南方医科大学学报

作者：陈浩, 李振汉, 纪梦佳, 汪鑫诚, 陈博峰, 管谦, 武嫚, 卢林明

单位：1.皖南医科大学病理解剖学教研室，安徽 芜湖 241002；2.暨南大学第一临床医学院，广东 广州 510632；3.右江民族医学院基础医学院，广西 百色 533000；4.皖南医科大学临床医学院，安徽 芜湖 241002；5.广州医科大学第二附属医院，广东 广州 510260；6.皖南医科大学公共卫生学院，安徽 芜湖 241002；7.安徽医科大学第一临床医学院，安徽 合肥 241002

关键词：非酒精性脂肪性肝病,全球疾病负担,机器学习,孟德尔随机化,社会人口指数,

基金：国家自然科学基金(82500322);广西自然科学基金(2025GXNSFHA069262);国家级大学生创新创业训练计划(202510368012);安徽省大学生创新创业训练计划(S202410368116)

目的 分析非酒精性脂肪性肝病（NAFLD）的全球负担趋势、驱动因素及健康不平等，利用可解释机器学习识别关键死亡风险因素，并通过孟德尔随机化验证其潜在因果关联。 方法 基于全球疾病负担（GBD）2021数据，提取1990~2021年NAFLD的发病率、患病率、死亡率、残疾调整生命年（DALYs）等指标。运用Joinpoint回归分析趋势，分解分析法量化人口增长、老龄化和流行病学变化的贡献，集中指数评估健康不平等，XGBoost-SHAP机器学习识别死亡预测因子，并使用双样本孟德尔随机化对关键因子进行因果验证；分析按性别和社会人口指数（SDI）分层。 结果 全球NAFLD年龄标准化DALY率在男性（平均年度百分比变化［AAPC］=+0.34%）和女性（AAPC=+0.05%）中均呈上升趋势。分解分析显示，人口增长是全球DALYs增加的主要驱动力，而在高SDI地区，人口老龄化对男性死亡的贡献度达52.37%。健康不平等分析显示，2021年DALYs的集中指数为-0.05，负担向低SDI人群集中。机器学习识别吸烟（相对重要性=100%）和高龄（70~74岁：60%）为最关键死亡预测因素，模型测试集拟合优度良好（R²=0.98）。SDI分层分析显示吸烟和老龄化在不同SDI区域均位列前两位。孟德尔随机化进一步验证了吸烟起始（OR=1.35，P<0.05）与衰老（以衰弱指数代理，OR=2.01，P<0.05）与NAFLD风险间的正向因果关联。 结论 NAFLD负担沉重，存在性别与社会经济不平等。吸烟和高龄是关键风险因素，需制定整合烟草控制、老年健康管理与健康公平促进的针对性干预策略。

来源：2026年第4期

《南方医科大学学报》期刊编辑部

查看南方医科大学学报杂志2026年第4期