心血管疾病“风险地图”:东北、华北最严重

来源:医学新视点 发布时间:2020年12月17日 浏览次数: 【字体: 收藏 打印文章

最新研究指出,中国各地区面临的心血管疾病主要风险因素存在较大的地域差异。

在美国的东南部地区,由于中风和其他心血管疾病的发病率远高于其他地区,被称为“中风带”(Stroke Belt)。那么,在心血管疾病患病率不断上升的中国,有没有这样需要特定地区关注的心血管疾病风险?

近日发表于《柳叶刀-公共卫生》(The Lancet Public Health)中国专刊,由中国医学科学院北京协和医学院、国家心血管疾病中心、阜外医院李静教授牵头开展的一项研究,就尝试回答了这个问题。研究深入分析了中国不同区域心血管疾病的人群风险,以及风险因素的地域分布特点。

论文指出,据研究团队所知,“这是中国大陆所有31个省份中,以人群为基础的最大规模的心血管疾病主要风险因素报告”。

image.png

截图来源:The Lancet Public Health

研究基于“中国以患者为中心的心脏事件评估-百万人项目”(PEACE MPP),对983476名35-75岁成人的数据进行了分析。PEACE MPP项目覆盖了中国31个省的152个农村和100个城市。这些受试者中,60.6%生活在农村地区。

2015年9月1日-2019年11月30日期间,受试者接受了统一的全面检测,以收集有关血压、血脂、血糖、体育锻炼、吸烟、饮酒、超重或肥胖等信息,以及水果、蔬菜、全谷类、豆类和红肉的摄入频率。这些指标对应了心血管疾病的12项主要风险因素。

根据WHO标准和受试者病史,研究团队评估了他们的心血管风险。高风险定义为预计10年心血管疾病风险大于20%,或曾有心梗、中风,或做过支架或搭桥手术。

数据显示,在所有人群中,16.6%属于心血管高风险人群。对年龄和性别校准后,高风险人群比例为10.3%,各地高风险人群比例从3.1%–24.9%不等,相差近8倍。相对来说,中国大陆东北(12.6%)和华北(11.4%)地区的高风险人群比例更高,其次是华中(10.7%)、西南(10.0%)、西北(9.6%)和华东(9.6%)地区,华南(8.0%)地区则较低。

▲中国不同地区心血管疾病高风险人群比例,颜色越深比例越高(图片来源:参考资料[1])

接下来,研究团队对12项风险因素归为了六大集群,包括:肥胖因素、血压因素、主食因素(全谷物和豆类)、副食因素(水果、蔬菜和红肉)、烟酒因素,以及代谢和身体活动因素(血糖、血脂、锻炼量)。

对比发现,各地区面临的心血管疾病主要风险因素存在较大的地域差异。华北地区最突出的风险因素是肥胖和高血压;副食吃得不健康(红肉摄入量过多、水果和蔬菜摄入不足)则对东北地区人群的心血管风险影响较大;相比之下,华南地区的主食吃得最不健康(全谷类和豆类的摄入量),血糖血脂异常和缺乏锻炼最为普遍。

研究团队指出,这与中国北方高血压患病率高、南方糖尿病前期患病率高的现象是相吻合的。此外,2019年一项全球研究表明,与饮食不健康有关的心血管疾病,中国的年龄标准化死亡率最高。这项分析则进一步说明了,虽然健康的饮食原则相似,但不健康的饮食各有各的糟糕。

▲六大因素对中国不同地区人群心血管疾病风险的影响程度,从左往右、从上至下分别是肥胖、血压、主食、副食、烟酒、代谢和身体活动。颜色越深,影响越大。(图片来源:参考资料[1])

此外,年度平均环境温度、海拔高度和经济发展程度也与心血管疾病风险因素有关。环境温度越低,血压、肥胖和副食带来的心血管风险越高,主食、烟酒、代谢和身体活动的风险越低。研究团队解释,与温度相关的不同农业模式(比如华北地区种植玉米、豆类和畜牧养殖更多)可能是造成饮食差异、进而影响这些风险因素的原因。海拔越高,代谢和身体活动的风险越低,但其他大部分风险因素的影响幅度都有所加大。

经济水平较高的地区,城市人群明显副食吃得比较健康,但农村地区人群则代谢异常和缺乏锻炼的风险更高。值得注意的是,随着经济水平增加,烟酒带来的心血管风险在城市地区减少,但在农村地区升高。

image.png

Photo by Karolina Grabowska from Pexels

据估计,中国每年有400万人死于心血管疾病,仍然迫切需要加强防控。论文最后指出,心血管疾病的主要风险因素在中国的地域分布十分复杂,需要根据各地区特点,结合环境和社会经济因素来进行针对性的干预。对照这些“风险地图”,你有没有对号入座? 


参考资料:

[1] Xi Li, et al., (2020). Cardiovascular risk factors in China: a nationwide population-based cohort study. The Lancet Public Health, DOI: https://doi.org/10.1016/S2468-2667(20)30191-2


Baidu
map