中国健康预期寿命指标体系构建( 四 )

基于图1的指标体系，列出HLE研究的相关数据信息种类。见表3 。如果按数据来源分，评价HLE指标的数据可分3大类：监测、调查、电子病例等门诊及住院数据。

文章图片
（1）监测数据：多为政府部门收集的，如全国和各省份常规监测所得，包括人口普查、全国城乡老年人追踪调查、全国死因监测、慢性病和危险因素监测、传染病监测等。这类数据覆盖面广、样本量大、延续性好，可形成全国代表性面板数据。国家卫生健康委员会统计信息中心每年都进行EQ-5D监测，近几年也添加了GALI 。监测数据样本量大，全国代表性较好，但往往只能反映不同健康状态（包括死亡）的流行状况，无法反映不同健康状态间的转换。
（2）调查数据：包括横断面和队列调查两大类，尤其是队列数据，是评价不同健康状态间转化的关键数据，能够帮助解释HLE的过程和原因，可有效提升HLE研究水平，促进HLE指标体系的发展完善。中国已经形成多个有影响力的大型队列调查。例如中国慢性病前瞻性队列、中国健康与营养调查队列等。中国综合社会调查可计算自评健康。中国健康与养老追踪调查、中国老年社会追踪调查和中国老年健康和家庭幸福调查是老年健康领域3个有国际影响力的队列研究，对老年健康研究意义重大。但队列数据样本量相对较小，全国代表性不足，得出的死亡率数据误差较大，很难在计算HLE时使用。
综上所述，我国不同来源、类型、学科领域的数据，可分别满足HLE指标体系中某一个或某几个维度的测量，但缺乏全国代表性的大样本数据库，能够满足HLE体系构建所有主要维度的测量。对于监测和学术研究两类不同的目的，如何在现有监测、调查框架上，整合HLE指标体系构建所需主要数据维度和类型，是HLE体系构建在实践层面需考量和解决的挑战。
关于不同来源数据的整合利用，在实践操作中，可从群体层面数据和个体层面数据两个维度考虑。由于HLE属于群体层面指标，因此，不同来源的数据，只要代表的是同一人群，其群体数据结果都可以整合，用于HLE测算和研究。如果希望整合不同数据库个体层面的数据，这是大数据和数据科学的一个挑战，但已经有一些研究进行了初步探索[33-34] 。综合考虑本研究主要用到监测、调查和门诊及住院等多源数据，不同来源数据的整合利用主要包括几个步骤：①原始数据的整理筛查，剔除不符合质量的数据；②数据和谐处理，剔除不一致的或者贡献不大的内容；③对不同量纲的数据进行标准化处理（如计算Z分）。
7.
总结和展望：
本文在国内外现有研究基础上，创新提出了构建符合国际学术发展方向和国内实际情况的HLE指标体系，并讨论了支撑指标体系的数据类型和数据来源。针对目前我国现有单一来源数据无法充分满足HLE体系所有维度指标构建需求的挑战，提出有效整合各部门、各领域监测、调查数据，从而推动HLE体系构建的思路。构建HLE指标体系有助于推动持续稳定的HLE测算所需数据资源的形成，促进多维指标之间关系的理论研究，特别是有助于深化不同健康状态转化的规律研究，不仅为测算HLE提供理论支撑和方法学基础，而且可以促使决策部门和社会各方树立HLE行动目标，开展有效行动。此外，也为有针对性地构建健康发展政策和实现健康老龄化提供科学依据，助力“健康中国2030”建设。我们提出的指标体系，虽然有很强的理论基础，有些指标也得到了国内外广泛应用，但是还需要通过科学研究和健康管理的实践来检验。