2018—2020年西安市死因监测漏报调查

摘要：目的 了解西安市死因监测工作中死亡病例的漏报情况及其影响因素。方法 采用分层整群随机抽样方法在西安市44个乡镇（街道）共733个行政村/居委会，通过多途径收集抽样地区常住人口2018—2020年的死亡相关信息，与全国死因监测网络直报系统数据比对，对漏报死亡个案进行入户调查及核实，计算漏报率。组间率的比较采用χ²检验，采用Logistic回归对漏报率的影响因素进行分析。结果 共查2018—2020年死亡37 650例，合计死亡率650.59/10万，漏报人数为2 901人。2018—2020年死亡漏报率分别为9.89%、6.95% 和6.24%（χ²=133.525， P＜0.001），3年平均漏报率为7.71%，44个调查点漏报率在0.90%～42.07%之间。经Logistic回归分析发现城市漏报率低于农村（OR=0.567，95% CI：0.525～0.613）， 0～5岁（OR=5.494，95% CI：3.732～8.090）、15～44岁（OR=1.541， 95% CI：1.284～1.846） 死亡人群漏报率高于其他年龄组人群， 2018年（OR=1.702， 95% CI：1.551～1.869）、2019年（OR=1.148，95% CI：1.038～1.271） 死亡人群漏报率高于2020年。漏报2 901例的死亡地点以死于家中者所占比例最高（81.39%），死亡原因以心脏病和脑血管病例所占比例较高，分别为36.80%和27.08%。结论西安市死因监测数据的完整性正逐步提高，2018—2020年死因监测地区的漏报率情况总体呈年度下降趋势。农村地区人群和5岁以下婴幼儿死因漏报现象较为严重，需加强死亡信息的报告和管理工作以减少漏报。

关键词：死因监测；漏报率；漏报调查

中图分类号：R195 文献标志码：A

DOI：10.7652/jdyxb202305024

收稿日期：2022-11-25 修回日期：2023-03-06

基金项目：陕西省重点研发计划项目（No.2022SF-358）

Supported by the Key Research and Development Plan of Shaanxi Province （No.2022SF-358）

通信作者：赵国栋， 副主任医师. E-mail：93887810@qq.com

网络出版地址：https：//kns.cnki.net/kcms2/article/abstract？urlId=61.1399.R.20230516.0910.004amp;uniplatform=NZKPT （2023-05-16）

Investigation of underreporting of death monitoring in Xi’an city， 2018－2020

LI Wenjing^1，2， WU Dandan¹， ZHAO Guodong¹， HUANG Chunhong¹

（1.Xi’an Center for Chronic and Non-communicable Disease Control and Prevention，

Xi’an 710054; 2. Department of Epidemiology and Biostatistics， School of Public

Health of Xi’an Jiaotong University Health Science Center， Xi’an 710061， China）

ABSTRACT： Objective To evaluate the underreporting of death cases and related factors in disease surveillance system of Xi’an. Methods Multi-stage cluster random sampling was used， and 733 villages （neighborhood committees） were selected from 44 townships or streets in Xi’an. All the death cases of the residents in the sampled areas from 2018 to 2020 were collected through a variety of channels and checked with those registered in the Disease Surveillance System. Then the missing cases were investigated and verified. The underreporting rate was calculated， the Excel software was applied for statistical processing and Chi square analysis， and the related factors of underreporting were analyzed by using Logistic regression method. Results A total of 37650 death cases were investigated from 2018 to 2020; the average mortality was 650.59/10⁵， and 2 901 cases were underreported. From 2018 to 2020， the underreporting rate was 9.89%， 6.95%， and 6.24%， respectively （χ²=133.525， Plt;0.001）， with the average underreporting rate of 7.71%. The underreporting rate in the 44 sampled areas ranged from 0.90% to 42.07%. Multivariate Logistic regression analysis showed that compared with that in rural areas （9.87%）， the underreporting rate was lower in urban areas （5.91%， OR=0.567， 95% CI：0.525-0.613）， and higher in children under 5 years old （31.20%， OR=5.494， 95% CI：3.732-8.090） and people aged 15-44 years old （11.85%， OR=1.541， 95% CI：1.284-1.846） compared to people over 65 years old （7.44%）， and higher in 2018 （9.89%， OR=1.702，95% CI：1.551-1.869） and 2019 （6.95%， OR=1.148， 95% CI：1.038-1.271） compared to the year 2020 （6.24%）. There were 2901 cases reported missing， and the proportion of those who died at home was the highest （81.39%）. Underreporting of death more easily occurred in heart diseases （36.80%） and cerebrovascular diseases （27.08%） than others. Conclusion The reporting completeness of disease surveillance system increased in Xi’an. The overall underreporting rate of death causes decreased with year from 2018 to 2020. The underreporting rates in age group under 5 years old and in rural population were still high. Therefore， the reporting and management of death information should still be strengthened to minimize the underreporting rate.

KEY WORDS： death monitoring; underreporting rate; underreporting investigation

死因监测能及时掌握居民疾病谱、人口自然变化规律及病伤死亡水平，为制定防控对策、确定疾病防控重点、评估干预措施的效果及经济建设提供科学依据^[1-2]。死亡监测系统的完整性对死亡率、死因构成比、期望寿命等健康相关指标的计算准确性起到至关重要的作用，直接可靠的评估方法就是漏报调查^[3]。为进一步评估死因监测系统的完整性，规范和完善死因登记报告制度，2021年6月至9月，按中国疾控中心统一要求，西安市在全市范围内开展了对2018—2020年居民死亡漏报调查和死因监测质量评价，结果分析如下。

1 对象与方法

1.1 研究对象

开展此次调查的监测区（县）共15个，各地区所有乡镇/街道将2018—2020年平均粗死亡率按照从高到低的水平依次排序，平均分成3层（每层乡镇/街道数量基本相同），每层随机抽取一个乡镇/街道作为调查地区，选中的乡镇（街道）中所有的家庭均为调查家庭。西安市共选取了44个乡镇（街道），733个行政村/居委会，1 430 017个家庭作为调查点。

1.2 调查方法

根据中国疾控中心《2021年全国死因监测漏报调查总体方案》，西安市疾病预防控制中心统一对监测地区的乡镇/街道调查员进行培训，分以下3个步骤进行。①收集调查点2017—2020年年末分性别常住人数和出生人数，录入系统中的漏报调查模块。②通过在户籍管理部门、村（居委会）和殡葬部门等多个途径，收集调查点常住人口2018—2020年的死亡名单，并通过与常规监测报告系统内的数据进行比对、查重，确定是否为漏报。③根据漏报情况拟定入户调查名单并开展入户调查，根据收集、完善的信息再确定最终的死亡名单和漏报名单，并计算漏报率。漏报率=漏报人数/实际死亡人数×100%。死亡原因是指直接导致死亡的一系列病态事件中最早的那个疾病或损伤，或者造成致命损伤的那个事故或暴力的情况。

1.3 统计学处理

采用Epidata 3.0建立数据库并进行资料录入，采用SPSS 13.0软件进行统计分析。计数资料采用人数（%）进行统计描述，各地区、性别、年龄和年份间的漏报率比较采用χ²检验，采用趋势χ²检验比较不同年度人群死亡漏报率的变化趋势；采用多因素Logistic回归模型分析人群死亡漏报的影响因素。以P＜0.05为差异有统计学意义。

2 结 果

2.1 死亡漏报总体情况

本次漏报调查共覆盖全市的44个乡镇（街道）共733个行政村/居委会，调查总人口5 580 051人。2018—2020年西安市调查点共死亡37 650例，平均粗死亡率674.73/10万，漏报2 901例，因此合计漏报率为7.71%。44个调查点漏报率在0.90%～42.07%之间，其中有14个点的漏报率高于7.71%，占调查点总数的31%。漏报率超过20%的有5个调查点。各监测点之间漏报率差别较大，其中渭城街道漏报率最高（42.07%），北屯街道最低（0.90%），结果见表1。

2.2 不同特征人群死亡漏报率比较及其影响因素分析

将死亡漏报率按性别、年龄段、城乡等进行分类，本次调查结果显示，男性漏报率1 603（7.59%）与女性漏报率1 298（7.86%）之间差异无统计学意义（χ²＝0.974，P=0.340）。不同年龄段的死亡漏报率差异有统计学意义（χ²＝88.681，P＜0.001），其中0～5岁死亡年龄组漏报率最高（31.20%），其次为15～44岁死亡年龄组（漏报率为11.85%），6～14岁死亡年龄组漏报率最低（5.41%）。本次调查的城市地区死亡病例20 086例，死亡漏报1 216例（漏报率为5.91%）；农村地区死亡病例15 380例，死亡漏报

1 685例（漏报率为9.87%），城市地区与农村地区死亡漏报率差异有统计学意义（χ²＝206.449，P＜0.001），农村地区死亡漏报率高于城市地区。2018—2020年死亡漏报率分别为9.60%、7.02%和6.27%，漏报率逐年降低，3年间死亡漏报率差异具有统计学意义（χ²＝112.876，P＜0.001）。Logistic回归结果显示，在本次死因监测调查中，与城市人口相比，农村漏报率的OR值为1.76（95% CI：1.63～1.90）；各年龄段中，与65岁以上年龄组人群相比，0～5岁和15～44岁死亡人群漏报率均较高，OR值分别为5.49（95% CI：3.73～8.09）、1.54（95% CI：1.29～1.85）；与2018年相比，2019年（OR=0.68，95% CI：0.62～0.74）、2020年（OR=0.59，95% CI：0.54～0.65）死亡人群漏报率均有所下降（表2）。

2.3 不同年度死因漏报率变化趋势

2018—2020年西安市死因监测地区死因漏报率总人群、城市地区及农村地区（包括男性、女性和合计人口）均呈年度下降趋势，趋势检验差异均有统计学意义（Plt;0.001）。并且，农村地区女性的漏报率年度下降趋势更为明显（表3）。

2.4 漏报个案死亡地点分布情况

漏报个案中，死于家中所占比例最高，为81.39%，其次为医疗卫生机构，占10.61%。死于家中的构成比女性略高于男性，农村高于城市27.28%;死于医疗卫生机构的构成比男性略高于女性，城市是农村的1.53倍（表4）。

各年龄段死亡漏报个案的死亡地点分布：0～5岁组死于医疗卫生机构所占比例最高，为58.97%，其次为家中;除6～14岁组外，其余年龄段中死亡地点分布占比最高的均是家中，其中45～64岁、65岁及以上组死于家中所占比例均超过80%（表5）。

2.5 漏报个案的死亡原因和诊断依据分布情况

对漏报个案的死亡原因进行进一步分析，漏报原因顺位与西安市各年度死亡顺位基本一致，主要以心脏病、脑血管病、恶性肿瘤和呼吸系统疾病等漏报病例数较多，其中以心脏病最高，为1 068例（占36.80%），其次为脑血管病786例（占27.08%）。从诊断依据来看，漏报个案以临床+理化诊断病例最多，共1 518例（占52.31%），其次为临床，共872例（占30.05%），见表6。

3 讨 论

本次研究结果显示，2018—2020年西安市死亡漏报率分别为9.60%、7.02%和6.27%，均低于全国2006—2008年死亡总漏报率16.68%及全国161个DSP 2009—2011年全人群死亡漏报率12.9%^[4-5]，并且整体呈逐年下降的趋势，说明西安市死因监测数据的完整性在逐年提高。降低死亡漏报，提高死亡监测数据的完整性与真实性，对于一个地区的期望寿命、疾病负担研究等健康指标的计算具有重要意义^[6]。

本次调查发现，农村人群死亡漏报率高于城市，分析原因：一是部分基层医疗卫生机构对死因监测工作的重视度不够，由此导致监测人员工作积极性不高、人员短缺或岗位更换频繁；二是由于部分农村地区的地理位置偏僻、交通不便利，从而造成信息流通较慢、数据收集困难等问题^[7]；三是受农村风俗的影响，一些死者不进行火葬，因此未登记报告，而城市殡葬制度较完善，居民患病更有可能在医院治疗，死亡后由医院登记上报的比例也较高。

婴幼儿死因漏报是死因监测工作中的难点和重点，从年龄组来看，西安市本次调查中婴幼儿死亡漏报情况严重，与济南、安徽省、遵义等地区的调查结果一致^[8-10]，分析可能原因：一是大部分新生儿暂未上报户口，所以死亡后无需注销，造成公安等部门难于管理，并且由于当地的风俗原因，人们对儿童死亡较忌讳而不愿意主动上报相关死亡信息；二是妇幼部门与疾病预防控制部门死因监测工作衔接不畅，数据共享机制不健全；三是儿童死亡多属急重病例，在赴院途中或急救死亡的，救治的医生或辖区负责人无法及时了解情况或忽视登记报告；四是妇幼部门报表与死因监测中对新生儿死亡的界定标准不完全一致，或工作人员对活产的概念不清，导致部分出生后死亡的个例不能及时上报^[11]。以上结果提示，在日常监测中要着重关注农村地区和0～5岁年龄组死亡人群。

本次调查还发现漏报个案死于家中者占81.39%，尤其是农村地区（89.31%）及65岁以上（84.20%）漏报个案死于家中的比例最高，2017年全国死因监测系统报告死于家中的比例为73.94%，死于医院为20.86%^[12]，提示应加强常规死因监测系统的质量管理并进行主动监测，提高农村地区医生主动上报死亡信息的积极性，将死因监测工作纳入到基本公共卫生绩效考核；也可以利用基本公共卫生服务项目，对老年人每年进行的免费体检项目中未参加体检的老人进行死亡漏报调查。心脏病和脑血管病患者死亡漏报所占比例较高，提示应建立健全我市心脑血管临床诊治登记随访体系和流行病学动态监测，利用健康大数据，使各级各类信息系统彼此联通并相互补充，加强基层医疗机构诊断能力，从而减少漏报的发生^[13]。

切实完善死因登记制度，加强死因监测系统的质量管理，才能从根本上提高死因监测数据质量。对基层医疗卫生机构工作中反馈的问题应及时给予解决，提高工作人员积极性并强化指导培训，提升其工作能力，并与村（居）委会保持密切联系，掌握辖区居民的变动状况；此外，还应加强与民政、公安、殡葬、街道办及新农合等部门的沟通合作，建立信息共享机制，定期进行多部门死亡信息校对。医疗机构需强调对新生儿及活产儿出生即死也要报告，并落实高危孕产妇的跟踪管理，相关部门也可以通过与计生和妇幼部门核对数据，追踪辖区内的怀孕妇女及婴儿出生情况，并及时进行核对、补录以提高死因监测数据质量。

定期开展死因监测漏报调查工作对于评价死因监测工作的质量和获得人群的真实死亡水平具有重要意义。此外，由于本研究为抽样调查，抽样误差在所难免，故结论推广时需谨慎。

参考文献：

[1]ADAIR T， LOPEZ A D. Estimating the completeness of death registration：An empirical method[J]. PLoS One， 2018， 13（5）：e0197047.

[2]郭向娇，王艳红，刘建勋，等.2017年郑州市全人群死因监测漏报调查[J].职业卫生与病伤，2019，34（3）：176-179+185.

GUO X J， WANG Y H， LIU J X，et al. Investigation of under-reporting in death cause surveillance in Zhengzhou City in 2017[J]. Occup Health Damage， 2019， 34（3）：176-179+185.

[3]刘庆萍，韦再华，高燕琳，等.死亡监测数据完整性评估法研究进展[J].首都公共卫生，2017，11（1）：11-13+16.

LIU Q P， WEI Z H， GAO Y L， et al. Research progress on the assessment methods for data integrity in death monitering[J]. Capital J Public Health， 2017， 11（1）：11-13+16.

[4]王琳，王黎君，蔡玥，等. 2006-2008年全国疾病监测系统死亡漏报调查分析[J].中华预防医学杂志， 2011， 45（12）：1061-1064.

WANG L， WANG L J， CAI Y， et al. Analysis of under-reporting of mortality surveillance from 2006 to 2008 in China[J]. Chin J Prev Med， 2011， 45（12）：1061-1064.

[5]GUO K，YIN P，WANG L，et al. Propensity score weighting for addressing underreporting in mortality surveillance：A proof-of-concept study using the nationally representative mortality data in China[J]. Popul Health Metr， 2015， 13：16.

[6]曾晶，邓颖，季奎， 等.四川省死因监测地区人群健康水平分析[J]. 预防医学情报杂志， 2018，34（3）：366-370.

ZENG J， DENG Y， JI K， et al. Population health in death-surveillance area of Sichuan Province[J]. J Prev Med Inf， 2018， 34（3）：366-370.

[7]潘敬菊，唐雨萌，何田静.2009—2014年湖北省死因监测地区漏报率变化趋势[J]. 疾病监测， 2016， 31（10）：879-882.

PAN J J， TANG Y M， HE T J， et al. Trend of underreporting of death causes in disease surveillance areas， Hubei， 2009—2014[J]. Disease Surveill， 2016， 31（10）：879-882.

[8]王莹，张军，刘守钦，等.捕获-再捕获方法在济南市死因漏报调查中的应用[J].现代预防医学， 2018， 45（4）：659-662.

WANG Y， ZHANG J， LIU S Q， et al. Application of capture-mark-recapture strategy in assessment of the underreporting rate of death cause data in Jinan[J]. Mod Prev Med， 2018， 45（4）：659-662.

[9]邢秀雅，陈叶纪，刘志荣， 等.安徽省全国疾病监测点2013-2014年死因监测漏报调查[J]. 中国公共卫生， 2017，33（7）：1101-1104.

XING X Y， CHEN Y J， LIU Z R， et al. Under-reporting of mortalities in areas of Anhui province covered by national disease surveillance system， 2013—2014[J]. Chin J Public Health， 2017， 33（7）：1101-1104.

[10]曹家艳，杨云亮，李林英，等.2013-2014年遵义市死因监测点漏报情况分析[J]. 现代预防医学，2016， 43（15）：2763-2766.

CAO J Y， YANG Y L， LI L Y，et al. Situation of death missing report at surveillance sites in Zunyi， 2013—2014[J]. Mod Prev Med， 2016， 43（15）：2763-2766.

[11]郭向娇，王艳红，刘建勋，等. 2017年郑州市全人群死因监测漏报调查[J]. 职业卫生与病伤， 2019，34（3）：176-179，185.

GUO X J， WANG Y H， LIU J X，et al. Investigation of under-reporting in death cause surveillance in Zhengzhou City in 2017[J]. Occup Health Damage， 2019， 34（3）：176-179，185.

[12]国家卫生计生委统计信息中心.中国死因监测数据集2017[M]. 北京：中国科学技术出版社，2019：140.

STATISTICAL INFORMATION CENTER OF THE NATIONAL HEALTH AND FAMILY PLANNING COMMISSION. China Death Cause Monitoring Data Set 2017[M]. Beijing：China Science and Technology Press， 2019：14.

[13]秦奎.我国心脑血管疾病监测现状与发展[J].应用预防医学，2020，26（3）：265-268.

QIN K. Current situation and development of cardiovascular and cerebrovascular disease surveillance in China[J]. Appl Prev Med， 2020， 26（3）：265-268.

（编辑 张 敏）