随着全球人口老龄化，慢性非传染性疾病的患病率逐渐上升。中老年人是慢性疾病的高发人群，同时由于年龄的增加，身体机能的老化，更容易出现慢性病共病的现象[1]。目前对于中国中老年人慢性病共病的研究主要聚焦在探索慢性病共病患病率，共病影响因素和共病模式等方面。慢性病共病模式的探索是中老年人慢性病共病研究的重点。以往对于共病模式探索的方法常见的有聚类分析、因子分析、关联规则分析、潜在类别分析等，由于不同方法的运算规则和使用条件不同，所得出的共病模式往往有差异[2-5]。目前较少有文献对相同数据用不同方法探索共病模式并进行结果比较。本研究旨在了解中国中老年人慢性病共病患病情况及影响因素，利用上述4种方法探索中老年人慢性病共病模式，为共病患者的临床干预方案和公共卫生管理政策的制定提供依据。

1 对象与方法

1.1 数据来源及研究对象

本研究数据来源于中国健康与养老追踪调查2020年调查数据。纳入标准：①年龄 ≥45岁的常住人群；②慢性疾病患病情况数据完整。最终确定研究样本量为18 544例。纳入流程见图1。

图1 研究对象纳入流程

1.2 观察指标

一般人口学特征：性别、年龄、居住地、婚姻状况、文化程度、睡眠时长、是否上网。患病情况：本研究包含15种慢性疾病，分别为高血压病，血脂异常（高血脂或低血脂），糖尿病或血糖升高（包括糖耐量异常和空腹血糖升高），癌症等恶性肿瘤（不包括轻度皮肤癌），慢性肺部疾患如慢性支气管炎或肺气肿、肺心病（不包括肿瘤或癌），肝脏疾病（除脂肪肝、肿瘤或癌外），心脏病（如心肌梗死、冠心病、心绞痛、充血性心力衰竭和其他心脏疾病），脑卒中，肾脏疾病（不包括肿瘤或癌），胃部疾病或消化系统疾病（不包括肿瘤或癌），情感及精神问题，记忆相关疾病（老年痴呆症、脑萎缩），帕金森病，关节炎或风湿病，哮喘（非肺部疾病）。共病指同一个体至少同时发生上述两种慢性疾病。

1.3 统计学方法

聚类分析的核心原则是组内相似性最大化和组间差异性最大化，得到的不同类别之间具有明显的慢性疾病组合差异[6]。因子分析的核心思想是通过研究多个变量间的协方差或相关关系，将大量相互关联的变量缩减为少数几个潜在的、不可直接观测的“因子”，常被用来识别慢性疾病之间的复杂联系，发现共病模式[7-8]。潜在类别分析是一种用于识别观察数据中潜在子群的统计方法，它通过识别观察变量间的关联模式，将人群划分为若干互斥的潜在类别，适合分析多种慢性病共存的复杂模式[9]。关联规则分析是挖掘复杂数据中两个或多个变量之间的联系和规律的方法[10]。常用的判断关联规则强弱的指标主要有支持度、置信度和提升度。

本研究采用SPSS 25.0、Mplus 8.3、R 4.3.3、AMOS 24.0统计学软件进行数据分析。采用logistic回归分析中老年人慢性病共病的影响因素，由于自变量只有7个，且文献研究结果显示均为中老年人慢性病共病的危险因素，自变量筛选方法采用强制法。采用R4.3.3软件进行聚类分析。采用SPSS 25.0软件进行探索性因子分析，AMOS 24.0软件绘制路径图进行验证性因子分析。采用Mplus进行潜在类别分析。采用SPSS Modele进行关联规则分析，使用Apriori算法，绘制网络图。以P＜0.05为差异有统计学意义。

2 结果

2.1 中老年人慢性疾病患病情况

纳入的18 544例中老年人中，男8 727例（47.1%），女9 817例（52.9%）；平均年龄（63.57±9.91）岁。慢性疾病患病率为81.1%（95%CI：80.6%～81.7%），慢性病共病的患病率为58.5%（95%CI：57.8%～59.2%）。多因素分析结果显示，年龄、性别、婚姻状况、居住地、睡眠时长是中老年人慢性病共病的影响因素。年龄越大、睡眠时长越短的中老年人慢性病共病的可能性越高（P＜0.05）。女性中老年人慢性病共病的可能性是男性中老年人的1.179倍（P＜0.05）。农村中老年人慢性病共病的可能性是城市中老年人的0.927倍（P＜0.05）。丧偶中老年人慢性病共病的可能性是已婚中老年人的1.120倍（P＜0.05）。见表1。

表1 中老年人慢性病共病多因素logistic回归分析

项目P值OR值（95%CI）是（10 846例）否（7 698例）50～＜603 171（48.8）3 323（51.2）＜0.0011.855（1.595～2.157）≥80841（66.3）427（33.7）＜0.0013.806（3.107～4.662）性别文化程度初中2 064（58.1）1 490（41.9）0.0611.092（0.996～1.198）高中1 195（58.0）866（42.0）0.6041.031（0.919～1.157）丧偶1 749（67.7）834（32.3）0.0281.120（1.012～1.239）城市3 885（59.0）2 699（41.0）农村6 955（58.2）4 998（41.8）0.0280.927（0.866～0.992）否6 856（61.5）4 292（38.5）0.0550.929（0.861～1.001）＞5.0～6.02 521（56.8）1 915（43.2）＜0.0010.692（0.637～0.751）＞6.0～7.01 609（51.4）1 521（48.6）＜0.0010.559（0.511～0.612）慢性病共病年龄（岁）45～＜50302（33.4）601（66.6）60～＜703 894（63.8）2 213（36.2）＜0.0013.431（2.931～4.017）70～＜802 638（69.9）1 134（30.1）＜0.0014.529（3.829～5.357）男4 921（56.4）3 806（43.6）女5 925（60.4）3 892（39.6）＜0.0011.179（1.104～1.258）文盲/半文盲4 570（61.7）2 835（38.3）小学3 016（54.7）2 501（45.3）0.8141.010（0.931～1.095）婚姻状况已婚8 867（57.0）6 684（43.0）离异/未婚230（56.1）180（43.9）0.5720.942（0.766～1.159）居住地上网情况是3 985（53.9）3 402（46.1）睡眠时长（h）≤5.04 264（67.9）2 014（32.1）＞7.0～8.01 464（49.7）1 481（50.3）＜0.0010.512（0.467～0.561）＞8.0776（56.3）602（43.7）＜0.0010.588（0.521～0.665）

2.2 聚类分析探索共病模式

由R软件NbClust包的hubert方法和dindex方法综合运算得出最佳聚类数，推荐共病聚类数为5类。对15种慢性疾病进行系统聚类分析结果显示，中国中老年人慢病共病模式分别为代谢性疾病模式、呼吸系统疾病模式、神经系统疾病模式、癌症疾病模式、肝肾疾病模式。见图2、图3。

图2 中老年人慢性病共病系统聚类数量结果

图3 中老年人慢性病共病系统聚类分析结果

2.3 因子分析探索共病模式

2.3.1 探索性因子分析 对15种慢性疾病进行探索性因子分析，KMO值为0.727，Bartlett’s检验显示P＜0.05，适合做因子分析。主成分分析法显示，有5个公因子的特征根＞1，见表2。因子旋转后的累计方差解释率为47.675%，因子载荷取舍标准＞0.4，提取出的5种模式分别为代谢性疾病模式（高血压病、血脂异常、糖尿病、心脏病），肝肾疾病模式（肝脏疾病、肾脏疾病、胃部疾病、关节炎），呼吸系统疾病模式（慢性肺部疾患和哮喘），神经系统疾病模式（情感及精神问题、记忆相关疾病、脑卒中、帕金森病），癌症疾病模式。

表2 中老年人慢性病共病因子分析总方差解释

初始特征值提取载荷平方和旋转载荷平方和成分总计方差百分比（%）累积（%）总计方差百分比（%）累积（%）总计方差百分比（%）累积（%）12.44116.27116.2712.44116.27116.2711.76211.74711.74721.4069.37325.6441.4069.37325.6441.52810.18721.93531.1737.82133.4641.1737.82133.4641.4539.68831.62241.1197.46040.9251.1197.46040.9251.3759.16740.78951.0136.75047.6751.0136.75047.6751.0336.88647.675

2.3.2 验证性因子分析 基于探索性因子分析得出的公因子，运用AMOS对数据进行验证性因子分析，经调整后，模型统计检验量拟合较好。因此最终得出的共病模式和探索性因子分析一致。模型图见图4，模型指标适配结果见表3。

表3 中老年人慢性病共病验证性因子分析模型指标

CFI＞0.90.937统计检验量适配指标检验结果χ2/v＜318.139 RMSEA＜0.05拟合优秀，＜0.08拟合良好0.030 SRMR＜0.05拟合优秀，＜0.08拟合良好0.025 GFI＞0.90.990 TLI＞0.90.917 IFI＞0.90.937 NFI＞0.90.933

注 χ2/v：卡方自由度比；RMSEA：渐进残差均方和平方根；SRMR：标准化残差均方和平方；CFI：比较适配指数；GFI：拟合优度指数；TLI：非规范拟合指数；IFI：增值适配指数；NFI：规范拟合指数。

图4 中老年人慢性病共病验证性因子分析模型

2.4 潜在类别分析探索共病模式

对15种疾病进行潜在类别分析，结合模型拟合指数和分类时每一类所对应的人数分布，将中老年人共病模式分为4类。共病模式分别为代谢性疾病模式（高血压病、血脂异常、糖尿病），关节炎疾病模式（关节炎、胃部疾病、癌症、肝脏疾病、心脏病、肾脏疾病），神经系统疾病模式（情感及精神问题、记忆相关疾病、脑卒中、帕金森病），呼吸系统疾病模式（慢性肺部疾患、哮喘），其中以神经系统疾病模式和呼吸系统疾病模式为主，分别占54.12%、23.34%。见表4、图5。

表4 潜在类别分析模型拟合指数比较

分类数AICBICaBICEntropy最小类别人数占总人数比例（%）LMRT（P值）BLRT（P值）1203 159.472 203 276.890 203 229.221 2193 380.256 193 622.921 193 524.404 0.646 29.8＜0.001＜0.0013191 250.796 191 618.708 191 469.344 0.682 13.0＜0.001＜0.0014190 234.769 190 727.927 190 527.716 0.639 5.90.001＜0.0015189 375.011 189 993.415 189 742.357 0.657 3.7＜0.001＜0.0016189 156.910 189 900.561 189 598.656 0.676 1.40.022＜0.001

注 AIC：赤池信息量准则；BIC：贝叶斯信息准则；aBIC：样本校正后贝叶斯信息准则；Entropy：熵；LMRT：似然比检验指标；BLRT：基于Bootstrap的似然比检验指标。

图5 中老年人慢性病共病潜在类别分析模式折线图

2.5 关联规则分析探索共病模式

使用SPSS Modele对中国中老年人慢性疾病的二元关联强度做网络图，由图可知高度相关慢性病共病组合依次为高血压病+血脂异常、关节炎+胃部疾病、高血压病+关节炎、高血压病+胃部疾病、高血压病+心脏病、关节炎+血脂异常、关节炎+心脏病、高血压病+糖尿病。见图6。

图6 中国中老年人慢性病共病网络

对15种中老年人慢性疾病进行关联规则分析，将最小支持度设为1%，最小置信度设为80%，提升度设为＞1，按照支持度降序排列，最终结果共产生33条关联规则，其中三元关联规则6条，四元关联规则12条，五元关联规则15条。见表5。

表5 中老年人慢性病共病关联规则

序号前项后项支持度（%）置信度（%）提升度1糖尿病+心脏病+血脂异常高血压病3.88383.4722.0732脑卒中+血脂异常高血压病3.57082.0242.0373糖尿病+心脏病+关节炎高血压病3.02080.0001.9874脑卒中+心脏病高血压病2.92380.0741.9885肾脏疾病+心脏病+血脂异常高血压病2.44881.9382.0356糖尿病+心脏病+血脂异常+关节炎高血压病2.17384.6152.1017脑卒中+糖尿病高血压病2.01784.7592.1058脑卒中+血脂异常+关节炎高血压病1.96880.5482.0009糖尿病+心脏病+血脂异常+胃部疾病高血压病1.85580.8142.00710脑卒中+心脏病+血脂异常高血压病1.80784.1792.09011肾脏疾病+糖尿病+血脂异常高血压病1.78585.1962.11612肾脏疾病+心脏病+血脂异常+关节炎高血压病1.66681.2302.01713脑卒中+糖尿病+血脂异常高血压病1.50586.7382.15414肾脏疾病+糖尿病+心脏病高血压病1.49984.5322.09915脑卒中+肾脏疾病高血压病1.46181.1812.01616哮喘+肾脏疾病肺部疾患1.32180.4085.56417记忆疾病+心脏病+血脂异常高血压病1.27881.0132.01218肾脏疾病+糖尿病+心脏病+高血压病血脂异常1.26781.2773.06419哮喘+心脏病+胃部疾病+关节炎肺部疾患1.24080.0005.53620记忆疾病+糖尿病高血压病1.21382.2222.04221肾脏疾病+糖尿病+血脂异常+关节炎高血压病1.19286.4252.14622肾脏疾病+肺部疾患+心脏病+胃部疾病关节炎1.17081.5672.09423脑卒中+心脏病+血脂异常+关节炎高血压病1.15982.7912.05624肾脏疾病+糖尿病+心脏病+血脂异常高血压病1.14989.6712.22725肺部疾患+糖尿病+血脂异常+关节炎高血压病1.14982.1602.04026肾脏疾病+肺部疾患+胃部疾病+高血压病关节炎1.11681.6432.09527脑卒中+糖尿病+心脏病高血压病1.09586.2072.14128肺部疾患+糖尿病+心脏病+关节炎高血压病1.09581.2812.01829脑卒中+糖尿病+关节炎高血压病1.05784.1842.09030肺部疾患+糖尿病+心脏病+血脂异常高血压病1.04183.9382.08431肾脏疾病+糖尿病+心脏病+关节炎高血压病1.01986.2432.14232脑卒中+肾脏疾病+关节炎高血压病1.01481.9152.03433哮喘+心脏病+血脂异常+关节炎高血压病1.00381.1832.016

2.6 4种方法探索共病模式比较

对4种方法探索中老年人慢病共病模式的结果进行比较，可以发现比较稳定的慢性病共病模式是呼吸系统疾病模式、神经系统疾病模式、代谢性疾病模式。部分结果见表6。

表6 四种方法探索中老年人慢病共病模式的比较

共病模式聚类分析因子分析潜在类别分析关联规则分析呼吸系统疾病模式（慢性肺部疾患和哮喘）√√√神经系统疾病模式（情感及精神问题、记忆相关疾病、脑卒中、帕金森病）√√√代谢性疾病模式（高血压病、血脂异常、糖尿病、心脏病）√√√

注 √表示该种共病模式出现在对应方法探索出的慢性病共病模式结果中。

3 讨论

本研究结果显示，中国中老年人慢性病患病率为81.1%，慢性病共病患病率为58.5%。近10年来，中国中老年人慢性疾病患病率和共病患病率呈上升的趋势[11-12]；慢性病共病给中老年人带来的生命健康威胁和疾病负担也随之加重。与加拿大、瑞士、印度、英国等国家相比，中国中老年人具有更高的慢性疾病患病率和共病患病率，这种现象的出现与中国人民的不良行为生活习惯、健康素养低、疾病的诊断和治疗延迟等因素有关[13-14]。中国中老年人慢性疾病患病和共病问题形势严峻，对慢性疾病和共病的防治、管控是维护中国中老年人身心健康的关键措施[15]。

识别高危人群是预防慢性病共病必不可少的措施，本研究结果显示，高龄、女性、丧偶、居住在城市和睡眠时间较短的中老年人是患慢性病共病的高危人群。随着年龄的增加，中老年人身体功能逐渐老化，免疫功能下降，且疾病病程长将导致并发症的风险大大增加，年龄越大的中老年人越容易共病[11]。中老年女性比男性更易患共病，除女性预期期望寿命高于男性，危险因素暴露时间更长以外，可能还与女性生理特点有关，如妊娠和绝经后身体生理功能发生较大改变[16-17]。已婚中老年人慢性疾病患共病的可能性更低，有研究表明，长期稳定的婚姻关系所带来的情感支持有助于中老年人的身心健康，而离异、丧偶等事件会对中老年人产生不良的心理刺激，容易出现焦虑、抑郁等症状，进而导致离异、丧偶中老年人共病的风险增加[18-19]。这也提示针对丧偶中老年人的共病防治，需要结合家庭、社区的力量，给予其更多的家庭照护和心理关怀。城市居民患共病的风险高于农村居民，可能的原因是城市居民更多地暴露于日常体力活动少、摄入高脂食物多等危险因素中，以及农村医疗卫生基础设施不完善，农村居民医疗可及性差，导致慢性疾病检出率低等[20-21]。睡眠时间较短的中老年人易患共病，这可能与睡眠不足易引起神经内分泌失调，免疫、代谢功能下降，全身炎症反应和交感神经活跃引起的血管收缩和心率加快等有关[22]。睡眠障碍被证实与高血压病、心脏病、糖尿病等多种慢性疾病有关[23]。这也提示在对中老年人共病的干预治疗过程中，应考虑睡眠质量这一因素的影响。

在中老年人慢性病共病模式的探索方面，呼吸系统疾病模式（慢性肺部疾患和哮喘）是目前国内外学者发现的比较常见的共病模式，该共病模式对患者造成的疾病负担和死亡风险较高，呼吸共病患者的管理及药物联合治疗逐渐受到关注[24-26]。神经系统疾病（情感及精神问题、记忆相关疾病、帕金森病）和脑卒中共病，这与国内研究相似，其原因可能在于脑卒中患者大脑部分功能区供血受到影响，从而导致记忆、语言和情绪异常[27-28]。代谢性疾病模式（高血压病、血脂异常、糖尿病、心脏病）是绝大多数共病研究都能得出的一种共病模式，这可能与代谢性疾病之间存在协同作用，能产生互相影响，常常聚集性地出现有关[29]。同时4种疾病发病机制相似，影响因素相同甚至互为危险因素，这可能也是导致此类疾病模式发生的原因之一[30]。

中国学者对于中老年人慢性病共病模式的探索较为全面，共病模式在近10年来逐渐呈现复杂化的趋势。刘冬阳等[21]的研究采用聚类分析，分析了2011年和2020年中国中老年人的慢性病共病模式，发现两个时间段重合的共病组合与本研究得出的共病组合基本相同，提示近10年来中国中老年人慢性病共病模式相对稳定。但是共病模式的关联强度发生了变化，呼吸系统疾病模式、代谢性疾病模式的关联强度持续增强。此外共病模式逐渐从二元转变为二元、三元、四元共病模式[12]。与国外相比，中国中老年人共病模式更为复杂，这与环境和早期生活压力，以及饮食模式的改变和吸烟、久坐行为、睡眠时间异常和社会参与度低等生活方式有关[14]。

4 小结

中国中老年人慢性疾病患病率和慢性病共病患病率均处于较高水平，给中老年人带来了巨大的疾病负担，也给医疗卫生系统对患者的诊断、治疗、康复、管理造成了较大的压力。解决中老年人慢性病共病问题迫在眉睫，重点关注高龄、女性、丧偶、居住在城市和睡眠时间较短的中老年人等高风险人群。中国中老年人常见的3种慢性病共病模式为呼吸系统疾病模式、神经系统疾病模式和代谢性疾病模式，且随着共病模式的关联强度和复杂程度的变化，对慢性病共病患者的防控管理提出了更高的要求。建议从加强患者自我防控意识，持续提升基层医疗防控能力，构建个人-家庭-社区多元的共病防控模式等方面完善慢性病共病患者防控管理体系，为提高中老年人生命质量，实现健康老龄化提供助力。

利益冲突声明：所有作者均声明不存在利益冲突。

[参考文献]

[1] 范潇茹，陈莎，施予宁，等. 我国中老年人慢性病共病现状及其对卫生服务利用和医疗费用的影响研究[J]. 中国全科医学，2022，25（19）：2371-2378.

[2] 陈姚姚. 新疆农村地区共病模式及其影响因素的调查研究[D]. 石河子：石河子大学，2024.

[3] Garin N，Koyanagi A，Chatterji S，et al. Global multimorbidity patterns：a cross-sectional，population-based，multi-country study [J]. J Gerontol A Biol Sci Med Sci，2016，71（2）：205-214.

[4] Yao S S，Cao G Y，Han L，et al. Prevalence and patterns of multimorbidity in a nationally representative sample of older Chinese：results from the China Health and Retirement Longitudinal Study [J]. J Gerontol A Biol Sci Med Sci，2020，75（10）：1974-1980.

[5] Nguyen H，Chua K C，Dregan A，et al. Factors associated with multimorbidity patterns in older adults in England：findings from the English longitudinal study of aging （ELSA）[J]. J Aging Health，2020，32（9）：1120-1132.

[6] 孙若琳. 安徽省2017—2021年社区人群慢性病共病模式及地域差异研究[D]. 合肥：安徽医科大学，2024.

[7] 刘照德，詹秋泉，田国梁. 因子分析综合评价研究综述[J]. 统计与决策，2019，35（19）：68-73.

[8] Li R，Che B，Xiao W，et al. Association between multimorbidity patterns and activities of daily living function among older adults in China：a longitudinal population-based cohort study [J]. BMC Geriatr，2025，25（1）：885.

[9] 李逗逗. 大学生失眠与抑郁、焦虑症状共病的现状、潜在剖面和网络分析[D]. 广州：南方医科大学，2024.

[10] 张梦琦. 基于Apriori算法的关联规则分析[D]. 大连：大连理工大学，2021.

[11] 苏文钰，葛怀举，常雯静，等. 我国中老年人慢性病共病关联规则分析及相关因素识别研究[J]. 现代预防医学，2024，51（24）：4417-4422，4447.

[12] 陈劼明，张浩，毛振兴. 我国中老年人慢性病共病模式变化趋势[J]. 郑州大学学报（医学版），2025（4）：545-548.

[13] Jin H，Wang Z，Guo A，et al. Patterns of multimorbidity in community health centres in Shanghai，China：a retrospective，cross-sectional study based on outpatient data from 2014 to 2018 [J]. BMJ Open. 2022， 12（10）：e048727.

[14] Bao Y，Lu P，Wang M，et al. Exploring multimorbidity profiles in middle-aged inpatients：a network-based comparative study of China and the United Kingdom [J]. BMC Med. 2023，21（1）：495.

[15] 江笑寒. 慢性病共存老年患者治疗负担对生命质量的影响[D]. 南京：南京中医药大学，2024.

[16] 王浩，张琳，方晓雅，等. 中国中老年人慢性病共病现状及其空间分布研究[J]. 中国全科医学，2022，25（10）：1186-1190，1196.

[17] 王峻霞，丁令智，简金洋，等. 基于CHARLS数据库的中国老年人慢性病共病现状及影响因素分析[J]. 应用预防医学，2023，29（3）：151-154，160.

[18] 任茜格，者炜，张艺，等. 基于随机森林模型的新疆成人慢性病共病影响因素分析[J]. 实用预防医学，2025，32（2）：181-185.

[19] Zhang Z，Hu C，Cai Y，et al. The evolution of comorbidities in chronic diseases among Chinese middle-aged and elderly people：evidence from the CHARLS （2015—2020）[J]. PLoS One，2025，20（8）：e0329372.

[20] 孟焕，飒日娜，王维华，等. 陕西省成年居民慢性病共病情况及影响因素分析[J]. 中国慢性病预防与控制，2024，32（10）：756-761.

[21] 刘冬阳，黄昕彤，赖晋锋，等. 中国中老年人慢性病共病流行趋势研究[J]. 中国慢性病预防与控制，2024，32（4）：244-249.

[22] 蔡珍，艾婷婷. 睡眠时间与冠心病发病风险的研究进展[J]. 实用预防医学，2023，30（11）：1405-1409.

[23] Song Y，Liu H，Gu K，et al. Association between nighttime sleep duration，nap time，and mild cognitive impairment in Chinese older adults：a cross-sectional study [J].BMC Public Health，2024，24（1）：2381.

[24] Fan J，Sun Z，Yu C，et al. China Kadoorie Biobank Collaborative Group. Multimorbidity patterns and association with mortality in 0.5 million Chinese adults [J]. Chin Med J （Engl），2022，135（6）：648-657.

[25] 梁冬露. 呼吸系统疾病住院患者的共病现状及药物治疗情况分析[D]. 桂林：桂林医学院，2024.

[26] Zheng D D，Loewenstein D A，Christ S L，et al. Multimorbidity patterns and their relationship to mortality in the US older adult population [J]. PLoS One，2021，16（1）：e0245053.

[27] 崔春子. 中国中老年人群疾病共病模式变化趋势及其影响因素研究[D]. 长沙：中南大学，2023.

[28] 徐达. 急性缺血性脑卒中患者认知功能障碍的相关影响因素研究[D]. 大理：大理大学，2022.

[29] Busija L，Lim K，Szoeke C，et al. Do replicable profiles of multimorbidity exist? Systematic review and synthesis [J].Eur J Epidemiol，2019，34（11）：1025-1053.

[30] 施婕. 山东省老年人慢性病共病模式分析及其死亡风险评估[D]. 济南：山东大学，2024.

Analysis of comorbidity patterns of chronic disease among Chinese middleaged and older adults based on data mining

ZHAO Hongrui1 XIANG Xuelin1 BAI Kai1 HE Mingxian1 CHEN Shu2 YANG Dan3 ZHAO Anzhu4 HE Liping1

1.School of Public Health, Kunming Medical University, Yunnan Province, Kunming 650000, China; 2.School of Nursing, Kunming Medical University, Yunnan Province, Kunming 650000, China; 3.Jinma Street Community Health Service Center, Guandu District, Yunnan Province, Kunming 650200, China; 4.Huashan Street Community Health Service Center, Wuhua District, Yunnan Province, Kunming 650032, China

[Abstract] Objective To understand the prevalence and influencing factors of chronic disease comorbidity among middle-aged and older adults in China, explore comorbidity patterns, and provide reference for clinical treatment and public health management policy development for middle-aged and older adults with comorbidities. Methods Using China Health and Retirement Longitudinal Study 2020 data, middle-aged and older adults aged ≥45 years with no missing data on chronic disease prevalence were selected as study subjects, and a total of 18 544 cases were included.Logistic regression analysis was used to analyze the influencing factors of chronic disease comorbidity among Chinese middle-aged and older adults, and cluster analysis, factor analysis, latent class analysis, and association rules analysis were used to explore the comorbidity patterns. Results The prevalence rate of chronic diseases among middle-aged and older adults in China was 81.1%, and the prevalence rate of comorbidity was 58.5%. Age, gender, marital status, place of residence, and sleep duration were the influencing factors of chronic disease comorbidity among middle-aged and older adults (P＜0.05). Among the four methods for exploring the comorbidity patterns of chronic diseases in middle-aged and older adults in China, the relatively stable patterns are the respiratory system disease model, the nervous system disease model, and the metabolic disease model. Among them, the nervous system disease model accounts for a relatively high proportion in the potential category analysis,accounting for (54.12%). Conclusion The prevalence of chronic disease and of chronic disease comorbidity among middle-aged and older adults in our country is relatively high. It is urgent to solve the problem of comorbidity of chronic diseases among middle-aged and older adults, with a focus on elderly people who are advanced in age, female, widowed, live in cities, and have short sleep time. It is suggested to enhance patients’ awareness of self-prevention and control, continuously improve the prevention and control capabilities of primary medical care, and construct a diversified co-disease prevention and control model among individuals, families and communities. To improve the prevention and control management system for patients with chronic diseases and provide assistance for achieving healthy aging.

[Key words] Chronic disease; Comorbidity pattern; Middle-aged and older adults; China Health and Retirement Longitudinal Study

[中图分类号] R195.4

[文献标识码] A

[文章编号] 1673-7210（2026）07（c）-0084-08

DOI：10.20047/j.issn1673-7210.25112172

[基金项目] 云南省科技厅昆明医科大学联合专项（202401 AY070001-361）；昆明医科大学学位与研究生教育创新基金项目（2025S014、2025S012）。

[作者简介]

赵红瑞（2000.4-），女，昆明医科大学公共卫生学院2023级流行病与卫生统计学专业在读硕士研究生，主要从事老年人慢性病共病与生命质量研究工作。

[通讯作者] 何利平（1976.11-），女，教授；研究方向：慢性疾病流行病学。

（收稿日期：2025-11-26）

（修回日期：2026-03-06）