بحلول عام 2030 مقارنة بعام 2020. إطار النسبة المقترح لدينا يقيم آثار صحة شيخوخة السكان عبر بعدين: جودة الحياة وعبء المرض. يتيح هذا الإطار إجراء مقارنات لهذه الآثار على مر الزمن وعبر مناطق مختلفة.
تحليل النسبة، عبء المرض، التحلل التفاضلي، شيخوخة السكان، التنبؤ، جودة الحياة

دوليًا، يتم تصنيف دولة أو منطقة عادةً على أنها مجتمع متقدم في السن عندما من سكانها تتراوح أعمارهم بين 60 عامًا وما فوق، أو يبلغ من العمر 65 عامًا فأكثر. يواجه العالم التحديات المعقدة التي تطرحها شيخوخة السكان. منذ عام 1990، زادت متوسط ​​العمر المتوقع عند الولادة من 65.42 عامًا إلى 73.52 عامًا في عام 2019 [1]. بين عامي 2020 و2050، من المتوقع أن يتضاعف عدد السكان العالميين الذين تتراوح أعمارهم بين 60 عامًا فأكثر إلى 2.1 مليار، ومن المتوقع أن يتضاعف عدد الأشخاص الذين تبلغ أعمارهم 80 عامًا فأكثر إلى 426 مليون [2]. كواحدة من أكثر دول العالم سكانًا، أصبحت الصين بسرعة مجتمعًا مسنًا [3]. بحلول عام 2030، من المتوقع أن يصل عدد الأشخاص الذين تبلغ أعمارهم 65 عامًا فأكثر في البر الرئيسي للصين إلى 258 مليون، مما يمثل 18.23 في المئة من إجمالي السكان [4]. واحدة من العواقب الناتجة عن التغيرات الديموغرافية الكبرى هي زيادة انتشار ووقوع الأمراض المرتبطة بالعمر. يتمتع السكان المسنون بزيادة في القابلية للعديد من الأمراض المزمنة والتنكسية، وغالبًا ما تؤثر الآثار الصحية السلبية لهذه الأمراض على عدة أعضاء أو أنظمة وتتراكم مع تقدم العمر، مما يهدد بشدة جودة الحياة في سن الشيخوخة [5، 6]. وفقًا لمسح الصحة الطويلة الأمد في الصين، تزداد الإعاقة في الأنشطة اليومية بين كبار السن في الصين مع تقدم العمر، حيث تكون معدلات الإعاقة أقل من لمن تتراوح أعمارهم بين 65-69، أقل من لمن هم في سن ، وحول لمن تتراوح أعمارهم بين 90-94 [7]. نظرًا لأن كبار السن هم أكثر الفئات عرضة للأمراض والإعاقات، وطلبهم على خدمات الصحة أعلى من الفئات الشابة، فإن التقييم المستمر لتأثيرات الصحة الناتجة عن شيخوخة السكان أمر حاسم لضمان استدامة المجتمعات الحديثة [8].
إن نسبة التأثيرات الصحية الناتجة عن شيخوخة السكان أمر حاسم لمواجهة التحديات التي تطرحها هذه الظاهرة. مع تقدم السكان في العمر، تتغير أنماط انتشار الأمراض والإصابات بشكل كبير. وقد أظهرت الدراسات السابقة أن العقبات الرئيسية التي تعيق التصدي الفعال لهذا النمط من التغيرات في سياق شيخوخة السكان تشمل عدم توافق الأولويات الصحية العالمية وعدم استعداد أنظمة الصحة لتقديم الرعاية المناسبة للعمر.
الأمراض المزمنة [9]. لذلك، فإن الفهم الكامل والتنبؤ بهذه التغيرات يمكن أن يوفر دعمًا مهمًا في اتخاذ القرارات لصياغة السياسات العامة للاستجابة بنشاط لشيخوخة السكان. متوسط العمر المتوقع المعدل بالصحة (HALE) وسنوات الحياة المعدلة بالإعاقة (DALY) هما مؤشرين شاملين يستخدمان لقياس صحة السكان من خلال الأخذ في الاعتبار كل من الوفيات والمراضة. يقوم HALE بتعديل متوسط العمر المتوقع من خلال احتساب السنوات التي تُعاش مع الإعاقة الناتجة عن جميع الأمراض والإصابات، مما يوفر مقياسًا شاملًا لكل من جودة وطول الحياة [1]. في المقابل، يقوم DALY بت quantifying العدد الإجمالي لسنوات الحياة الصحية المفقودة بسبب المرض أو الإصابة، بما في ذلك سنوات الحياة المفقودة (YLL) وسنوات الحياة التي تُعاش مع الإعاقة (YLD)، مما يعكس العبء العام للمرض [10]. بينما يقيم كلا المؤشرين صحة السكان بشكل شامل، تختلف وجهات نظرهما. يركز HALE على النتائج الصحية الإيجابية، مع التركيز على مدة الحياة التي تُقضى في صحة كاملة. تشير قيم HALE الأعلى إلى صحة أفضل للسكان. من ناحية أخرى، يبرز DALY التأثيرات الصحية السلبية، حيث يقيس العبء الوبائي والاجتماعي والاقتصادي للمرض والإعاقة. تشير قيم DALY الأعلى إلى صحة أسوأ للسكان.
لذلك، يحتاج التقييم الشامل لتأثير الصحة الناتج عن شيخوخة السكان إلى دمج البعدين: جودة الحياة وعبء المرض. ومع ذلك، لا يزال يتعين تطوير استراتيجية فعالة لتحديد الأثر لتحليل تأثيرات شيخوخة السكان على الصحة. الغرض من هذه الدراسة هو تطوير إطار عمل لتحديد الأثر لتقييم شامل لتأثير الصحة الناتج عن شيخوخة السكان من منظور طيف الأمراض والإصابات، مع دمج البعدين: جودة الحياة وعبء المرض باستخدام بيانات من مقاطعة قوانغدونغ في الصين كدراسة حالة.

قمنا بتطوير إطار عمل للتوزيع وطبقناه على سكان غوانغتشو، وهي مدينة كبيرة متطورة تمثل مقاطعة غوانغدونغ في الصين. وقد كان هذا بمثابة مثال لتوفير أساس تجريبي لوضع سياسات صحية لتنفيذ أنشطة أكثر فعالية.

استراتيجيات التدخل الصحي [11، 12]. مخطط تدفق إطار النسبة الخاص بنا موضح في الشكل 1 ومفصل في الجدول S1 في الملحق الإلكتروني.

تم الحصول على مجموعات بيانات المراقبة حول أسباب الوفاة والسكان المسجلين في قوانغتشو من عام 2010 إلى 2020 من مركز قوانغتشو لمكافحة الأمراض والوقاية منها ومكتب الأمن العام لبلدية قوانغتشو. تم الإبلاغ عن تفاصيل هذه المجموعات في مقالات سابقة [13]. قمنا بتصنيف الـ

رموز ICD-10 لأسباب الوفاة وفقًا لدراسة العبء العالمي للأمراض (GBD) وتصنيف الأسباب والتبعات، بما في ذلك 3 فئات من الأسباب من المستوى 2 و21 فئة من الأسباب من المستوى 3 [10]. بالنسبة لرموز ICD-10 التي تشير إلى أعراض أو علامات غير واضحة كسبب أساسي للوفاة، قمنا بإعادة توزيعها وفقًا لقائمة رموز القمامة الخاصة بـ GBD وطرق البحث السابقة [10، 14]. (نص الملحق عبر الإنترنت S1) للتنبؤ بعدد السكان المسجلين في قوانغتشو في عام 2030، قمنا بإدراج بيانات عن توزيع معدل الخصوبة حسب العمر للنساء من 15 إلى 49 عامًا، ومعدل المواليد، ونسبة الجنس عند المواليد الجدد،
وتوزيع معدل الهجرة حسب الفئة العمرية. تم الحصول على هذه البيانات من التعداد الوطني السابع للسكان، مسح العينة السكانية الوطنية، وسنة الإحصاء في قوانغتشو من 2000 إلى 2020. كما استشهدنا ببعض النتائج من GBD، بما في ذلك معدلات YLL ومعدلات YLD حسب الجنس والعمر والسبب في الصين من 2010 إلى 2019 [15]. توفر الجداول الملحقة S2 وS3 وS4 والنص الملحق S1 عبر الإنترنت خريطة لـ ICD10 إلى السبب والتبعات، ورمز النفايات في هذه الدراسة.

استخدمنا HALE لقياس جودة الحياة وDALY لت quantifying عبء المرض. YLL وYLD حسب العمر هما المتغيران الرئيسيان لـ HALE وDALY. تم حساب YLL باستخدام عدد الوفيات في قوانغتشو وجدول الحياة المرجعي من GBD، بينما تم تحديد YLD باستخدام الطريقة المقترحة من قبل منظمة الصحة العالمية. يتم تعريف DALY على أنه مجموع YLL وYLD. يأخذ HALE في الاعتبار فقدان العمر الصحي بسبب الوفاة أو الإعاقة عبر جميع الأعمار. تم حسابه باستخدام جدول الحياة المختصر وطريقة سوليفان. يوفر الملحق الإلكتروني النص S2 تفاصيل الطرق المستخدمة لحساب HALE وDALY.
لتوقع HALE و DALY في عام 2030، كانت هناك حاجة إلى مؤشرات وبائية (معدلات الوفيات، ومعدلات سنوات الحياة المفقودة، ومعدلات سنوات الحياة مع الإعاقة) وتوقعات سكانية. تم تقدير المؤشرات الوبائية لعام 2030 باستخدام نموذج بايزي للفترة العمرية-الولادة (BAPC)، بينما تم الحصول على توزيع السكان لعام 2030 من خلال نموذج توقع سكاني يعتمد على طريقة مكونات الفوج. يفحص نموذج BAPC التأثيرات الرئيسية لثلاثة عوامل – العمر، والفترة، وفوج الولادة – على الاتجاهات المتغيرة في المعدلات ويتوقع التغيرات المستقبلية. في دراستنا، استخدم نموذج BAPC نموذج مشي عشوائي من الدرجة الثانية، والذي يفترض أن تأثيرات الفترة تتطور تدريجياً مع مرور الوقت بدلاً من أن تكون مدفوعة بتأثيرات عشوائية. يقسم نموذج التوقع السكاني القائم على طريقة مكونات الفوج السكان إلى أفواج حسب العمر ويتوقع بشكل تكراري عدد الأفراد في كل فوج وفقًا لأنماط التغير الديموغرافي ودورة التوقع. أخذت هذه الدراسة في الاعتبار الاتجاه السياسي للصين، وسياق التنمية الحالي في غوانغتشو، ورؤى من دراسات سابقة لتحديد معلمات التغير السكاني، بما في ذلك ثلاثة سيناريوهات للتوقعات: تطوير سكاني مرتفع، ومتوسط، ومنخفض. توفر النصوص المرفقة عبر الإنترنت S3 و S4 تفاصيل منهجية حول توقعات المؤشرات الوبائية والسكان.

لفحص تأثير شيخوخة السكان على جودة الحياة خلال الفترات من 2010 إلى 2020 ومن 2020 إلى 2030، قمنا بتفكيك التغيرات في متوسط العمر الصحي إلى المساهمات من أسباب مختلفة. عرّفنا المساهمات المنسوبة للأشخاص الذين تتراوح أعمارهم بين 60 عامًا وما فوق على أنها آثار صحية لشيخوخة السكان. كانت طريقة التفكيك لتغيرات متوسط العمر الصحي تعتمد على طريقة سوليفان وأرياغا وتتكون من خطوتين. أولاً، تم تفكيك تغيرات متوسط العمر الصحي إلى آثار الوفيات والآثار المتعلقة بالعجز حسب العمر. تشير آثار الوفيات إلى التغير في متوسط العمر الصحي عندما تتغير الوفيات بينما يبقى العجز دون تغيير. تشير آثار العجز إلى التغير في متوسط العمر الصحي عندما يتغير العجز فقط بينما تبقى الوفيات كما هي. ثم تم تفكيك آثار الوفيات والعجز إلى مساهمات من أسباب مختلفة. تم تقديم صيغ رياضية مفصلة في الملحق الإلكتروني النص S5.

لفحص تأثير شيخوخة السكان على عبء المرض من 2010 إلى 2020 ومن 2020 إلى 2030، نسبنا الفروقات في سنوات الحياة المعدلة حسب الإعاقة (DALY) إلى مساهمات هيكل عمر السكان، وحجم السكان، وجميع العوامل الأخرى. عرفنا DALY المنسوبة إلى هيكل عمر السكان بأنها التأثيرات الصحية لشيخوخة السكان. افترضت طريقة التحليل لتغيرات DALY أن أحد العوامل الثلاثة قد تغير بين النقطة الزمنية الأولى والثانية، بينما لم تتغير العوامل الأخرى. ثم تم حساب DALY المتوقع في النقطة الزمنية الثانية بناءً على هذا الافتراض ومقارنته مع DALY في النقطة الزمنية الأولى لنسب التغيرات في DALY الناتجة عن عوامل محددة [20]. تم تقديم صيغ رياضية مفصلة في الملحق الإلكتروني النص S6.

تم تطوير ثلاثة سيناريوهات لتحليل العلاقة النسبية بين التغيرات في عبء الوفاة المبكرة (معدلات YLL) والإعاقة (معدلات YLD) وتغيرات السكان. يستكشف السيناريوهان 1 و2 تأثير تغيرات السكان على عبء المرض من خلال افتراض أن معدلات YLL وYLD في عام 2030 ستظل عند مستويات عام 2020 أو تتبع الاتجاهات التاريخية (نمذجة التوقعات). يفترض السيناريو 3 أن التأثيرات الصحية لتغيرات السكان ستتوازن بحلول عام 2030، مما يحافظ على الأعداد المطلقة لـ YLL وYLD عند مستويات عام 2020. يهدف هذا السيناريو إلى تحقيق العبء المتوقع من الوفاة المبكرة والإعاقة بالنسبة للمستويات التي تم التحكم فيها في عام 2020. يتم تقديم التعبيرات الرياضية للسيناريوهات الثلاثة في الملحق الإلكتروني النص S7.

افترضنا أن كل مدخلات لقياسات الصحة ونماذج النسبة تتبع توزيعًا مثلثيًا بقيمة دنيا قيمة ذروة وقيمة قصوى ، حيث تتوافق مع الحدود الدنيا والمتوسطة والعليا لتقديرات GBD، على التوالي. ثم قمنا بتوليد 1000 تقدير على مستوى السحب باستخدام طريقة مونت كارلو، مع افتراض أن معلمات الإدخال تتبع التوزيع الثلاثي. تم تقدير فترات عدم اليقين (UIs) بنسبة 95% باستخدام النسب المئوية 2.5 و97.5 للسحب. قدّر نموذج BAPC المعدلات المرصودة والتوزيع المتوقع بين النسب المئوية الخامسة والتسعين، باستخدام تقديرات نقطية لمؤشرات الوباء والسكان كمدخلات. أنشأ نموذج توقع السكان القائم على طريقة مكون المجموعة ثلاثة سيناريوهات لإظهار الاتجاه المحتمل لتطور السكان في المستقبل تحت ظروف مختلفة، حيث حددت السيناريوهات العالية والمنخفضة نطاق نتائج التوقعات، بينما مثل السيناريو المتوسط النتائج الأكثر احتمالاً للتوقع.

بين عامي 2010 و2020، زادت نسبة الأشخاص الذين تتراوح أعمارهم بين 60 عامًا وما فوق في إجمالي سكان غوانغتشو من إلى (ذكر: إلى أنثى: إلى ). (الملحق الإلكتروني الأشكال S1) بحلول عام 2030، من المتوقع أن يتفاقم شيخوخة السكان. في السيناريو المنخفض، من المتوقع أن ترتفع نسبة الأشخاص الذين تبلغ أعمارهم 60 عامًا وما فوق من إلى (ذكر: إلى أنثى: إلى في السيناريو المتوسط، من المتوقع أن تصل النسبة إلى (ذكر: أنثى: في السيناريو المرتفع، من المتوقع أن تصل النسبة إلى (ذكر: أنثى: ). (الشكل 2).

بين عامي 2010 و 2020، (1.70 سنة) من الزيادة في متوسط العمر الصحي للذكور نُسبت إلى آثار الوفيات بين السكان الذين تتراوح أعمارهم بين 60 عامًا وما فوق، بينما (-0.11 سنة) تم نسبته إلى آثار الإعاقة. بالنسبة للإناث، (1.55 سنة) من الزيادة في متوسط العمر الصحي كانت بسبب تأثيرات الوفيات بين الأشخاص الذين تتراوح أعمارهم بين 60 عامًا وما فوق، مع سنوات نُسبت إلى آثار الإعاقة. من 2020 إلى 2030، من المتوقع أن يكون 61.43% (1.66 سنة) من الزيادة في متوسط العمر الصحي للذكور مدفوعًا بآثار الوفيات بين السكان الذين تتراوح أعمارهم بين 60 عامًا وما فوق، و (-0.10 سنة) بسبب آثار الإعاقة. بالنسبة للإناث، من المتوقع أن يكون (2.02 سنة) من الزيادة في متوسط العمر الصحي ناتجًا عن آثار الوفيات بين الأشخاص الذين تتراوح أعمارهم بين 60 عامًا وما فوق، مع (0.14 سنة)
نُسبت إلى آثار الإعاقة. (الشكل 3 والشكل S2 في الملحق الإلكتروني).
تظهر الشكل 4 الآثار المحددة للسبب على الوفيات والإعاقة، والتي نتج عنها فقدان أكثر من 0.1 سنة من متوسط العمر الصحي بين السكان الذين تزيد أعمارهم عن 60 عامًا. بين عامي 2010 و2020، شملت آثار الوفيات لدى الذكور الأمراض التنفسية المزمنة (-3.44 سنة)، وإيذاء النفس والعنف بين الأشخاص (-0.18 سنة)، وأمراض الجلد والأنسجة تحت الجلد (-0.15 سنة)، والعدوى التنفسية والسل (-0.10 سنة). شملت آثار الإعاقة لدى الذكور الاضطرابات العضلية الهيكلية (-0.19 سنة)، والإصابات غير المتعمدة (-0.13 سنة)، ونقص التغذية (-0.11 سنة). شملت آثار الوفيات لدى الإناث الأمراض التنفسية المزمنة (-6.20 سنة)، والعدوى التنفسية والسل (-0.61 سنة)، وأمراض السكري والكلى (-0.24 سنة). شملت آثار الإعاقة لدى الإناث الإصابات غير المتعمدة (-0.25 سنة). من 2020 إلى 2030، تشمل آثار الإعاقة لدى الذكور الأمراض الجلدية والأنسجة تحت الجلد (-0.99 سنة)، والاضطرابات العضلية الهيكلية (-0.95 سنة). تشمل آثار الوفيات لدى الإناث نقص التغذية (-0.41 سنة)، وأمراض السكري والكلى (-0.27 سنة). تشمل آثار الإعاقة لدى الإناث نقص التغذية (-1.88 سنة)، والاضطرابات العضلية الهيكلية (-0.30 سنة)، والاضطرابات العصبية (-0.11 سنة). توفر الجداول S5A وS5B في الملحق الإلكتروني نتائج مفصلة حول تحليل متوسط العمر الصحي، بما في ذلك نسبة الآثار المحددة للسبب في التغير الكلي لمتوسط العمر الصحي.

بين عامي 2010 و2020، كانت الزيادة في سنوات العمر المعدلة حسب الإعاقة (DALY) الناتجة عن التغيرات في هيكل العمر تمثل (114.5 ألف سنة شخص) من الزيادة الإجمالية في سنوات الحياة المعدلة حسب الإعاقة (DALY) للذكور. كانت الأسباب الخمسة الرئيسية هي الأمراض القلبية الوعائية (38.4 ألف سنة شخص)، الأورام (31.4 ألف سنة شخص)، الأمراض التنفسية المزمنة (15.9 ألف سنة شخص)، الأمراض غير المعدية الأخرى (6.2 ألف سنة شخص)، وأمراض السكري والكلى (5.9 ألف سنة شخص). كانت الزيادة في DALY الناتجة عن التغيرات في هيكل العمر تمثل (81.6 ألف سنة شخص) من الزيادة الإجمالية في سنوات الحياة المعدلة حسب الإعاقة (DALY) للإناث. كانت الأسباب الخمسة الرئيسية هي الأمراض القلبية الوعائية (28.0 ألف سنة شخص)، الأورام (14.6 ألف سنة شخص)، اضطرابات الجهاز العضلي الهيكلي (9.7 ألف سنة شخص)، الأمراض التنفسية المزمنة (6.1 ألف سنة شخص)، وأمراض الجلد والأنسجة تحت الجلد (4.9 ألف سنة شخص). من 2020 إلى 2030، كانت الزيادة في سنوات الحياة المعدلة حسب الإعاقة (DALY) الناتجة عن التغيرات في هيكل العمر تمثل 102.93% (186.3 ألف سنة شخص) من الزيادة الإجمالية في سنوات الحياة المعدلة حسب الإعاقة (DALY) للذكور. الأسباب الخمسة الرئيسية هي الأمراض القلبية الوعائية.

(63.5 ألف سنة-شخص)، الأورام (41.8 ألف سنة-شخص)، الأمراض التنفسية المزمنة (28.4 ألف سنة-شخص)، السكري وأمراض الكلى (9.4 ألف سنة-شخص)، ونقص التغذية (8.3 ألف سنة-شخص). كانت الزيادة في سنوات الحياة المعدلة حسب الإعاقة (DALY) الناتجة عن التغيرات في هيكل العمر تمثل (182.8 ألف سنة-شخص) من الزيادة الإجمالية في سنوات الحياة المعدلة حسب الإعاقة (DALY) للإناث. الأسباب الخمسة الرئيسية هي الأمراض القلبية الوعائية (64.8 ألف سنة-شخص)، الأورام (26.7 ألف سنة-شخص)، الأمراض الجلدية وتحت الجلدية (15.3 ألف سنة-شخص)، الأمراض التنفسية المزمنة (14.7 ألف سنة-شخص)، وأمراض السكري والكلى (13.1 ألف سنة-شخص). (الشكل 5) توفر الجداول الملحقة على الإنترنت S6A و S6B و S6C و S6D نتائج مفصلة حول تحليل DALY، بما في ذلك التغير في DALY بسبب هيكل العمر، حجم السكان، وجميع الأسباب الأخرى مع فواصل الثقة 95%.

تظهر نتيجة السيناريو 1 أنه بحلول عام 2030، من المتوقع أن يزيد عدد سنوات الحياة المفقودة للذكور بمقدار 319.6 ألف سنة شخص. ) و YLD بمقدار 127.5 ألف سنة شخص
( مقارنةً بعام 2020. من المتوقع أن تزيد سنوات الحياة المفقودة للإناث بمقدار 234.5 ألف سنة شخص. و YLD بمقدار 178.1 ألف سنة شخص ( ) مقارنةً بعام 2020. في السيناريو 2، من المتوقع أن تنخفض سنوات الحياة المفقودة للذكور في عام 2030 بمقدار 21.0 ألف سنة-شخص ( )، بينما من المتوقع أن يزيد YLD بمقدار 50.8 ألف سنة شخص مقارنةً بعام 2020. من المتوقع أن تنخفض سنوات الحياة المفقودة للإناث في عام 2030 بمقدار 5.6 ألف سنة-شخص ( )، مع زيادة في سنوات العجز المعدلة حسب العمر (YLD) بمقدار 77.4 ألف سنة-شخص مقارنةً بعام 2020. (الملحق الإلكتروني الجدول S7 والملحق الإلكتروني الشكل S3) توفر الجداول الإلكترونية S8A وS8B وS8C وS8D العدد المطلق ونسبة الزيادة في عبء المرض في عام 2030 مقارنةً بعام 2020 حسب السبب للسيناريو 1 والسيناريو 2 مع فواصل الثقة 95%.
تظهر الشكل 6 نتائج السيناريو 3. من المتوقع أن تكون معدلات سنوات الحياة المفقودة (YLL) وسنوات الحياة مع الإعاقة (YLD) للذكور في عام 2030 و سنوات الشخص لكل 100,000 شخص، مما يتطلب تخفيضات من و ( و 1,266.7 سنة-شخص لكل 100,000 شخص)، على التوالي، مقارنةً بعام 2020. من المتوقع أن تكون معدلات سنوات الحياة المفقودة (YLL) والسنوات المفقودة بسبب الإعاقة (YLD) للإناث في عام 2030 و سنوات الشخص لكل 100,000 شخص، مما يستلزم تخفيضات

من و ( و سنوات الشخص لكل 100,000 شخص)، على التوالي، مقارنةً بعام 2020. توفر الجداول الملحقة عبر الإنترنت S9A و S9B العبء المتوقع للمرض في عام 2030 والتقليل مقارنةً بعام 2020 مع واجهات المستخدم.

تعتبر الاستجابة الاستباقية لشيخوخة السكان عاملاً رئيسياً في تحديد زخم النمو الاقتصادي طويل الأجل في البلاد. إن الخسائر الصحية المرتبطة بزيادة عدد السكان المسنين لا تضع فقط عبئاً ثقيلاً على الأفراد من الناحية البدنية والعقلية والاقتصادية، بل تضع أيضاً ضغطاً مستمراً على أنظمة الرعاية الصحية. لذلك، فإن تعزيز تطوير نظام للشيخوخة الصحية له قيمة كبيرة. إن تحديد الخسائر الصحية الرئيسية الناتجة عن شيخوخة السكان أمر مهم لتطوير استراتيجيات استجابة ناجحة. بالنظر إلى هذا التحدي، قامت هذه الدراسة بدمج مؤشرين صحيين، وهما متوسط العمر الصحي (HALE) وسنوات الحياة المعدلة بالإعاقة (DALY)، واقترحت إطار تحليل النسبة لتفحص بشكل منهجي كيف تؤثر شيخوخة السكان على جودة الحياة وعبء المرض. لقد طبقنا هذا الإطار على السكان الإقليميين ل…
تحليل شامل لتأثيرات الصحة الناتجة عن شيخوخة السكان من منظورين. إلى أفضل معرفتنا، هذه هي الدراسة الأولى التي تنسب وتنبئ بشكل كمي بالتغيرات في أنماط الأوبئة للأمراض والإصابات بسبب شيخوخة السكان. الإطار المقترح لدينا يعمل كتصميم رئيسي مهم لتوجيه الممارسة، مما يسمح بإجراء مقارنات لتأثيرات الصحة الناتجة عن شيخوخة السكان عبر فترات زمنية ومناطق مختلفة.

وجدت هذه الدراسة أن الانخفاض في الوفيات المبكرة لدى كلا الجنسين كان العامل الرئيسي في نمو متوسط العمر الصحي خلال الفترة من 2010 إلى 2020، حيث ساهم الأشخاص الذين تتراوح أعمارهم بين 60 عامًا وما فوق بأكثر من نصف هذا النمو. تتماشى هذه النتيجة مع الاتجاهات على المستوى الوطني التي لوحظت من 1990 إلى 2013، حيث تم نسب التحسينات في متوسط العمر الصحي بشكل مشابه إلى انخفاض الوفيات المبكرة بين كبار السن. مع الانتقال في صحة السكان، تحول السبب الرئيسي لتحسن مستويات الوفيات من زيادة كبيرة في بقاء حديثي الولادة إلى زيادة كبيرة.

زيادة في متوسط العمر المتوقع بين كبار السن، الذين يلعبون الآن دورًا رئيسيًا في تمديد كل من متوسط العمر المتوقع ومتوسط العمر الصحي [25]. ومع ذلك، تسلط هذه الدراسة الضوء أيضًا على أن التأثير الإيجابي لمستويات الإعاقة المحسنة على نمو متوسط العمر الصحي لا يزال ضئيلًا، مما يؤدي إلى عدم قدرة متوسط العمر الصحي على مواكبة معدل نمو متوسط العمر المتوقع. تشير هذه الفجوة المتزايدة إلى أن زيادة متوسط العمر المتوقع تتزامن بشكل متزايد مع المرض أو الإعاقة، مما يزيد من الطلب على الرعاية الصحية والرعاية طويلة الأجل بين كبار السن. يفرض هذا الاتجاه تكاليف اقتصادية كبيرة وأعباء غير ملموسة على الأفراد والعائلات والمجتمع [26]. على المدى الطويل، تميل تقليص الوفيات إلى التباطؤ مع اقترابها من عتبة أدنى. بالنسبة للمناطق ذات صحة السكان الأساسية المنخفضة، فإن الوفيات الأعلى نظريًا لديها المزيد من الإمكانيات للتحسين وقد تحقق معدل انخفاض أسرع. في المناطق الأكثر تطورًا اجتماعيًا واقتصاديًا، قد تصل الوفيات إلى مستوى ثابت يصعب خفضه أكثر [27]. عند مقارنة نتائج هذه الدراسة مع الوفيات الإجمالية من جميع الأمراض والإصابات في الصين التي أبلغ عنها GBD، كانت الوفيات في قوانغتشو أقل بكثير من المستوى الوطني خلال
ومع ذلك، كانت وتيرة الانخفاض أبطأ من المستوى الوطني، مما يشير إلى أن الأسباب المستقبلية لصحة السكان في المناطق المتقدمة قد تتحول تدريجياً من الوفاة إلى الإعاقة.
تشير توقعات المستقبل لمؤشر الصحة الجيدة المتوقعة (HALE) إلى زيادة مستمرة في HALE لكلا الجنسين خلال الفترة من 2020 إلى 2030. خلال هذه الفترة، من المتوقع أن يصبح تقليل الوفيات المبكرة بين الأشخاص الذين تبلغ أعمارهم 85 عامًا وما فوق المساهم الرئيسي في تأثير الوفيات بين جميع الأعمار. ومع ذلك، فإن الانخفاض النسبي في الوفيات المبكرة بين الفئات العمرية الأخرى سيحد من تأثير الوفيات بين جميع الأعمار، مما يمنعها من تجاوز الاتجاهات التاريخية. قد يتماشى هذا الظاهرة مع العلاقة بين متوسط العمر المتوقع والوفيات، والتي تتبع منحنى لوجستي. مع تحسن متوسط العمر المتوقع، يتباطأ معدل الزيادة تدريجياً ويقترب في النهاية من الصفر، مستقرًا عند ثابت ثابت. استنادًا إلى هذه المبدأ، اقترح بعض الباحثين أن هناك حدًا فسيولوجيًا طبيعيًا للبشر في غياب عوامل الخطر الخارجية. ومع ذلك، يمكن تأخير أو حتى منع ظهور الأمراض المزمنة من خلال اعتماد خيارات نمط حياة صحية مثل تقليل استهلاك التبغ.

واستهلاك الكحول، والحفاظ على وزن صحي، وزيادة النشاط البدني، وما إلى ذلك. يمكن أن تضغط هذه التدابير على الفترة بين ظهور المرض والموت. تتماشى نتائج هذه الدراسة أيضًا مع هذه النظريات. إذا لم يزد تأثير الوفيات لكلا الجنسين بشكل كبير، فإن نسبة تأثير الإعاقة لجميع الأعمار وسكان كبار السن
في التأثير العام سيزداد. ومن الجدير بالذكر أن مساهمة تحسين الإعاقة بين النساء المسنات في نمو متوسط العمر الصحي تتحول من سلبية إلى إيجابية، مما يشير إلى اتجاه مستقبلي لضغط الأمراض في المناطق المتقدمة، حيث من المحتمل أن تتحسن جودة الحياة للسكان الأكبر سناً.

وجدت هذه الدراسة أيضًا أن الزيادة في سنوات الحياة المعدلة بالإعاقة (DALY) الناتجة عن نمو حجم السكان وتغيرات هيكل العمر لكلا الجنسين بين عامي 2010 و2020 تفوقت على الانخفاض الناتج عن جميع العوامل الأخرى، مما أدى إلى زيادة صافية في إجمالي سنوات الحياة المعدلة بالإعاقة. كان نمو حجم السكان هو المحرك الرئيسي للزيادة في سنوات الحياة المعدلة بالإعاقة، مشابهًا للاتجاه العالمي في الدراسات السابقة [29، 30]. التغير السكاني المستمر هو أحد السمات المميزة للمرحلة الرابعة من علم الأوبئة، حيث تكون الأمراض المزمنة التنكسية هي التهديدات الصحية الرئيسية. تحسين تكنولوجيا الوقاية من الأمراض والسيطرة عليها، بالإضافة إلى عوامل سكانية خارجية أخرى، تؤخر ظهور الأمراض، وتقلل من الوفيات بعد المرض، وتزيد من نسبة كبار السن في هيكل عمر السكان. حجم السكان يزداد فقط مع مرور الوقت، لذا فإن شيخوخة السكان هي المساهم الرئيسي في تراكم عبء المرض [31]. تشير بيانات التعداد السكاني الوطني إلى أن الصين بدأت تدخل المرحلة الرابعة من التحول الصحي خلال الفترة من 2010 إلى 2020، والتي تأثرت بعوامل على المستويين الكلي والجزئي مثل الترويج المستمر لسياسات الشيخوخة الصحية، والتحسين التدريجي في البيئات الأسرية والمجتمعية المناسبة للسكان المسنين، والتحسين المستمر في وعي الناس الصحي وأنماط حياتهم [32]. أكدت هذه الدراسة أيضًا أنه تحت توجيه استراتيجيات الحكومة المركزية الصينية العليا لإدارة شيخوخة السكان بنشاط، كانت آثار شيخوخة السكان على عبء المرض في المناطق المتقدمة تعكس خصائص المرحلة الرابعة من التحول الصحي. بالإضافة إلى ذلك، كانت سنوات الحياة المعدلة بالإعاقة الناتجة عن هيكل العمر تمثل نسبة كبيرة في كلا الجنسين، تليها فقط مساهمة نمو السكان.
تشير توقعات سنوات الحياة المعدلة بالإعاقة المستقبلية إلى أن الزيادة الصافية في سنوات الحياة المعدلة بالإعاقة لكلا الجنسين في الفترة من 2020 إلى 2030 ستتجاوز الاتجاهات التاريخية، مع استمرار تراكم إجمالي سنوات الحياة المعدلة بالإعاقة مع مرور الوقت. على عكس متوسط العمر الصحي (HALE)، فإن تراكم سنوات الحياة المعدلة بالإعاقة يتأثر بتغيرات السكان وشدة انتشار الأسباب المختلفة، مما يعني أنه لا يوجد حد أعلى لتراكم سنوات الحياة المعدلة بالإعاقة. وبالتالي، سيواجه نظام الرعاية الصحية عبئًا متزايدًا من الأمراض. بالإضافة إلى ذلك، ستتجاوز سنوات الحياة المعدلة بالإعاقة الناتجة عن تغيرات هيكل العمر ليس فقط آثار نمو السكان ولكن أيضًا جميع الأسباب الأخرى، مما يشير إلى أن تغير هيكل العمر قد انتقل من كونه محركًا ثانويًا إلى محرك رئيسي لتراكم سنوات الحياة المعدلة بالإعاقة.

يمكن تفسير نسبة شيخوخة السكان إلى متوسط العمر الصحي (HALE) وسنوات الحياة المعدلة بالإعاقة (DALY) في هذه الدراسة من خلال جانبين تكميليين من قياس الصحة. متوسط العمر الصحي المنسوب يفحص فقدان الصحة للفرد في مجموعة سكانية افتراضية.
إنه مقياس لتوقعات الصحة يتم حسابه من خلال تطبيق شدة انتشار الأسباب في العالم الحقيقي، معبرًا عنها كنسبة مئوية من طيف الأمراض، على مجموعة افتراضية ضمن جدول الحياة. وبالتالي، يبرز متوسط العمر الصحي المنسوب أن تحسين صحة السكان المسنين يمكن أن يمدد بشكل فعال متوسط العمر الصحي. يفحص متوسط سنوات الحياة المعدلة بالإعاقة المنسوبة الفقدان التراكمي للصحة في السكان الحقيقيين، والذي يتراكم مع تحول هيكل العمر نحو ديموغرافيا أكبر سنًا. وبالتالي، يمثل متوسط سنوات الحياة المعدلة بالإعاقة المنسوبة عبء المرض الزائد الذي يجب إدارته والسيطرة عليه من قبل نظام الرعاية الصحية خلال هذه الفترة. يحدد متوسط العمر الصحي المنسوب شدة انتشار أسباب معينة وآثارها الصحية من منظور السكان المسنين، بينما يحدد متوسط سنوات الحياة المعدلة بالإعاقة المنسوبة آثار تغييرات هيكل العمر للسكان على عبء المرض من منظور التنمية المجتمعية.
تشير الأدلة التجريبية إلى أن الأسباب الخمسة الرئيسية لعبء المرض الناتج عن تغييرات هيكل العمر هي جميعها أمراض غير معدية (NCDs). من المتوقع أن يستمر هذا الاتجاه في المستقبل. تتطلب الوقاية الأولية من الأمراض غير المعدية تحسين معرفة الصحة السكانية وخلق بيئة تعزز الصحة [33، 34]. تعتمد فعالية الوقاية الأولية على استعداد السكان للمشاركة في التدابير الوقائية [35]. بالنسبة لكبار السن، فإن التدخلات والدعم الصحي غير المتصل بالإنترنت أكثر ملاءمة [36]. يمكن أن يحسن نمط الحياة المعزز للصحة أيضًا حالة الأفراد المسنين الذين يعانون من الأمراض غير المعدية ويؤخر ظهور المضاعفات [37]. يمثل إنشاء سجلات صحية وتقديم خدمات المتابعة الطبية من قبل مراكز الصحة المجتمعية تدخلات فعالة لتعزيز نمط الحياة الصحي [38]. بالإضافة إلى ذلك، من المتوقع أن يزداد عبء العديد من الأمراض المترابطة بشكل كبير، ويجب أخذ تزامن هذه الأمراض (تعدد الأمراض) مثل نقص التغذية واضطرابات الجهاز العضلي الهيكلي في الاعتبار [39]. يمكن أن تؤدي شيخوخة وتدهور الجهاز الهضمي إلى تقليل تناول أو استخدام العناصر الغذائية، مما يزيد من خطر اضطرابات الجهاز العضلي الهيكلي [40، 41]. يعد دمج النصائح الغذائية المستهدفة والدعم الغذائي في برنامج علاج الجهاز العضلي الهيكلي وسيلة فعالة لتقليل التعدد المرضي بين هذين المرضين [42]. عادة ما ينطوي التعدد المرضي على تركيبات مختلفة من عوامل الخطر أو الآليات المرضية الحيوية، والتي قد تغير الفوائد وفعالية التدخلات الصحية [43، 44]. إن إعادة هيكلة التدخلات للأشخاص المسنين الذين يعانون من التعدد المرضي بناءً على الأدلة أمر ضروري لضمان تكاملهم الكامل في ممارسات الشيخوخة النشطة [45].

تتمثل إحدى القيود الرئيسية لهذه الدراسة في أنها لم تقم بتحديد شدة واتجاه آثار شيخوخة السكان على عبء التعدد المرضي. غالبًا ما تكون احتمالية تزامن الأمراض المرتبطة أعلى بكثير من حاصل احتمالات الأمراض الفردية، وقد يكون عبء التعدد المرضي أيضًا أعلى من مجموع أعباء الأمراض الفردية. ومع ذلك، شملت هذه الدراسة فئات كاملة من الأسباب وأبرزت النتائج المساهمين الرئيسيين في عبء المرض الكبير، والذي قد يتداخل أيضًا ويتفاعل. نظرًا لأن جوهر عبء المرض هو الحصول على أهمية نسبية قابلة للمقارنة لأسباب مختلفة باستخدام إطار قياس متسق، لا تزال هذه الدراسة قادرة على تقديم تقديرات محافظة لعبء الأمراض والإصابات المختلفة، مما يشير إلى الأنماط المحتملة للتعدد المرضي، وتوفير أساس مهم لاتخاذ القرارات لوضع السياسات العامة للتعامل بنشاط مع شيخوخة السكان.

اقترحت هذه الدراسة إطارًا لنسبة آثار شيخوخة السكان على الصحة من بعدين: جودة الحياة وعبء المرض. يتضمن هذا الإطار فئة كاملة من الأمراض والإصابات ويكشف عن تباين آثار شيخوخة السكان على الصحة عبر أسباب مختلفة وبين الجنسين. يمكن استخدام أساسها النظري كنموذج مرجعي لتحديد آثار شيخوخة السكان على الصحة في مناطق وسكان آخرين. إن الفهم الصحيح للتغيرات الكبيرة في آثار شيخوخة السكان على الصحة أمر ضروري لضمان تصميم سياسات الشيخوخة وأنظمة المعاشات لتلبية احتياجات المجتمع [46]. في المستقبل، سيكون من الضروري إجراء تحليلات شاملة لنسبة آثار شيخوخة السكان على الصحة على المستويين الوطني والإقليمي. يجب أن تهدف هذه التحليلات إلى تحديد الأمراض والإصابات الرئيسية المرتبطة بالعمر، والاستجابة لتحديات شيخوخة السكان واغتنام الفرص الناتجة عن شيخوخة السكان من منظور الظروف المحلية والسياسات الدقيقة.

تحتوي النسخة الإلكترونية على مواد إضافية متاحة على https://doi. org/10.1186/s41256-024-00393-8.

يُعرب البروفيسور يوان-تاو هاو عن امتنانه لدعم مؤسسة ك.سي. وونغ التعليمية.

تصور JX و XL و JG و YH وصمموا البحث. ساهم JX و BL و HD و YC و BY في جمع البيانات. ساهم JX و BL و WZ و XL في تنسيق البيانات وتحليلها. كتب JX الورقة. كما ساهم JX في تصور وتحقيق المخطوطة. YH و JG و XL هم الضامنين للمخطوطة. ساهم جميع المؤلفين المشاركين في مراجعات المخطوطة، وقد راجعوا ووافقوا على النسخة النهائية من المخطوطة للنشر. كان المؤلف المراسل لديه وصول كامل إلى جميع البيانات في الدراسة والمسؤولية النهائية عن النشر.

تم دعم هذا العمل من قبل (أ) البرنامج الوطني الرئيسي للبحث والتطوير في الصين [رقم المنحة 2022YFC3600804]، (ب) المؤسسة الوطنية للعلوم الطبيعية في الصين [أرقام المنح 82373684، 82204154]، (ج) مؤسسة غوانغدونغ للبحث الأساسي والبحث التطبيقي [أرقام المنح 2020A1515110230، 2021A1515011765]، (د) مؤسسة العلوم ما بعد الدكتوراه في الصين [رقم المنحة 2021M693594]، و (هـ) صناديق البحث الأساسية للجامعات المركزية، جامعة صن يات-سن [رقم المنحة 51000-31610048]. لم يكن للراعي للدراسة أي دور في تصميم الدراسة، جمع البيانات، تحليل البيانات، تفسير البيانات، أو كتابة المخطوطة.

البيانات التي تدعم نتائج هذه الدراسة متاحة من مركز غوانغتشو لمكافحة الأمراض والوقاية منها. تنطبق قيود على توفر هذه البيانات، التي تم استخدامها بموجب ترخيص لهذه الدراسة. البيانات متاحة من المؤلفين المراسلين بإذن من مركز غوانغتشو لمكافحة الأمراض والوقاية منها. مجموعات البيانات الجديدة التي تم إنشاؤها أو تحليلها في هذه الدراسة والتي تدعم نتائج هذه الدراسة متاحة في المواد الإضافية لهذه المقالة.

تم التنازل عن متطلبات موافقة مجلس الأخلاقيات لأن هذه الدراسة هي تحليل بيانات ثانوية. تم تجميع جميع البيانات ولم تحتوي على أي معلومات على المستوى الفردي. لذلك، لم تكن هناك قضايا أخلاقية محددة تتطلب اهتمامًا خاصًا.

غير قابل للتطبيق.

يعلن المؤلفون أنهم ليس لديهم مصالح متنافسة.

قسم الإحصاءات الطبية، كلية الصحة العامة، جامعة صن يات-سن، 74 طريق تشونغشان 2، منطقة يويشيو، غوانغدونغ 510080، الصين. معهد الصحة العالمية بجامعة صن يات-سن، غوانغدونغ 510080، الصين. مركز أبحاث معلومات الصحة، جامعة صن يات-سن، غوانغتشو 510080، الصين. قسم السيطرة والوقاية من الأمراض المزمنة غير المعدية، مركز غوانغتشو لمكافحة الأمراض والوقاية منها، غوانغدونغ 510440، الصين. كلية العلوم الصحية، جامعة غوانغتشو شينhua، غوانغدونغ 510520، الصين. مركز الصحة العامة والاستعداد والاستجابة للأوبئة، جامعة بكين، منطقة هايديان، 38 طريق شيويوان، بكين 100191، الصين. قسم علم الأوبئة والإحصاء الحيوي، كلية الصحة العامة، جامعة بكين، بكين 100191، الصين. المختبر الرئيسي لعلم الأوبئة للأمراض الكبرى (جامعة بكين)، وزارة التعليم، بكين 100191، الصين.

تاريخ الاستلام: 31 مارس 2024 تاريخ القبول: 13 نوفمبر 2024
تم النشر عبر الإنترنت: 14 يناير 2025

by 2030 compared to 2020. Our proposed attribution framework evaluates the health impacts of population aging across two dimensions: quality of life and disease burden. This framework enables comparisons of these effects over time and across different regions.
Keywords Attribution analysis, Burden of disease, Differential decomposition, Population aging, Prediction, Quality of life

Internationally, a country or region is typically classified as an aging society when of its population is aged 60 and over, or is aged 65 and over. The world is facing the complex challenges posed by an aging population. Since 1990, global life expectancy at birth has increased from 65.42 years to 73.52 years in 2019 [1]. Between 2020 and 2050, the global population aged 60 and over is expected to double to 2.1 billion, and the number of people aged 80 and over is expected to triple to 426 million [2]. As one of the world’s most populous countries, China is rapidly becoming an aging society [3]. By 2030, it is estimated that the number of people aged 65 and over in mainland China will reach 258 million, accounting for 18.23 percent of the total population [4]. One of the consequences due to major demographic changes is an increase in the prevalence and incidence of age-related diseases. The elderly population has an increased susceptibility to many chronic and degenerative diseases, and the adverse health effects of these diseases often affect multiple organs or systems and accumulate with age, severely compromising the quality of life in old age [5, 6]. According to the Chinese Longitudinal Healthy Longevity Survey, disability in activities of daily living among older people in China increases with age, with disability rates of less than for those aged 65-69, less than for those aged , and about for those aged 90-94 [7]. As older people are the most vulnerable group to disease and disability, and their demand for health services is higher than that of younger populations, the consistent evaluation on the health impacts of population aging is critical to ensuring the sustainability of modern societies [8].
Quantitatively attributing the health effects of population aging is crucial to addressing the challenges posed by an aging population. As populations age, the prevalence patterns of disease and injury shift significantly. Previous studies have demonstrated that the primary obstacles to effectively addressing this pattern of changes in the context of population aging, including misaligned global health priorities and the inadequate preparedeness of health systems to provide age-appropriate care for
chronic disease [9]. Therefore, fully understanding and predicting these changes can provide important decision support for formulating public policies to actively respond to population aging. Health-adjusted life expectancy (HALE) and Disability-adjusted life years (DALY) are both comprehensive indicators used to measure population health by considering both mortality and morbidity. HALE adjusts life expectancy by accounting for year lived with disability from all diseases and injuries, offering a holistic measure of both quality and length of life [1]. In contrast, DALY quantifies the total number of healthy life years lost due to disease or injury, including years of life lost (YLL) and years lived with disability (YLD), thereby reflecting the overall disease burden [10]. While both indicators assess population health comprehensively, their perspectives differ. HALE emphasizes positive health outcomes, focusing on the duration of life spent in full health. Higher HALE values indicate better population health. DALY, on the other hand, highlights negative health impacts, measuring the epidemiological and socio-economic burden of disease and disability. Higher DALY values signify poorer population health.
Therefore, a comprehensive assessment of the health impact of population aging needs to combine the two dimensions: quality of life and burden of disease. However, an effective attribution strategy for analyzing the health impacts of population aging remains to be developed. The purpose of this study is to develop an attribution framework for a comprehensive assessment of the health impact of population aging from the perspective of the disease and injury spectrum, combining the two dimensions: quality of life and burden of disease using data from Guangdong Province of China as a case study.

We developed an attribution framework and applied it to the popualtion of Guangzhou, a representative developed megacity in Guangdong Province of China. This served asan example to provide an empirical basis for formulating health policies to implement more effective active

health intervention strategies [11, 12]. The flowchart of our attribution framework is shown in Fig. 1 and detailed in online Appendix Table S1.

The surveillance datasets on cause-of-death and the registered population of Guangzhou from 2010 to 2020 were obtained from the Guangzhou Centre for Disease Control and Prevention and the Public Security Bureau of Guangzhou Municipality. Details of these datasets have been reported in previous articles [13]. We classified the

ICD-10 codes for causes of death according to the Global Burden of Disease Study (GBD) cause and sequelae hierarchy, including 3 categories of Level 2 causes and 21 categories of Level 3 causes [10]. For ICD-10 codes indicating unclear symptoms or signs as the underlying cause of death, we redistributed them according to the GBD garbage code list and previous research methods [10, 14]. (online Appendix Text S1) To predict the registered population of Guangzhou in 2030, we incorporated data on the age-specific fertility rate distribution of women aged 15 to 49, the birth rate, the sex ratio of newborns,
and the age-specific migration rate distribution. These data were sourced from the Seventh National Population Census, the National Population Sample Survey, and the Guangzhou Statistical Yearbook from 2000 to 2020. We also cited some results from the GBD, including YLL rates and YLD rates by sex, age, and cause in China from 2010 to 2019 [15]. The online Appendix Tables S2, S3, S4, and online Appendix Text S1 provide a mapping of ICD10 to cause and sequelae, and garbage code in this study.

We used HALE to measure quality of life and DALY to quantify the burden of disease. YLL and YLD by age are the main variables for HALE and DALY. YLL was calculated using the number of deaths in Guangzhou and the reference life table from the GBD, while YLD was determined using the method proposed by the WHO [16]. DALY is defined as the sum of YLL and YLD. HALE accounts for the loss of healthy lifespan due to death or disability across all ages. It was calculated using the abbreviated life table and the Sullivan method. The online Appendix Text S2 provides details of the methods used to calculate HALE and DALY.
To predict HALE and DALY in 2030, epidemiological indicators (mortality, YLL rates, and YLD rates) and population projections were required. Epidemiological indicators for 2030 were estimated using the Bayesian age-period-cohort (BAPC) model, while population distribution for 2030 was obtained through a population prediction model based on the cohort-component method. The BAPC model examines the main effects of three factors-age, period, and birth cohort-on changing trends in rates and predicts future changes. In our study, the BAPC model used a second-order random walk prior, which assumes that period effects evolve gradually over time rather than being driven by random effects [17]. The population prediction model based on the cohort-component method divides the population into cohorts by age and iteratively forecasts the number of individuals in each cohort according to demographic change patterns and the forecast cycle [4, 18]. This study took into account the policy direction of China, the current development context of Guangzhou, and insights from previous studies to set the parameters of population change, including three projections scenarios: high, medium, and low population development. The online Appendix Texts S3 and S4 provide methodological details on the projections of epidemiological indicators and population.

To examine the impact of population aging on quality of life during the periods 2010 to 2020 and 2020 to 2030, we decomposed the changes in HALE into the contributions from different causes. We defined the attributable contributions of people aged 60 and over as the health effects of population aging. The decomposition method for changes in HALE was based on the Sullivan and Arriaga method and consisted of two steps [19]. First, HALE changes were decomposed into age-specific mortality and disability effects. The mortality effects refer to the change in HALE when death changes while disability remains unchanged. The disability effects refer to the change in HALE when only disability changes while death remains the same. The mortality and disability effects were then further decomposed into the contributions of different causes. Detailed mathematical formulae are given in the online Appendix Text S5.

To examine the impact of population aging on the burden of disease from 2010 to 2020 and 2020 to 2030, we attributed the differences in DALY to the contributions of population age structure, population size, and all other factors. We defined DALY attributable to population age structure as the health effects of population aging. The decomposition method for changes in DALY assumed that one of the three factors changed between the first and second time points, while the others did not change. The expected DALY at the second time point was then calculated based on this assumption and compared with the DALY at the first time point to attribute the changes in DALY caused by specific factors [20]. Detailed mathematical formulae are given in the online Appendix Text S6.

Three scenarios were developed to analyze the relative relationship between changes in the burden of premature death (YLL rates) and disability (YLD rates) and population changes. Scenarios 1 and 2 explore the influence of population changes on the burden of disease by assuming that YLL and YLD rates in 2030 remain at 2020 levels or follow historical trends (modeling projections). Scenario 3 assumes that the health effects of population changes are neutralized by 2030, maintaining the absolute numbers of YLL and YLD at the 2020 levels. This scenario aims to achieve the expected burden of premature death and disability relative to the levels controlled in 2020. The mathematical expressions of three scenarios are given in the online Appendix Text S7.

We assumed that each input for the health measures and attribution models followed a triangular distribution with a minimum value , a peak value , and a maximum value , where correspond to the lower, middle, and upper limits of the GBD estimates, respectively. Then, we generated 1000 draw-level estimates using the Monte Carlo method, assuming that the input parameters followed the triangular distribution [21]. 95% uncertainty intervals (UIs) were estimated using the 2.5th and 97.5th percentiles of the draws. The BAPC model estimated the observed rates and the predicted distribution between the 5th and 95th quantiles, using point estimates of the epidemiological indicators and the population as inputs. The population prediction model based on the cohortcomponent method set up three scenarios to show the possible development trend of the future population under different conditions, where the high and low scenarios defined the range of projection results and the middle scenario represented the most likely projection results [22].

Between 2010 and 2020, the proportion of people aged 60 and over in Guangzhou’s total population increased from to (male: to , female: to ). (online Appendix Figures S1) By 2030, population aging is expected to intensify. In the low scenario, the proportion of people aged 60 and over is projected to increase from to (male: to , female: to ). In the medium scenario, the proportion is projected to reach (male: , female: ). In the high scenario, the proportion is projected to reach (male: , female: ). (Fig. 2).

Between 2010 and 2020, ( 1.70 years) of the increase in male HALE was attributed to the mortality effects among the population aged 60 and over, while ( -0.11 years) was attributed to the disability effects. For females, ( 1.55 years) of the increase in HALE was due tothe mortality effects among those aged 60 and over, with years attributed to the disability effects. From 2020 to 2030, 61.43% (1.66 years) of the increase in male HALE is projected to be driven by the mortality effects among the population aged 60 and over, and ( -0.10 years) by the disability effects. For females, ( 2.02 years) of the increase in HALE is expected to result from the mortality effects among those aged 60 and over, with ( 0.14 years)
attributed to the disability effects. (Fig. 3 and online Appendix Figure S2).
Figure 4 shows the cause-specific effects on mortality and disability, some of which resulted in a loss of more than 0.1 years of HALE among the population aged over 60 years. Between 2010 and 2020, the mortality effects for males included chronic respiratory diseases ( -3.44 years), self-harm and interpersonal violence ( -0.18 years), skin and subcutaneous diseases ( -0.15 years), and respiratory infections and tuberculosis ( -0.10 years). The disability effects for males included musculoskeletal disorders ( -0.19 years), unintentional injuries ( -0.13 years), and nutritional deficiencies ( -0.11 years). The mortality effects for females included chronic respiratory diseases ( -6.20 years), respiratory infections and tuberculosis ( -0.61 years), and diabetes and kidney diseases ( -0.24 years). The disability effects for females included unintentional injuries ( -0.25 years). From 2020 to 2030, the disability effects for males include skin and subcutaneous diseases ( -0.99 years), and musculoskeletal disorders ( -0.95 years). The mortality effects for females include nutritional deficiencies ( -0.41 years), and diabetes and kidney diseases ( -0.27 years). The disability effects for females include nutritional deficiencies ( -1.88 years), musculoskeletal disorders ( -0.30 years), and neurological disorders ( -0.11 years). The online Appendix Tables S5A and S5B provide detailed results on the decomposition of HALE, including the proportion of cause-specific effects in the total HALE change.

Between 2010 and 2020, the increase in DALY attributable to changes in age structure accounted for (114.5 thousand person-years) of the total increase in DALY for males. The top five causes were cardiovascular diseases ( 38.4 thousand person-years), neoplasms ( 31.4 thousand person-years), chronic respiratory diseases (15.9 thousand person-years), other non-communicable diseases ( 6.2 thousand person-years), and diabetes and kidney diseases ( 5.9 thousand person-years). The increase in DALY attributable to changes in age structure accounted for ( 81.6 thousand person-years) of the total increase in DALY for females. The top five causes were cardiovascular diseases ( 28.0 thousand personyears), neoplasms ( 14.6 thousand person-years), musculoskeletal disorders ( 9.7 thousand person-years), chronic respiratory diseases (6.1 thousand person-years), and skin and subcutaneous diseases ( 4.9 thousand person-years). From 2020 to 2030, the increase in DALY attributable to changes in age structure accounted for 102.93% (186.3 thousand person-years) of the total increase in DALY for males. The top five causes are cardiovascular diseases

(63.5 thousand person-years), neoplasms ( 41.8 thousand person-years), chronic respiratory diseases ( 28.4 thousand person-years), diabetes and kidney diseases ( 9.4 thousand person-years), and nutritional deficiencies (8.3 thousand person-years). The increase in DALY attributable to changes in age structure accounted for (182.8 thousand person-years) of the total increase in DALY for females. The top five causes are cardiovascular diseases ( 64.8 thousand person-years), neoplasms ( 26.7 thousand person-years), skin and subcutaneous diseases (15.3 thousand person-years), chronic respiratory diseases ( 14.7 thousand person-years), and diabetes and kidney diseases ( 13.1 thousand person-years). (Fig. 5) The online Appendix Tables S6A, S6B, S6C, and S6D provide detailed results on the decomposition of DALY, including the change in DALY due to age structure, population size, and all other reasons with 95% UIs.

The result of Scenario 1 shows that by 2030, the male YLL is projected to increase by 319.6 thousand personyears ( ) and YLD by 127.5 thousand person-years
( ) compared to 2020. The female YLL is expected to increase by 234.5 thousand person-years and YLD by 178.1 thousand person-years ( ) compared to 2020. In Scenario 2, the male YLL in 2030 is anticipated to decrease by 21.0 thousand person-years ( ), while YLD is projected to increase by 50.8 thousand person-years compared to 2020. The female YLL in 2030 is expected to decrease by 5.6 thousand person-years ( ), with an increase in YLD of 77.4 thousand person-years compared to 2020. (online Appendix Table S7 and online Appendix Figure S3) The online Appendix Tables S8A, S8B, S8C, and S8D provide the absolute number and percentage of increase in the disease burden in 2030 compared to 2020 by cause for Scenario 1 and Scenario 2 with 95% UIs.
Figure 6 shows the results of Scenario 3. The expected male YLL and YLD rates in 2030 are projected to be and person-years per 100,000 people, requiring reductions of and ( and 1,266.7 person-years per 100,000 people), respectively, compared to 2020. The expected female YLL and YLD rates in 2030 are projected to be and per-son-years per 100,000 people, necessitating reductions

of and ( and person-years per 100,000 people), respectively, compared to 2020. The online Appendix Tables S9A and S9B provide the expected burden of disease in 2030 and the reduction compared to 2020 with UIs.

A proactive response to population aging is a key factor in determining a country’s long-term economic growth momentum [23]. The health-related losses associated with an aging population not only place a heavy physical, mental, and economic burden on individuals, but also put a constant strain on healthcare systems. Promoting the development of a healthy aging system is, therefore, of great value [24]. Identifying the major health losses due to population aging is important for developing successful response strategies. Given this challenge, this study combined two health indicators, HALE and DALY, and proposed an attribution analysis framework to systematically investigate how population aging affects the quality of life and disease burden. We applied this framework to regional populations to
comprehensively analyze the health impacts of population aging from two perspectives. To the best of our knowledge, this is the first study to quantitatively attribute and predict shifts in epidemic patterns of disease and injury due to population aging. Our proposed framework serves as an important top-level design to guide practice, allowing comparisons of the health effects of population aging across different time periods and regions.

This study found that the decline in premature deaths in both sexes was the main determinant of HALE growth during the period 2010 to 2020, with people aged 60 years and over contributing more than half of this growth. This finding aligns with the national-level trends observed from 1990 to 2013, where improvements in HALE were similarly attributed to reductions in premature mortality among older adults [19]. With the transition in population health, the leading cause of the improvement in death levels has shifted from a significant increase in newborn survival to a significant

increase in life expectancy among older adults, who now play a major role in extending both life expectancy and HALE [25]. However, this study also highlights that the positive effect of improved disability levels on the growth of HALE remains minimal, resulting in HALE failing to keep pace with the growth rate of life expectancy. This growing disparity indicates that longer life expectancy increasingly coincides with illness or disability, intensifying the demand for healthcare and long-term care among the elderly. This trend imposes substantial economic costs and intangible burdens on individuals, families, and society [26]. In the long term, mortality reduction tends to decelerate as it approaches a lower threshold. For regions with lower baseline population health, higher mortality theoretically has more potential for improvement and may achieve a faster rate of decline. In more socially and economically developed regions, mortality may reach a plateau that is challenging to lower further [27]. Comparing the results of this study with the gross mortality from all diseases and injuries in China reported by the GBD, the mortality in Guangzhou was significantly lower than the national level during the
study period. However, the rate of decline was also slower than the national level, suggesting that the future causes of population health in advanced regions may gradually shift from death to disability.
The projection of future HALE indicates a steady increase in HALE for both sexes over the period 2020 to 2030. During this period, the reduction in premature deaths among people aged 85 years and over is expected to become the main contributor to the all-age mortality effect. However, the relative reduction in premature deaths among other age groups will limit the all-age mortality effect, preventing it from exceeding historical trends. This phenomenon may align with the relationship between life expectancy and mortality, which follows a logistic curve. As life expectancy improves, the rate of increase gradually slows and eventually approaches zero, stablizing at a fixed constant. Based on this principle, some researchers have proposed that there is a natural physiological limit for human beings in the absence of external risk factors. However, the onset of chronic diseases can be delayed or even prevented by adopting health lifestyle choices such as reducing tobacco

and alcohol consumption, maitaining a healthy weight, increasing physical activity and so on. These measures can compress the period between the onset of disease and death [28]. The findings of this study are also consistent with these theories. If the mortality effect for both sexes does not increase significantly, the proportion of the disability effect of all ages and the elderly population
in the overall effect will increase. Notably, the contribution of disability improvement among elderly women to the growth of HALE shifts from negative to positive, suggesting that a future trend of morbidity compression in advanced regions, where the quality of life for older populations is likely to improve.

This study also found that the increase in DALY attributable to population size growth and age structure changes for both sexes between 2010 and 2020 outweighed the decrease from all other factors, resulting in a net increase in total DALY. Population size growth was the main driver of the increase in DALY, similar to the global trend in previous studies [29, 30]. Ongoing population change is one of the hallmarks of the fourth stage of epidemiology, in which chronic degenerative diseases are the main health threats. Improvement in disease prevention and control technology, as well as other external population factors, are delaying the onset of disease, reducing postdisease mortality and increasing the proportion of older people in the population age structure. The size of the population only increases over time, so the aging of the population is the main contributor to the accumulation of the disease burden [31]. Data from the National Population Census indicate that China began entering the fourth stage of health transformation during the period 2010 to 2020, which has been influenced by macro- and micro-level factors such as the continuous promotion of healthy aging policies, the gradual improvement in family and community environments suitable for aging populations, and the continuous improvement of people’s health awareness and lifestyles [32]. This study also confirmed that under the guidance of the Chinese central government’s top-level strategies to actively manage population aging, the impacts of population aging on the burden of disease in developed regions reflected the characteristics of the fourth stage of health transformation. Besides, DALY attributable to age structure accounted for a substantial proportion in both sexes, second only to the contribution of population growth.
The projection of future DALY suggests that the net increase in DALY for both sexes in the period 20202030 will exceed the historical trends, with total DALY continuing to accumulate over time. Unlike HALE, the accumulation of DALY is influenced by both population changes and the prevalence intensity of different causes, meaning there is no upper limit to DALY accumulation. Consequently, the healthcare system will face an increasing burden of disease. In addition, the DALY attributable to age structure changes will surpass not only the effects of population growth but also all other causes, suggesting that age structure change has transitioned from being a secondary to a primary driver of DALY accumulation.

The attribution of population aging to HALE and DALY in this study can be interpreted through two complementary aspects of health measurement. Attributed HALE examines the per capita health loss in a hypothetical
population. It is a health expectancy measure calculated by applying the real-world prevalence intensity of causes, expressed as a percentage of the disease spectrum, to a hypothetical cohort within the life table. The attributed HALE, therefore, highlights that improving the health of the older population can effectively extend the average healthy lifespan. The attributed DALY examines the cumulative loss of health in the real population, which accrues as the age structure shifts toward an older demographic. Attributive DALY, thus, represents the excess burden of disease that must be managed and controlled by the healthcare system during the period. The attributed HALE identifies the prevalence intensity of specific causes and their health effects from the perspective of the elderly population, while the attributed DALY identifies the impacts of changes in age structure of the population on the burden of disease from the perspective of societal development.
Empirical evidence indicates that the five leading causes of disease burden attributable to changes in age structure are all non-communicable diseases (NCDs). This trend is projected to persist in the future. The primary prevention of NCDs requires the improvement in population health literacy and the creation of a health-promoting environment [33, 34]. The efficacy of primary prevention is contingent upon the willingness of the population to engage in preventive measures [35]. For the elderly, offline intervention and health support tools are more suitable [36]. A health-promoting lifestyle can also improve the condition of elderly individuals with NCDs and delay the onset of complications [37]. The establishment of health records and the provision of medical follow-up services by community health centers represent effective healthpromoting lifestyle interventions [38]. In addition, the burden of several interrelated diseases is projected to increase substantially, and the co-occurrence of these diseases (multimorbidity), such as nutritional deficiencies and musculoskeletal disorders, must be taken into account [39]. Aging and degeneration of the digestive system can lead to reduced nutrient intake or utilization, which in turn increases the risk of musculoskeletal disorders [40, 41]. Integrating targeted dietary advice and nutritional support into the musculoskeletal treatment program is an effective way to reduce the comorbidity of these two diseases [42]. Multimorbidity usually involves different combinations of risk factors or pathobiological mechanisms, which may alter the benefits and effectiveness of health interventions [43, 44]. An evidence-based, fundamental restructuring of interventions for older people with multimorbidity is essential to ensure their full integration into active aging practices [45].

A major limitation of this study is that it did not quantify the intensity and direction of the effects of population aging on the burden of multimorbidity. The probability of related diseases co-occurring is often much higher than the product of the probabilities of individual diseases, and the burden of multimorbidity may also be higher than the sum of the burdens of the individual diseases. However, this study included complete categories of causes and the findings hightlight key contributors to a substantial burden of disease, which may also overlap and interact. Given that the essence of the burden of disease is to obtain comparable relative importance of different causes using a consistent measurement framework, this study can still provide conservative estimates of the burden of different diseases and injuries, indicating the potential patterns of multimorbidity, and providing an important deci-sion-making basis for formulating public policies to actively cope with population aging.

This study has proposed an attribution framework for assessing the health effects of population aging from the two dimensions: quality of life and burden of disease. This framework includes a complete category of disease and injury and reveals the heterogeneity of the health effects of population aging across different causes and between sexes. Its theoretical basis can be used as a reference paradigm for quantifying the health effects of population aging in other regions and populations. A correct understanding of the significant changes in the health effect of population aging is essential to ensure that aging policies and pension systems are designed to meet the society’s needs [46]. In the future, it will be necessary to carry out comprehensive attribution analyses of the health effects of population aging at both national and regional levels. Such anlyses should aim to identify major age-related diseases and injuries, and to respond to the challenges of population aging and seize the opportunities of population aging from the perspective of local conditions and precise policies.

The online version contains supplementary material available at https://doi. org/10.1186/s41256-024-00393-8.

Professor Yuan-Tao Hao gratefully acknowledges the support of K.C.Wong Education Foundation.

JX, XL, JG, and YH conceived and designed the research. JX, BL, HD, YC, and BY contributed to the acquisition of data. JX, BL, WZ, and XL contributed to data curation and its analysis. JX wrote the paper. JX also contributed to the visualization and investigation of the manuscript. YH, JG, and XL are the guarantors of the manuscript. All co-authors contributed to revisions of the manuscript, and have reviewed and approved the final version of the manuscript for publication. The corresponding author had full access to all of the data in the study and the final responsibility for publication.

This work was supported by (a) the National Key R & D Program of China [Grant Number 2022YFC3600804], (b) the National Natural Science Foundation of China [Grant Numbers 82373684, 82204154], (c) the Guangdong Basic and Applied Basic Research Foundation [Grant Numbers 2020A1515110230, 2021A1515011765], (d) the China Postdoctoral Science Foundation [Grant Number 2021M693594], and (e) the Fundamental Research Funds for the Central Universities, Sun Yat-sen University [Grant Number 51000-31610048]. The sponsor of the study had no role in study design, data collection, data analysis, data interpretation, or writing of the manuscript.

The data that support the findings of this study are available from the Guangzhou Centre for Disease Control and Prevention. Restrictions apply to the availability of these data, which were used under license for this study. Data are available from the corresponding authors with the permission of the Guangzhou Centre for Disease Control and Prevention. The new datasets created or analyzed in this study that support the findings of this study are available in the supplementary material of this article.

The requirement for ethical board approval was waived because this study is a secondary data analysis. All data were aggregated and did not contain any information at the individual levels. Therefore, there were no specific ethical issues that warranted special attention.

Not applicable.

The authors declare that they have no competing interests.

Department of Medical Statistics, School of Public Health, Sun Yat-Sen University, 74Th Zhongshan 2Nd Rd, Yuexiu District, Guangdong 510080, China. Sun Yat-Sen Global Health Institute, Sun Yat-Sen University, Guangdong 510080, China. Center for Health Information Research, Sun Yat-Sen University, Guangzhou 510080, China. Department of Chronic Non-Communicable Disease Control and Prevention, Guangzhou Center for Disease Control and Prevention, Guangdong 510440, China. School of Health Sciences, Guangzhou Xinhua University, Guangdong 510520, China. Center for Public Health and Epidemic Preparedness and Response, Peking University, Haidian District, 38Th Xueyuan Road, Beijing 100191, China. Department of Epidemiology and Biostatistics, School of Public Health, Peking University, Beijing 100191, China. Key Laboratory of Epidemiology of Major Diseases (Peking University), Ministry of Education, Peking 100191, China.

Received: 31 March 2024 Accepted: 13 November 2024
Published online: 14 January 2025