引用本文： 胡曉曄, 梁珊珊, 張笑琳, 王永盛, 崔璐, 黃家藝, 梁翠, 王漢彬, 年濤, 楊克虎, 李秀霞. 疾病負擔評價指標的解讀和使用方法. 中國循證醫學雜志, 2025, 25(1): 118-124. doi: 10.7507/1672-2531.202409025 復制
版權信息： ?四川大學華西醫院華西期刊社《中國循證醫學雜志》版權所有，未經授權不得轉載、改編
據研究預測，未來十年內，心血管疾病、糖尿病及癌癥等慢性疾病患者的數量將激增30%，同時，老年人口比例年增3%，預計2050年達22%。但是醫療水平與生活質量的改善將全球平均預期壽命推高至73歲，部分國家超80歲[1]。這些變化在彰顯人類健康水平提升的同時，也帶來了死亡、殘疾壽命的延長以及長期帶病生存等多種疾病轉歸結局的普遍出現。極大地加劇了慢性病管理、老年護理及長期健康保障等方面的需求。疾病模式正經歷著前所未有的深刻變革[2]。為有效應對當前疾病模式的深刻變革，疾病負擔研究領域正持續不斷地進行發展與完善。疾病負擔的定義也隨之不斷擴展和深化，最新定義為疾病、傷殘和過早死亡對個體健康狀態、家庭和社會所造成的危害，以及由此引發的一系列人群健康、社會財富創造和人力資源的損失[3]。定義既涵蓋了疾病、傷殘和過早死亡對個體健康、家庭及社會的直接危害，又將健康問題引發的人群健康水平下降、社會財富創造受阻和人力資源損失等廣泛影響考慮其中。與此同時，疾病負擔評價指標也在不斷豐富和演進，從最初單一的流行病學發病率、死亡率等指標，逐步發展出傷殘調整壽命年、健康期望壽命、潛在減壽年數等綜合類評價指標。然而，現有研究在疾病負擔的全面評估上仍存在對疾病負擔長期影響和社會經濟因素的綜合考量不足、對新興健康威脅和特定人群疾病負擔的深入研究缺乏等問題[4]。因此，深入理解和準確運用這些評價指標尤為重要。
主題綜合是通過分析主題的方式，首先對納入的研究進行信息提取以形成描述性或分析性觀點，再通過綜合不同研究的觀點，對分析的研究問題提出新的解釋與說明[5]。該方法能夠系統地提取和分析納入研究中的關鍵信息，形成描述性或分析性觀點，并通過綜合不同研究的觀點，為分析的研究問題提供新的解釋與說明，從而增強研究的深度和廣度；同時，借助專業的分析軟件NVivo，可以高效地處理大量數據，提高編碼和主題識別的準確性和效率，還能夠通過可視化工具清晰地展示主題結構和內在聯系，便于研究者理解和呈現分析結果。本研究將運用主題綜合法，對疾病負擔評價指標進行歸納和總結，以便更清晰地了解不同評價指標的特性與共性，分析其用法，從而更廣泛地運用疾病負擔評價指標，為疾病負擔體系的發展提供科學可靠的參考依據。
1 資料與方法
1.1 納入與排除標準
根據SPIDER模型，確定納入與排除標準。納入標準：① 研究對象為疾病負擔；② 研究內容為疾病負擔流行病學評價指標；③ 研究類型為定性研究；④ 評價內容為疾病負擔評價指標的解讀及用法。排除標準：① 應用疾病負擔指標評價單一或綜合疾病的相關研究；② 非中、英文文獻；③ 無法獲取全文；④ 重復發表的研究。
1.2 文獻檢索策略
計算機檢索CNKI、WanFang Data、VIP、CBM、PubMed、Embase、Web of Science、Cochrane Library數據庫，檢索時限均為建庫至2023年12月。檢索策略為主題詞（MeSH）結合自由詞。中文檢索詞包括：疾病負擔、指標、體系、評價等。英文檢索詞包括：disease burden、index、system、evaluate等。以PubMed為例，其具體檢索策略見附件框1。
1.3 文獻篩選和數據提取
由2名研究者獨立篩選文獻、提取資料并交叉核對。若有分歧，則通過討論或與第三方協商解決。資料提取內容包括：① 納入研究的基本信息：研究題目、第一作者、發表年份、研究設計等；② 疾病負擔評價指標的具體解讀及用法。
1.4 數據分析
本研究利用主題分析法通過NVivo 12軟件對疾病負擔評價指標進行證據合成。由2名研究者反復閱讀文獻，之后對所需研究結果進行系統編碼。對比不同文獻中的結果以確保其一致性和全面性，再通過重新編碼或將待編碼內容納入需進一步分析的范疇以降低研究間的不一致性。通過命名、定義及分析主題，識別新主題并折疊子主題從而進行分析及歸類編碼。
2 結果
2.1 文獻篩選流程及結果
初檢獲得相關文獻46 434篇，去重后獲得23 926篇文獻，經逐層篩選后，最終納入19篇文獻。文獻篩選流程及結果見附件圖1。
2.2 納入研究的基本特征
納入19篇文獻最早發表于1998年，至今仍持續產出，且研究類型均為國內的文獻綜述。所納入研究提及疾病負擔評價指標最多為9個，最少為1個。所有研究均報告了研究計算方法和研究應用條件。詳見表1。
表1
納入研究的基本特征
2.3 證據合成
利用主題分析法，將疾病負擔評價指標歸納為2個核心三級主題，5個分析性二級主題和29個描述性一級主題。
2.3.1 負向指標
負向指標用于量化某一傷殘因素存在時所導致的健康壽命年減少的數量。此類指標包括疾病指標和減壽分析指標。
16項研究[3,6-9,11,13-21,23]闡述減壽分析指標，此系列最常用指標為傷殘調整壽命年和潛在減壽年數。根據潛在減壽年數發展，評價生命價值損失和生產力損失，延伸出潛在壽命價值年和潛在壽命損失工作年指標；評價前瞻性觀察研究，延伸出終身潛在壽命損失年、期望壽命潛在損失年和潛在壽命損失累計率；評價老年性疾病，延伸出老年保健效益指數。而潛在減壽年數指標雖計算簡單、結果直觀，考慮疾病造成的壽命損失，彌補了死亡率和死因位次作為指標反映疾病負擔時無法考慮死亡年齡的不足，但只考慮死亡的結局，忽略了失能。于此相對的傷殘調整壽命年與健康壽命年，是將致死、致失能結合起來的綜合指標。
2項研究[3,7]說明疾病指標，包括死亡率、發病率等作為疾病負擔的初始評價指標，反映某種疾病在某一時段內的嚴重程度。這類指標資料計算方便，但指標單一，局限性大，不能反映傷殘、早死和失能對個人和社會帶來的損失。
2.3.2 正向指標
正向指標指假定某一傷殘因素對個體或群體的影響被完全消除的條件下，所預期能夠達到的壽命水平。此類指標包括期望壽命指標、去因分析指標和健康狀態指標。
2項研究[14,17]詮釋去因分析指標，包括去病因健康調整期望壽命、去死因期望壽命和去傷殘期望壽命。去死因期望壽命與去傷殘期望壽命較容易理解，為剔除某種疾病造成的死亡或者傷殘后重新計算的期望壽命。去病因健康調整期望壽命是一個綜合去死因期望壽命、傷殘調整期望壽命、傷殘調整壽命年相結合的指標，計算原理提出虛擬死亡人數，該指標最后期望壽命不但去除疾病導致的死亡的影響還去除疾病導致傷殘的影響。
9項研究[3,7-10,12,14,17,20]分析期望壽命指標，期望壽命本身為評價人群健康水平的傳統指標，但該指標只能反映人群健康的長度不能反映人群的生命質量。為考慮生命質量，提出健康期望壽命這一指標，綜合死亡及疾病或傷殘導致的非健康狀態指標，可反映個體在完全健康狀態下生存的平均年數。而健康期望壽命可根據是否賦予權重計算分為兩類，一類是核算狀態的健康狀態期望壽命，指在特定健康狀態下的生存年數，不同研究可選擇不同的健康狀態作為評價終點，包括無疾病期望壽命、無殘疾期望壽命、無殘損期望壽命、無殘障期望壽命、活動期望壽命和自評健康期望壽命；一類是經過加權后核算的健康調整期望壽命，可更敏感反映人群死亡率及不同健康狀態或疾病的現患率和嚴重程度，包括傷殘調整期望壽命和質量調整期望壽命。
5項研究[7,15,17,20,23]描述健康狀態指標，包括質量調整壽命年、等價健康年和健康人力。健康人力是人力資源的健康表示，判斷身體、心理和社會方面的健康狀態是否有助于實現組織的目標和使命。等價健康年可利用時間權衡法估計質量調整壽命年的數量，作為產出指標，等價健康年計算條件不如質量調整壽命年苛刻。疾病負擔相關評價指標的計算方法、應用條件、優勢與缺點詳見表2。
表2
疾病負擔評價指標的解讀
3 討論
本研究通過綜合19篇文獻綜述，深入探討了疾病負擔評價指標的構成與應用，將其系統地歸納為正向指標與負向指標兩大核心三級主題。正向指標主要反映良性健康水平，即消除某傷殘影響后所剩的期望壽命，這一類別下涵蓋了去因分析指標、期望壽命指標和健康狀態指標3個二級分析性主題。這些指標不僅適用于評價衛生干預措施的健康效應，還著重關注純粹健康狀態下的生存時間及其在社會學層面的深遠影響。在國內政策與指南中，如《“健康中國2030”規劃綱要》《中國居民健康素養監測報告》等，均強調了提升居民健康水平、延長健康期望壽命的重要性，正向指標為此提供了有力的評估工具。與此同時，負向指標則聚焦于負面健康水平，即傷殘因素存在時所導致的健康期望壽命減少。這一類別下包括疾病指標和減壽分析指標2個二級分析性主題，它們更適合用于評價干預措施的實際效果，特別是針對疾病分類系統下的各類疾病類型，以及這些疾病所帶來的流行病學和衛生經濟學后果。在國內公共衛生實踐中，負向指標為政策制定者提供了關鍵數據支持，有助于他們更準確地評估疾病負擔，制定有效的防控策略。
在眾多疾病負擔評價指標中，傷殘調整壽命年和健康期望壽命是最受關注和廣泛應用的兩個指標。目前，中國學者在健康期望壽命方面的研究相對獨立且分散，較少關注死亡數據或生命表的一致性以及分析數據的可靠性，這一現狀導致不同研究所得健康壽命估算值之間存在顯著差異，進而減弱估算值之間的可比性[24]。此外，傷殘調整壽命年所使用的社會學因素參數，如貼現率和年齡權重，主要反映世界衛生組織和世界銀行研究者的普遍觀點，但不同國家的國情、歷史文化背景和健康理念存在差異，這可能導致分析所得結果與當地居民實際承受的疾病負擔狀況之間存在偏差[25]。特別是傷殘調整壽命年通常以世界上平均壽命最高人群的期望壽命為參考，在數據層面上提高了期望壽命較低國家的疾病負擔，難以真實反映實際情況[26]。此外，這兩個指標在評估疾病的家庭負擔與社會負擔方面仍顯不足[27]。
在本研究中，除以上兩個核心指標外，所統計的其余各項指標同樣展現了各自獨特的優勢與局限性，并在結果部分得到了詳盡的闡述。盡管本研究提供了計算公式，但值得注意的是，這些公式的應用并非無懈可擊，它們高度依賴于數據的精確性和完整性，特別是死亡率、發病率及患病率等數據。數據的缺失、誤差或偏差，均可能成為影響最終結論可靠性的潛在因素。進一步而言，個體層面的數據，如預期壽命和實際死亡年齡等，其收集難度在大規模人群中尤為凸顯，這增加了數據收集與處理的復雜性和挑戰性。此外，部分公式（諸如潛在壽命損失的價值年）的構建基于一系列假設條件，如年平均收入增長率的持續穩定、預期退休年齡的固定不變等，這些假設在現實中可能難以完全契合，從而引入了一定的不確定性。值得注意的是，某些新穎指標（如健康人力資本等）目前尚缺乏統一、標準化的定義與計算方法，這導致了不同研究間結果的不可比性，限制了其廣泛應用和深入分析的潛力。同時，健康狀態的量化過程也充滿了主觀性，因為不同人群或個體對于同一健康狀態的主觀感受和評價往往存在差異，這在一定程度上影響了量化結果的客觀性和準確性。因此本研究中的各項指標雖各具價值，但均需謹慎解讀，充分考慮其內在的局限性和外部條件對數據質量的影響，以確保研究結論的科學性和可靠性。此外，本研究在設定納入與排除標準時，嚴格限定了僅納入以研究指標為核心的定性研究。這一設定導致實證研究或指標應用相關的研究未能被納入考察范圍之內。因此，盡管最終納入了19篇文獻，但這一選擇標準無疑限制了研究的廣度與深度，存在一定的局限性。
綜上所述，未來研究仍需不斷完善疾病負擔評價指標，以更全面、直觀地反映疾病負擔的內涵。因此，構建一個兼具可比性和可靠性、適應本土計算權重、并涵蓋家庭負擔和社會負擔的綜合性疾病負擔評價指標體系，仍是我們不懈努力的方向。通過不斷完善和優化這一體系，將能夠更準確地評估疾病負擔，為制定有效的公共衛生政策和干預措施提供科學依據。
據研究預測，未來十年內，心血管疾病、糖尿病及癌癥等慢性疾病患者的數量將激增30%，同時，老年人口比例年增3%，預計2050年達22%。但是醫療水平與生活質量的改善將全球平均預期壽命推高至73歲，部分國家超80歲[1]。這些變化在彰顯人類健康水平提升的同時，也帶來了死亡、殘疾壽命的延長以及長期帶病生存等多種疾病轉歸結局的普遍出現。極大地加劇了慢性病管理、老年護理及長期健康保障等方面的需求。疾病模式正經歷著前所未有的深刻變革[2]。為有效應對當前疾病模式的深刻變革，疾病負擔研究領域正持續不斷地進行發展與完善。疾病負擔的定義也隨之不斷擴展和深化，最新定義為疾病、傷殘和過早死亡對個體健康狀態、家庭和社會所造成的危害，以及由此引發的一系列人群健康、社會財富創造和人力資源的損失[3]。定義既涵蓋了疾病、傷殘和過早死亡對個體健康、家庭及社會的直接危害，又將健康問題引發的人群健康水平下降、社會財富創造受阻和人力資源損失等廣泛影響考慮其中。與此同時，疾病負擔評價指標也在不斷豐富和演進，從最初單一的流行病學發病率、死亡率等指標，逐步發展出傷殘調整壽命年、健康期望壽命、潛在減壽年數等綜合類評價指標。然而，現有研究在疾病負擔的全面評估上仍存在對疾病負擔長期影響和社會經濟因素的綜合考量不足、對新興健康威脅和特定人群疾病負擔的深入研究缺乏等問題[4]。因此，深入理解和準確運用這些評價指標尤為重要。
主題綜合是通過分析主題的方式，首先對納入的研究進行信息提取以形成描述性或分析性觀點，再通過綜合不同研究的觀點，對分析的研究問題提出新的解釋與說明[5]。該方法能夠系統地提取和分析納入研究中的關鍵信息，形成描述性或分析性觀點，并通過綜合不同研究的觀點，為分析的研究問題提供新的解釋與說明，從而增強研究的深度和廣度；同時，借助專業的分析軟件NVivo，可以高效地處理大量數據，提高編碼和主題識別的準確性和效率，還能夠通過可視化工具清晰地展示主題結構和內在聯系，便于研究者理解和呈現分析結果。本研究將運用主題綜合法，對疾病負擔評價指標進行歸納和總結，以便更清晰地了解不同評價指標的特性與共性，分析其用法，從而更廣泛地運用疾病負擔評價指標，為疾病負擔體系的發展提供科學可靠的參考依據。
1 資料與方法
1.1 納入與排除標準
根據SPIDER模型，確定納入與排除標準。納入標準：① 研究對象為疾病負擔；② 研究內容為疾病負擔流行病學評價指標；③ 研究類型為定性研究；④ 評價內容為疾病負擔評價指標的解讀及用法。排除標準：① 應用疾病負擔指標評價單一或綜合疾病的相關研究；② 非中、英文文獻；③ 無法獲取全文；④ 重復發表的研究。
1.2 文獻檢索策略
計算機檢索CNKI、WanFang Data、VIP、CBM、PubMed、Embase、Web of Science、Cochrane Library數據庫，檢索時限均為建庫至2023年12月。檢索策略為主題詞（MeSH）結合自由詞。中文檢索詞包括：疾病負擔、指標、體系、評價等。英文檢索詞包括：disease burden、index、system、evaluate等。以PubMed為例，其具體檢索策略見附件框1。
1.3 文獻篩選和數據提取
由2名研究者獨立篩選文獻、提取資料并交叉核對。若有分歧，則通過討論或與第三方協商解決。資料提取內容包括：① 納入研究的基本信息：研究題目、第一作者、發表年份、研究設計等；② 疾病負擔評價指標的具體解讀及用法。
1.4 數據分析
本研究利用主題分析法通過NVivo 12軟件對疾病負擔評價指標進行證據合成。由2名研究者反復閱讀文獻，之后對所需研究結果進行系統編碼。對比不同文獻中的結果以確保其一致性和全面性，再通過重新編碼或將待編碼內容納入需進一步分析的范疇以降低研究間的不一致性。通過命名、定義及分析主題，識別新主題并折疊子主題從而進行分析及歸類編碼。
2 結果
2.1 文獻篩選流程及結果
初檢獲得相關文獻46 434篇，去重后獲得23 926篇文獻，經逐層篩選后，最終納入19篇文獻。文獻篩選流程及結果見附件圖1。
2.2 納入研究的基本特征
納入19篇文獻最早發表于1998年，至今仍持續產出，且研究類型均為國內的文獻綜述。所納入研究提及疾病負擔評價指標最多為9個，最少為1個。所有研究均報告了研究計算方法和研究應用條件。詳見表1。
表1
納入研究的基本特征
2.3 證據合成
利用主題分析法，將疾病負擔評價指標歸納為2個核心三級主題，5個分析性二級主題和29個描述性一級主題。
2.3.1 負向指標
負向指標用于量化某一傷殘因素存在時所導致的健康壽命年減少的數量。此類指標包括疾病指標和減壽分析指標。
16項研究[3,6-9,11,13-21,23]闡述減壽分析指標，此系列最常用指標為傷殘調整壽命年和潛在減壽年數。根據潛在減壽年數發展，評價生命價值損失和生產力損失，延伸出潛在壽命價值年和潛在壽命損失工作年指標；評價前瞻性觀察研究，延伸出終身潛在壽命損失年、期望壽命潛在損失年和潛在壽命損失累計率；評價老年性疾病，延伸出老年保健效益指數。而潛在減壽年數指標雖計算簡單、結果直觀，考慮疾病造成的壽命損失，彌補了死亡率和死因位次作為指標反映疾病負擔時無法考慮死亡年齡的不足，但只考慮死亡的結局，忽略了失能。于此相對的傷殘調整壽命年與健康壽命年，是將致死、致失能結合起來的綜合指標。
2項研究[3,7]說明疾病指標，包括死亡率、發病率等作為疾病負擔的初始評價指標，反映某種疾病在某一時段內的嚴重程度。這類指標資料計算方便，但指標單一，局限性大，不能反映傷殘、早死和失能對個人和社會帶來的損失。
2.3.2 正向指標
正向指標指假定某一傷殘因素對個體或群體的影響被完全消除的條件下，所預期能夠達到的壽命水平。此類指標包括期望壽命指標、去因分析指標和健康狀態指標。
2項研究[14,17]詮釋去因分析指標，包括去病因健康調整期望壽命、去死因期望壽命和去傷殘期望壽命。去死因期望壽命與去傷殘期望壽命較容易理解，為剔除某種疾病造成的死亡或者傷殘后重新計算的期望壽命。去病因健康調整期望壽命是一個綜合去死因期望壽命、傷殘調整期望壽命、傷殘調整壽命年相結合的指標，計算原理提出虛擬死亡人數，該指標最后期望壽命不但去除疾病導致的死亡的影響還去除疾病導致傷殘的影響。
9項研究[3,7-10,12,14,17,20]分析期望壽命指標，期望壽命本身為評價人群健康水平的傳統指標，但該指標只能反映人群健康的長度不能反映人群的生命質量。為考慮生命質量，提出健康期望壽命這一指標，綜合死亡及疾病或傷殘導致的非健康狀態指標，可反映個體在完全健康狀態下生存的平均年數。而健康期望壽命可根據是否賦予權重計算分為兩類，一類是核算狀態的健康狀態期望壽命，指在特定健康狀態下的生存年數，不同研究可選擇不同的健康狀態作為評價終點，包括無疾病期望壽命、無殘疾期望壽命、無殘損期望壽命、無殘障期望壽命、活動期望壽命和自評健康期望壽命；一類是經過加權后核算的健康調整期望壽命，可更敏感反映人群死亡率及不同健康狀態或疾病的現患率和嚴重程度，包括傷殘調整期望壽命和質量調整期望壽命。
5項研究[7,15,17,20,23]描述健康狀態指標，包括質量調整壽命年、等價健康年和健康人力。健康人力是人力資源的健康表示，判斷身體、心理和社會方面的健康狀態是否有助于實現組織的目標和使命。等價健康年可利用時間權衡法估計質量調整壽命年的數量，作為產出指標，等價健康年計算條件不如質量調整壽命年苛刻。疾病負擔相關評價指標的計算方法、應用條件、優勢與缺點詳見表2。
表2
疾病負擔評價指標的解讀
3 討論
本研究通過綜合19篇文獻綜述，深入探討了疾病負擔評價指標的構成與應用，將其系統地歸納為正向指標與負向指標兩大核心三級主題。正向指標主要反映良性健康水平，即消除某傷殘影響后所剩的期望壽命，這一類別下涵蓋了去因分析指標、期望壽命指標和健康狀態指標3個二級分析性主題。這些指標不僅適用于評價衛生干預措施的健康效應，還著重關注純粹健康狀態下的生存時間及其在社會學層面的深遠影響。在國內政策與指南中，如《“健康中國2030”規劃綱要》《中國居民健康素養監測報告》等，均強調了提升居民健康水平、延長健康期望壽命的重要性，正向指標為此提供了有力的評估工具。與此同時，負向指標則聚焦于負面健康水平，即傷殘因素存在時所導致的健康期望壽命減少。這一類別下包括疾病指標和減壽分析指標2個二級分析性主題，它們更適合用于評價干預措施的實際效果，特別是針對疾病分類系統下的各類疾病類型，以及這些疾病所帶來的流行病學和衛生經濟學后果。在國內公共衛生實踐中，負向指標為政策制定者提供了關鍵數據支持，有助于他們更準確地評估疾病負擔，制定有效的防控策略。
在眾多疾病負擔評價指標中，傷殘調整壽命年和健康期望壽命是最受關注和廣泛應用的兩個指標。目前，中國學者在健康期望壽命方面的研究相對獨立且分散，較少關注死亡數據或生命表的一致性以及分析數據的可靠性，這一現狀導致不同研究所得健康壽命估算值之間存在顯著差異，進而減弱估算值之間的可比性[24]。此外，傷殘調整壽命年所使用的社會學因素參數，如貼現率和年齡權重，主要反映世界衛生組織和世界銀行研究者的普遍觀點，但不同國家的國情、歷史文化背景和健康理念存在差異，這可能導致分析所得結果與當地居民實際承受的疾病負擔狀況之間存在偏差[25]。特別是傷殘調整壽命年通常以世界上平均壽命最高人群的期望壽命為參考，在數據層面上提高了期望壽命較低國家的疾病負擔，難以真實反映實際情況[26]。此外，這兩個指標在評估疾病的家庭負擔與社會負擔方面仍顯不足[27]。
在本研究中，除以上兩個核心指標外，所統計的其余各項指標同樣展現了各自獨特的優勢與局限性，并在結果部分得到了詳盡的闡述。盡管本研究提供了計算公式，但值得注意的是，這些公式的應用并非無懈可擊，它們高度依賴于數據的精確性和完整性，特別是死亡率、發病率及患病率等數據。數據的缺失、誤差或偏差，均可能成為影響最終結論可靠性的潛在因素。進一步而言，個體層面的數據，如預期壽命和實際死亡年齡等，其收集難度在大規模人群中尤為凸顯，這增加了數據收集與處理的復雜性和挑戰性。此外，部分公式（諸如潛在壽命損失的價值年）的構建基于一系列假設條件，如年平均收入增長率的持續穩定、預期退休年齡的固定不變等，這些假設在現實中可能難以完全契合，從而引入了一定的不確定性。值得注意的是，某些新穎指標（如健康人力資本等）目前尚缺乏統一、標準化的定義與計算方法，這導致了不同研究間結果的不可比性，限制了其廣泛應用和深入分析的潛力。同時，健康狀態的量化過程也充滿了主觀性，因為不同人群或個體對于同一健康狀態的主觀感受和評價往往存在差異，這在一定程度上影響了量化結果的客觀性和準確性。因此本研究中的各項指標雖各具價值，但均需謹慎解讀，充分考慮其內在的局限性和外部條件對數據質量的影響，以確保研究結論的科學性和可靠性。此外，本研究在設定納入與排除標準時，嚴格限定了僅納入以研究指標為核心的定性研究。這一設定導致實證研究或指標應用相關的研究未能被納入考察范圍之內。因此，盡管最終納入了19篇文獻，但這一選擇標準無疑限制了研究的廣度與深度，存在一定的局限性。
綜上所述，未來研究仍需不斷完善疾病負擔評價指標，以更全面、直觀地反映疾病負擔的內涵。因此，構建一個兼具可比性和可靠性、適應本土計算權重、并涵蓋家庭負擔和社會負擔的綜合性疾病負擔評價指標體系，仍是我們不懈努力的方向。通過不斷完善和優化這一體系，將能夠更準確地評估疾病負擔，為制定有效的公共衛生政策和干預措施提供科學依據。
