提高对中国阿尔茨海默病及相关痴呆症负担的预测能力，并制定相应的政策目标

《Health Data Science》：Enhancing Alzheimer’s Disease and Related Dementia Burden Projections and Policy Targeting in China

　　```

我非常感谢刘等人的这项具有影响力的研究，该研究预测了中国各省阿尔茨海默病及相关痴呆症（ADRDs）的患病率和经济负担。该研究将国家纵向调查数据与省级统计数据相结合，并区分了正式护理和非正式护理的成本，填补了针对特定地区制定政策的重要空白。为了提高研究的可重复性，我建议在未来的分析中明确中国健康与 Retirement 纵向研究（CHARLS）中不同教育层次认知障碍的标准化阈值。

刘等人的研究结果强调了实施有针对性干预措施的迫切需求，我提出了三项建议以进一步提升研究的实际价值。首先，整合可改变的风险因素，如体力活动、饮食和空气污染，可以更准确地预测患病率。这些因素已被充分证明会影响 ADRD 的风险，但由于数据限制，它们并未被纳入研究模型中。实际上，可以通过整合 CHARLS 中的生活方式记录来补充这些数据；而空气污染数据可以从省级环境监测部门获得，因此这一扩展是可行的。其次，开发一个动态模型来模拟政策影响（如扩大长期护理保险范围和推广早期痴呆筛查）将有助于政策制定者评估其成本效益。该模型可以基于现有的 Probit 回归框架，并结合试点省份的政策实施数据，量化干预措施如何改变患病率轨迹。第三，按照阿尔茨海默病和血管性痴呆等 ADRD 亚型以及家庭、社区和机构等护理环境来细分成本，以满足不同的护理需求。亚型信息可以与三级医院的临床诊断数据关联起来，而护理环境的区别则可以根据 CHARLS 对日常生活活动和工具性日常生活活动的评估以及医疗服务利用记录来确定。这些调整将加强研究证据与中国各省公平实施 ADRD 护理之间的联系。

```