Association between Comorbidity Patterns and Disability for the Older Adults: Based on a Sampling Survey in Sichuan Province

doi:10.12114/j.issn.1007-9572.2023.0928

Abstract

Abstract:

Background

With the population aging, the number of patients with chronic diseases and disability is increasing, which brings a heavy burden on the medical system. While it is well established that comorbidity and disability are closely interconnected, there is a noticeable scarcity of studies addressing the relationship between different patterns of comorbidity and disability.

Objective

To explore the common comorbidity patterns and their associations with disability among the older adults in China taking Sichuan as an example.

Methods

A total of 501 older adults, aged 60 and above, were selected using quota sampling in Sichuan from August to Novermber 2022. Detailed data on chronic diseases, disability, and general demographics were collected. Comorbidity patterns among the older adults were identified using a two-step clustering method that combined self-organizing maps and K-Means. The association between patterns of comorbidity and disability was explored using a logistic regression model, employing the National Disability Assessment Scale for the Long-term Care issued by the National Healthcare Security Administration of China in 2021.

Results

In this survey, The prevalence of comorbidity 62.3% (312/501) and the prevalence of disability was 74.3% (372/501). We identified six comorbidity patterns: Arthritis/Rheumatism and Hypertension diseases, Cardiovascular and Metabolic diseases, Kidney and Arthritis/Rheumatism diseases, Cancer and Arthritis/Rheumatism diseases, Asthma, Hypertension, and Gastrointestinal diseases, Emotional/Mental and Memory-related diseases. The results of binomial logistic regression showed that the risk of disability was 6.3 times higher when people suffering from two or more chronic diseases at the same time (OR=6.3, 95%CI=3.9-10.3, P<0.05). The results of multinomial logistic regression showed that the risk of disability was increased in all six comorbidity patterns (P<0.05). Compared to the population without comorbidities, the comorbid group with the emotional/mental and memory-related diseases pattern has a 10.7 times risk with more severe disability (OR=10.7, 95%CI=1.7-63.6), which had the greatest impact on disability. Next is the Cancer and Arthritis/Rheumatism pattern (OR=7.8, 95%CI=2.4-24.8) .

Conclusion

The incidence of comorbidity among the older adults in Sichuan is high, and there is a significant association between several comorbidity patterns and disability, especially for the Emotional/Mental and Memory-related diseases pattern and Cancer and Arthritis/Rheumatism pattern. The health care system should focus on the older adults with comorbidity, formulate accurate and effective long-term care policies and strategies based on different comorbidity patterns to prevent and reduce the occurrence of disability, improve the well-being of the older adults, and save social medical resources.

Key words: Multiple chronic conditions, Comorbidity patterns, Disability, Aged, Self-organizing map, Two-step clustering method, Sichuan Province

摘要：

背景

随着人口老龄化的进展，慢性病共病和失能老年人的数量与日俱增，给社会带来沉重的医疗负担。共病和失能联系紧密，但目前关于共病模式和失能状况的相关性研究较少。

目的

本研究旨在以四川省为例识别我国老年人群中常见的慢性病共病模式，并从个体层面探讨不同共病模式与失能状况之间的相关性。

方法

于2022年8—11月采用定额随机抽样方法在四川省抽取501例60岁及以上的老年人群样本，收集其慢性病患病状况、失能状况及一般人口学等信息。通过自组织映射神经网络和K-Means相结合的二次聚类方法，识别老年人群的常见共病模式。基于2021年国家医疗保障局首个《长期护理失能等级评估标准（试行）》判定样本的失能等级，应用逻辑回归模型探究慢性病共病模式与失能等级之间的关系。

结果

501例样本中，共病患病率为62.3%（312/501），失能率为74.3%（372/501）；最终确定6种共病模式：关节炎或风湿病-高血压模式；血脂异常-高血压模式；肾脏疾病-关节炎或风湿病模式；癌症-关节炎或风湿病模式；哮喘-高血压-消化系统疾病模式；情感精神-记忆相关疾病模式。二分类逻辑回归分析结果显示，共病人群的失能风险是无共病人群的6.3倍（OR=6.3，95%CI=3.9~10.3，P<0.05）。多因素多分类逻辑回归分析结果显示，6种共病模式的失能风险均增加（P<0.05）；其中情感精神-记忆相关疾病模式的共病人群失能风险最大，是无共病人群的10.7倍（OR=10.7，95%CI=1.7~63.6），其次是癌症-关节炎或风湿病模式（OR=7.8，95%CI=2.4~24.8）。

结论

四川省老年人共病患病率较高，多种共病模式均与失能的发生显著相关，尤其是情感精神-记忆相关疾病模式和癌症-关节炎或风湿病模式。医疗卫生保健系统应重点关注患有共病的老年群体，基于不同共病模式制定精准有效的长期护理政策和策略，预防延缓失能的发生、发展，提高老年人健康福祉，节约社会医疗卫生资源。

关键词: 慢性病共病, 共病模式, 失能状况, 老年人, 自组织映射神经网络, 二次聚类, 四川省

CLC Number:

R 36

LI Xiaofeng,PEI Xingtong,YANG Chunhui, et al. Association between Comorbidity Patterns and Disability for the Older Adults: Based on a Sampling Survey in Sichuan Province[J]. Chinese General Practice, 2025, 28(02): 149-158. DOI: 10.12114/j.issn.1007-9572.2023.0928.
李小凤,裴星童,杨春晖等. 老年人群慢性病共病模式与失能状况的关联研究：基于四川省抽样调查[J]. 中国全科医学, 2025, 28(02): 149-158. DOI: 10.12114/j.issn.1007-9572.2023.0928.

Figures/Tables 7

References 40

[1]	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.
[2]	BERNER K, TAWA N, LOUW Q. Multimorbidity patterns and function among adults in low-and middle-income countries: a scoping review protocol [J]. Syst Rev, 2022, 11 (1) : 139. DOI: 10.1186/s13643-022-01996-3.
[3]	LEE J T, ISHIDA M, HAREGU T, et al. Functional limitation as a mediator of the relationship between multimorbidity on health-related quality of life in Australia: evidence from a national panel mediation analysis [J]. Front Med, 2023, 10: 1151310. DOI: 10.3389/fmed.2023.1151310.
[4]	STUBBS B, KOYANAGI A, VERONESE N, et al. Physical multimorbidity and psychosis: comprehensive cross sectional analysis including 242, 952 people across 48 low-and middle-income countries [J]. BMC Med, 2016, 14 (1) : 189. DOI: 10.1186/s12916-016-0734-z.
[5]	LI H B, WANG A X, GAO Q, et al. Prevalence of somatic-mental multimorbidity and its prospective association with disability among older adults in China [J]. Aging, 2020, 12 (8) : 7218-7231. DOI: 10.18632/aging.103070.
[6]	WILLIAMS J S, EGEDE L E. The association between multimorbidity and quality of life, health status and functional disability [J]. Am J Med Sci, 2016, 352 (1) : 45-52. DOI: 10.1016/j.amjms.2016.03.004.
[7]	ZHAO Y W, HAREGU T N, HE L, et al. The effect of multimorbidity on functional limitations and depression amongst middle-aged and older population in China: a nationwide longitudinal study [J]. Age Ageing, 2021, 50 (1) : 190-197. DOI: 10.1093/ageing/afaa117.
[8]	OLSON J E, TAKAHASHI P Y, ST SAUVER J M. Understanding the patterns of multimorbidity [J]. Mayo Clin Proc, 2018, 93 (7) : 824-825. DOI: 10.1016/j.mayocp.2018.05.016.
[9]	World Health Organization. Active ageing: a policy framework [DB/OL]. [2023-07-22].
[10]	毛晓雨, 唐平. 我国失能评估工具的研究进展 [J]. 中华老年多器官疾病杂志, 2023, 22 (3) : 218-221. DOI: 10.11915/j.issn.1671-5403.2023.03.045.
[11]	鲁显玉, 王志羽, 邢凤梅, 等. 以社会支持为中介的唐山市共病老年人衰弱与失能的关系 [J]. 医学与社会, 2022, 35 (10) : 57-60, 66. DOI: 10.13723/j.yxysh.2022.10.011.
[12]	陈习琼. 中国老年人口失能现状及地区差异 [J]. 中国老年学杂志, 2022, 42 (5) : 1197-1201. DOI: 10.3969/j.issn.1005-9202.2022.05.050.
[13]	HOU C, PING Z, YANG K, et al. Trends of activities of daily living disability situation and association with chronic conditions among elderly aged 80 years and over in China [J]. J Nutr Health Aging, 2018, 22 (3) : 439-445. DOI: 10.1007/s12603-017-0947-7.
[14]	YOKOTA R T, VAN DER HEYDEN J, NUSSELDER W J, et al. Impact of chronic conditions and multimorbidity on the disability burden in the older population in Belgium [J]. J Gerontol A Biol Sci Med Sci, 2016, 71 (7) : 903-909. DOI: 10.1093/gerona/glv234.
[15]	ZHAO Y, HE L, HAN C L, et al. Urban-rural differences in the impacts of multiple chronic disease on functional limitations and work productivity among Chinese adults [J]. Glob Health Action, 2021, 14 (1) : 1975921. DOI: 10.1080/16549716.2021.1975921.
[16]	PRADOS-TORRES A, CALDERÓN-LARRAÑAGA A, HANCCO-SAAVEDRA J, et al. Multimorbidity patterns: a systematic review [J]. J Clin Epidemiol, 2014, 67 (3) : 254-266. DOI: 10.1016/j.jclinepi.2013.09.021.
[17]	国家医保局办公室民政部办公厅关于印发《长期护理失能等级评估标准(试行) 》的通知 [EB/OL]. (2021-08-03) [2023-07-22].
[18]	林金雄, 吴清川, 翁昱岑, 等. 从《长期护理失能等级评估标准(试行) 》的颁布与实施刍议失能评估公正性及管理机制 [J]. 卫生软科学, 2022, 36 (9) : 77-80, 89. DOI: 10.3969/j.issn.1003-2800.2022.09.016.
[19]	中国经济与人口研究中心. 中国健康与养老追踪调查 [EB/OL]. [2023-07-22].
[20]	丁华, 严洁. 中国老年人失能率测算及变化趋势研究 [J]. 中国人口科学, 2018, 32 (3) : 97-108.
[21]	VESANTO J, ALHONIEMI E. Clustering of the self-organizing map [J]. IEEE Trans Neural Netw, 2000, 11 (3) : 586-600. DOI: 10.1109/72.846731.
[22]	王福琳, 杨超, 杜建, 等. 基于自组织映射网络的中老年人慢性病关联及共病模式可视化聚类分析 [J]. 解放军医学杂志, 2022, 47 (12) : 1217-1225. DOI: 10.11855/j.issn.0577-7402.2022.12.1217.
[23]	WANG Z J, PENG W J, LI M Y, et al. Association between multimorbidity patterns and disability among older people covered by long-term care insurance in Shanghai, China [J]. BMC Public Health, 2021, 21 (1) : 418. DOI: 10.1186/s12889-021-10463-y.
[24]	刘贝贝, 田庆丰, 郭金玲. 我国中老年人群慢性病患病现状及共病模式分析 [J]. 医学与社会, 2022, 35 (8) : 58-61, 66. DOI: 10.13723/j.yxysh.2022.08.011.
[25]	QUIÑONES A R, MARKWARDT S, BOTOSENEANU A. Multimorbidity combinations and disability in older adults [J]. J Gerontol A Biol Sci Med Sci, 2016, 71 (6) : 823-830. DOI: 10.1093/gerona/glw035.
[26]	金琇泽, 路云. 中国老年人共病状况及其对医疗卫生支出的影响研究 [J]. 中国全科医学, 2019, 22 (34) : 4166-4172. DOI: 10.12114/j.issn.1007-9572.2019.00.616.
[27]	张冉, 路云, 张闪闪, 等. 中国老年人慢性病共病患病模式及疾病相关性分析 [J]. 中国公共卫生, 2019, 35 (8) : 1003-1005. DOI: 10.11847/zgggws1120351.
[28]	YAO S S, CAO G Y, HAN L, et al. Prevalence and patterns of multimorbidity in a nationally representative sample of older Chinese: results from the China health and retirement longitudinal study [J]. J Gerontol A Biol Sci Med Sci, 2020, 75 (10) : 1974-1980. DOI: 10.1093/gerona/glz185.
[29]	KIRCHBERGER I, MEISINGER C, HEIER M, et al. Patterns of multimorbidity in the aged population. Results from the KORA-Age study [J]. PLoS One, 2012, 7 (1) : e30556. DOI: 10.1371/journal.pone.0030556.
[30]	张露文, 陆翘楚, 赵洋. 中国中老年人慢病共病组合及其健康结局差异 [J]. 中山大学学报(医学科学版), 2023, 44 (1) : 159-168. DOI: 10.13471/j.cnki.j.sun.yat-sen.univ(med.sci).20221215.001.
[31]	ZEMEDIKUN D T, GRAY L J, KHUNTI K, et al. Patterns of multimorbidity in middle-aged and older adults: an analysis of the UK biobank data [J]. Mayo Clin Proc, 2018, 93 (7) : 857-866. DOI: 10.1016/j.mayocp.2018.02.012.
[32]	MARENGONI A, RIZZUTO D, WANG H X, et al. Patterns of chronic multimorbidity in the elderly population [J]. J Am Geriatr Soc, 2009, 57 (2) : 225-230. DOI: 10.1111/j.1532-5415.2008.02109.x.
[33]	HUNGER M, THORAND B, SCHUNK M, et al. Multimorbidity and health-related quality of life in the older population: results from the German KORA-age study [J]. Health Qual Life Outcomes, 2011, 9: 53. DOI: 10.1186/1477-7525-9-53.
[34]	肖文娟, 陈诗琪, 李中英, 等. 中国老年人多病模式与身体活动水平及失能的关系 [J]. 陕西师范大学学报(自然科学版), 2022, 50 (6) : 87-94.
[35]	VETRANO D L, RIZZUTO D, CALDERÓN-LARRAÑAGA A, et al. Trajectories of functional decline in older adults with neuropsychiatric and cardiovascular multimorbidity: a Swedish cohort study [J]. PLoS Med, 2018, 15 (3) : e1002503. DOI: 10.1371/journal.pmed.1002503.
[36]	JACKSON C A, JONES M, TOOTH L, et al. Multimorbidity patterns are differentially associated with functional ability and decline in a longitudinal cohort of older women [J]. Age Ageing, 2015, 44 (5) : 810-816. DOI: 10.1093/ageing/afv095.
[37]	CHI I, YIP P S F, CHIU H F K, et al. Prevalence of depression and its correlates in Hong Kong's Chinese older adults [J]. Am J Geriatr Psychiatry, 2005, 13 (5) : 409-416. DOI: 10.1176/appi.ajgp.13.5.409.
[38]	TSUTSUMIMOTO K, DOI T, NAKAKUBO S, et al. Cognitive frailty as a risk factor for incident disability during late life: a 24-month follow-up longitudinal study [J]. J Nutr Health Aging, 2020, 24 (5) : 494-499. DOI: 10.1007/s12603-020-1365-9.
[39]	王秀芳. 老年人认知衰弱、焦虑抑郁与失能的相关性研究 [D]. 延吉: 延边大学, 2022.
[40]	MA L N, LI Y, TANG Z. Epidemiological characteristics and related factors of frailty in Chinese older adults with hypertension [J]. Journal of Hypertension, 2021, 39 (Suppl 1) : e66. DOI: 10.1097/HJH.0000000000002650.

项目	CHARLS四川样本（n=1 177）	本研究四川样本（n=501）
性别
男	577（49.0）	211（42.1）
女	600（51.0）	290（57.9）
年龄（岁）
60~69	447（38.0）	132（26.3）
70~79	495（42.0）	177（35.3）
80~89	200（17.0）	156（31.1）
≥90	35（3.0）	36（7.3）
受教育程度
小学及以下	1 000（85.0）	423（84.4）
初中	130（11.0）	31（6.2）
高中及以上	47（4.0）	47（9.4）
居住地类型
城镇	165（14.0）	70（14.0）
农村	1 012（86.0）	431（86.0）
婚姻状态
已婚	906（77.0）	488（97.4）
未婚	271（23.0）	13（2.6）

项目	CHARLS四川样本（n=1 177）	本研究四川样本（n=501）
性别
男	577（49.0）	211（42.1）
女	600（51.0）	290（57.9）
年龄（岁）
60~69	447（38.0）	132（26.3）
70~79	495（42.0）	177（35.3）
80~89	200（17.0）	156（31.1）
≥90	35（3.0）	36（7.3）
受教育程度
小学及以下	1 000（85.0）	423（84.4）
初中	130（11.0）	31（6.2）
高中及以上	47（4.0）	47（9.4）
居住地类型
城镇	165（14.0）	70（14.0）
农村	1 012（86.0）	431（86.0）
婚姻状态
已婚	906（77.0）	488（97.4）
未婚	271（23.0）	13（2.6）

变量名	全部样本（n=501）	无共病样本（n=189）	共病样本
变量名	全部样本（n=501）	无共病样本（n=189）	模式1（n=234）	模式2（n=38）	模式3（n=17）	模式4（n=11）	模式5（n=6）	模式6（n=6）
失能等级[例（%）]
基本正常	129（25.7）	92（48.7）	31（13.2）	4（10.5）	0	0	1（16.7）	1（16.7）
轻度失能	233（46.5）	66（34.9）	123（52.6）	20（52.6）	15（88.2）	6（54.5）	2（33.3）	1（16.7）
中度失能	80（16.0）	26（13.8）	34（14.5）	12（31.6）	1（5.9）	2（18.2）	3（50.0）	2（33.3）
重度失能	59（11.8）	5（2.6）	46（19.7）	2（5.3）	1（5.9）	3（27.3）	0	2（33.3）
年龄（±s，岁）	77±9	74±8	78±9	78±7	78±8	78±9	76±5	75±12
性别[例（%）]
男	211（42.1）	90（47.6）	88（37.6）	14（36.8）	7（41.2）	5（45.5）	3（50.0）	4（66.7）
女	290（57.9）	99（52.4）	146（62.4）	24（63.2）	10（58.8）	6（54.5）	3（50.0）	2（33.3）
受教育程度[例（%）]
小学及以下	423（84.4）	171（90.4）	191（81.6）	32（84.2）	13（76.5）	7（63.6）	6（100.0）	3（50.0）
初中	31（6.2）	9（4.8）	16（6.8）	1（2.6）	1（5.9）	2（18.2）	0	2（33.3）
高中及以上	47（9.4）	9（4.8）	27（11.6）	5（13.2）	3（17.6）	2（18.2）	0	1（16.7）
婚姻状态[例（%）]
未婚	218（43.5）	65（34.4）	116（49.6）	19（50.0）	10（58.8）	4（36.4）	2（33.3）	2（33.3）
已婚	283（56.5）	124（65.6）	118（50.4）	19（50.0）	7（41.2）	7（63.6）	4（66.7）	4（66.7）
收入水平[例（%）]
低收入组	124（24.8）	49（25.9）	49（20.9）	10（26.3）	4（23.5）	5（45.5）	3（50.0）	4（66.6）
中低收入组	128（25.4）	57（30.1）	54（23.1）	8（21.1）	4（23.5）	2（18.2）	2（33.3）	1（16.7）
中高收入组	124（24.8）	43（22.8）	68（29.1）	7（18.4）	5（29.5）	1（9.1）	0	0
高收入组	125（25.0）	40（21.2）	63（26.9）	13（34.2）	4（23.5）	3（27.3）	1（16.7）	1（16.7）
居住地类型[例（%）]
城镇	70（14.0）	14（7.4）	32（13.7）	12（31.6）	4（23.5）	4（36.4）	0	4（66.7）
农村	431（86.0）	175（92.6）	202（86.3）	26（68.4）	13（76.5）	7（63.6）	6（100.0）	2（33.3）

变量名	全部样本（n=501）	无共病样本（n=189）	共病样本
变量名	全部样本（n=501）	无共病样本（n=189）	模式1（n=234）	模式2（n=38）	模式3（n=17）	模式4（n=11）	模式5（n=6）	模式6（n=6）
失能等级[例（%）]
基本正常	129（25.7）	92（48.7）	31（13.2）	4（10.5）	0	0	1（16.7）	1（16.7）
轻度失能	233（46.5）	66（34.9）	123（52.6）	20（52.6）	15（88.2）	6（54.5）	2（33.3）	1（16.7）
中度失能	80（16.0）	26（13.8）	34（14.5）	12（31.6）	1（5.9）	2（18.2）	3（50.0）	2（33.3）
重度失能	59（11.8）	5（2.6）	46（19.7）	2（5.3）	1（5.9）	3（27.3）	0	2（33.3）
年龄（±s，岁）	77±9	74±8	78±9	78±7	78±8	78±9	76±5	75±12
性别[例（%）]
男	211（42.1）	90（47.6）	88（37.6）	14（36.8）	7（41.2）	5（45.5）	3（50.0）	4（66.7）
女	290（57.9）	99（52.4）	146（62.4）	24（63.2）	10（58.8）	6（54.5）	3（50.0）	2（33.3）
受教育程度[例（%）]
小学及以下	423（84.4）	171（90.4）	191（81.6）	32（84.2）	13（76.5）	7（63.6）	6（100.0）	3（50.0）
初中	31（6.2）	9（4.8）	16（6.8）	1（2.6）	1（5.9）	2（18.2）	0	2（33.3）
高中及以上	47（9.4）	9（4.8）	27（11.6）	5（13.2）	3（17.6）	2（18.2）	0	1（16.7）
婚姻状态[例（%）]
未婚	218（43.5）	65（34.4）	116（49.6）	19（50.0）	10（58.8）	4（36.4）	2（33.3）	2（33.3）
已婚	283（56.5）	124（65.6）	118（50.4）	19（50.0）	7（41.2）	7（63.6）	4（66.7）	4（66.7）
收入水平[例（%）]
低收入组	124（24.8）	49（25.9）	49（20.9）	10（26.3）	4（23.5）	5（45.5）	3（50.0）	4（66.6）
中低收入组	128（25.4）	57（30.1）	54（23.1）	8（21.1）	4（23.5）	2（18.2）	2（33.3）	1（16.7）
中高收入组	124（24.8）	43（22.8）	68（29.1）	7（18.4）	5（29.5）	1（9.1）	0	0
高收入组	125（25.0）	40（21.2）	63（26.9）	13（34.2）	4（23.5）	3（27.3）	1（16.7）	1（16.7）
居住地类型[例（%）]
城镇	70（14.0）	14（7.4）	32（13.7）	12（31.6）	4（23.5）	4（36.4）	0	4（66.7）
农村	431（86.0）	175（92.6）	202（86.3）	26（68.4）	13（76.5）	7（63.6）	6（100.0）	2（33.3）

慢性病类型	单病患病人数（例）	单病患病率（%）	共病患病人数（例）	共病患病率（总人群）（%）
1.关节炎或风湿病	254	50.7	211	42.1
2.高血压	251	50.1	217	43.3
3.胃部疾病或消化系统疾病	101	20.2	61	12.2
4.心脏病	91	18.2	83	16.6
5.慢性肺部疾患	89	17.8	79	15.8
6.糖尿病或血糖升高	82	16.4	76	15.2
7.卒中（俗称中风）	82	16.4	79	15.8
8.血脂异常	56	11.2	50	10.0
9.与记忆相关的疾病	38	7.6	34	6.8
10.肾脏疾病	18	3.6	17	3.4
11.癌症等恶性肿瘤	16	3.2	11	2.2
12.哮喘	8	1.6	6	1.2
13.情感及精神方面问题	7	1.4	6	1.2
14.肝脏疾病	3	0.6	3	0.6