《Journal of Racial and Ethnic Health Disparities》:Where You Live Shapes Diabetes Risk: Multilevel Determinants of Type 2 Diabetes in the East South Central United States
编辑推荐:
2型糖尿病(T2DM)仍是美国面临的重大公共卫生挑战,尤其是在东中南地区。研究人员采用线性混合效应模型和随机森林(Random Forest)模型,研究了阿拉巴马州、肯塔基州、密西西比州和田纳西州县级糖尿病患病率的行为、社会经济和建成环境决定因素。结果表明,食
2型糖尿病(T2DM)仍是美国面临的重大公共卫生挑战,尤其是在东中南地区。研究人员采用线性混合效应模型和随机森林(Random Forest)模型,研究了阿拉巴马州、肯塔基州、密西西比州和田纳西州县级糖尿病患病率的行为、社会经济和建成环境决定因素。结果表明,食物不安全性(β=0.057,p<0.001)、吸烟(β=0.151,p<0.001)、贫困(β=0.027,p<0.001)、无保险个体比例(β=0.072,p<0.001)以及黑人居民比例(β=0.058,p<0.001)与更高的T2DM患病率显著相关。肥胖与缺乏运动(β=0.0030,p<0.001)、肥胖与酒精摄入(β=?0.0120,p<0.001)以及肥胖与社会剥夺(β=?0.00081,p<0.001)之间观察到显著交互作用,表明肥胖与糖尿病患病率之间的关联因行为和社会经济条件而异。随机森林模型表现出较强的预测性能(R2=0.884),并识别出暴饮、黑人居民比例、缺乏运动、贫困、肥胖、食物不安全感和社会剥夺是最具影响力的预测因子。多水平方法和机器学习方法结果的一致性突显了行为、社会经济和环境因素在形成区域性糖尿病差异中的综合影响,并强调了需要针对性的公共卫生干预措施以减少美国东南部地区与糖尿病相关的健康不平等。
**论文解读:居住地塑造糖尿病风险——美国东中南地区2型糖尿病的多水平决定因素**
**研究背景与问题**
2型糖尿病(type 2 diabetes mellitus, T2DM)在美国持续构成重大公共卫生挑战,尤其是在东中南地区(Alabama、Kentucky、Mississippi、Tennessee四州)。既往研究已确认肥胖、缺乏运动、吸烟等个体行为因素与T2DM风险相关,而空气污染、热暴露等环境因素及社会经济劣势(如贫困、食物不安全感)也被发现可能加剧糖尿病负担。然而,鲜有研究在县级层面联合考察行为、环境和社会经济因素对T2DM患病率的综合影响,尤其是在美国糖尿病高发的东南部地区。为此,研究人员开展了此项生态纵向研究,旨在通过多水平模型和机器学习方法,系统评估上述因素对四州县级糖尿病患病率的贡献,并探讨肥胖与行为、社会经济条件之间的交互作用,为制定区域性公共卫生干预策略提供依据。该论文发表在《Journal of Racial and Ethnic Health Disparities》。
**主要关键技术方法**
研究采用生态纵向面板设计,分析2018–2021年四州共364个县的县级重复观测数据。关键技术包括:(1)线性混合效应模型(linear mixed-effects model),以县级随机截距考虑县内重复观测及州内县级聚类,采用一阶自回归协方差结构AR(1);(2)随机森林(Random Forest)回归算法,结合网格搜索交叉验证优化超参数,并通过SHAP(Shapley Additive exPlanations)分析评估预测变量重要性及交互效应。数据来源包括美国环境保护署(EPA)、疾病控制与预防中心(CDC)、美国人口普查局(U.S. Census)等公开数据库,涵盖行为(肥胖、饮酒、吸烟、缺乏运动)、社会经济(贫困率、无保险比例、社会剥夺指数SDI、食物不安全感)、人口学(黑人居民比例、65岁及以上人口比例、教育水平)及环境(PM
2.5浓度、热天数、归一化植被指数NDVI、步行性指数)变量。
**研究结果**
**描述性结果**:四州糖尿病平均患病率为12.5%,高于美国平均水平10.5%。密西西比州在糖尿病、肥胖和食物不安全感方面均最高(均值13.9%、42.1%、18.5%)。肯塔基州吸烟率最高(25.6%),田纳西州缺乏运动率最低(31.1%)。密西西比州和阿拉巴马州热暴露天数较多(年均约55天和52天>90°F)。黑人居民比例密西西比州最高(41.4%),其次阿拉巴马州(28.5%),田纳西州(7.2%),肯塔基州(3.5%)。社会经济指标显示密西西比州无保险比例(20.3%)和贫困率(22.2%)最高,田纳西州贫困率最低(16.3%)。
**线性混合效应模型结果**:调整所有协变量后,食物不安全感(p<0.001)、吸烟(p<0.001)、贫困(p<0.001)、无保险个体比例(p<0.001)和黑人居民比例(p<0.001)与糖尿病患病率呈正相关。NDVI(p=0.0002)、热天数(p<0.001)、65岁及以上人口比例(p=0.0046)呈负相关。肥胖、缺乏运动、社会剥夺指数(SDI)和暴饮与糖尿病患病率显著相关,但缺乏运动、SDI和暴饮与糖尿病的关联因肥胖水平而异(交互项显著:肥胖×缺乏运动p<0.001,肥胖×暴饮p<0.001,肥胖×SDI p=0.0001)。PM
2.5浓度(p=0.907)和教育水平(p=0.165)无显著关联。
**随机森林模型结果**:模型在交叉验证测试集上表现出强预测性能(R
2=0.950,均方根误差RMSE=0.434个百分点)。SHAP分析显示,暴饮、黑人居民比例、肥胖、贫困、社会剥夺、缺乏运动和食物不安全感是七个最具影响力的预测变量,合计解释模型重要性约87.7%。SHAP交互分析发现暴饮与黑人居民比例(平均绝对交互效应0.0348)、暴饮与肥胖(0.0283)、暴饮与缺乏运动(0.0237)、肥胖与黑人居民比例(0.0231)以及暴饮与贫困(0.0219)之间存在较强交互作用。
**两种模型比较**:线性混合效应模型和随机森林模型在关键决定因素识别上高度一致:暴饮、缺乏运动、肥胖、食物不安全感、SDI、贫困和黑人居民比例在两种方法中均为重要预测因子。线性混合模型进一步揭示了肥胖与缺乏运动、暴饮、SDI的显著交互效应,而SHAP分析也识别出类似的最强交互对。两种方法的收敛性增强了结果稳健性。
**总结讨论与结论**
**讨论部分总结**:本研究首次整合多水平统计模型和机器学习方法,在生态纵向框架下系统评估了美国东中南四州T2DM患病率的行为、社会经济和环境决定因素。线性混合效应模型发现肥胖与缺乏运动、暴饮、社会剥夺之间存在交互作用,提示肥胖对糖尿病的影响因行为和社会经济条件而异;随机森林模型进一步验证了上述因素的重要性,且暴饮、黑人居民比例、贫困等是最强预测因子。研究结果与既往文献一致:肥胖通过慢性炎症和胰岛素抵抗增加T2DM风险;食物不安全感、社会剥夺、贫困等社会经济劣势与更高糖尿病患病率相关;NDVI(绿色植被)和热天数表现出的负向关联需谨慎解释,可能反映地区特征;而PM
2.5的非显著性可能由于县级聚合数据的局限。跨州比较显示密西西比州和阿拉巴马州在肥胖、食物不安全和热暴露方面负担更重,与糖尿病患病率分布一致。研究优势和局限性:首次联合多水平模型与机器学习,使用多年数据增强稳定性;但生态设计无法推断个体水平因果关系,可能存在未测量混杂因素(如饮食、医疗可及性),且结论推广至其他区域需谨慎。
**结论(翻译)**:本研究对阿拉巴马州、肯塔基州、密西西比州和田纳西州与糖尿病(T2DM)患病率相关的健康行为、环境、社会经济和人口学因素进行了全面的多水平评估。通过将线性混合效应模型与机器学习方法相结合,分析识别出美国东中南各州糖尿病患病率区域差异中一致的因素模式。两种分析方法均显示,肥胖、缺乏运动、食物不安全感、社会剥夺、贫困、暴饮和黑人居民比例是糖尿病患病率较高的显著贡献因素。肥胖与缺乏运动、暴饮和社会剥夺之间的交互作用凸显了行为和社会经济因素在形成各县糖尿病负担中的复杂相互作用。多水平统计模型与随机森林算法结果的一致性增强了所识别决定因素稳健性的置信度。混合效应模型提供可解释的估计并考虑州内聚类,而机器学习方法展现了强预测性能,突出推测性方法与预测性方法在慢性病流行病学中的互补价值。总体而言,研究结果强调,美国东中南各州的糖尿病差异由行为风险因素、社会经济劣势、医疗可及性和人口特征共同驱动。旨在减少区域糖尿病负担的公共卫生策略,不仅应关注个体生活方式因素,还应解决导致背景脆弱性的更广泛结构决定因素。