1992至2021年中国居民老年痴呆症疾病负担变化状况及预测

Changes and forecast of the disease burden of senile dementias among Chinese residents from 1992 to 2021

摘要

目的 《中国阿尔茨海默病报告2024》显示，中国因阿尔茨海默病(Alzheimer’s disease，AD)及其他类型痴呆导致的死亡人数为320 715例，占全球相关死亡总数的19.8%，其社会经济负担日益突出，对中国居民健康构成严重威胁。本研究旨在分析1992至2021年中国居民老年痴呆症疾病负担的变化状况并预测其变化趋势，为老年痴呆症防控提供参考。 方法 基于2021年全球疾病负担研究(Global Burden of Disease，GBD)数据，采用联结点(Joinpoint)回归模型分析1992至2021年中国60岁及以上居民老年痴呆症的发病人数及标化发病率、死亡人数及标化死亡率、伤残调整生命年(disability-adjusted life years，DALY)及标化DALY率；采用年龄-时期-队列模型，分析不同效应下的发病率和病死率；采用贝叶斯年龄-时期-队列模型，对2022至2031年中国居民老年痴呆症的标化发病率进行预测。 结果 1992至2021年中国居民老年痴呆症的疾病负担逐年加重，标化发病率与标化DALY率波动上升，标化死亡率下降，标化发病率、标化死亡率、标化DALY率的平均年度变化百分比(average annual percent change，AAPC)分别为0.57%、-0.07%、0.09%(均P<0.05)。2019至2021年，中国60岁及以上居民老年痴呆症发病人数、死亡人数和DALY均显著增加，且女性高于男性。年龄-时期-队列模型显示其发病和死亡风险与年龄增长相关，70岁以上增幅显著；发病风险随时期推移呈先升后降再升的“波浪形”，死亡风险呈先降后升的变化趋势；发病风险随出生队列推移波动上升，死亡风险波动下降。贝叶斯年龄-时期-队列模型预测结果表明，2022至2031年中国的标化发病率可能将持续增长，至2031年，总人群、男性、女性的标化发病率可分别达1 616.87/10万、1 304.71/10万、1 809.09/10万。 结论 1992至2021年中国老年痴呆症的疾病负担呈逐年增加的趋势，尤其在老年女性中格外沉重，仍是重大的公共卫生问题，且未来其疾病负担可能持续加重。建议推动高危人群早期筛查，并通过广泛的健康教育提升公众认知，降低发病风险，全面提升老年痴呆症的防控效果。

Abstract

Objective The China Alzheimer’s Disease Report 2024 reveals that the number of deaths in China due to Alzheimer’s disease (AD) and other types of dementia reached 320 715, accounting for 19.8% of global dementia-related deaths. The socioeconomic burden is increasingly prominent and poses a serious threat to the health of Chinese residents. This study aims to analyze the changes in the disease burden of dementias among Chinese residents from 1992 to 2021 and to predict future trends, so as to provide a reference for dementia prevention and control. Methods Based on data from the Global Burden of Disease (GBD) Study 2021, Joinpoint regression models were used to analyze the incidence and age-standardized incidence rate, deaths and age-standardized mortality rate, disability-adjusted life year (DALY) and age-standardized DALY rate of senile dementia among Chinese residents aged 60 years and above from 1992 to 2021. Age-period-cohort models were used to analyze incidence and mortality under different effects. Bayesian age-period-cohort models were applied to predict the age-standardized incidence rate of dementias among Chinese residents from 2022 to 2031. Results From 1992 to 2021, the disease burden of senile dementia among Chinese residents increased year by year. The age-standardized incidence rate and age-standardized DALY rate showed fluctuating upward trends, while the age-standardized mortality rate declined. The average annual percent change (AAPC) of the age-standardized incidence rate, age-standardized mortality rate, and age-standardized DALY rate were 0.57%, -0.07%, and 0.09%, respectively (all P<0.05). From 2019 to 2021, the numbers of incident cases, deaths, and DALY of dementia among Chinese residents aged 60 years and above increased significantly, with higher values in females than in males. The age-period-cohort model indicated that incidence and mortality risks increased with age, with a marked increase after 70 years of age; incidence risk showed a “wave-like” pattern of increase-decrease-increase over periods, while mortality risk showed a trend of decrease followed by increase; incidence risk fluctuated upward across birth cohorts, whereas mortality risk fluctuated downward. Predictions from the Bayesian age-period-cohort model indicate that from 2022 to 2031, the age-standardized incidence rate of dementia in China may continue to increase, reaching 1 616.87 per 100 000 in the total population, 1 304.71 per 100 000 in males, and 1 809.09 per 100 000 in females by 2031. Conclusion From 1992 to 2021, the disease burden of senile dementia in China has increased year by year, with a particularly heavy burden among older women. Senile dementia remains a major public health problem, and its disease burden may continue to increase in the future. It is recommended to promote early screening to promote early screening among high-risk populations and to enhance public awareness through extensive health education to reduce incidence risk and comprehensively improve the effectiveness of senile dementia prevention and control.

Graphical abstract

关键词

老年人痴呆症 / 疾病负担 / 贝叶斯年龄-时期-队列模型 / 发病率 / 伤残调整生命年 / 疾病防控

Key words

senile dementia / disease burden / Bayesian age-period-cohort model / incidence / disability-adjusted life years / disease prevention and control

根据世界卫生组织(World Health Organization，WHO)统计^[1]，2021年全球共有5 700万痴呆症患者，其中60%以上生活在低收入和中等收入国家，每年新增病例近1 000万，预计到2050年患者人数将达约1.4亿。老年人易患的痴呆症主要包括阿尔茨海默病(Alzheimer’s disease，AD)、血管性痴呆(vascular dementia，VAD)、额颞叶变性(frontotemporal lobe degeneration，FTLD)、路易体痴呆(dementia with Lewy body，DLB)及混合性痴呆等，其中AD最为常见^[2]，占病例总数的60%~70%，正迅速成为本世纪全球公共卫生负担最重的疾病之一^[3]。《中国阿尔茨海默病报告2024》^[4]显示，中国因AD及其他类型痴呆导致的死亡人数为320 715例，占全球相关死亡总数的19.8%，其社会经济负担日益突出，对中国居民健康构成严重威胁。2022年第8次全国人口普查结果^[4]表明，中国60岁及以上人口占全国总人口的19.8%，其中65岁及以上人口占14.9%，标志着中国已经进入深度老龄化社会。AD等痴呆多见于老年人群，其疾病负担给社会带来了沉重压力^[5]。在实施健康优先发展战略和积极应对人口老龄化国家战略的背景下，亟需建立健全老年期痴呆防控体系，减少或延缓老年期痴呆的发生与发展，提升老年人生命质量，推动实现健康老龄化。

既往针对中国居民老年痴呆症的研究^[5-8]多集中于1990至2019年，未能反映2019至2021年的更新趋势变化。少数研究虽涉及2021年，但仅报告发病、死亡基础数据^[4]，或仅分析病死率变化趋势^{[7, 9-10]}，对疾病负担动态变化机制的研究尚不深入。此外，现有研究^{[7, 10]}未能系统整合“年龄-时期-队列”三维视角，因而难以全面揭示年龄、时期及出生队列对老年痴呆症发病与死亡风险的影响。因此，本研究基于2021年全球疾病负担研究(Global Burden of Disease，GBD)数据库，突破单一模型局限，应用联结点(Joinpoint)回归模型识别趋势拐点，采用年龄-时期-队列模型分解三维风险，并采用贝叶斯年龄-时期-队列模型预测发病趋势，系统分析中国居民老年痴呆症疾病负担的变化状况并预测其未来发病趋势，以期为老年痴呆症的预防、诊断和治疗提供更新的数据支持，同时为提升慢性非传染性疾病防控效果、优化卫生资源配置提供参考。

1 资料与方法

1.1 数据来源

本研究数据来源于全球健康数据交换数据库(Global Health Data Exchange，GHDx)。数据筛选策略：地区选择“China”，时间范围选择“1992至2021年”，性别选择“Both”“Male”“Female”，疾病原因选择“Alzheimer’s disease and other dementias”，年龄组分段为60~64岁、65~69岁、70~74岁、75~79岁、80~84岁、85~89岁、90~94岁及≥95岁。2021年GBD通过人口普查、医疗数据、科研成果、官方死亡统计数据等多种渠道，对204个国家和地区的371种疾病、伤害和损伤及88种风险因素相关的健康损失进行了全面评估，具有全面性、准确性、一致性、内部可比性等优点^[11-12]。其中，中国的数据主要来自中国疾病监测系统和疾病预防控制中心等机构汇总的生命登记系统数据^[12-15]。本研究选取了2021年GBD中1992至2021年的中国老年痴呆症发病人数和标化发病率、死亡人数和标化死亡率、伤残调整生命年(disability-adjusted life years，DALY)和标化DALY率等数据^[16]。

1.2 疾病负担指标的定义及编码

获取2021年GBD中1992至2021年中国老年痴呆症的相关数据后，采用绝对数和年龄标准化率(age-standardized rates，ASR)衡量中国60岁及以上老年居民的老年痴呆症疾病负担。其中，“发病人数及标化发病率”聚焦发病起点，能够量化中国老年痴呆症流行强度与新增风险，精准识别高发人群，可服务于早期疾病预防；“死亡人数及标化死亡率”锚定死亡终点，反映疾病严重程度与致死风险，有助于识别高死亡风险群体并指导重症及并发症干预；“DALY及标化DALY率”综合衡量死亡与伤残损失，量化健康生命年的综合消耗，可帮助揭示过早死亡与长期伤残负担，为医疗资源配置提供量化依据。本研究中，老年痴呆症的定义与分类依据《国际疾病与相关健康问题统计分类第10版》(The International Statistical Classification of Diseases and Related Health Problems 10th Revision，ICD-10)^[17]，对应编码为F00、F01、F02、F03、G30和G31。

1.3 Joinpoint回归模型

采用Joinpoint回归模型分析1992至2021年中国居民老年痴呆症的疾病负担变化趋势。其核心是通过网格搜索法(grid search method，GSM)建立所有可能存在的区间分段函数连接点(即Joinpoint)，并确定其位置及数量。计算年度变化百分比(annual percentage change，APC)和平均APC(average APC，AAPC)及其95%置信区间(confidence interval，CI)。若APC、AAPC<0且P<0.05，表示该时间段内观测值整体呈下降趋势；若APC、AAPC>0且P<0.05，表示观测值呈上升趋势；若APC、AAPC=0，则表示无明显趋势^[18-19]。

1.4 年龄-时期-队列模型

采用年龄-时期-队列模型探究年龄、时期和队列3个维度对老年痴呆症发生及发展趋势的影响。该模型通常基于泊松分布，目前广泛应用于人口学、流行病学及社会学等研究领域，尤其适用于慢性病的发病率和病死率的趋势研究^[20]。年龄-时期-队列模型通常要求以５个年份为1组^[21]，因此本研究选择1992至2021年的数据进行建模与分析，通过相对危险度(relative risk，RR)描述中国居民老年痴呆症的疾病负担相关指标值。选择60岁及以上人群，以5岁为组距分为8个组；时期(1992至2021年)以连续5年为间隔划分为6段；出生队列(1892至1961年)以连续5年为间隔划分为13组。年龄效应指某种疾病随年龄增长而变化的趋势；时期效应指在特定时间段内环境、社会、经济、医疗技术等因素导致的疾病的变化；队列效应指出生于相同时期的一组人群所经历的独特环境或经历对其健康状况的影响^[20]。

1.5 贝叶斯年龄-时期-队列模型

采用贝叶斯年龄-时期-队列模型预测2022至2031年分性别的中国居民老年痴呆症的标化发病率。该模型在集成嵌套拉普拉斯近似(integrated nested Laplace approximation，INLA)框架下构建年龄-时期-队列模型并进行贝叶斯推断，计算密度低于传统马尔可夫链蒙特卡洛(Markov Chain Monte Carlo，MCMC)模型，且避免了MCMC混合和收敛的问题，准确度更高^[22]，常用于分析慢性疾病的变化趋势，能够预测率的变化趋势。

1.6 统计学处理

计数资料采用频数(率)描述，采用χ²分析。年龄标化率由GBD估计的2021年世界标准人口计算得出^[23]，以避免年龄结构对总体率造成影响，使不同年份的老年痴呆症疾病负担指标具备可比性。应用R4.4.0软件构建Joinpoint回归模型、年龄-时期-队列模型与贝叶斯年龄-时期-队列模型。本研究采用Excel 2016和Origin 2024软件进行一般描述性分析和可视化绘图。所有统计检验均为双侧检验，P<0.05为差异具有统计学意义。

2 结 果

2.1 1992至2021年中国居民老年痴呆症疾病负担的变化

1992至2021年，中国居民老年痴呆症的疾病负担整体加重，总人群的标化发病率与标化DALY率呈波动上升趋势，但标化死亡率呈下降趋势(图1)。具体而言，老年痴呆症发病人数从1992年的69.16万例增至2021年的263.60万例。标化发病率从1992年的929.04/10万增至2021年的1 112.58/10万，上升了19.76%；其中，男性和女性分别上升了21.33%和21.11%。死亡人数从12.55万例增至48.24万例。标化死亡率从244.84/10万减至242.44/10万，下降了0.98%；其中，男性上升了3.91%，女性下降了1.64%。DALY从1992年的269.65万人年增至2021年的948.32万人年。标化DALY率从4 102.77/10万增至4 286.86/10万，上升4.49%；其中，男性和女性分别上升了7.49%和4.81%。

2.2 Joinpoint回归模型分析结果

Joinpoint回归模型分析结果(图2)显示，1992至2021年，中国居民老年痴呆症的总人群、男性和女性标化发病率均波动上升，AAPC分别为0.57%、0.63%和0.60%(均P<0.05)。其中，2019至2021年的男性和女性增长趋势均最为明显，APC分别为2.58%(95% CI 1.08%~3.53%，P<0.05)和3.35%(95% CI 1.39%~4.62%，P<0.05)。1992至2021年中国居民老年痴呆症的总人群和女性标化死亡率呈下降趋势，AAPC分别为-0.07%和-0.09%(均P<0.05)，而男性标化死亡率先降后升，AAPC为0.11%(P<0.05)。其中，男性在2019至2021年上升趋势最为明显，APC为2.44%(95% CI 1.04%~2.96%，P<0.05)，而女性在1992至2019年下降趋势最为明显，APC为-0.24%(95% CI -0.27%~-0.21%，P<0.001)。1992至2021年中国居民老年痴呆症的总人群和女性标化DALY率均先降后升，AAPC分别为0.09%和0.10%(均P<0.05)，而男性标化DALY率先缓慢上升后快速上升，AAPC为0.20%(P<0.05)。其中，男性与女性APC均在2019至2021年上升趋势最为明显，分别为2.23%(95% CI 0.66%~2.78%，P<0.001)和2.50%(95% CI 0.90%~3.13%，P<0.05)。

2.3 1992至2021年中国居民老年痴呆症发病和死亡的年龄-时期-队列效应分析

年龄-时期-队列模型的检验结果(表1、2)显示，1992至2021年中国居民老年痴呆症发病率和死亡率的净漂移量、总年龄偏差、总时期偏差、全时期RR、全队列RR的差异均有统计学意义(均P<0.05)。

校正时期效应与队列效应后的分析结果(图3)显示，随着年龄增长，中国60岁及以上居民老年痴呆症的发病率和死亡率均呈持续增长趋势，70岁后风险增幅尤为显著。男性、女性发病率分别从60~64岁年龄组的175.80/10万、222.21/10万上升至≥95岁年龄组的4 940.58/10万、5 889.42/10万，同期死亡率分别从15.49/10万、17.69/10万上升至3 524.13/10万、4 497.58/10万(图3A、3B)。以1992至1996年(即“1992―1996”组)作为参照组(RR=1)，随着时期推移，中国居民老年痴呆症的发病风险呈先上升后下降再上升的“波浪形”趋势，而死亡风险呈先下降后上升的趋势(图3C、3D)。1992至1996年的发病风险最低(RR=1)，2017至2021年的发病风险达最高峰，男性和女性的时期RR分别为1.12和1.11；此外，1992至1996年的时期死亡风险最高(RR=1)，2012至2016年的时期死亡风险达到最低值，男性和女性的时期RR分别为0.97和0.95。以1927至1936年出生队列人群(即“1927―1936”组)作为参照组(RR=1)，随着出生队列推移，中国居民老年痴呆症发病风险呈波动上升的趋势，而死亡风险呈波动下降的趋势 (图3E、3F)。男性和女性的出生队列发病风险分别在1952至1961年、1947至1956年达到最高峰值，RR分别为1.13、1.12；男性和女性的出生队列死亡风险均在1952至1961年达到最低值，RR分别为0.94和0.93。

2.4 2022至2031年中国居民老年痴呆症标化发病率预测

贝叶斯年龄-时期-队列模型的预测结果(图4)显示，2022至2031年，总人群、男性和女性的标化发病率可能将持续增长且增长趋势相似，预计至2031年将分别达到1 616.87/10万、1 304.71/10万和1 809.09/10万。

3 讨 论

本研究对1992至2021年中国居民老年痴呆症疾病负担的分析表明，老年痴呆症仍是重大的公共卫生负担。2021年，中国老年痴呆症的发病例数为263.6万，死亡例数为48.24万，DALY为948.32万人年，且预测模型提示其疾病负担可能将持续加重。

1992至2021年，中国60岁及以上居民总人群、男性和女性老年痴呆症的发病人数、死亡人数及DALY均显著增长，标化发病率与标化DALY率呈波动上升趋势，但标化死亡率整体呈下降趋势，与既往研究^{[2, 6]}基本一致。其中，标化发病率与标化DALY率的上升可能与中国人口老龄化程度加深、不健康生活方式流行、自然与社会环境改变、慢性非传染性疾病增加等因素有关^[24]；标化死亡率的下降可能与教育质量提升、健康观念转变、疾病预防意识增强、治疗老年痴呆症相关慢性疾病等因素有关^{[7, 10]}。

值得注意的是，2019至2021年中国60岁及以上居民老年痴呆症的标化发病率、标化死亡率和标化DALY率均呈显著增加趋势，且女性的各项指标均高于男性，这一结果与以往研究^{[6, 8]}的结论相符，提示近年来中国老年痴呆症尤其老年女性的疾病负担仍然较重。这种性别差异，一方面可能与女性寿命更长、高龄人口比例更高有关，使得高龄(作为最强风险因素)与女性性别效应叠加^[25-27]；另一方面，也可能受到平均寿命^[27]、基因、激素水平、精神状态、教育和文化程度、锻炼频次和强度等多种因素的综合影响^[10]。

从年龄效应来看，中国老年痴呆症发病和死亡风险与年龄增长密切相关，在≥95岁年龄段达到高峰，这表明年龄是老年痴呆症发病率和死亡率增长的重要危险因素之一。其生物学基础在于衰老伴随的神经元萎缩、突触丢失及多种年龄相关病理生理过程的累积，共同导致老年人的认知功能下降，从而显著增加痴呆的患病风险^[28]。从时期效应来看，中国老年痴呆症的发病风险持续增加，这可能与近几十年来中国社会生活方式的快速变迁有关。一方面，体力活动减少、睡眠质量不高；另一方面，高热量、高脂肪、高糖的饮食习惯，容易导致肥胖、糖尿病等代谢性疾病，这些慢性非传染性疾病的合并反应增加了老年痴呆症的发病风险和病情恶化速度^[29]。从出生队列效应来看，中国老年痴呆症的发病风险随着出生时期推移逐渐升高。随着中国预期寿命的提高及老龄化的加剧，老年痴呆症的发病风险可能会进一步增加^[24]。此外，死亡风险随着时期和出生队列推移均逐渐降低，表明随着社会经济发展和医学进步，通过“早发现、早诊断、早治疗”可有效控制慢性疾病，减少痴呆症的发展和恶化^[30]。随着老年痴呆症发病率的上升，优化治疗资源配置成为亟待解决的问题，因此需要在老年痴呆症不同发病阶段，依据患者的年龄、疾病进展及治疗可及性，设计并应用个性化治疗方案^[20]。

本研究基于贝叶斯APC模型的预测结果发现，2022至2031年，中国居民老年痴呆症的标化发病率将持续增长，并在2031年达到1 616.87/10万，提示未来中国老年痴呆症的防治依然极具挑战。因此，笔者建议，进一步加强老年痴呆症的预防与早期筛查，普及健康教育，提高居民对老年痴呆症的认知，倡导健康生活方式，以降低老年痴呆症的发病风险。

本研究也存在若干不足：一是GBD未区分痴呆亚型及中国各省份数据，限制了本研究对疾病异质性和地区差异的深入分析；二是GBD数据是通过复杂模型估算得到的，可能和实际建册登记的结果存在差异，尽管为提高估计精度，GBD对模型进行了改进，但得出的结果仍存在不确定性^[23]；三是GBD虽已更新发布2023年的数据，但考虑到官方政策改变及新规则的多种限制，为避免出现纠纷，本文仍沿用2021年的数据；四是APC模型主要聚焦于年龄、时期和队列效应，未能对其他危险因素进行深入探究。

综上所述，本研究围绕发病人数及标化发病率、死亡人数及标化死亡率、DALY及标化DALY率等指标，描述了1992至2021年中国60岁及以上居民总人群、男性和女性老年痴呆症的疾病负担变化状况，并通过APC模型揭示了其年龄-时期-队列效应。基于上述发现，未来应着力于：1)全方位强化全社会各年龄段人群的公共卫生意识；2)持续探索并优化筛查方法，从源头上预防老年痴呆症疾病负担危险因素，为早期诊断与治疗创造有利条件；3)建立健全支持体系，切实减轻因老年痴呆症导致的疾病负担，逐步实现中国老年痴呆症筛查精准化、预防科学化、治疗高效化，全面提升老年痴呆症的防治效果。

参考文献

[1] WHO. Global status report on the public health response to dementia[EB/OL]. (2021-09-01)[2025-08-01].

[2] 范文凭, 齐金蕾, 刘江美, 等. 2013—2021年中国阿尔茨海默病和其他痴呆死亡水平及趋势分析[J]. 疾病监测, 2025, 40(2): 245-250.

[3] FAN Wenping, QI Jinlei, LIU Jiangmei, et al. Level and trend of mortality of Alzheimer’s disease and other dementias in China, 2013-2021[J]. Disease Surveillance, 2025, 40(2): 245-250.

[4] Scheltens P, De Strooper B, Kivipelto M, et al. Alzheimer’s disease[J]. Lancet, 2021, 397(10284): 1577-1590.

[5] 王刚, 齐金蕾, 刘馨雅, 等. 中国阿尔茨海默病报告2024[J]. 诊断学理论与实践, 2024, 23(3): 219-256.

[6] WANG Gang, QI Jinlei, LIU Xinya, et al. China Alzheimer’s disease report 2024[J]. Journal of Diagnostics Concepts & Practice, 2024, 23(3): 219-256.

[7] 张静雅, 鲁永博, 李浩然, 等. 中国居民1990—2019年老年痴呆症疾病负担年龄-时期-队列分析及预测[J]. 中国公共卫生, 2022, 38(5): 523-528.

[8] ZHANG Jingya, LU Yongbo, LI Haoran, et al. Disease burden of Alzheimer’s disease and other dementias in Chinese residents between 1990 and 2019: an age-period-cohort analysis and prediction[J]. Chinese Journal of Public Health, 2022, 38(5): 523-528.

[9] 黄磊, 孟令昊, 欧汝威, 等. 1990—2019年中国人群阿尔茨海默病与其他痴呆症的疾病负担分析[J]. 现代预防医学, 2021, 48(14): 2515.

[10] HUANG Lei, MENG Linghao, Ruwei OU, et al. Disease burden of Alzheimer’s disease and other dementias in China from 1990 to 2019[J]. Modern Preventive Medicine, 2021, 48(14): 2515.

[11] Bo Z, Wan Y, Meng SS, et al. The temporal trend and distribution characteristics in mortality of Alzheimer’s disease and other forms of dementia in China: Based on the National Mortality Surveillance System (NMS) from 2009 to 2015 [J/OL]. PLoS One, 2019, 14(1): e0210621[2025-08-01].

[12] 葛珊珊, 张志将. 1990—2017年中国阿尔茨海默病疾病负担趋势分析[J]. 中国慢性病预防与控制, 2021, 29(9): 718-722.

[13] GE Shanshan, ZHANG Zhijiang. Trend analysis of disease burden of Alzheimer’s disease in China from 1990 to 2017[J]. Chinese Journal of Prevention and Control of Chronic Diseases, 2021, 29(9): 718-722.

[14] 郝广志, 张冰莹, 孙琳琳, 等. 1990—2021年中国老年人阿尔茨海默病死亡趋势分析及预测[J]. 疾病监测, 2025, 40(7): 943-948.

[15] HAO Guangzhi, ZHANG Bingying, SUN Linlin, et al. Analysis on trend and prediction of mortality of Alzheimer’s disease in elderly population in China, 1990—2021[J]. Disease Surveillance, 2025, 40(7): 943-948.

[16] Lv B, Liang L, Chen A, et al. Mortality of Alzheimer’s disease and other dementias in China: past and future decades[J]. Int J Public Health, 2023, 68: 1605129.

[17] Li XY, Kong XM, Yang CH, et al. Global, regional, and national burden of ischemic stroke, 1990—2021: an analysis of data from the global burden of disease study 2021[J]. EClinicalMedicine, 2024, 75: 102758.

[18] 宋业勋, 刘霞静, 张永全, 等. 基于GBD数据库分析与预测中国鼻咽癌疾病负担[J]. 中南大学学报(医学版), 2025, 50(4): 675-683.

[19] SONG Yexun, LIU Xiajing, ZHANG Yongquan, et al. Analysis and projection of the disease burden of nasopharyngeal carcinoma in China based on the GBD database[J]. Journal of Central South University. Medical Science, 2025, 50(4): 675-683.

[20] GBD 2021 Causes of Death Collaborators. Global burden of 288 causes of death and life expectancy decomposition in 204 countries and territories and 811 subnational locations, 1990—2021: a systematic analysis for the Global Burden of Disease Study 2021[J]. Lancet, 2024, 403(10440): 2100-2132.

[21] GBD 2021 Risk Factors Collaborators. Global burden and strength of evidence for 88 risk factors in 204 countries and 811 subnational locations, 1990—2021: a systematic analysis for the Global Burden of Disease Study 2021[J]. Lancet, 2024, 403(10440): 2162-2203.

[22] 窦雪伟, 崔文飞, 韩真真, 等. 1990—2021年中国类风湿关节炎发病与死亡趋势及年龄-时期-队列模型分析[J]. 中南大学学报(医学版), 2025, 50(7): 1214-1223.

[23] DOU Xuewei, CUI Wenfei, HAN Zhenzhen, et al. Trends in the incidence and mortality of rheumatoid arthritis in China from 1990 to 2021: An age-period-cohort analysis[J]. Journal of Central South University. Medical Science, 2025, 50(7): 1214-1223.

[24] 郑楠, 唐均, 段可心, 等. 基于GBD分析1990至2019年中国ADHD的疾病负担变化趋势[J]. 中南大学学报(医学版), 2024, 49(9): 1449-1455.

[25] ZHENG Nan, TANG Jun, DUAN Kexin, et al. Trends in disease burden of ADHD in China from 1990 to 2019 based on GBD analysis[J]. Journal of Central South University. Medical Science, 2024, 49(9): 1449-1455.

[26] 北京协和医院, 世界卫生组织国际分类家族合作中心. 疾病和有关健康问题的国际统计分类第十次修订本(ICD-10)[M].董景五, 译. 2版. 北京: 人民卫生出版社, 2008.

[27] Peking Union Medical College Hospital, World Health Organization International Classification Family Collaboration Centre. The Tenth Revision of the International Statistical Classification of Diseases and Related Health Problems (ICD-10)[M]. Translated by DONG Jingwu. 2nd Edition. Beijing: People’s Medical Publishing House, 2008.

[28] 王娜, 任达飞, 王伟忠, 等. 2010—2021年中国老年人恶性肿瘤死亡情况及变化趋势分析[J]. 疾病监测, 2025, 40(7): 937-942.

[29] WANG Na, REN Dafei, WANG Weizhong, et al. Analysis on malignant tumor death and its changing trend in the elderly in China, 2010—2021[J]. Disease Surveillance, 2025, 40(7): 937-942.

[30] 叶振锋, 周云, 蒋述香, 等. 基于Joinpoint回归模型2012—2023年广西壮族自治区桂林市流行性腮腺炎流行趋势分析[J]. 疾病监测, 2024, 39(12): 1610-1614.

[31] YE Zhenfeng, ZHOU Yun, JIANG Shuxiang, et al. Joinpoint regression model based analysis on mumps incidence trend in Guilin, Guangxi Zhuang Autonomous Region, 2012—2023[J]. Disease Surveillance, 2024, 39(12): 1610-1614.

[32] 尚卿, 王海鹏, 王静. 1992—2021年中国女性乳腺癌发病和死亡的年龄-时期-队列模型分析及预测[J]. 解放军医学杂志, 2025, 50(4): 436-443.

[33] SHANG Qing, WANG Haipeng, WANG Jing. Age-period-cohort model analysis and prediction of breast cancer incidence and mortality among Chinese women from 1992 to 2021[J]. Medical Journal of Chinese People’s Liberation Army, 2025, 50(4): 436-443.

[34] 姜璎硕, 张明慧, 贾莹, 等. 1990—2021年中国缺血性心脏病发病死亡趋势的年龄-时期-队列模型[J]. 现代医学, 2025, 53(1): 10-16.

[35] JIANG Yingshuo, ZHANG Minghui, JIA Ying, et al. Age-period-cohort model for the trend of ischemic heart disease incidence and mortality in China from 1990 to 2021[J]. Modern Medical Journal, 2025, 53(1): 10-16.

[36] Zhang SX, Yang GB, Zhang RJ, et al. Global, regional, and national burden of dengue, 1990-2021: Findings from the global burden of disease study 2021[J]. Decod Infect Transm, 2024, 2: 100021.

[37] GBD 2021 Diseases and Injuries Collaborators. Global incidence, prevalence, years lived with disability (YLDs), disability-adjusted life-years (DALYs), and healthy life expectancy (HALE) for 371 diseases and injuries in 204 countries and territories and 811 subnational locations, 1990—2021: a systematic analysis for the Global Burden of Disease Study 2021[J]. Lancet, 2024, 403(10440): 2133-2161.

[38] 周航宇, 武利涛, 杨郝亮, 等. 1990—2021年中国阿尔茨海默病疾病负担趋势分析[J]. 中华预防医学杂志, 2024, 58(12): 2010-2016.

[39] ZHOU Hangyu, WU Litao, YANG Haoliang, et al. Analysis of the trend of Alzheimer’s disease burden in China from 1990 to 2021[J]. Chinese Journal of Preventive Medicine, 2024, 58(12): 2010-2016.

[40] The Alzheimer’s Association. 2021 Alzheimer’s disease facts and figures[J]. Alzheimers Dement, 2021, 17(3): 327-406.

[41] Rudnicka-Drożak E, Drożak P, Mizerski G, et al. Links between COVID-19 and Alzheimer’s disease-what do we already know?[J]. Int J Environ Res Public Health, 2023, 20(3): 2146.

[42] 刘金颖, 孙林琳, 钱园园, 等. 阿尔茨海默病性别差异及其机制研究[J]. 中风与神经疾病杂志, 2020, 37(2): 190-192.

[43] LIU Jinying, SUN Linlin, QIAN Yuanyuan, et al. Gender differences in Alzheimer’s disease and its mechanism[J]. Journal of Apoplexy and Nervous Diseases, 2020, 37(2): 190-192.

[44] Cui Y, Yang W, Shuai J, et al. Lifestyle and socioeconomic transition and health consequences of Alzheimer’s disease and other dementias in global, from 1990 to 2019[J]. J Prev Alzheimers Dis, 2024, 11(1): 88-96.

[45] 林琪菲, 魏佳慧, 鲍娇玉, 等. 老年痴呆状况调查及影响因素分析[J]. 现代预防医学, 2024, 51(4): 759-763.

[46] LIN Qifei, WEI Jiahui, BAO Jiaoyu, et al. Situations of dementia among the elderly and analyses of influencing factors[J]. Modern Preventive Medicine, 2024, 51(4): 759-763.

[47] Bai R, Dong W. Trends in mortality rates for Alzheimer’s disease and other dementias over 30 years in China[J]. Am J Alzheimers Dis Other Demen, 2021, 36: 15333175211044884.

基金资助

甘肃省高校教师创新基金(2025A-103┫。This work was supported by the Gansu Provincial Higher Education Faculty Innovation Fund)

甘肃省高校教师创新基金(China ┣2025A-103)

RIGHTS & PERMISSIONS

本文遵循知识共享许可协议，允许第三方用户按照署名-非商业性使用-禁止演绎4.0(CC BY-NC-ND 4.0)的方式，在任何媒介以任何形式复制、传播本作品(https://creativecommons.org/licenses/by-nc-nd/4.0/)。