金砖国家恒牙未经治疗龋病发病率趋势：1992-2021年年龄-时期-队列分析及未来二十年预测

　　本刊推荐黄等人关于金砖国家恒牙未经治疗龋病发病率趋势的研究（Clin Oral Investig, 2025）。该研究通过年龄-时期-队列（APC）分析揭示1992-2021年疾病负担变化规律，并运用贝叶斯APC（BAPC）模型预测未来二十年趋势，为应对全球口腔健康挑战提供重要循证依据。

　　

在全球口腔健康领域，恒牙未经治疗龋病始终是困扰各国公共卫生系统的顽固难题。特别是在金砖国家（巴西、俄罗斯、印度、中国和南非）这类人口基数大、经济发展不平衡的地区，龋病不仅直接影响民众生活质量，更造成巨大的医疗负担。虽然过去三十年全球口腔预防医学取得显著进展，但不同国家、不同人群间的口腔健康不平等现象依然突出。究竟金砖国家的龋病发病率呈现怎样的时空变化规律？未来二十年又将如何演变？这些问题的解答对制定精准防控策略具有重大意义。

近期发表于《Clinical Oral Investigations》的研究论文《Trends in incidence of untreated caries in permanent teeth in BRICS countries: an age-period-cohort analysis from 1992 to 2021 and projections for the next two decades》针对这一难题展开了系统研究。该研究由Huang Y, Hao L, Li J等学者合作完成，通过创新的年龄-时期-队列（Age-Period-Cohort, APC）分析方法，首次全面揭示了金砖国家恒牙未经治疗龋病的长期流行趋势，并运用贝叶斯APC（BAPC）模型对未来二十年疾病负担作出科学预测。

研究主要基于全球疾病负担研究（GBD）数据库1992-2021年的流行病学数据，采用年龄-时期-队列分析框架解构龋病发病率的时空变化规律，并运用贝叶斯统计模型进行未来趋势预测。通过Joinpoint回归分析识别发病率变化的转折点，利用内生因子评分法解决APC模型识别问题，最终通过蒙特卡马尔科夫链（MCMC）算法实现参数估计和不确定性量化。

研究方法与数据来源

研究团队整合了全球疾病负担研究（GBD 2021）中金砖五国（巴西、俄罗斯、印度、中国、南非）的龋病发病率数据，采用年龄-时期-队列（APC）分析框架解构1992-2021年间的流行病学趋势。通过贝叶斯APC（BAPC）模型进行统计建模，利用马尔科夫链蒙特卡洛（MCMC）算法实现参数估计，并基于历史数据预测2022-2040年的发病趋势。模型验证采用回溯测试法，通过比较预测值与实际观测值评估模型准确性。

主要研究结果

金砖国家龋病负担的异质性趋势

分析显示五国间存在显著差异：巴西和俄罗斯呈现下降趋势（年均百分比变化AAPC分别为-1.2%和-0.8%），而印度、中国和南非仍保持稳定增长（AAPC分别为+0.4%、+0.3%和+0.6%）。这种分化与各国口腔保健政策实施程度和氟化物覆盖水平密切相关。

年龄效应揭示关键风险期

年龄曲线呈现典型的"双峰"特征：第一个高峰出现在12-15岁青少年期（发病率达15.2%），与恒牙萌出后釉质成熟度不足相关；第二个高峰出现在55-64岁中老年期（发病率达18.7%），反映牙龈退缩和根面龋风险增加的生命历程累积效应。

时期效应反映政策影响

1995-2005年间多数国家出现发病率转折点，与金砖国家普遍实施的口腔健康促进计划时间吻合。特别是巴西2004年启动的"微笑巴西"计划使2005-2010年间发病率显著下降（P<0.05）。

队列效应彰显预防重要性

1980年后出生队列显示发病率显著降低，相对风险（RR）为0.76（95%CI：0.68-0.85），表明早期预防干预对终身口腔健康的保护作用。

未来预测警示持续挑战

BAPC模型预测显示：到2040年，印度和南非的年龄标准化发病率可能分别上升12.3%和8.7%，而中国将出现平台期（变化率+0.1%），提示现有防控措施仍需加强。

结论与展望

该研究通过创新的分析方法揭示了金砖国家龋病流行的复杂图景：年龄效应凸显了青少年和中老年群体的特殊脆弱性，时期效应反映了公共卫生政策的积极影响，队列效应证明了早期预防的长期效益。预测结果则警示若不采取更强有力的干预措施，部分国家可能面临龋病负担加重的挑战。

研究的政策意义在于：首先强调了靶向干预的重要性，需要针对不同年龄阶段的高风险人群制定特异性防控策略；其次证明了氟化措施和口腔健康教育的历史成效，为政策延续提供依据；最后通过预测模型为资源分配提供科学参考，特别是在口腔保健资源有限的环境中。

值得注意的是，研究者也指出了本研究的局限性：主要依赖模型估算数据，可能存在测量偏差；未充分考虑各国口腔医疗体系差异对数据报告完整性的影响；行为风险因素（如糖消费量、刷牙频率）的数据粒度不足可能影响模型精确度。

未来研究应如通讯作者Yongwu Wang建议的，纳入更细化的社会经济分层指标（城乡差异、教育程度、医疗服务可及性），整合行为风险因子（含糖饮料消费、氟化物使用情况），采用多源数据验证机制（学校口腔调查、哨点监测网络、医保数据库），并开发干预情景模拟功能，从而为口腔卫生政策制定提供更全面、精准的科学支持。

这项研究不仅为理解金砖国家口腔健康挑战提供了重要证据，更展示了年龄-时期-队列分析框架在慢性病流行病学研究中的强大功能，为全球口腔健康治理提供了方法论范例和决策参考。