《International Journal of Medical Informatics》：Exploring risk factors for long-term sickness absence during emerging adulthood: Continuous and discrete time models using young-HUNT data on psychological distress and chronic pain
编辑推荐：
**引言**
长期病假（LTSA）在青年成人中对劳动力市场参与和未来工作残疾具有重要影响。慢性疼痛和心理困扰是关键风险因素且常并存，然而两者在青少年期对后期LTSA的联合影响仍未被充分理解。本研究旨在探索影响青少年和年轻人在青年期获得LTSA福利的风险因素
**引言**
长期病假（LTSA）在青年成人中对劳动力市场参与和未来工作残疾具有重要影响。慢性疼痛和心理困扰是关键风险因素且常并存，然而两者在青少年期对后期LTSA的联合影响仍未被充分理解。本研究旨在探索影响青少年和年轻人在青年期获得LTSA福利的风险因素。
**方法**
这项纵向研究使用了Young-HUNT1（1995–1997年；n=8736）和Young-HUNT3（2006–2008年；n=7935）队列的数据，这些数据与挪威登记数据相关联，并随访至成年早期。结局指标为LTSA（90天或180天）的发生时间。研究人员采用Cox比例风险模型和Kaplan–Meier分析检验关联性。研究人员开发了连续时间模型和离散时间模型，并使用一致性指数（C-index）、时间依赖性AUC（time-dependent AUC）和综合Brier评分（integrated Brier score）进行评估。研究人员通过SurvSHAP、SHAP和基于回归的方法分析风险因素。
**结果**
慢性疼痛以及疼痛与心理困扰并存与LTSA风险增加持续相关（疼痛的调整后HRs介于1.3至1.5之间，并存的调整后HRs介于1.6至1.7之间）。相比之下，仅心理困扰未显示出一致的关联。模型性能中等，不同方法间表现相似（C-index介于0.63至0.67之间）。关键预测因素包括女性、父母教育水平低、慢性疼痛、感知健康状况差以及早期健康问题指标。
**结论**
青少年期慢性疼痛，特别是当与心理困扰并存时，是成年早期LTSA的重要预测因素。虽然各队列间的绝对LTSA水平可能存在差异，但潜在的风险模式保持稳定。更复杂的模型并未优于传统方法。这些发现强调了早期生活状况的重要性，并支持进行早期识别和干预以减少后期的工作缺勤。
**论文解读**
**1. 研究背景与目的**
长期病假（Long-term Sickness Absence, LTSA）对个人、雇主及社会福利系统构成重大挑战，与劳动力市场参与减少、经济困难及残疾抚恤金风险增加相关，同时也导致社会层面的生产力损失和福利支出增加。这种影响在年轻人（18–35岁）中尤为关键，因为该阶段的就业中断可能产生长期的负面影响。导致LTSA福利的主要原因是慢性疼痛和心理困扰。尽管已有证据表明两者各自与LTSA存在关联，但青少年期并存两者对后期LTSA的长期影响仍不清楚。此外，尽管机器学习（Machine Learning, ML）和离散时间生存分析方法在预测研究中应用增多，但很少有研究在基于登记数据的青年人群LTSA研究中，将这些方法与传统生存模型进行直接比较。因此，本研究旨在探讨青少年期慢性疼痛和心理困扰并存与青年期LTSA风险的关联，开发并比较连续时间和离散时间机器学习生存模型，以及通过两种方法评估风险因素在不同改革时期前后的重要性和稳定性。该论文发表在《International Journal of Medical Informatics》。
**2. 主要技术方法**
研究人员采用了纵向设计，数据来源于挪威Nord-Tr?ndelag地区13-19岁青少年的Young-HUNT1（1995–1997年）和Young-HUNT3（2006–2008年）队列，并通过国家福利登记处进行随访。主要结局指标是获得LTSA福利的时间，定义为连续的90天或180天病假。研究人员使用了Cox比例风险模型（Cox Proportional Hazards Model, CoxPH）评估关联性，并开发了六种连续时间模型（包括CoxPH、弹性网正则化的惩罚Cox模型、三种集成方法及基于神经网络的DeepSurv）和七种离散时间分类模型（包括逻辑回归、五种集成方法及多层感知器）。模型性能通过C-index、时间依赖性AUC和综合Brier评分评估。风险因素分析结合了SurvSHAP、SHAP方法和回归模型。
**3. 研究结果**
**3.1. 参与者特征与队列差异**
Young-HUNT1队列共纳入8736名参与者，Young-HUNT3队列共纳入7935名参与者。随访期间，Young-HUNT1中1558人（17.8%）和Young-HUNT3中1022人（12.9%）获得了90天或更长时间的LTSA。结果显示，Young-HUNT3的总体LTSA患病率低于Young-HUNT1。在绝对LTSA水平存在差异的情况下，不同健康状况组之间的相对风险模式在各队列间保持一致。
**3.2. 慢性疼痛、心理困扰及其并存与LTSA的关联**
通过Cox比例风险模型分析发现，青少年期存在慢性疼痛以及疼痛与心理困扰并存的群体，其青年期LTSA风险显著增加。在所有粗模型和调整模型中，疼痛（调整后HRs范围1.3至1.5）和并存状况（调整后HRs范围1.6至1.7）均与LTSA风险持续正相关。相比之下，仅存在心理困扰并未显示出一致的显著关联。研究人员通过Kaplan-Meier生存曲线进一步证实，并存疼痛和心理困扰的参与者生存概率最低，其次是仅疼痛组、仅心理困扰组和健康组。对各队列中疼痛组与并存组的正式对比显示，并存组通常具有更高的风险估计，特别是在Young-HUNT3队列中，这种差异在调整后仍具有统计学意义。
**3.3. 机器学习模型性能**
所有模型（包括连续和离散时间模型）的区分度均为中等，C-index值范围约0.59至0.65。不同模型之间的性能差异很小，无一致性的性能优势。综合Brier评分在各模型间也极为接近。时间依赖性AUC分析表明，早期随访期的区分度稍好，随后逐渐下降。校准方面，离散时间模型显示出更稳定的校准性能。整体而言，没有发现复杂的机器学习方法相比传统统计模型具有明确的预测优势。
**3.4. 风险因素分析**
通过SurvSHAP和SHAP方法与回归模型（CoxPH和逻辑回归）结合分析，研究人员识别出了一组较为一致的风险因素。在多个队列和模型中，女性、较低的父母教育水平是LTSA最稳健的预测因素。健康相关因素如慢性疼痛（特别是与心理困扰并存）、感知健康状况差、因病的频繁缺课和较高的医疗服务利用率也与LTSA风险增加相关。青少年期行为和心理社会因素（如吸烟、较高体重指数、稳定的伴侣关系）在某些分析中也与风险增加相关，但其关联性在不同模型和队列间表现不一致。研究还发现，90天LTSA的预测因素比180天LTSA更为广泛和一致。
**4. 讨论与结论**
**讨论部分总结：** 本研究发现，青少年期单纯的慢性疼痛以及疼痛与心理困扰并存是LTSA的强预测因素。然而，心理困扰单独并不总是与LTSA风险显著相关。所有模型性能相似，表明在该数据集中，更复杂的模型并未带来预测优势。风险因素分析识别出一组关键预测因子，包括女性、低父母教育水平、慢性疼痛和早期健康问题指标。这些关联在各队列间较为稳定，表明其影响可能不受不同历史和福利环境变化的显著影响。尽管模型能够在一定程度上区分个体风险，但仍有大量变异性未能解释，提示青少年期健康指标本身不足以进行高度准确的个体水平预测。该研究存在局限性，包括暴露变量基于自我报告、队列间慢性疼痛测量方法差异、特定诊断信息缺失以及结果受劳动力市场参与和福利资格等因素影响。
**结论部分翻译：** 本研究显示，青少年期慢性疼痛，特别是当与心理困扰并存时，与成年早期长期病假（LTSA）的风险增加持续相关。虽然LTSA的整体水平在队列间存在差异，但不同健康状况组之间的相对差异保持稳定，表明这些关联在不同队列和历史背景下是稳健的。不同建模方法的预测性能均为中等且相似，没有发现更复杂的方法相比传统模型具有明显优势。在各分析中，在挪威劳动与福利管理局（NAV）改革前后，均发现了一组一致的社会人口学和健康相关因素，这强化了早期生活状况在塑造后期工作缺勤中的重要性。总之，这些发现强调了在青少年期早期识别处于风险中的个体的必要性，为早期干预提供了机会。未来的研究应进一步探索这些早期风险因素如何与成年期健康状况、工作场所条件和政策环境相互作用，以影响更长期的结果。
