的相關性，為提高我國慢性病共病管理質量和效率提供實證依據。

1 對象與方法

1.1 研究對象

本研究數據來源于2018年和2020年中國健康與養老追蹤調查（China Health and Retirement Longitudinal Study，CHARLS）。CHARLS采用分層、多階段、按人口規模成比例的概率抽樣方法收集具有全國代表性的45歲及以上中老年人家庭和個人社會經濟地位、健康狀況等高質量微觀數據，已經被廣泛應用于研究我國老年人健康相關問題［10］。CHARLS數據倫理審核號為IRB00001052-11015。

本研究納入≥60歲的老年人為研究對象，排除患有記憶相關疾?。ㄈ缋夏臧V呆、腦萎縮、帕金森?。┑氖茉L者，以及權重、性別、年齡、受教育程度、慢性病患病、門診住院次數及費用等變量缺失的受訪者，最終納入的未加權樣本量為15 349人，其中2018年7 147人、2020年8 202人。

1.2 研究變量

本研究關注的主要因變量為軀體慢性病共病的復雜模式。首先，根據美國醫療保險和醫療補助服務中心（Centers for Medicare & Medicaid Services，CMS）的關鍵慢性病疾病列表（計劃外急診住院測量）和相關研究的定義，慢性病被分為復雜慢性?。╟omplex chronic conditions）和非復雜慢性?。╪on-complex chronic conditions）［8，11-12］，本研究納入CHARLS自我報告的12種軀體慢性病，其中包括6種復雜慢性?。ㄌ悄虿?、慢性肺部疾病、心臟病、卒中、腎病、哮喘）和6種非復雜慢性?。ǜ哐獕?、血脂異常、惡性腫瘤、肝臟疾病、胃部或消化系統疾病、關節炎/風濕?。?。其次，根據國際既有研究對慢性病共病的復雜模式分組定義，本研究進一步將軀體慢性病共病組合定義為：（1）相對健康組，即不患上述12種慢性病中的任何一種；（2）簡單慢性（共）病組，即僅患有1～5種非復雜慢性??；（3）輕微復雜慢性（共）病組，即患有1～2種復雜慢性病和<6種非復雜慢性??；（4）重大復雜慢性病共病組，即患有≥3種復雜慢性病或≥6種非復雜慢性?。?2］。

本研究的次要因變量包括過去1個月門診就診次數及費用、過去1年的住院次數及費用。由于CHARLS 2020年問卷調整，門診和住院費用只針對退出人群，所以本研究只分析了2018年的費用數據。

本研究納入社會人口學變量作為控制變量，包括年齡（60～64、65～69、70～74、≥75歲）、性別（男、女）、受教育程度（未接受過正規教育、小學、中學及以上）、婚姻狀況（已婚、未婚/離異/喪偶）、城鄉（農村、城市）、地域（東部、中部、西部）、家庭人均年消費（0～10 000、10 001～20 000、>20 000元）、醫療保險（有、無）。另外，本研究還納入抑郁狀態作為控制變量，其評價依據流行學研究中心抑郁量表（CES-D-10）量表得分進行評定，得分≥10分為處于抑郁狀態［13］。

1.3 統計學方法

首先，本研究對樣本總體特征、慢性病共病復雜模式的分布特征進行描述性分析。其次，本研究利用廣義有序邏輯回歸模型探究慢性病共病復雜模式的影響因素。最后，本研究對不同慢性病共病復雜模式的門診和住院利用次數及費用進行描述，并使用具有對數連接、Gamma分布的廣義線性模型探究慢性病共病復雜模式與門診住院利用及費用的相關性［14］。本研究分析使用Stata 17.0統計軟件進行數據分析，所有統計分析除樣本量外進行加權處理，以滿足CHARLS數據的復雜設計；雙側檢驗水準α=0.05。

2 結果

2.1 樣本特征

15 349名老年人中，年齡多為60～69歲（61.7%），女性（50.3%）、受教育程度為小學及以下水平（69.3%）、已婚（78.8%）、居住在農村（55.2%）、居住在東部地區（38.0%），家庭人均年消費≤20 000元（66.3%）、有醫療保險（95.3%），同時，63.5%的老年人未處于抑郁狀態（表1）。2018年和2020年的樣本分布近似，在性別、城鄉和家庭人均年消費上略有變化。

2.2 軀體慢性病共病的復雜性分布特征

老年人總體樣本中，2 054例（13.0%）為相對健康組，5 228例（33.7%）為簡單慢性（共）病組，6 737例（44.7%）為輕微復雜慢性（共）病組，1 330例（8.6%）為復雜慢性病共病組（圖1）。與2018年相比，2020年輕微復雜慢性（共）病組和重大復雜慢性病共病組占比分別上升了2.1%和1.9%。

在簡單和輕微復雜慢性（共）病組中，患病率較高的慢性病主要為高血壓和關節炎/風濕病。在重大復雜慢性病共病組中，82.0%患有心臟病、67.9%患有慢性肺部疾病。三組老年人軀體慢性病患病率比較，差異有統計學意義（P<0.05），見表2。

2.3 軀體慢性病共病復雜模式的影響因素

以軀體慢性病共病組合模式為因變量［賦值：相對健康組=1，簡單慢性（共）病組=2，輕微復雜慢性（共）病組=3，重大復雜慢性病共病組=4］，以年齡、性別、受教育程度、婚姻狀況、城鄉分布、地域、家庭人均年消費、醫療保險、抑郁、調查年份為自變量，進行廣義有序邏輯回歸模型分析，結果顯示，年齡、性別、受教育程度、家庭人均年消費、醫療保險、抑郁、調查年份對簡單慢性（共）病組、輕微復雜慢性（共）病組、重大復雜慢性病共病組有影響（P<0.05）；年齡、受教育程度、城鄉分布、地域、家庭人均年消費、抑郁、調查年份對輕微復雜慢性（共）病組、重大復雜慢性病共病組有影響（P<0.05）；年齡、地域、家庭人均年消費、抑郁、調查年份對重大復雜慢性病共病有影響（P<0.05），見表3。

2.4 軀體慢性病共病復雜模式與門診住院利用及費用的相關性

在控制其他影響因素的情況下，納入軀體慢性病共病組合模式為自變量，分別以過去1個月門診次數（2018年、2020年）、過去1個月門診費用（2018年）、過去1年住院次數（2018年、2020年）、過去1年住院費用（2018年），進行廣義線性模型分析，結果顯示，2018年，相較于相對健康組，輕微復雜慢性（共）病組（β=0.82）、重大復雜慢性病共病組（β=1.17）門診次數更多，簡單慢性（共）病組、輕微復雜慢性（共）病組、重大復雜慢性病共病組門診費用、住院次數和費用均更高（P<0.05）。2020年，相較于相對健康組，簡單慢性（共）病組、輕微復雜慢性（共）病組、重大復雜慢性病共病組門診次數和住院次數均更多（P<0.05），見表4。

3 討論

3.1 我國半數以上老年人為輕微復雜或重大復雜軀體慢性病共病模式

本研究發現我國約半數以上老年人患有復雜慢性病共病，其中44.7%為輕微復雜慢性病共病，8.6%患重大復雜慢性病共病。在美國Medicare樣本中，重大復雜慢性病共病患病率（18.1%）接近簡單慢性（共）?。?8.2%），約為輕度復雜慢性（共）?。?7.4%）的2/3［12］。盡管我國老年人慢性病共病復雜程度略低于美國，但2018—2020年，我國60歲及以上的老年人慢性病共病的復雜程度也在不斷加劇。因此，識別慢性病群體中具有“高需求”“高費用”的復雜慢性病共病群體是必要的，需要從患者需求出發開展復雜慢性病共病管理以改善老年人的生命質量并降低醫療體系負擔。

3.2 復雜慢性病共病模式的衛生服務利用及費用水平較高

本研究發現，隨著慢性病共病復雜程度的增加，相應的門診及住院的利用和費用水平明顯上升，這也進一步驗證了慢性病共病復雜模式分類的合理性。既往研究指出，隨著慢性病數量的增加，患者的衛生服務利用水平也會增加，如門診次數、住院天數，并進一步增加衛生支出［15］。同時，復雜慢性病相較于非復雜慢性病具有更嚴重的并發癥及更高的治療費用［8］。在美國Medicare樣本中，高成本患者（醫療花費最高的前10%）中重大復雜慢性病共病患者比例分別為輕度復雜慢性（共）病和簡單慢性（共）病的2倍和6倍［12］。本研究結果與上述研究較為一致，即慢性病共病復雜程度越高的患者具有更高的衛生服務利用及費用水平。因此，不僅要加強對輕微復雜慢性（共）病老年人群體的預防管理，避免其發展為重大復雜慢性病共病，更要重點關注具有重大復雜慢性病共病的老年群體，通過合理治療降低慢性病共病危害以及醫療費用。

3.3 心臟病和慢性肺部疾病在重大復雜慢性病共病中患病率較高

本研究發現重大復雜慢性病共病患者中患病率較高的前2位復雜慢性病為心臟病和慢性肺部疾病，分別為82.0%和67.9%。研究表明，我國老年人群中心臟病患病率總體呈現上升趨勢，且心臟病具有嚴重的并發癥和較高的病死率［16］。慢性肺部疾病如慢性阻塞性肺病會導致呼吸困難和持久的咳嗽，造成生活質量嚴重下降，同時也可能引起其他并發癥而造成衛生服務利用的增加［17］。因此，心臟病和慢性肺部疾病是復雜慢性病預防和干預的重點，要加強對高危老年人群的早期預防，對疾病定期篩查，從二級預防的角度避免其發展成為重大復雜慢性病共病。

3.4 研究局限性

本研究存在一些局限性。首先，慢性病患病狀況等變量均依靠患者自報，可能存在一定的回憶偏倚，但本研究在數據處理階段排除掉存在認知功能障礙的患者，盡可能保證信息的真實性。其次，由于數據限制，本研究未能對不同類型的心臟病進行區分，未來的調查可以進一步擴展慢性病的種類，并依據臨床診斷確診慢性病，探究更為準確、全面的慢性病共病的復雜模式分布。最后，本研究基于國外對于慢性病復雜分組的定義進行探索性研究，未來可以更深入地分析我國慢性病共病復雜模式。

4 小結

基于CHARLS最新數據顯示，我國半數以上老年人患有復雜慢性病共病，其中44.7%為輕微復雜慢性病共病，8.6%患重大復雜慢性病共病。重大復雜慢性病共病患者中患病率較高的前2位復雜慢性病為心臟病和慢性肺部疾病，分別為82.0%和67.9%。同時，隨著慢性病共病復雜程度的增加，相應的門診及住院的利用和費用水平明顯上升，即慢性病共病復雜程度越高的患者具有更高的衛生服務利用及費用水平，建議從醫療需求出發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負擔。

作者貢獻：趙子寅、祝賀負責文章構思與整體框架設計，文章撰寫；趙子寅負責數據分析；張佳軍、孫文俊、李慧寧、邢星負責文獻搜集、結果解釋和分析；祝賀負責文章的質量控制和審校。

本文無利益沖突。

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

參考文獻

何莉，張逸凡，沈雪純，等. 中國大陸地區居民慢性病共病的流行趨勢：一項Meta分析［J］. 中國全科醫學，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.

閆偉，路云，張冉，等. 基于CHARLS數據分析的我國老年人共病現狀研究［J］. 中華疾病控制雜志，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. 基于兩部模型的家庭醫生簽約對社區居民醫療費用影響的實證分析［J］. 中國衛生政策研究，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，周統，劉志輝，等. 中老年缺血性腦卒中共病現狀及共病模式分析：基于河南省三甲醫院數據［J］. 中國全科醫學，2024，27（2）：201-207. DOI：10.12114/j.issn.1007-9572.2023.0459.

梁家怡，廖貴曲，黃娟娟，等. 慢阻肺患者住院費用影響因素的通徑分析［J］. 現代預防醫學，2022，49（4）：605-608，626.

（收稿日期：2024-01-12；修回日期：2024-03-15）

（本文編輯：毛亞敏）