2000—2019年中国脑瘤死亡趋势分析及预测研究

doi:10.12114/j.issn.1007-9572.2022.0630

中国全科医学 ›› 2023, Vol. 26 ›› Issue (06): 734-741.DOI: 10.12114/j.issn.1007-9572.2022.0630

2000—2019年中国脑瘤死亡趋势分析及预测研究

段朝晖¹, 张敏¹, 徐杰茹¹, 熊文婧², 陈磊¹, 赵湘铃¹, 张译匀¹, 让蔚清¹^,^*()

1．421001　湖南省衡阳市，南华大学公共卫生学院
2．421001　湖南省衡阳市，南华大学附属第一医院中医科

收稿日期:2022-05-23 修回日期:2022-09-30 出版日期:2023-02-20 发布日期:2022-10-13
通讯作者: 让蔚清
段朝晖，张敏，徐杰茹，等. 2000—2019年中国脑瘤死亡趋势分析及预测研究[J].中国全科医学，2023，26（6）：734-741. [www.chinagp.net]
作者贡献：段朝晖进行文章的构思、设计与撰写论文初稿；段朝晖、张敏负责资料的收集、整理，数据统计分析与绘制图表等；张敏、徐杰茹、熊文婧进行论文修订；陈磊、赵湘铃、张译匀、让蔚清负责文章的质量控制与审校，对文章整体负责，监督管理；所有作者确认了论文的最终稿。
基金资助:
国家自然科学基金资助项目（81673107）——基于肿瘤放射治疗的损伤预警指标体系筛选与预测模型研究

Past (2000-2019) and Future (2020-2024) Trends of Brain Cancer Mortality in China

DUAN Zhaohui¹, ZHANG Min¹, XU Jieru¹, XIONG Wenjing², CHEN Lei¹, ZHAO Xiangling¹, ZHANG Yiyun¹, RANG Weiqing¹^,^*()

1. School of Public Health, University of South China, Hengyang 421001, China
2. Traditional Chinese Medicine Department, the First Affiliated Hospital of University of South China, Hengyang 421001, China

Received:2022-05-23 Revised:2022-09-30 Published:2023-02-20 Online:2022-10-13
Contact: RANG Weiqing
About author:
DUAN Z H, ZHANG M, XU J R, et al. Past (2000-2019) and future (2020-2024) trends of brain cancer mortality in China[J]. Chinese General Practice, 2023, 26 (6) : 734-741.

分享到

摘要/Abstract

摘要： 背景脑瘤对人们健康的危害已获得广泛关注，但目前仍少有针对我国脑瘤死亡趋势分析与预测的有关研究。目的分析2000—2019年中国脑瘤的死亡变化趋势，并预测未来5年脑瘤的粗死亡率（CMR），为脑瘤防治策略的制订提供资料。方法提取2019年全球疾病负担研究（GBD）数据库中2000—2019年中国脑瘤死亡数据，包括CMR和年龄标化死亡率（以2019年全球人口数据进行标化，ASMR）。应用Joinpoint回归模型分析死亡趋势，采用内生因子估算法（IE算法）和年龄-时期-队列模型（APC模型）估计CMR的年龄、时期和出生队列效应。通过R（4.1.3）软件对2000—2019年脑瘤死亡数据建立GM（1，1）模型，预测未来5年脑瘤CMR。结果 Joinpoint回归模型结果显示，2000—2019年全国脑瘤ASMR与不同性别ASMR均呈下降趋势，全国脑瘤ASMR平均每年下降0.68%，男性脑瘤ASMR平均每年下降0.47%，女性脑瘤ASMR平均每年下降0.87%（P<0.05）。APC模型显示，中国男性脑瘤死亡风险随年龄的变化呈先降低后升高再降低的趋势，随时期变化是上升趋势，女性脑瘤的死亡风险均随年龄和时期增加而增大，即男性效应系数从1904—1908年出生队列组的0.62降低至2014—2019年出生队列组的-1.28，女性效应系数从1904—1908年出生队列组的0.36升高到1929—1933年出生队列组的0.57，随后逐渐降低，2014—2019年出生队列组的效应系数最低（-1.16）。GM（1，1）模型预测结果显示，2019年后我国脑瘤CMR将持续上升，2020—2024年CMR将会达到4.34/10万、4.39/10万、4.44/10万、4.49/10万、4.54/10万。结论 2000—2019年中国脑瘤ASMR总体呈下降趋势，死亡风险随着年龄的增大和时期的推移而增大，越早出生其死亡风险越大。模型预测结果显示未来5年中国脑瘤死亡率均持续上升，我国脑瘤防控形势依旧严峻，应加强我国脑瘤高发人群的防治宣传工作，提倡良好正确的生活方式，降低脑瘤的疾病负担。

关键词: 脑肿瘤, 死亡趋势, 年龄-时期-队列模型, 预测, Joinpoint回归模型, GM（1, 1）模型, 2019年全球疾病负担研究

Abstract:

Background

There has been a widespread concern over the issue of the negative effects of brain cancer on physical and mental health, but there are few studies on the past and future trends of brain cancer mortality in China.

Objective

To perform an analysis of the trend of crude mortality rate (CMR) of brain cancers in 2000-2019, and that in 2020-2024 in China, providing a reference for formulating prevention and control strategies for brain cancers.

Methods

Data of brain cancer deaths in China from 2000 to 2019 were extracted from the Global Burden of Disease Study 2019, including CMR and age-standardized mortality rate (ASMR, calculated using the age composition of the 2019 world population). The mortality trend was analyzed by Joinpoint regression model. The age, period and birth cohort effects of CMR were estimated by intrinsic estimator (IE) and age-period-cohort model (APC model). GM (1, 1) model was established by R (4.1.3) to predict the CMR of brain cancers in 2020-2024.

Results

The Joinpoint regression analysis the ASMR of brain cancers showed a downward trend in the whole population, male and female populations. The ASMR of brain cancers in the whole population, male and female populations decreased by 0.68%, 0.47%, and 0.87% on average each year, respectively from 2000 to 2019 (P<0.05). The APC analysis revealed that the death risk of brain cancers in both Chinese male and female populations increased with age and period. The death risk of brain cancers in the late birth cohort was lower than that in the early birth cohort, that is, the effect coefficient decreased from 0.62 in the 1904-1908 birth cohort to -1.28 in the 2014-2019 birth cohort in male, and that increased from 0.36 in the 1904-1908 female cohort to 0.57 in the 1929-1933 birth cohort, then it gradually decreased, and hit its lowest point in the 2014-2019 birth cohort (-1.16) in female. GM (1, 1) model predicted that the CMR of brain cancers in China would continue to rise after 2019, reaching 4.34/10⁵ in 2020, 4.39/10⁵ in 2021, 4.44/10⁵ in 2022, 4.49/10⁵ in 2023 and 4.54/10⁵ in 2024.

Conclusion

During 2000 to 2019, the ASMR of brain cancers in China generally showed a downward trend, and the risk of brain cancer death increased with age and year. People who were born earlier had a greater risk of death. The predicted ASMR of brain cancers would continue to rise in 2020-2024. So strong measures should be still carried out to prevent and control brain cancers, such as strengthening the propaganda of prevention and control of brain cancers in high-risk groups, advocating a healthy lifestyle, and reducing the disease burden of brain cancers.

Key words: Brain neoplasms, Death trend, Age-period-cohort model, Prediction, Joinpoint regression model, GM (1, 1) model, Global Burden of Disease Study 2019

段朝晖,张敏,徐杰茹,等. 2000—2019年中国脑瘤死亡趋势分析及预测研究[J]. 中国全科医学, 2023, 26(06): 734-741. DOI: 10.12114/j.issn.1007-9572.2022.0630.
DUAN Zhaohui,ZHANG Min,XU Jieru, et al. Past (2000-2019) and Future (2020-2024) Trends of Brain Cancer Mortality in China[J]. Chinese General Practice, 2023, 26(06): 734-741. DOI: 10.12114/j.issn.1007-9572.2022.0630.

图/表 6

参考文献 34

[1]	赫捷，魏文强. 2019中国肿瘤登记年报[M]. 北京：人民卫生出版社，2019：193-197.
[2]	FERLAY J，ERVIK M，LAM F. Global cancer observatory：cancer today[EB/OL].[2022-03-10]．
[3]	沈洪兵. 肿瘤分子流行病学[M]. 北京：人民卫生出版社，2014.
[4]	DEANGELIS L M. Global consequences of malignant CNS tumours：a call to action[J]. Lancet Neurol，2019，18(4):324-325. DOI：10.1016/S1474-4422(19)30083-3.
[5]	韩仁强，周金意，郑荣寿，等. 2014年中国脑瘤发病与死亡分析[J]. 中国肿瘤，2019，28(3):161-166. DOI：10.11735/j.issn.1004-0242.2019.03.A001.
[6]	韩仁强，周金意，张思维，等. 2015年中国脑瘤发病与死亡分析[J]. 中国肿瘤，2021，30(1):29-34. DOI：10.11735/j.issn.1004-0242.2021.01.A002.
[7]	李茜瑶，周莹，黄辉，等. 疾病负担研究进展[J]. 中国公共卫生，2018，34(5):777-780. DOI：10.11847/zgggws1118319.
[8]	MATTIUZZI C, LIPPI G. Cancer statistics：a comparison between World Health Organization （WHO） and global burden of disease （GBD）[J]. Eur J Public Health，2020，30(5):1026-1027. DOI：10.1093/eurpub/ckz216.
[9]	屈彦，王天一，杨津，等. GBD数据库的数据提取方法与流程[J]. 中国循证心血管医学杂志，2019，11(9):1043-1046. DOI：10.3969/j.issn.1674-4055.2019.09.04.
[10]	GBD Demographics Collaborators. Global age-sex-specific fertility，mortality，healthy life expectancy （HALE），and population estimates in 204 countries and territories，1950-2019：a comprehensive demographic analysis for the Global Burden of Disease Study 2019[J]. Lancet，2020，396(10258):1160-1203. DOI：10.1016/S0140-6736(20)30977-6.
[11]	KIM H J, FAY M P, FEUER E J，et al. Permutation tests for joinpoint regression with applications to cancer rates[J]. Stat Med，2000，19(3):335-351. DOI：10.1002/(sici)1097-0258(20000215)19:3<335:aid-sim336>3.0.co;2-z.
[12]	许忠宇. 2001~2015年深圳市肺癌发病的年龄-时期-队列模型分析[D]. 武汉：华中科技大学，2018.
[13]	CLAYTON D, SCHIFFLERS E. Models for temporal variation in cancer rates.Ⅱ：age-period-cohort models[J]. Stat Med，1987，6(4):469-481. DOI：10.1002/sim.4780060406.
[14]	FIENBERG S E, MASON W M. Identification and estimation of age-period-cohort models in the analysis of discrete archival data[J]. Sociol Methodol，1979，10:1. DOI：10.2307/270764.
[15]	YANG Y, SCHULHOFER W S, FU W J. The intrinsic estimator for age-period-cohort analysis：what it is and how to use it [J]. American Journal of Sociology，2008，113(6):1697-1736.
[16]	邓聚龙. 灰色系统理论教程[M]. 武汉：华中理工大学出版社，1990.
[17]	张鹏，李颖男. GM（1，1）模型的优化与应用[J]. 太原师范学院学报（自然科学版），2021，20(4):14-19,54.
[18]	刘丽娜. 灰色GM（1，1）模型的优化及其应用[D]. 秦皇岛：燕山大学，2014.
[19]	何家赓，侯建忠，闫贻忠. 2005—2013年中国肿瘤登记地区女性乳腺癌死亡及疾病负担时间趋势分析[J]. 中华肿瘤防治杂志，2019，26(8):523-528. DOI：10.16073/j.cnki.cjcpt.2019.08.001.
[20]	YANG X B, ZOU J J, KONG D G，et al. The analysis of GM （1，1） grey model to predict the incidence trend of typhoid and paratyphoid fevers in Wuhan City，China[J]. Medicine （Baltimore），2018，97(34):e11787. DOI：10.1097/MD.0000000000011787.
[21]	SUNG H, FERLAY J, SIEGEL R L，et al. Global cancer statistics 2020：GLOBOCAN estimates of incidence and mortality worldwide for 36 cancers in 185 countries[J]. CA Cancer J Clin，2021，71(3):209-249. DOI：10.3322/caac.21660.
[22]	DEORAH S, LYNCH C F, SIBENALLER Z A，et al. Trends in brain cancer incidence and survival in the United States：Surveillance，Epidemiology，and End Results Program，1973 to 2001[J]. Neurosurg Focus，2006，20(4):E1. DOI：10.3171/foc.2006.20.4.E1.
[23]	HASSANIPOUR S, NAMVAR G, FATHALIPOUR M，et al. The incidence of brain tumours in Iran：a systematic review and meta-analysis[J]. Advances in Human Biology，2019，9(1):2-7.
[24]	PARKIN D M, BRAY F, FERLAY J，et al. Cancer in Africa 2012[J]. Cancer Epidemiol Biomarkers Prev，2014，23(6):953-966. DOI：10.1158/1055-9965.EPI-14-0281.
[25]	OSTROM Q T, FRANCIS S S, BARNHOLTZ-SLOAN J S. Epidemiology of brain and other CNS tumors[J]. Curr Neurol Neurosci Rep，2021，21(12):68. DOI：10.1007/s11910-021-01152-9.
[26]	国家卫生健康委老龄健康司. 2020年度国家老龄事业发展公报[EB/OL].(2021-10-15)[2022-07-02].
[27]	POUCHIEU C, BALDI I, GRUBER A，et al. Descriptive epidemiology and risk factors of primary central nervous system tumors：current knowledge[J]. Rev Neurol （Paris），2016，172(1):46-55. DOI：10.1016/j.neurol.2015.10.007.
[28]	张云飞，刘培民. 中医药治疗脑瘤的研究进展[J]. 中医临床研究，2015，7(29):145-146.
[29]	ZENG H M, CHEN W Q, ZHENG R S，et al. Changing cancer survival in China during 2003-15：a pooled analysis of 17 population-based cancer registries[J]. Lancet Glob Health，2018，6(5):e555-567. DOI：10.1016/S2214-109X(18)30127-X.
[30]	GBD Brain and Other CNS Cancer Collaborators. Global，regional，and national burden of brain and other CNS cancer，1990-2016：a systematic analysis for the Global Burden of Disease Study 2016[J]. Lancet Neurol，2019，18(4):376-393. DOI：10.1016/S1474-4422(18)30468-X.
[31]	PIEL C, POUCHIEU C, TUAL S，et al. Central nervous system tumors and agricultural exposures in the prospective cohort AGRICAN[J]. Int J Cancer，2017，141(9):1771-1782. DOI：10.1002/ijc.30879.
[32]	VIENNE-JUMEAU A, TAFANI C, RICARD D. Environmental risk factors of primary brain tumors：a review[J]. Rev Neurol （Paris），2019，175(10):664-678. DOI：10.1016/j.neurol.2019.08.004.
[33]	OSTROM Q T, ADEL FAHMIDEH M, COTE D J，et al. Risk factors for childhood and adult primary brain tumors[J]. Neuro Oncol，2019，21(11):1357-1375. DOI：10.1093/neuonc/noz123.
[34]	查震球，刘志荣，郑荣寿，等. 2008—2012年中国肿瘤登记地区脑及神经系统肿瘤发病与死亡分析[J]. 中华疾病控制杂志，2018，22(11):1101-1105. DOI：10.16462/j.cnki.zhjbkz.2018.11.003.

人群	年份（年）	APC（95%CI）（%）	Z值	P值	AAPC（95%CI）（%）	Z值	P值
总人群	2000—2014	-1.02（-1.08，-0.96）	-34.06	<0.001	-0.68（-0.76，-0.60）	-16.68	<0.001
	2014—2019	0.27（-0.01，0.55）	2.03	0.060
男性	2000—2004	-0.16（-0.52，0.20）	-0.99	0.346	-0.47（-0.66，0.29）	-5.11	<0.001
	2004—2007	-1.33（-2.24，-0.24）	-2.74	0.023
	2007—2015	-0.60（-0.74，-0.46）	-9.57	<0.001
	2015—2019	0.11（-0.20，0.42）	0.81	0.441
女性	2000—2006	-1.55（-1.73，-1.37）	-18.87	<0.001	-0.87（-0.96，-0.79）	-19.17	<0.001
	2006—2014	-1.21（-1.35，-1.07）	-19.10	<0.001
	2014—2019	0.49（0.27，0.71）	4.88	<0.001

人群	年份（年）	APC（95%CI）（%）	Z值	P值	AAPC（95%CI）（%）	Z值	P值
总人群	2000—2014	-1.02（-1.08，-0.96）	-34.06	<0.001	-0.68（-0.76，-0.60）	-16.68	<0.001
	2014—2019	0.27（-0.01，0.55）	2.03	0.060
男性	2000—2004	-0.16（-0.52，0.20）	-0.99	0.346	-0.47（-0.66，0.29）	-5.11	<0.001
	2004—2007	-1.33（-2.24，-0.24）	-2.74	0.023
	2007—2015	-0.60（-0.74，-0.46）	-9.57	<0.001
	2015—2019	0.11（-0.20，0.42）	0.81	0.441
女性	2000—2006	-1.55（-1.73，-1.37）	-18.87	<0.001	-0.87（-0.96，-0.79）	-19.17	<0.001
	2006—2014	-1.21（-1.35，-1.07）	-19.10	<0.001
	2014—2019	0.49（0.27，0.71）	4.88	<0.001

年份（年）	CMR （1/10万）	累加序列	滑动平均序列	指数规律性检验（级比）	光滑性检验（光滑比）
2000	3.59	3.59	—	—	—
2001	3.62	7.20	5.39	2.01	1.01
2002	3.64	10.84	9.02	1.51	0.51
2003	3.64	14.48	12.66	1.34	0.34
2004	3.68	18.16	16.32	1.25	0.25
2005	3.69	21.85	20.00	1.20	0.20
2006	3.68	25.53	23.69	1.17	0.17
2007	3.70	29.24	27.38	1.15	0.15
2008	3.75	32.98	31.11	1.13	0.13
2009	3.79	36.78	34.88	1.12	0.12
2010	3.83	40.61	38.70	1.10	0.10
2011	3.85	44.46	42.54	1.09	0.09
2012	3.88	48.34	46.40	1.09	0.09
2013	3.91	52.25	50.30	1.08	0.08
2014	3.99	56.25	54.25	1.08	0.08
2015	4.05	60.30	58.27	1.07	0.07
2016	4.15	64.45	62.38	1.07	0.07
2017	4.24	68.69	66.57	1.07	0.07
2018	4.35	73.05	70.87	1.06	0.06
2019	4.47	77.51	75.28	1.06	0.06

年份（年）	CMR （1/10万）	累加序列	滑动平均序列	指数规律性检验（级比）	光滑性检验（光滑比）
2000	3.59	3.59	—	—	—
2001	3.62	7.20	5.39	2.01	1.01
2002	3.64	10.84	9.02	1.51	0.51
2003	3.64	14.48	12.66	1.34	0.34
2004	3.68	18.16	16.32	1.25	0.25
2005	3.69	21.85	20.00	1.20	0.20
2006	3.68	25.53	23.69	1.17	0.17
2007	3.70	29.24	27.38	1.15	0.15
2008	3.75	32.98	31.11	1.13	0.13
2009	3.79	36.78	34.88	1.12	0.12
2010	3.83	40.61	38.70	1.10	0.10
2011	3.85	44.46	42.54	1.09	0.09
2012	3.88	48.34	46.40	1.09	0.09
2013	3.91	52.25	50.30	1.08	0.08
2014	3.99	56.25	54.25	1.08	0.08
2015	4.05	60.30	58.27	1.07	0.07
2016	4.15	64.45	62.38	1.07	0.07
2017	4.24	68.69	66.57	1.07	0.07
2018	4.35	73.05	70.87	1.06	0.06
2019	4.47	77.51	75.28	1.06	0.06

2000—2019年中国脑瘤死亡趋势分析及预测研究

Past (2000-2019) and Future (2020-2024) Trends of Brain Cancer Mortality in China

RichHTML

PDF

PDF (英文版)

可视化

摘要/Abstract

引用本文

使用本文

图/表 6

参考文献 34

相关文章 15

编辑推荐

Metrics

留言

[1]	白海威, 米小昆, 刘青蕊, 祝琳, 王英南, 刘俊艳, 韩颖. 血清尿酸对非小细胞肺癌患者围术期急性缺血性卒中的预测价值研究[J]. 中国全科医学, 2023, 26(36): 4545-4551.
[2]	刘林波, 廖智杰, 杨文凡, 白丹丹, 王冬梅, 施森. 1990—2019年中国周围动脉疾病患病性别差异情况研究[J]. 中国全科医学, 2023, 26(35): 4425-4432.
[3]	朱文鹏, 韩梦琦, 王雨欣, 王国平. 1990—2019年中国鼻咽癌发病与死亡的趋势及预测研究[J]. 中国全科医学, 2023, 26(34): 4269-4276.
[4]	王秋实, 李虹伟. CHA₂DS₂-VASc卒中风险评分对冠心病三支血管或左主干病变患者主要不良心血管事件的预测价值研究[J]. 中国全科医学, 2023, 26(33): 4130-4136.
[5]	王瑜, 陈焱, 韩元元, 徐清, 陈胜岳, 吕智博, 卢川, 郑铭鑫, 赵昕. 血小板-淋巴细胞比值可预测老年急性心肌梗死患者住院期间死亡风险[J]. 中国全科医学, 2023, 26(33): 4137-4142.
[6]	张继方, 陈芳, 唐佳雯, 李红亮. 肿瘤出芽及肿瘤浸润淋巴细胞对食管鳞状细胞癌淋巴结转移的预测价值研究[J]. 中国全科医学, 2023, 26(32): 4038-4042.
[7]	温雯, 张凯楠, 陈玉岚, 李瑜, 张向阳. 代谢指数作为预测因子与阻塞性睡眠呼吸暂停的相关性分析[J]. 中国全科医学, 2023, 26(30): 3740-3747.
[8]	马艳艳, 任付先, 王宇, 高登峰. （中性粒细胞+单核细胞）/淋巴细胞比值对心力衰竭患者住院死亡的预测价值研究[J]. 中国全科医学, 2023, 26(30): 3791-3796.
[9]	王珍, 申国旗, 李亚南, 朱英华, 仇航, 郑迪, 徐通达, 李文华. 急性心肌梗死患者行经皮冠状动脉介入治疗术后发生对比剂急性肾损伤风险预测模型的建立与验证研究[J]. 中国全科医学, 2023, 26(29): 3650-3656.
[10]	李梓盟, 王荣, 陈帅, 赵彩丽, 王晓聪, 温雅璐, 刘龙. 基于metaPRS与APOEε4优化轻度认知障碍遗传风险统计建模策略的应用研究[J]. 中国全科医学, 2023, 26(25): 3104-3111.
[11]	胡晓飞, 赵平, 曹廷华, 彭兰兰. 腹部脂肪含量及分布对急性胰腺炎及其重症的预测价值研究[J]. 中国全科医学, 2023, 26(21): 2614-2619.
[12]	张康, 姬文帅, 孔欣欣, 杜琛, 谢凯, 王海峰. 序贯性脏器功能衰竭评分和CURB-65评分及肺炎严重指数评分对重症肺炎患者28天死亡的预测效能比较研究[J]. 中国全科医学, 2023, 26(18): 2217-2222.
[13]	蒋琪霞, 周济宏, 陈可塑, 洪艳燕, 彭青, 展颖颖, 解怡洁, 孙颖, 王祖晶. 中国46所三级医院成年住院患者压力性损伤流行病学特征及Braden量表预测作用研究[J]. 中国全科医学, 2023, 26(18): 2195-2202.
[14]	王海, 王卓莉, 裴红红, 潘龙飞. 西安市2021—2022年跨年期间新型冠状病毒感染重症病例的危险因素分析及预测指标研究[J]. 中国全科医学, 2023, 26(17): 2132-2137.
[15]	沈傲梅, 路潜, 符鑫, 韦小夏, 卞静如, 张丽媛, 强万敏, 庞冬. 基于前瞻性队列研究的Meta分析构建乳腺癌相关淋巴水肿风险预测模型研究[J]. 中国全科医学, 2023, 26(17): 2078-2088.