英格兰和威尔士死亡率变化趋势:1990年至2018年

英格兰和威尔士按国家剥夺指数分列的死亡率变化趋势:2001年至2018年

英格兰和威尔士按主要死因分列的死亡率变化趋势:2001年至2018年

• 大约在2010年代初，英格兰和威尔士(1990年至2018年)年龄标准化死亡率的长期改善在统计上有显著放缓，与之前的分析．

• 对于两性和不同年龄组的调查都是如此，只是趋势变化的时间有所不同。

• 在威尔士，纳入2018年的数据意味着，与之前的分析(1995年第3季度至1996年第2季度)相比，女性的趋势时间点要晚得多(2013年第3季度(7月至9月)至2014年第2季度(4月至6月);这使得女性死亡率改善缓慢的模式与男性更加一致。

• 英格兰所有75岁及以上的女性，以及威尔士75岁至84岁和90岁及以上的女性，死亡率趋势发生了两个时间点的变化;在第一个时间点之后，死亡率有所改善，然后在第二个时间点之后放缓，与死亡率改善的总体放缓一致。

“今天发布的报告显示，英格兰和威尔士男性和女性死亡率的改善持续放缓。随着2018年死亡登记的增加，2010年代初死亡率的变化仍然很明显。我们将继续每年监测死亡率趋势。”

Ben Humberstone，健康分析和生活事件负责人

2018年6月，我们报道了一个在英格兰和威尔士，2010年早期年龄标准化死亡率的改善在统计上明显放缓．本文将分析扩展到包括2018年死亡率数据，并提供了新的断点分析(参见第十节该方法的概述)分为六个年龄组。我们还发表了单独但相关的分析，探讨了死亡率的变化趋势死因和区域剥夺．

我们分析了1990年至2018年的年龄标准化死亡率和特定年龄死亡率分段回归，一种检测趋势中存在显著变化的技术，称为时间序列中的“断点”．断点表示它之前和之后的趋势是不同的。

我们不预测未来的趋势走向。所选择的统计方法是一种客观的检验方法，它不依赖于对趋势变化的可能日期的任何事先假设。

图1分别显示了英格兰和威尔士所有年龄的男性和女性的年龄标准化季度年度滚动死亡率趋势。

在这29年期间，这两个国家和男女的死亡率都有所改善，2018年的死亡率大大低于1990年。然而，特定时间段之间改善的大小随着时间的推移而不同。

在比较英格兰和威尔士按性别划分的死亡率变化时，英格兰男性死亡率的改善最大，2018年的死亡率比1990年降低了40.8%。威尔士女性死亡率的改善最小，2018年的死亡率比1990年降低了24.0%。

如我们的先前版本在美国，这种改善在2010年代有所放缓。我们使用分段线性回归模型确定更改的时间。

表1显示了英格兰年龄标准化死亡率和特定年龄死亡率分段线性回归函数检测到的断点。

我们的先前版本概述了分段线性回归检测到的断点一般出现在2010年代初，除了75岁及以上的女性，其中一个断点出现在1998年第2季度(4月至6月)至1999年第1季度(1月至3月)期间。

在这一分析中，我们进一步划分了75岁以上的年龄组，并在这些5岁年龄组中发现了类似的例外，在20世纪90年代发现了断点。年龄介乎75至79岁的女性，年龄介乎1991年第2季度至1992年第1季度;年龄介乎90岁以上的女性，年龄介乎1998年第2季度至1999年第1季度。的使用两个断点进行分析节提供了关于使用两个而不是一个断点检测更改时此细分的更多信息。

图2按性别显示了观察到的英格兰各年龄段年龄标准化死亡率;拟合的趋势线一直延伸到断点，并在断点之外延伸到系列的结束;拟合的分段函数表示断点后的趋势。

断点由垂直线表示。对于男性来说，断点在2011年第2季度至2012年第1季度期间，对于女性来说，断点在时间序列的后面，在2013年第2季度至2014年第1季度期间。

断点前趋势预测表明，如果2010年代初之前的改善速度继续下去，死亡率将会是多少。这一预测、观测到的比率和中断点后数据拟合的分段回归模型之间的比较表明，近年来改善的速度是如何放缓的;因此，死亡率比断点前的改善率持续时要高。

英格兰青年死亡率趋势的变化

通过观察不同年龄段的人群，我们可以确定总体趋势的变化主要是在年轻人群还是老年人群中。本系列已扩展到涵盖2018年，但仍然支持上一个版本的发现，即在2000年代末或2010年代初发现了断点。

75岁以下的男性和女性在时间序列中出现断点的时间均早于所有年龄的总和(图2)。这表明，较年轻年龄组死亡率改善的趋势已开始较早地减弱。断点之后的趋势比断点之前观察到的趋势更浅，表明死亡率的改善放缓。

英格兰老年群体死亡率趋势的变化

如我们的先前版本在英国，75岁及以上人群的死亡率趋势变化点不太明显。虽然男性的断点保持在21世纪10年代初，但女性的断点在20世纪90年代更早。为了更好地了解死亡率趋势的变化，我们扩展了分析范围，并将年龄较大的人群分为75至79岁、80至84岁、85至89岁和90岁及以上。

图4显示了断点后75至79岁男性死亡率与断点前预测趋势之间的巨大差异。这表明，自2011年第4季度(10月至12月)至2012年第3季度(7月至9月)，该年龄组的死亡率改善速度出现了更大的放缓。如果死亡率继续以与断点前相同的速度改善，男性死亡率现在将接近女性死亡率。

与所有年龄段的模型(图2)相比，图5(80至84岁)、图6(85至89岁)和图7(90岁及以上)描绘了一幅略有不同的画面。就男性而言，预测的趋势继续表明，在这些较年长年龄组中，死亡率的改善在2010年代初有所放缓。

对女性的预测趋势表明，在1990年代后期出现一个断点后，这些老年群体的死亡率的改善速度比预期的要快。这些观察结果应该谨慎对待，因为围绕女性断点的不确定性相对较高。的使用两个断点进行分析部分提供有关这些发现的更多信息。

表2显示了威尔士年龄标准化死亡率和特定年龄死亡率分段线性回归函数检测到的断点。与英国类似，对于大多数年龄组和性别细分来说，在2010年代初发现了一个显著的断点。

在威尔士，所有年龄段的男性得分断点都与英格兰相同。在我们的先前版本，在1995年第3季(7月至9月)至1996年第2季(4月至6月)期间，女性人数的断点被确定。根据这项新的分析，2018年的增加确定了一个更晚的断点(2013年第3季度至2014年第2季度)，更符合男性的断点。

在威尔士，对于年龄较大的女性群体，1990年代发现了一些断点。然而，这里没有英国那么多;例外的是75岁至84岁的女性，断点出现在20世纪90年代，以及90岁及以上的女性，断点出现在21世纪初。

图8将所有年龄段的断点标识为垂直线。对于女性而言，2013年第三季度至2014年第二季度的断点检测要晚于男性，后者是2011年第二季度至2012年第一季度(1月至3月)。

威尔士75岁以下人口死亡率的趋势变化

将分析扩展到2018年并没有改变威尔士75岁以下男性或女性的中断点，这些中断点与之前公布的相同。对于男性来说，断点出现在2010年第1季度至第4季度(10月至12月)，而对于女性来说，断点出现在2011年第3季度至2012年第2季度的时间序列中。

威尔士老年群体死亡率的趋势变化

在以前的出版物中，当我们研究75岁及以上的男性和女性时，与预计的趋势相比，男性死亡率正在放缓。然而，女性死亡率的增长速度高于预期，这表明威尔士女性在断点后的死亡率高于断点前的预期。

在这项分析中，我们进一步细分了这些年龄组，以更好地了解75岁及以上人群的趋势。

对于75至79岁的男性，在2012年第1季度至第4季度发现了一个断点，比威尔士所有年龄段的男性发现的断点都要晚(图8)。自这一时期以来，该年龄组男性的死亡率保持相对稳定。

在1999年第2季度至2000年第1季度期间，女性的断点比所有年龄的断点都早(图8)。21世纪初，女性死亡率的改善速度比20世纪90年代更快。

图11显示了观察到的女性死亡率与预测趋势之间的巨大差异。对于80岁至84岁的女性，死亡率的改善速度高于基于断点前趋势的预期。将模型限制在一个断点上可能会错过在其他点上发生的趋势特征。因此，我们将进一步使用两个断点．

在85至89岁的男性和女性中，观察到的死亡率比预测的趋势更差，这表明这些年龄组的死亡率并没有以预期的速度改善(图12)。

90岁及以上男性和女性的断点存在很大程度的不确定性，这在置信区间中很明显(表2)，因为这个年龄组的数字较小。这也有助于解释这一年龄组观察到的比率的明显波动(图13)。仍然可以清楚地看到，对男性而言，预测的趋势继续表明，死亡率的改善在2010年代初出现了放缓。对于90岁及以上的女性，死亡率的改善速度高于基于断点前趋势的预期。

为了进一步探索时间序列，我们通过允许分段回归模型选择两个断点来重新分析数据。这样做的原因是，由单断点分析确定的少数断点与大多数结果不一致，并且这些断点的模型精度较低。同时，观察到的趋势表明存在不止一个断点。在20世纪90年代中后期检测到的断点周围的不确定性总是高于2010年代初检测到的断点，这表明这些时间序列可能存在多个相关断点，一个断点不足以拟合一个适当的分段回归模型。

我们将双断点分析应用于那些年龄和性别群体，最初的分析在20世纪90年代或21世纪初确定了一个断点。这表明，除了在20世纪90年代中后期或21世纪初出现的一个断点之外，每种情况都在2010年代初出现了一个断点。这些调查结果表明，对于年龄较大的妇女群体，死亡率趋势有两个变化点。死亡率的趋势在较早的断点处有所改善，但在较晚的断点处有所下降。

表3显示了重新分析的7个时间序列的这些新断点。

对于英格兰的老年女性，以及威尔士的75岁至84岁和90岁及以上的女性，在第一个断点之后死亡率的趋势发生了变化，在第二个断点之前死亡率以更快的速度改善。第二个断点标志着死亡率改善的放缓。这些第二个断点与2010年代初开始的死亡率趋势变化一致，但英格兰85岁至89岁的女性在2000年代中期发现了一个断点。

在对英格兰和威尔士1990年以来年龄标准化和特定年龄死亡率的24个人口和地理细分分析中，大多数(17个年龄-性别组)确定了始于2010年代初的死亡率趋势的明显变化，当时从分段回归模型中仅确定了该系列中的一个断点。其他7个都影响了老年女性，在20世纪90年代或21世纪初发现了更早的断点。

当模型应用第二个断点时，除20世纪90年代或21世纪初的变化外，在大多数情况下，在2010年代初检测到第二个时间点。第一个断点出现在20世纪90年代，表明死亡率的改善非常强劲，而第二个断点则表明死亡率的改善放缓。

该分析使用了一个平滑的时间序列，并且对变化的时间没有预先假设。这进一步提供了独立的证实性证据，表明与2010年之前几十年观察到的持久、长期死亡率下降相比，死亡率改善显著减少。

数据使用

这些数字是已登记的死亡人数;这包括在本历年之前年份发生的一些死亡，而在今年发生的死亡比例将在随后年份才登记(更多信息可在我们的注册影响延迟发布）.

从1959年起，英格兰和威尔士的年龄标准化比率的计算数据就可以轻易获得。然而，我们选择关注从1990年到2018年的更近期的趋势，而不局限于21世纪的分析。这一时间框架确保了与当前趋势的充分相关性，但也为在临近的1990年代十年中确定断点提供了机会，以便能够确定与最近的死亡率模式相似或更大的模式。

年龄标准化的利率

2018年费率计算中的人口分母是基于人口预测．有关如何编制年龄标准化比率的资料，请参阅死亡率统计用户指南．年龄标准化根据人口年龄结构的变化调整死亡率，以便在一段时间内进行有效比较。由于在标准化过程中使用了五岁年龄组，因此不考虑年龄组内的变化。这对90岁及以上的人群尤其重要，因为他们的年龄范围更广。按季滚动计算每年人口估计数的方法，可参阅我们的死亡率季度报告．

年龄标准化死亡率(使用2013年欧洲标准人口(2013 ESP))和按年龄划分的死亡率计算了从1990年第1季度(1月至3月)到第4季度(10月至12月)到2018年第1季度至第4季度的季度滚动12个月。年龄标准化根据人口年龄结构的变化调整死亡率，以便在一段时间内进行有效比较。年龄标准化死亡率计算了所有年龄和0至74岁人群的死亡率。根据年龄分别计算了75至79岁、80至84岁、85至89岁和90岁及以上人群的死亡率。这产生了24种不同的数据分解。

分段回归法

我们使用分段线性回归方法来评估死亡率趋势是否有统计学上的显著变化，如果有，在时间序列中的哪一点偏离了之前的趋势轨迹。分段线性回归将多个线性回归模型拟合到一系列连续数据中，以使用最佳拟合的分段或折线确定趋势。一个段与下一个段相遇的点称为断点，它表示趋势变化的点，在这个点上，断点前后斜率系数的差异在统计上是显著的。所产生的分段模型是连续的，因此一段的结束必须与下一段的开始相吻合。为简单起见，选择线性模型，并为分析提供足够的近似值。

我们使用算法实现了这个分析软件包R，其理论在分段:用折线关系拟合回归模型的R包．R中的“分段”函数允许用户指定他们希望找到的断点的数量。我们最初将函数设置为检测一个断点，因为我们只测试时间序列中的一个趋势变化。

分段函数发现的断点是断点前后的线性模型比整个系列的一个模型有更大的拟合优度的最优点。程序找到的第一个断点(如果只指定了一个)将是整个时间序列的最优断点。因此，如果在时间序列的某个特定季度前后发现了一个断点，这将作为支持以下假设的证据，即死亡率趋势在这一时期前后开始发生了变化。

如示意图(图14)所示，橙色线是为拟合所有数据(蓝点)而产生的单个线性回归模型。绿线是为拟合数据而产生的分段回归模型，假设数据中有一个断点。总的来说，绿色线比橙色线更适合数据，与绿色线更接近的蓝色数据点比橙色线更接近。虚线表示趋势(断点)变化发生的位置。这个断点的确切位置并不能精确地定位任何变化的来源，但可以用来查看不同国家、性别和年龄组之间在时间序列中趋势变化发生的位置是否具有一致性。

图14:分段回归分析示意图

资料来源:英国国家统计局

下载此图像图14:分段回归分析示意图

.PNG (23.2 kB)

分段线性回归最初被设置为在数据的24个细分中每个细分中识别一个断点。

还可以计算断点周围的置信区间，它指示时间序列中断点所在位置周围的方差和不确定性级别。断点是使用迭代过程找到的，因此每次运行模型时找到的确切点都可能不同，这取决于数据。置信区间显示了模型迭代中断点的分布。使用置信区间宽度来指导两个断点是否能更好地表示趋势。

分段函数还包含一个显著性检验，称为戴维斯检验(Davies test)1987年,2002年)，它选择一个断点，并返回断点前后的斜率差的显著性。这是独立于分段函数进行的。我们将分段函数识别的断点约束为与Davies检验检测到的断点一致，以确保识别出重要的断点。

在此分析中使用的每个数据点对应于12个月期间，并且是前一个数据点的一个季度(3个月)。例如，1990年第1季度至第4季度包括1990年1月至12月，下一个数据点1990年第2季度至1991年第1季度包括1990年4月至1991年3月。这意味着每个数据点与其相邻的两个数据点重叠9个月，因此这些点在它们所包含的数据中彼此不是独立的。采用这种方法是为了确保有足够的数据点，能够将线性模型拟合到时间序列中。

更多的质量和方法信息，关于优势，限制，适当的使用，以及数据是如何创建的英格兰和威尔士QMI的死亡率统计和死亡率统计用户指南．

的优势

根据世界卫生组织(世卫组织)对死因进行编码。icd -以及国际公认的规则。

在死亡登记时提供信息，以提供完整的人口覆盖范围，并确保估计具有很高的精度，并能代表潜在的危险人口。

重叠的数据点意味着每个数据点与其相邻的两个数据点各重叠9个月，因此这些点在它们所包含的数据中彼此不是独立的。采用这种方法是为了确保有足够的数据点，能够将线性模型拟合到时间序列中。重叠的数据点还意味着，与使用独立的年度数据点相比，随着时间推移的趋势更加平稳，从而减少了任何短期波动的影响。在平滑序列中发现的断点是发生实质性更改的更有力证据。但是，使用重叠数据点也有局限性(下面将讨论)。

限制

重叠的数据点增加了断点周围的置信区间，使得更难以准确地说明发生重大更改的时间。

断点是使用迭代过程找到的，因此每次运行模型时找到的确切断点都可能不同。但是，已经计算了置信区间，以指示每个断点周围的不确定性水平。

我们将分析的日期限制在1990年之后，但是，如果在此之前的日期也包括在分析中，则可能已经确定了其他断点。