前　言

全球疾病负担（Global Burden of Disease，GBD）研究始于30年前，被定义为“一项系统的科学工作，以标准化方式量化所有主要疾病、风险因素和临床结局的严重程度，从而实现不同人群、时期与健康问题之间的比较”。1990年，Christopher Murray 和 Alan Lopez受世界银行委托，完成了全球8个地区106种疾病与10种风险因素的负担估计，为《1993年世界发展报告：投资于健康》提供了关键证据，首次提出了整合死亡与发病的复合指标——伤残调整损寿年（Disability Adjusted Life Year，DALY），引导了全球健康研究范式的转型。

此后，GBD研究不断拓展范围与方法。自2000年起，逐步纳入更多地区和健康问题，2007年华盛顿大学健康测量与评估研究所（IHME）成立后，GBD迈入快速发展阶段，构建了全球最大的人群健康测量协作网络。自GBD 2010起，研究团队在流行病学、统计学和大数据科学基础上，建立了系统的贝叶斯建模框架，通过对异质性强、质量不一的二级数据进行整合与重建，实现了跨疾病、跨国家和跨时间的人群健康负担的系统估计。

到GBD 2019，该研究已覆盖204个国家和地区、369种疾病与损伤、89种危险因素、超过3500种后遗症，成为全球健康领域最具影响力的评估平台。与此同时，对GBD研究本身的概念性定位与方法逻辑仍缺乏充分认识。传统观点将GBD视为以数据驱动的实证研究，而我则主张对GBD研究重新定位为“元整合的流行病学测量平台”——其核心价值在于以全球可比性为目标，通过标准化的贝叶斯建模系统，对高度异质的二级数据进行系统整合，生成统一而连贯的健康估计结果。

与依赖国家代表性数据的传统调查研究不同，GBD更强调内在一致性与跨国比较的逻辑一致性。它的估计结果往往建立在多层假设、数据转换和模型重构的基础上，需要结合方法假设来理解。例如，在癌症估计中，尽管数据不足，但模型系统确保了跨区域估计的一致性；在中国省级人群研究中，GBD通过模型填补数据空缺，展现出在区域健康公平评估中的潜力。

在肯定GBD的知识创新与政策价值的同时，我也意识到，其未来研究结果的可信度将取决于方法透明度、因果结构的灵活性以及与国家专家的持续协作。为此，本书建议建立国家级方法节点与开放建模平台，推动国际评估体系与本地实践之间的制度化桥接。将GBD视为一种全球健康分析基础设施，有助于厘清其在健康测量生态中的独特角色及其不断演化的责任边界。

本书正是在上述认知基础上撰写的。该书系统梳理了GBD 研究的发展轨迹、方法体系与应用场景，旨在帮助公共卫生专业人员更准确地理解其方法逻辑与政策意义。全书分八章，前两章介绍GBD框架与核心健康指标DALY和HALE，第三至六章分别探讨死亡率、死因、发病率、患病率与风险因素负担的估计方法与模型策略，并通过与其他研究体系的比较分析其优势与局限。第七章聚焦GBD在中国的研究，第八章则总结方法体系，并从理论和政策角度进行反思。

值得说明的是，本书侧重概念与方法的理解，未深入探讨统计细节，旨在为公共卫生领域从业者提供清晰的分析路径与实用的研究基础，并为本地健康估计与国际方法对接提供理论支持。

最后，特别感谢中国医学科学院基础医学研究所（北京协和医学院基础医学院）万霞研究员及其课题组的支持和合作，也感谢中国疾病预防控制中心王若涛教授等同行的审阅与建议。本书得到了中华医学基金会“中国疾病负担研究”项目资助（CMB-CP Grant 12-107，15-208），在此表示诚挚感谢。

杨功焕

2025年5月