国开网《社会医学》第六章 第三节 健康危险因素评价的应用

个体评价主要是根据实际年龄、评价年龄和增长年龄三者之间的差别来进行，以比较直观的方式告知个体现存的健康危险因素及根据建议改变健康危险因素后死亡危险降低的程度，以增强行为干预的效果。一般来说，评价年龄高于实际年龄，说明个体存在的健康危险因素高于平均水平，死亡率可能高于当地死亡率平均水平。增长年龄与评价年龄之差，说明降低健康危险因素后用年龄表达的死亡概率的降低水平。根据个体评价的结果，一般可将个体分为以下四种类型。

(一)健康型

个体的评价年龄小于实际年龄。例如：个体的实际年龄是48岁，评价年龄是45岁，评价年龄小于实际年龄，说明个体健康危险因素低于平均危险水平，健康状况较好。

(二)自创性危险因素型

个体的评价年龄大于实际年龄，且评价年龄与增长年龄之差大。例如：某男性的实际年龄为41岁，评价年龄为43.5岁，增长年龄36岁， 这种类型的个体评价年龄大于实际年龄，说明个体健康危险因素高于平均水平；评价年龄与增长年龄相差大，说明这些健康危险因素多是自创的，是可以去除的，通过改变健康危险因素可以在很大程度上改善健康状况，降低死亡危险程度。

(三)难以改变的危险因素型

个体的评价年龄大于实际年龄，但是评价年龄与增长年龄之差小。例如，某个体实际年龄41岁，评价年龄48岁，增长年龄47岁，评价年龄与增长年龄之差仅为1岁。这种类型的个体的健康危险因素主要来自既往病史或遗传因素，不容易改变这些危险因素，即使改变，效果也不明显，死亡危险程度不会有大的改变。

(四)一般性危险型

个体的实际年龄与评价年龄接近，增长年龄与评价年龄也接近。该类型个体的死亡率水平相当于当地的平均死亡率水平，个体存在的健康危险因素的类型和水平也与当地人群的平均水平接近，降低健康危险因素的可能性有限。

健康危险因素群体评价是在个体评价的基础进行的，一般可以从以下方面开展评价和分析。

(一)不同人群的危险程度

进行不同人群的危险程度分析时，可以根据个体评价的结果，将不同人群危险程度的性质分为健康组(健康型个体)、危险组(自创性危险因素型、难以改变的危险因素型个体)和一般组(一般性危险型个体)三种类型。然后，根据人群中上述三种类型人群所占的比重大小确定不同人群的危险程度，将危险水平最高的人群列为重点防治对象。一般而言，某人群处于危险组的人越多，危险水平则越高。可以根据不同性别、年龄、职业、文化和收入水平等人群特征分别进行危险水平分析。例如，表 6-2 所示的某社区不同危险水平的性别构成，不同性别之间的分布不一致，男性危险组的比例较高。但该危险组的比重能否降低，需要进一步分析健康危险因素的属性。

(二)危险因素的属性

大多数与慢性病有关的健康危险因素是由行为生活方式导致的，是自我行为选择的结 果。这一类健康危险因素是可以通过健康教育和行为干预去除的。计算危险组人群中自创性危险因素的比例，可以说明有多大比重的健康危险因素能够避免。若能去除健康危险因素的人群比例较高，则可通过健康教育和健康促进有针对性地进行干预，改变危害健康的行为生活方式，提高人群的健康状况。

(三)单项健康危险因素对健康的影响

当人群具有的健康危险因素较多时，可以通过分析各种健康危险因素对健康的危害情 况，首先选择对当地人群影响最大的健康危险因素进行干预。分析方法是：首先，计算某一单项健康危险因素改变后，人群增长年龄与评价年龄之差的平均数，将其作为危险强度；其次，以该项健康危险因素在人群中发生的比例作为危险频度；最后，将危险强度乘以危险频度作为危险程度指标，来表示该项健康危险因素对健康可能造成的影响。

通过对不同人群的危险程度分析，可以发现应该加以干预的重点人群；通过对健康危险因素属性的分析，有助于制定针对不同人群的疾病干预措施；而通过对单项健康危险因素影响的分析，有助于我们确定重点干预的健康危险因素。总之，通过对健康危险因素的群体评价，有助于疾病控制工作的开展和人群健康水平的提高。

大数据或称巨量资料，是指需要新处理模式才能具有更强的决策力、洞察力和流程优化能力的海量、高增长率和多样化的信息资产。大数据具有大量、高速、多样和有价值的特征。早期的医疗相关数据是以纸张化的形式存在的，现在的趋势是大数据时代，医疗数据快速激增并趋于电子数字化的形式，如电子健康档案、电子病历、大量电子化的在线健康信息和健康危险因素信息等。这些电子化信息的存在和数据分析手段的发展为从大数据中挖掘和提取有价值的健康相关信息、进行健康危险因素评价和健康风险评估提供了可能。

在个体健康评价方面，利用大数据能够在早期识别高风险人群，其在预防潜在的不良事件、改善健康结局方面有巨大的应用潜力；基于大数据构建的各类健康风险评估模型能有效识别高危个体，帮助临床医生和患者进行临床决策，采取相应的药物及非药物治疗。在群体健康评价方面，现代疾病实时监测系统可利用生物健康大数据，快速识别疾病的发生发展及传播模式，为公共卫生干预提供有价值的信息；利用大数据在群体水平上对慢性病疾病负担进行评估，通过深入了解群体的健康行为、社会和环境决定因素，促进对导致慢性病负担的可改变风险因素(如体力活动、饮食、吸烟和污染暴露等)采取有针对性的控制。

通过融合医疗大数据，全面、深入挖掘不同来源的数据信息，提高重要特征筛选检验效能和疾病风险预测的准确性，全方位、全周期地管理健康信息，提高健康状况评价的可及性、精准化和智能化，使基于大规模监测数据的人群健康危险因素评价成为可能。