不同公共衛生幹預對健康生命、發病率和預期壽命的影響

文 | Paula Diehr, Ann Derleth, Liming Cai and Anne B Newman

翻譯 | 崔中砥

研究背景：

公共衛生的首要重點是促進健康和疾病預防，但是不同最具效率的預防方法的應用環境卻比較模糊。其關鍵點在於要了解哪些策略能給社會帶來最大的利益，這樣有限的資源才能得到有效的利用。健康的社會和行為決定因素有許多概念框架，如醫學研究所或埃文斯和斯託達特提出的框架。關於健康幹預有個人層面的理論，如健康信念模型和跨理論模型。也有社區或團體層面的理論，包括生態觀點，社區組織，和社會營銷。然而，這些理論都沒有直接針對不同人群的預防和治療方向。也就是說，這些理論不能夠有效地證明讓健康的人保持健康、讓病人恢復健康、防止病人死亡或防止健康的人死亡。

圖1.65歲在一年內的三個不同的健康狀態，P(A|B)是65歲時處於B狀態的人在66歲時處於A狀態的概率。例如，P(S|H)是健康的65歲老人在66歲時生病的概率。括號中的數量代表將影響相關轉移概率的一般幹預，如圖所示。HP/DP是健康促進和疾病預防，它影響健康人患病的概率。治療使病人更健康。重症監護室降低了病人死亡的可能性。安全乾預減少了健康人死亡的機會。

圖1表示「公眾」屬於三種狀態之一：健康、生病或(隨著時間的推移)死亡。箭頭表示人可以改變狀態。圖中的轉化概率為65歲人群一年內在不同健康狀況下的轉化概率。例如，使用標準概率表示法，P(S|H) = 9%表示如果65歲的人今年健康，他明年生病的概率是9%。在圖1中，健康促進和疾病預防可以被認為主要是降低健康人患病的概率。然而，降低健康或患病人員死亡的概率(P(D|H)或P(D|S))或增加患病人員恢復健康的概率(P(H|S))也將改善公眾的健康。這些方法在實現公共衛生目標方面有何不同？

圖1可以被認為是一個有三種狀態的系統，健康、生病和死亡。系統在任何時候的狀態完全由其初始條件(基線時健康和患病人數)和向不同狀態轉變的概率來定義。因此，公共衛生幹預試圖通過改變初始條件、改變轉變概率或兩者兼而有之來改善健康。

初始條件可以通過在基線時將一些人從患病狀態轉變到健康狀態來改善(以下稱為一次性幹預)。幹預也可以旨在改變每個年齡層的轉變概率。通過健康促進或疾病預防項目(HP/DP)，這種幹預可能會降低健康人患病的概率P(S|H)。改進的治療方法和獲得治療的途徑可以增加病人恢復健康的可能性P(H|S)。改善重症監護室(ICU)護理等幹預措施可能會降低病人死亡的概率P(D|S)。最後，改善交通、槍枝或工作場所安全的幹預措施可以降低健康人的死亡率P(D|H)。人們也可以結合幹預措施，如HP/DP+ 一次性幹預，或HP/DP+ICU。這種幹預措施可能對壽命或壽命年數、健康壽命年數(YHL)、發病率或患病壽命年數以及醫療支出產生不同的影響。

表1

幹預類型在表1中進行了正式定義，表1提供了每種幹預類型的代數、文本和助記符描述。一次性幹預將所有病人移至健康狀態，僅在基線時一次。考慮到不太有效的幹預，我們將一次性幹預定義為僅在基線時移動100*λ%健康患者的幹預，其中參數λ的值小於或等於1。在每個年齡提高轉變概率的四種幹預被代數地描述為參數α的函數，α是相關年齡特定轉變概率的「提高」量。例如，HP/DP是將P(S|H)乘以(1-α)的幹預；為了達到10%的改善，α = 0.10，P(S|H)乘以0.9，因此健康人在每個年齡患病的概率降低了10%。

幹預類型的名稱不是指真正的幹預，而是被選擇來幫助讀者記住幹預的主要特徵。考慮一個向人群提供抗生素的公共衛生幹預。如果每次僅有部分(可能是全部)病人使用抗生素，目標是使100*λ%的病人立即健康，這將是一次強度用λ來衡量的幹預。如果每年向一部分病人提供抗生素，目標是將一年後健康的病人比例增加(1+α)倍，這就是用強度α來衡量的治療。每年給病人樣本注射抗生素以降低他們的死亡概率將是一種重症監護室式的幹預。並且每年對健康人的樣本施用的抗生素將是HP/DP或安全型幹預，這取決於主要目標是預防疾病還是預防死亡。因此，抗生素計劃將根據目標、時機和主要預期效果進行不同的分類。更多討論部分給出了詳細的例子。

本文的目的是比較不同類型的幹預策略對生命年數、健康生命年數和患病生命年數(YOL、YHL、YSL)以及醫療費用的影響。我們假設HP/DP幹預表現良好，因為預防是公共衛生的首選策略。然而，在有些情況下，預防可能不是最好的辦法，因為幹預的有效性取決於幹預的性質和力度、目標人群的初始健康狀況和年齡，以及社會對患病壽命的重視。

研究方法

健康狀況和轉化概率

我們把「健康」定義為身體極好、非常好或很好，「生病」指健康狀況一般或較差。從三個大的數據集中計算各州之間的年齡特異性轉換概率。多狀態壽命表由轉換概率計算。根據初始條件（基線健康和患病人數）和過渡概率，壽命表提供了從基線到100歲的未來健康壽命年數（在健康狀態下度過的年數）的估計值。國家對0歲和65歲健康或患病人群比例的估計來自全國健康訪談調查。按年齡和健康狀況分列的醫療支出數據是根據2002年收集的MEPS數據，使用MEPSnet軟體估算的。這些數據被用來估計未來每項幹預的醫療支出。

表2

我們檢查了表2中列出的幹預類型的表現。「現狀」幹預沒有改變，是比較基礎的。「一次性幹預」是一種幹預措施，僅在基線時將100%的患者轉移到健康類別（在本文的大部分內容中，將λ設置為1）。我們還定義了四種假設性幹預措施，每種幹預措施都會影響圖1中的過渡概率。我們計算了每一個躍遷概率「提高」100*α%的效果。這種改善的定義是將P（H|S）乘以1+(以增加恢復的概率），或者將P（S|H）、P（D|H）或P（D|S）乘以1-(以減少生病或死亡的概率）。我們還評估了表2所示的兩種綜合幹預措施，並將每種幹預措施與「現狀」幹預措施進行了比較。

添加額外YHL和YSL的價值

考慮兩種假設的幹預措施，A和B。幹預措施A增加4年的健康壽命，不增加患病壽命，而B增加3年的健康生命年數(YHL)和2年的患病生命年數(YSL)。哪種幹預更好?答案取決於額外增加一個YHL或YSL對社會的價值。價值可以用美元來衡量(可能是基於生產力的損失或病人醫療支出的增加)，或者其他一些方式。假設我們知道額外的YHL對社會價值100「單位」，額外的YSL價值為0;那麼幹預A會更受青睞，因為它提供了400單位的價值，而幹預b提供了300單位的價值。或者，如果一個YSL值50，兩種幹預將是相等的，因為它們都提供了400單位的價值。如果YSL值100,YHL和YSL之間將沒有區別，幹預B將是首選。我們不知道絕對價值的值(甚至不知道它應該被測量的單位)，但我們可以有效地考慮YSL和YHL的相對價值。設值為附加YSL值與YHL值之比。在上述三種情況下，t = 0/100 = 0, t = 50/100 = 0.5, t = 100/100 = 1.0。

最好的幹預將為社會提供最增值的投入。我們假設未來生命年的價值是K*(YHL +β* YSL)調整後的年，其中，β是一個小於或等於1的數字，K是一個可以被忽略而不喪失一般性的常數。如果β = 1，未來價值為YHL+1*YSL = YOL;社會對人的健康或疾病狀態漠不關心，並將尋求最大限度地延長預期壽命。如果β= 0, future worth =YHL +0*YSL=YHL;社會對生病和死亡的國家漠不關心，而最大限度地延長健康壽命的幹預將提供最有價值的價值。消極的價值觀暗示疾病是一種比死亡更糟糕的狀態。我們檢查了在-0.25到1.0之間的範圍。對於每一對幹預措施，我們計算了其中一種幹預措施比另一種幹預措施更具成本效益的幹預成本，如下所述。

分析

我們首先評估了每種幹預措施的效果，採用的方法是:β=1.0，α=0.10。對於HP/DP+一次性幹預，我們將所有患者移至基線時的健康狀態，並通過提升α來改良P(S|H)。對HP/DP+ICU患者，可通過提升α來提升P(S|H)和P(D|S)。使用Stata中實現的多狀態生命表軟體，我們估計了基線規模為100,000的隊列的YOL、YHL和YSL。研究對象包括出生隊列(0 - 100歲)和退休隊列(65 - 100歲)。我們還估計了平均終身醫療支出，即預計在每個年齡處於每個健康狀態的人數乘以該狀態和年齡的平均醫療支出，再加起來除以100000。

規範比較

幹預的比較要求我們標準化輸入或輸出。例如，當按每個質量調整生命年的成本比較幹預措施時，成本是投入，QALY是產出。在這裡，我們將使用社會價值增量(價值調整後的生命年數的改善)作為產出，並以兩種方式解釋投入。我們首先檢查固定α下的產出量。因為one shot不是一個α的函數，我們還需要測試能產生固定輸出的α的大小，定義為與one shot幹預相同的輸出。下面將對此進行更詳細的解釋。

研究結果

圖2

圖2顯示了從0歲到100歲的轉移概率。這些數據來自三個大型縱向數據集，在其他地方詳細列出。例如，最上面的線顯示了X軸上這個年齡的健康的人在一年後仍然健康的概率(P(H|H))。最低的線是生病或死亡的概率。40歲以下的概率相當有利，但40歲以後，保持或恢復健康的概率下降，患病或死亡的概率上升。提高概率的幹預措施將使P(H|S)線提高10%，或使三個底線降低10%。

圖3

圖3顯示了出生隊列中每個年齡預計健康或患病的人數。(沒有顯示死亡人數)。實線代表100000人的出生隊列，每個人出生時都是健康的;上面一行是長期健康的人數下面實線是生病的人數。虛線代表一個隊列，每個人在出生時都生病了。一次性幹預改變了最初健康或生病的比例。值得注意的是，即使在「出生時全部患病」的隊列中，大多數人在幾年後仍是健康的，因為P(H|S)在較年輕的年齡較高(見圖2)。重要的是，直到80歲左右，患病人數相對於健康人數較少。這將對各種幹預措施的有效性產生影響。

兩條健康曲線下的區域是健康壽命的預期年數(YHL)，兩個隊列之間的差異主要是因為零歲附近的差異。表2中標有「現狀」的一行(解釋如下)表明，如果每個人出生時健康，YHL是67.87年；如果每個人出生時生病，則是64.52年。「患病」曲線下的區域是患病年限或發病率。第三對(虛線)代表健康和患病的人數，如果98%的人口出生時健康，類似於國家的估計。在圖3中，這些線實際上與「出生時都健康」的線沒有區別。YHL為67.8年。

圖4

圖4顯示了相同的信息，但針對的是退休人員群體。和以前一樣，當所有人在65歲時都健康時，兩條實線是健康(上線)和生病(下線)的數字。兩條虛線是65歲時所有人都生病時健康和生病的人數。兩條虛線反映了80%的人健康，20%的人在65歲時患病和健康的人數，類似於全國的估計。請注意，初始條件(65歲時，所有患病者對所有健康者對80%健康者)比圖3中的條件更重要。所有初始條件下，健康人的數量最終會變得相似，但需要的時間比圖3中的長。很明顯，三條頂部曲線下的區域是不同的。如果65歲時所有人都健康，YHL估計為13.12年；如果所有人都生病，則為10.44年；如果80%的人健康，則為12.58年。

表2

表2按隊列顯示了每項幹預措施的估計健康壽命年數、患病壽命年數和壽命年數，這取決於隊列在基線時是全部健康(第2-4列)還是全部患病(第5-7列)。例如，第一行顯示，在現狀下，出生隊列中出生時健康的人平均健康年數為67.87年，患病年數為9.51年，合計為77.38年(預期壽命)。接下來顯示的是基線時病人的數值，不太理想(例如，只有74.46 YOL)。在第8-10欄中，基線時健康和患病的百分比被設置為國家值:出生隊列的初始健康百分比為98%，患病百分比為2%，退休隊列的健康百分比為80%，患病百分比為20%。例如，對於出生隊列，第8列是0. 98*(第2列)加上0. 02*(第5列)。

YHL、YSL、YOL和醫療支出的增量變化

表3

表3的第2、3和4列與表2的最後三列相同，只是從每一行中減去了現狀值。例如，根據定義，現狀幹預的dYHL(YHL的差異)為0。一次性幹預在出生隊列中實現了0.067年的額外健康壽命，這是表3第二行的條目。一次性幹預還能減少0.009年的疾病壽命或發病率，增加0.059年的存活率。在退休人群中，一次性幹預的效果更大。第5欄顯示了幹預造成的未來醫療支出的估計差異，單位為美元。所有的幹預措施都改善了YHL和YOL(dYHL和dYOL總是正態的)，儘管這種改善通常不是很大。安全性和重症監護室幹預增加了發病率和醫療費用，而其他幹預降低了發病率和醫療費用。HP/DP +重症監護室降低了YSL，但增加了醫療費用。表3第2–5欄中的條目是針對α = .10計算的。然而，我們發現YHL、YSL和YOL的變化量通過|α| < 3的原點近似為α的線性函數(除了不特別依賴於α的單次注射和HP/DP +單次注射)。這種簡化後來用於將標準配置擴展到其他α值。

幹預的相對效果

幹預措施對YOL、YHL和YSL的影響是不同的。我們假設幹預對社會的增量值是K*(dYHL+β* dYSL)，其中K是一個可以忽略的常數，β是額外的YSL的相對值。首先，假設β = 0.5(額外YSL對社會的價值是額外YHL的一半)。表3第6列顯示了每次幹預的價值調整年增量，計算方法為dYHL+.5*dYSL。在出生隊列中，兩種聯合幹預提供了最大的價值，其次是HP/DP。退休人員的結果相似，除了一次性幹預是最好的簡單幹預。

對社會的價值也可以用β的其他值來計算。例如，如果β = 0，價值就是dYHL，如果β = 1，價值就是dYOL。如果β值較低，降低YSL的幹預措施更有價值；如果β值較高，則有利於提高YSL的幹預措施。在出生隊列中，如果β <0.798，則在所有單次幹預中，HP/DP產生的價值最大，而重症監護病房對較高的β值最有效(計算未顯示)。在退休人群中，β值< 0.741時，單次幹預最有價值，β值較高時，重症監護病房幹預較好。β < 0.606時，HP/DP優於ICU。因此，「最佳」幹預很大程度上取決於β，即額外的YSL對社會的相對價值。

儘管第6欄允許我們比較所有幹預措施的價值，這些幹預措施都通過相同的因素得到了改善，α= 0.10，但一次性幹預措施不是α的函數，因此不能與其他幹預措施進行公平比較。為了提高可比性，第7欄顯示了每次幹預產生與一次性幹預相同的價值調整年數所需的α值。例如，在表3的第6列中，對於退休人員，一次性的價值為0.4180，而HP/DP系統的價值僅為0.3590。要將HP/DP增加到一次性水平，我們必須將其值乘以0.4180/. 3590 = 1.164。因為增量價值被發現是通過原點的α的線性函數，將實現這種變化的α是1.164 * 10 = . 1164，其被列在第7欄中。在出生隊列中，一次性幹預相當於大約0.01的α，而在退休人員隊列中，它相當於0.1到0.2之間的α。第7列中較低的值是優選的，因為它們表明需要較小劑量的行幹預來等效於一次性幹預幹預。在這兩個隊列中，HP/DP是修改概率的最佳單次幹預，而HP/DP + ICU是最佳的整體幹預，即以最小的轉變概率(α的最小值)實現指定的價值。

第7欄顯示了初始條件與美國人口相同時所需的α，β = 0.5。更一般地說，如果π是基線健康的比例，

表4

其中dYHLHj表示幹預引起的YHL變化，如果基線時每個人都健康，dYHLSj是基線時每個人都生病的變化，dYHLH1和dYHLS1是指一次性幹預。該方程用於計算π和β的不同組合所需的α。表4顯示了對於不同的π和β值，哪種簡單的幹預具有最低的所需α。對於出生隊列，β < 0.4時，HP/DP最佳，β > 0.7時，ICU最佳，β在0.4和0.7之間時，HP/DP的π值較高時，首選ICU。對於退休人員群組，當β和π都較低時，治療幹預是優選的；也就是說，當最初的人口少於40%健康並且額外的YSL的相對價值較低時。β負值的首選幹預措施與β = 0的幹預措施相同，因此未單獨顯示。因此，表4顯示，儘管在標準配置(π= 0.98或0.80，β= 0.5)下，HP/DP是優選的，但HP/DP並不總是最佳幹預。對於不同的π或β值，重症監護室或治療幹預可能更可取。安全乾預從來都不是最好的。表4對α和λ的所有值都是正確的，但不允許對聯合幹預進行評估。

另一個重要的考慮因素是實施和維護幹預措施的成本。這需要指定幹預的成本，以將轉移概率提高100*α%(或使100*λ%的患者在基線時健康的成本)。我們表明，在某些假設下，如果一項幹預措施的成本比率低於其所需α比率的倒數，則相對於另一項幹預措施而言，該項幹預措施具有成本效益。由於我們沒有關於這些假設幹預的成本的信息，對成本效益的進一步討論僅限於討論部分的例子。

討論

這篇論文對文獻作出了幾項貢獻。我們將人口概念化為具有三種(或更多)健康狀態的系統。因為改變一個系統的唯一方法是改變初始條件或轉變概率，所有的公共衛生幹預都必須做出一個或多個這樣的改變。這使我們能夠對幹預的類型進行分類，並以系統的方式進行比較。我們在計算中加入了β，即額外一年患病壽命的相對價值，並發現它在決定各種幹預措施的相對效果方面具有影響力。通過將所有幹預的輸出標準化為單次幹預，我們獲得了不同幹預的公平比較。最後，我們發現YHL、YSL和YOL的改進量是通過原點(對於|α| <0.3)的α的線性函數，這允許我們僅在少數情況下計算多狀態壽命表，但將結果擴展到許多其他情況。

其他地方已經使用多狀態生命表方法來估計改變轉移概率、降低某些疾病或死亡原因的流行率或實現健康人2000年目標對死亡率和發病率[14-23]和醫療支出[24]的影響。該文獻通常只涉及老年人(65歲或以上)，並未具體涉及可能實現此類改變的幹預類型。

幹預措施的特點

圖2和圖3顯示，在這個國家，40歲以下人口的轉移概率和初始條件都沒有多少改善的空間。更有效的做法是針對中年人和老年人的健康，或年輕人中患病和患病或死亡概率較高的人群。所有幹預措施都改善了YHL和約略水平，但旨在提高約略水平的幹預措施也增加了發病率和醫療支出。表4顯示了哪些類型的幹預最有效，以及這個結論在多大程度上取決於π和β。

一次性幹預相當於用實線代替圖3中的虛線(使所有病人在基線時健康)。圖3中最上面的實線和虛線之間的區域(乘以最初患病的出生隊列的比例)是與一次性幹預相關的附加YHL。顯然，一次性幹預對YHL的影響是短期的，如果基線時患病人數很少，這種影響就很小。因此，一次性在退休人群中表現更好(見圖4)。通過將表3中的單次注射值減半，可以獲得僅使一半患者在基線時(λ= 0.5)健康的效果。

HP/DP、治療和一次性幹預通過保持或使更多人健康而發揮作用，從而直接改善YHL和YSL。它們間接改善了YOL，因為健康人的死亡率較低。重症監護室的幹預使病人免於死亡，從而直接增加了約爾和YSL，並間接增加了YHL，因為從死亡中獲救的人以後可能會變得健康。安全乾預直接增加了約爾和YHL，但也有些令人驚訝地增加了YSL，因為通過幹預挽救的人活得足夠長，可以積累YSL，而不是英年早逝。這些考慮的淨效果是，前三項幹預措施減少了醫療支出，而後兩項增加了醫療支出。

兩種聯合幹預的效果不同。HP/DP +一次性(退休人員群組中為0.7925)的價值略高於HP/DP和一次性(分別為0.3590+0.4180 = 0.7770)的價值之和。這種明顯的協同作用可能會發生，因為這兩種幹預作用於分布的不同部分，單次注射最初增加了健康人的數量，以使HP/DP幹預保持健康。HP/DP+重症監護室幹預措施提供的價值略低於其組成部分的總和，這可能是因為HP/DP系統幹預措施保持了人們的健康，使得重症監護室幹預措施能夠挽救更少的患者免於死亡。HP/DP+重症監護室增加了醫療支出，儘管它降低了YSL，顯然是因為它使YOL發生了相對較大的變化，而YSL的下降相對較小。在發送、安全和重症監護室幹預中增加一次性幹預是很容易評估的。在表2和表3中，我們僅顯示了幽門螺桿菌/聚合酶鏈反應+重症監護室，因為它優於其他組合(β= 0.5)。結合不同的幹預措施將需要額外的生命表計算。

至少在美國，有可能改進轉移概率和初始條件的估計，在美國，許多基於公眾人群的縱向數據集可以確定感興趣的亞人群的死亡。我們不知道β的任何來源，β是額外患病一年對社會的相對價值。需要這一信息是因為最佳幹預的選擇對β敏感。有證據表明β < 1，因為我們投資於不威脅生命的健康問題的治療。最近關於協助自殺和從持續植物人狀態中取消生命支持的公開討論表明β > 0。如表4所示，通常對預防項目的公共衛生強調隱含假設出生隊列中的β < .798，退休隊列中的β< . 606；否則，公共衛生將強調防止病人死亡(重症監護室)，當β值較大時，重症監護室提供最有價值的調整壽命。我們顯示了β= 0 . 5的結果，這是一個任意選擇。有趣的是，國家健康統計中心用於計算健康壽命的方法(與此處報導的方法不同)與老年人的β值約為0.5一致。這方面需要進一步研究。

結論

雖然大量的研究已經考慮了隊列的死亡率和殘疾模式，我們的論文可能是第一個提出整個年齡範圍內的轉變概率，並檢查特定類型的幹預對健康壽命的影響。關於不同的幹預措施如何改善公眾健康，已經獲得了一些見解。健康促進和疾病預防策略在大多數情況下表現良好，但重症監護室和治療有時更好。安全乾預將由通過和執行法律來實施，而不是直接幹預健康和患病的人。相對於其他幹預措施而言，它可能具有成本效益，儘管它從未在表4中被選中。β的重要性表明，是時候在全國範圍內討論通過增加發病率來提高存活率的幹預措施對社會的價值了。同時在美國，任何年齡的患病人數都很少，大部分都歸功於當今的公共衛生戰略。

參考資料：

Diehr P , Derleth A , Cai L , et al. The effect of different public health interventions on longevity, morbidity, and years of healthy life[J]. BMC Public Health, 2007, 7(1):52.

聲明：MEWS矩陣所刊載內容之智慧財產權為MEWS矩陣及相關權利人專屬所有或持有。未經許可，禁止進行轉載、摘編、複製及建立鏡像等任何使用。