基于深度学习（Deep Learning）预测埃塞俄比亚糖尿病（Diabetes Mellitus, DM）地区流行趋势及疾病负担（Burden of Disease）

《Discover Public Health》：Forecasting regional trends and burden of diabetes mellitus in Ethiopia using deep learning

　　

背景：糖尿病（Diabetes Mellitus, DM）是一种慢性代谢性疾病，是工业化国家与发展中国家共同面临的重要公共卫生问题。本研究基于全球疾病负担（Global Burden of Disease, GBD）2021年研究数据，分析1990年至2021年埃塞俄比亚DM的年龄标准化发病率（Age-Standardized Incidence Rate, ASIR）、死亡率及伤残调整寿命年（Disability-Adjusted Life Years, DALYs），并利用长期短期记忆（Long Short-Term Memory, LSTM）网络模型预测2022年至2031年DM发病、死亡及DALYs趋势，估算年度变化百分比（Estimated Annual Percentage Change, EAPC）。 方法：研究人员采用GBD 2021数据库中埃塞俄比亚1990–2021年DM相关指标，经K近邻（K-Nearest Neighbors, KNN）插补缺失值、标准化及独热编码后，按时间顺序划分为训练集（1990–2016）与测试集（2017–2021），构建双层LSTM模型（每层64个隐藏单元，Dropout=0.2，序列长度=5年），使用平均绝对误差（Mean Absolute Error, MAE）作为损失函数及Nadam优化器进行训练与验证。 结果：埃塞俄比亚DM总估计发病例数为7464例[95%不确定区间（Uncertainty Interval, UI）：5835–9237]，男性负担高于女性（男5022例，女2442例）；男性年龄标准化发病率（ASIR）为1092/10万，女性为843/10万，存在显著性别差异。DM死亡率呈显著下降趋势（EAPC=-2.74%/年），男性降幅（-3.06%/年）大于女性（-2.22%/年）。预测显示2025–2028年后DALYs及早逝所致寿命损失年（Years of Life Lost, YLLs）将急剧上升，至2031年DM相关死亡将超过55,000例，提示死亡率呈令人担忧的上升趋势。 结论：本研究揭示了埃塞俄比亚DM患病率与死亡率持续上升、发病率略有下降的态势，应用循环神经网络（Recurrent Neural Network, RNN）及LSTM模型进行国家级疾病负担预测，LSTM较传统方法具有更优预测精度。老龄化、危险因素暴露及地区医疗资源差异是影响疾病负担的关键因素。

论文解读：《Forecasting regional trends and burden of diabetes mellitus in Ethiopia using deep learning》发表于《Discover Public Health》

研究背景

糖尿病（Diabetes Mellitus, DM）作为一种慢性非传染性疾病（Non-Communicable Disease, NCD），在全球尤其是撒哈拉以南非洲地区疾病负担日益加重。埃塞俄比亚既往缺乏系统的全国及地区层面DM流行病学数据与未来趋势预测，碎片化的地区数据阻碍了卫生政策制定与资源配置。全球疾病负担（Global Burden of Disease, GBD）2021研究提供了标准化的流行病学数据集，结合深度学习中的长期短期记忆（Long Short-Term Memory, LSTM）网络可克服传统时间序列模型难以捕捉复杂非线性时序依赖的局限。因此，研究人员开展此项研究，旨在量化埃塞俄比亚各行政区DM的发病率、死亡率、伤残调整寿命年（Disability-Adjusted Life Years, DALYs），并预测2022–2031年疾病负担走势，为循证卫生规划提供依据。

主要关键技术方法

研究人员提取美国健康指标与评估研究所（Institute for Health Metrics and Evaluation, IHME）全球健康数据交换（Global Health Data Exchange, GHDx）中GBD 2021埃塞俄比亚1990–2021年DM发病数、死亡数、早逝所致寿命损失年（Years of Life Lost, YLLs）、患病人群伤残生存年（Years Lived with Disability, YLDs）及DALYs数据。缺失值采用K近邻（K-Nearest Neighbors, KNN, k=5）插补；连续变量标准化，分类变量独热编码。按时间顺序以1990–2016年为训练集（77%）、2017–2021年为测试集（23%），构建5年时序序列输入双层堆叠LSTM网络（每层64隐藏单元，Dropout率0.2，学习率0.001，批次大小32，训练100轮次），以平均绝对误差（Mean Absolute Error, MAE）为损失函数、Nadam为优化器，计算年龄标准化率（Age-Standardized Rate, ASR）及年度变化百分比（Estimated Annual Percentage Change, EAPC = 100×(e^β?1)，β为ln(ASR)对年份线性回归斜率）。

研究结果

3.1 Analyze the global trend of burden of diabetic mellitus

通过地区标化死亡率分析发现Afar地区DM死亡率最高（53.94/10万），女性尤为突出（66.67/10万），提示地区间异质性显著。

3.2 Burden of diabetes mellitus in Ethiopia

低社会人口学指数（Sociodemographic Index, SDI）地区DM死亡率高于高SDI地区；死亡数随年龄增长升高，70–79岁达峰值，男性死亡负担高于女性；DALYs在老年人群最高，男性影响大于女性。

3.3 Ethiopia trends of burden of diabetes mellitus (DM) by age

1990–2021年间DM负担与死亡集中于≥60岁人群，但中青年（＜40岁）发病率亦呈上升趋势，反映疾病年轻化苗头。

3.4 Trends in the Ethiopian diseases burden of diabetes mellitus

患病率稳步上升；DALYs与YLLs在2010年代中期前下降，其后微升；YLDs逐步增加，表明DM致伤残影响扩大。

3.5 Ethiopia trends of burden of diabetes mellitus (DM) by region

多数地区DM死亡率早期下降，近期部分区域回升；大多数区域新发病例呈下降趋势，但存在地区差异。

3.6 Ethiopia trends of burden of diabetes mellitus (DM) by gender

男女ASIR均略降或持平（女EAPC≈-1.13%，男≈-0.06%），年龄标准化死亡率下降（男-3.06%/年，女-2.22%/年），但总病例数因人口增长而增多，男性死亡率绝对值仍更高。

3.7 Trends in the Ethiopian diseases burden of smoking related diabetes mellitus

Harari地区吸烟相关DM风险最高（约145.7/10万，2020年），1990–2010年下降后小幅反弹。

3.8 Ethiopia trends of burden of diabetes mellitus (DM) by SDI

埃塞俄比亚DM相关YLLs从1990年约3900/10万降至2020年约2700/10万，历史防控取得进展。

3.9 Ethiopia predictions of burden of diabetes mellitus by SDI / Ethiopia predictions of burden of diabetes mellitus (DM)

LSTM预测YLLs降幅将趋于平台期；患病率缓慢上升且远低于高SDI国家。尽管部分指标（DALYs/YLLs）在2025–2028年后可能短暂下降，但DM相关死亡及YLDs预计急剧上升，2031年死亡数将超过55,000例。

3.10 Attribution of the risk factors to death rate of diabetes mellitus

高空腹血糖及代谢危险因子对各区域DM死亡贡献最大，肥胖、高血压、血脂异常聚集进一步放大风险。

讨论与结论总结（翻译并浓缩结论部分）

讨论指出，尽管埃塞俄比亚DM年龄标准化发病率略有下降，反映初级卫生保健扩展与早诊早治初见成效，但患病率与绝对死亡数持续攀升，受城市化、生活方式改变、人口老龄化及地区医疗资源不均驱动。LSTM模型较传统统计方法更擅长捕捉中长期流行病学时序依赖关系，测试集决定系数R²=0.88优于多层感知机（Multi-Layer Perceptron, MLP, R²=0.79）与季节性自回归积分移动平均（Seasonal Autoregressive Integrated Moving Average, SARIMA, R²=0.82）。主要危险因素为高空腹血糖及聚集性代谢风险，需针对性开展血糖管理及生活方式干预。研究局限性在于依赖GBD模型估算，在低资源缺报地区可能存在偏差。

结论（原文结论浓缩翻译）：

本研究揭示了埃塞俄比亚DM持续增长的患病率与死亡率趋势及略微下降的发病率特征。研究人员运用循环神经网络（RNN）与长短期记忆（LSTM）网络预测了埃塞俄比亚DM发病率、患病率及伤残负担，LSTM模型预测精度优于传统方法。关键发现强调危险因素、人口老龄化及地区间医疗可及性差异对DM负担的影响。尽管卫生服务改善可能使发病率趋稳，患病率上升凸显急需针对性干预。DM负担、预测中的性别、地区及年龄差异呼吁制定面向老年人及社会经济弱势女性的个性化预防策略，地区差异进一步强调需采取本土化公共卫生措施。