Joinpoint回归与AAPC：疾病负担趋势分析原理与实操指南

做疾病负担研究（GBD）的同行应该都有体会：拿到全球疾病负担数据库的趋势数据后，第一步想算的就是“这些年到底升了还是降了、每年平均变化百分之几”。很多人会顺手用Excel拉一条趋势线，拟合一个线性回归，出来一个斜率就觉得完事。但真到了论文审稿环节，尤其是涉及年龄标准化率（age-standardized rate）和长时间跨度的趋势分析，这种做法往往会被质疑——原因在于，实际疾病数据极少满足“全时段单一线性趋势”的假设。这时候就该joinpoint回归模型登场了，而它输出的核心指标之一，就是AAPC（平均年度百分比变化，Average Annual Percent Change）。

这篇内容我按照自己实际跑GBD课题的习惯来写，从原理、数据准备、软件参数设置到结果解读和报错排查，尽量把每一步的“为什么”也说清楚。准备用joinpoint算AAPC的，不管是硕士论文、SCI论文还是疾控报告，按这个流程走一遍，基本不会卡壳。

1. 为什么算趋势要专门用joinpoint

1.1 从APC到AAPC：这两个指标到底在说啥

先把概念对齐。joinpoint回归也叫分段回归，它的核心逻辑是：不再用一个直线硬套整个时间区间，而是自动检测数据在哪些年份发生了趋势“拐点”，把整个时间序列切成几段，每一段分别拟合一跳直线。每段的斜率转化成一个易于解读的指标——APC（Annual Percent Change，年度变化百分比），公式是：

APC = (e^β - 1) × 100%

这里的β是分段回归里该段的斜率。APC的直观含义是：在这一段时间段内，指标平均每年比上一年变化百分之多少。APC为正说明上升，为负说明下降。

AAPC则是把多个分段的APC汇总成全时间区间的单一指标。它不是简单地把各段APC求平均，而是以各段的时间跨度作为权重，对每一段的斜率β做加权平均，再换算成百分比：

AAPC = (e^(Σ(wi × βi)) - 1) × 100%

其中wi是第i段的权重，等于该段年数占总年数的比例。这样算的好处是，即使2000年之前趋势平缓、2000年之后急剧下降，AAPC也能用一个数字概括整体平均变化速度，方便不同地区、不同病种之间互相比较。

提示：在实际操作中，joinpoint软件默认给出的AAPC是在最后一段的范围内，以“年”为单位取等间隔点并重新拟合得到的。如果你的数据是每年一个点，那么加权算法和上述公式基本一致；但如果你用的是5年间隔的数据，软件会按年份等距插值处理，算出来的AAPC和直接按段权重的计算结果会有细微出入。所以，条件允许的话尽可能用年度数据，别用5年一组的数据。

1.2 为什么不用Excel线性回归算年度变化

我在不少初稿里见过这种做法：年份作为X、率值作为Y，直接拟合一个线性方程 y = ax + b，然后说“年均下降a”。这个做法在数学上没错，但和疾病负担研究的常用表达方式对不上。

首先，线性回归的斜率a表示的是“率的绝对年均变化量”，比如每年下降0.3/10万。但不同疾病、不同基线的率值差异巨大，绝对变化量很难横向比较。而APC/AAPC基于对数变换，反映的是“相对变化百分比”，基线高的病种下降0.3和基线低的病种下降0.3，相对意义完全不同。

其次，也是更要命的，真实世界里的疾病趋势往往不是一条直线。举个例子，中国肝癌年龄标准化死亡率在1990年代初有一个平台期，2000年以后出现明显下降，到2010年后下降速度又放缓。如果你用一整条直线拟合30年的数据，斜率被前半段和后半段“平均”掉了，得出的结论既看不出阶段性变化，也不能反映当前最新趋势，论文的创新点和公共卫生含义都会被削弱。

joinpoint模型的意义就在于：让数据自己告诉你什么时候发生了转折、每个阶段的趋势有多强、总体的平均变化速度是多少。这也是为什么GBD相关的高分文章几乎都用它作为趋势分析的标准工具。

2. 数据准备：从GBD取数到joinpoint数据格式

2.1 GBD官方数据怎么下载、选什么指标

如果你的数据来自GBD官网（ghdx.healthdata.org），下载流程一般是：进入GBD Results Tool，选择measure（如Deaths、Incidence、DALYs）、cause（具体疾病）、location（国家或地区）、age（如Age-standardized或all ages）、sex、metric（Rate或Number）、year。

有几个选择会直接影响后续趋势分析：

• 建议选择“Rate”，最好是“age-standardized rate”，以便排除人口年龄结构变化的影响。如果选全年龄段的粗率，结果会同时受老龄化和真实流行病学变化双重影响，很难解释。
• 年份范围通常是1990年到最新发布的年份（比如GBD 2021发布到2021年），时间跨度越长，分段回归的拐点识别越稳定，一般建议至少15年以上，否则joinpoint模型默认无法设置足够的连接点。
• 下载格式里可以选择CSV或Excel。这一步无所谓，反正后面都要整理成txt。

还需要注意：GBD的年龄标准化率本身带95%不确定性区间（UI）。joinpoint软件本身不处理UI，常规做法是直接用点估计值（即率的均值）作为输入。有些较严谨的研究，会把低值和高值分别跑一遍趋势分析做敏感性检验，如果结论方向一致，就在附录中报告“敏感性分析结果稳定”。

2.2 joinpoint软件对数据格式的硬性要求

joinpoint软件的输入文件一般是纯文本格式（.txt或.dat），也可以导入CSV，但我强烈推荐先把数据整理成固定格式的txt，省得编码和分隔符出问题。文件格式要求如下：

• 第一行是变量名（表头），系统会据此识别列。
• 必须有两列核心数据：一列是年份（Year），一列是发生率（Rate）。
• 年份必须为数字格式，不能是“1990年”这种带中文的格式。
• 率值必须为数字，可以是小数，但缺失值在joinpoint里比较麻烦。如果有缺失，先用合理的插补方式补齐，或者直接不放该年份。
• 分隔符建议用制表符（Tab），不要用逗号，因为有些版本对逗号分隔的字段处理容易出错。
• 文件编码建议用ANSI或UTF-8无BOM，避免表头出现乱码。

一个典型的数据文件内容如下示例：

Year Rate 1990 12.34 1991 12.11 1992 11.98 ... 2021 7.52

如果你有多个组别（比如不同性别、不同年龄段）需要一起分析，也可以加一列“Group”之类的分层变量。此时在软件导入界面里指定该列为group变量，软件会自动按组别分别拟合模型。

2.3 一篇论文中数据整理的实操范例

我之前在处理“某癌种1990-2021年的疾病负担趋势”时，从GBD下载了global和若干国家地区的age-standardized rate，整理时按地区分了不同的txt，每个txt内部结构和上面一样。文件名我一般用英文命名，比如“china.csv”“global.csv”，避免中文路径干扰软件读取。

这里要特别提醒一个常见坑：不要直接复制Excel里的内容到txt。Excel粘贴的内容默认使用制表符分割，看着没问题，但年份可能被Excel自动变成科学计数法或字符型。最好是在Excel里选中数据区域，另存为“文本文件（制表符分隔）”，再用记事本打开检查一遍格式是否正常。

我自己有个习惯：数据准备完成后，先花30秒人工扫描一遍txt，主要看三件事——年份是否按顺序排好、率值是否有明显异常（比如负数、超过1000%的突变）、最后一行之后有没有多余的空行。这些看似琐碎的检查，实际能避免后面至少80%的“软件报错却找不到原因”的鬼打墙问题。

3. joinpoint软件安装与关键参数设置

3.1 软件获取与安装

joinpoint是统计机构NCI（美国国家癌症研究所）开发的免费软件，当前常见版本是4.9.1.0和5.0.2。直接搜索“joinpoint software download”就能找到官方下载入口。安装过程没什么技术含量，一路Next即可。有一个建议：安装在默认路径（C盘），不要装到带中文的目录下，某些版本对路径中的中文支持不好。

安装完成后打开软件，界面非常“老派”，没有现代软件那种华丽的UI，第一次用的人会有点懵。但没关系，核心功能就集中在主界面的菜单栏和几个对话框里。我用了几次之后最大的体会是：这软件的功能设计非常克制，不常用的高级选项默认已经设置好了，初学者只需要动少数几个参数就能跑出可靠结果。

3.2 关键参数面板逐项说明

点击主界面的“Data”菜单导入数据后，会弹出一个设置窗口，里面有几个重要选项需要逐一确认。

第一是“Data Type”类型。GBD数据一般是“Yearly rates”，因为每年一个观测点。如果数据是按5年间隔汇总的，要选“Period rates”之类的选项，但正如前面说的，尽量别这么做。

第二是“Cross-sectional data”是否需要勾选。这个选项的含义是：如果我们认为每个时间点的观测是独立抽样的，就选independent；如果认为观测值之间存在自相关，则需要指定自相关结构。GBD数据来自同一个模型的逐年估计值，严格意义上并非互相独立，所以理论上要考虑自相关。但在实际操作中，很多已发表文章使用的是独立的假定，理由是GBD各年份的率值估计本身带有不确定性，且模型拟合时观测值数量偏少。更稳妥的做法是：在Advanced Options里把Autocorrelation设为“Autocorrelation（constant）”或“Heteroscedastic”，让软件帮你估计自相关参数。两种我都跑过，趋势方向和AAPC数值差别不大，但标准误和置信区间会有差异，说白了，更保守的置信区间反而更不容易被审稿人挑刺。

第三是“Number of joinpoints”，也就是允许的连接点数量范围。软件默认最小为0、最大为4，意思是允许趋势有最多4次转折。如果你的数据跨度是1990-2021这32个点，4个拐点已经足够解释绝大多数疾病趋势的变化;如果时间跨度特别长（比如1980年开始），可以适当把最大连接点提高到5或6。数据点数量很少（比如只有10年）时，最大连接点会受到限制，因为每个分段至少要包含一定数量的数据点才能拟合，通常每段至少要有3-4个观测值。软件会自动检查并报错，遇到再说。

第四是“Grid search method”和“Permutation tests”的设置。Grid search是指网格搜索法，用来确定joinpoint的最佳位置；Permutation tests是置换检验，用来判断增加一个连接点是否显著改善模型拟合。这两项一般保持默认。置换检验次数默认4499，考虑到结果可复现性，可以改成1000或1999，减少计算时间。实测下来，数据点30个左右时，4499次置换跑完大概需要半分钟到几分钟；如果同时分析多个分组，总时间会明显增加，必要时先设小一点试跑。

注意：如果你是第一次使用，不要乱动“Model”里的“Lognormal likelihood”和“Poisson likelihood”选项。GBD的率值通常是对数正态近似，默认的“Linear line”配合“Heteroscedastic”误差模型已经够用。真正需要切换Poisson分布的是原始计数数据的场景，率值本身已经标准化处理过时，不必强行套用。

3.3 模型选择：分段线性还是线性线

“模型选择”是影响结果的核心决策之一。软件里有一个下拉菜单，可以选择“Linear”（即常规的线性线）或“Segmented line regression”（分段线性）。默认设置下，软件会在每个分段内部使用线性回归，而分段之间可以有斜率变化，这就是我们最常用的模式。

另一个相关选项是“Confidence Intervals”的计算方法。软件提供基于置换检验的置信区间和基于t分布参数的置信区间。在最终报告时，国内很多论文用的是t分布法，因为SPSS习惯里也是这种风格。我的选择是：主结果用置换检验p值确定连接点数量，置信区间看t分布方法的结果，两者都要在论文里说明。

这里有一个细节很多人会忽略：连接点数量的选择，不完全等同于“趋势变化的真实拐点”的显著性检验。置换检验只是告诉你“加入一个连接点后拟合优度是否显著提升”，并不保证每个拐点的临床意义。所以最终报告时，除了看模型统计量，还要结合医学判断。如果某段只有一两年、变化幅度极小，即便统计上保留了连接点，解释起来也要慎重。

4. 完整实操流程：跑通第一次AAPC计算

4.1 步骤一：导入数据并检查

打开joinpoint软件后，依次点击菜单“File” → “New Session”，或直接在启动页选择“New”。然后点击左侧或菜单中的“Data”标签，选择“Data File”，找到你准备好的txt文件。

导入成功后，主界面会列出数据集的基本信息，如观测点数量、年份范围等。我建议在导入后立刻核对几个关键数字：数据点个数是否等于年份跨度、最大年份和最小年份是否和预期一致。如果这两项有误，说明文件读取不完整，多半是表头或分隔符问题。

4.2 步骤二：设置分析参数

接下来进入“Settings”或者“Analysis Options”。我通常的操作顺序是：

• 在“Data”里确认年份列和率值列都已正确识别。
• 在“Advanced Options”里设置“Number of Joinpoints”：Minimum设为0，Maximum设为4。
• Autocorrelation选“Autocorrelation（constant）”。
• 在“Permutation Tests”里保留默认的4499次。
• 点击运行前，确认“Output”要选“APC table”和“AAPC table”。

如果数据中包含多个分组（例如男性和女性分别两列），需要指定分组变量在数据文件中的列名，软件会分别输出各组的APC和AAPC。注意“Group”列不是必须的，如果只有一个组的率值，留空即可。

4.3 步骤三：运行与查看模型摘要

设置完毕后点击工具栏上的运行按钮（通常是一个向右的箭头或“Run”）。软件会弹出命令行窗口似的运行过程，显示正在执行置换检验。这里如果卡住不动，多半是数据中出现了Inf、空值或非数字字符，直接回检查txt。

运行完成后，结果会出现在一个新的输出页面里。最关键的内容是“Model Summary”和“Jointpoint Model Parameter Estimates”。Model Summary会告诉你最终选择的最优模型有几个连接点、每个连接点的年份估计值、每个分段的APC及95%CI。AAPC表则给出整个时间区间的AAPC和95%CI。

我找一张自己跑的示例来说明解读逻辑（数据是示例，数值仅供演示）：

Segment 1: 1990-2001 APC = -1.2 (-1.8, -0.6) Segment 2: 2001-2012 APC = -3.5 (-4.2, -2.8) Segment 3: 2012-2021 APC = -1.9 (-2.6, -1.2) AAPC (1990-2021) = -2.0 (-2.4, -1.6)

意思是该病标化死亡率在这31年间总体年均下降2.0%，下降速度不是匀速的：中间2001-2012年下降最快（每年约3.5%），前后两个阶段下降速度较慢，2012年后有一定回升风险或降幅缩小。这就是一段可以写成论文结果部分的核心内容。

4.4 AAPC的手算校验逻辑

有些审稿人可能会要求你解释AAPC的计算过程，提供关键公式。还有一个比较隐蔽的操作：当模型包含多个连接点、且某一段斜率变化很剧烈时，软件输出的AAPC实际上是在“最后一段”内以等距年份计算的平均变化率。这在软件说明文档里写了，但很多人没注意。如果你想自己校验一下结果，可以用前面加权平均公式做一个近似验算。

比如上面例子里，34年区间如果按1990-2021共32个年份，各段时间占比分别约为12/32、11/32、9/32，那么AAPC近似为：

AAPC ≈ (e^((0.375 × (-0.0121)) + (0.34375 × (-0.0356)) + (0.28125 × (-0.0192))) - 1) × 100% ≈ -2.03%

这和软件直接输出的-2.0基本吻合。如果你的手算结果和软件输出差距太大，多半是权重算错了，别急着怀疑软件有问题。

5. 结果解读：从输出表格到论文正文

5.1 理解Model Summary和Graphic Results

软件会同步生成趋势图，图中每个segments的斜率用不同颜色的直线表示，连接点位置会标出年份。这张图可以直接导出为TIFF或PDF用于论文，但导出前要把图像设置调整合适，建议导出时把分辨率设为300dpi、图片宽度不少于15cm，否则放到Word里会发虚。

在Model Summary表格里，你还会看到每段的截距、斜率和标准误。这些值在论文里通常不需要全部列出，但如果你要做meta分析或者与其他研究比较，可能需要提取斜率及其标准误来换算其他指标。

另外一个常被忽视的输出内容是“Configurable Report”，它会把所有参数设置和结果汇总到一个文档里。我强烈建议每次跑完分析后点击这个报告，保存下来。理由很简单：审稿人问起参数细节时，这个报告就是你方法学部分的最好依据。

5.2 如何在论文里规范报告AAPC结果

关于AAPC的结果报告，我见过太多论文写得含糊其辞。规范写法通常包含三要素：一是AAPC的点估计值，二是95%CI，三是符号对应的变化方向描述。比如：“1990年至2021年，中国该病年龄标准化死亡率总体呈下降趋势（AAPC = -2.0%，95%CI：-2.4%~-1.6%）”。

如果涉及多组比较（如男性和女性），建议先用一张表格把各组的APC分段汇总列出来，再用趋势图展示全时段变化。表格结构可以是“性别 | 时间分段1 APC | 分段2 APC | ... | 总AAPC”。这种方式可以让读者既看到整体平均变化，也能看到阶段性趋势差异，信息密度比单纯写总AAPC高出不少。

APC和AAPC的CI如果跨过0，说明变化不显著，撰写时描述为“保持稳定”“无明显趋势”，不要硬说成上升或下降。

5.3 图形导出的细节

导出趋势图时，在“Graph”菜单里设置要导出图片的格式、尺寸、DPI。常用的选择是TIFF格式、300dpi，背景色选白色。字体建议至少10号以上，否则放到双栏排版里会看不清坐标轴刻度。

还有一个小经验：如果你想把多个地区放在同一张图里比较，软件本身支持多组数据叠加显示，但效果一般。实际操作中我自己更习惯把各地区单跑的结果分别导出，再用GraphPad Prism或R拼图。这样样式更统一，导出的图也不会有软件默认的蓝色背景那些不好看的东西。

6. 常见问题与排查技巧实录

6.1 数据格式类报错

运用joinpoint的过程里，碰到的绝大多数问题都出在数据文件格式上。我把这几年帮学生和同事排查过的集中典型情况整理成一张速查表，按频率排序：

6.2 模型运行拒绝或结果异常

如果软件提示“The number of data points is too small”或者“Joinpoint cannot be estimated”，第一个要排查的问题就是数据点数量。当总年数只有8年左右时，最大连接点数通常是0或1，否则软件无法完成拟合。解决办法要么接受一个无连接点的单段线性结果，要么延长研究的时间跨度。

另一个常见异常是APC数值特别大（比如超过100%）。这种情形大多出在率值本身基数极低的情况下，比如某病的年龄标准化死亡率从0.01下降到0.002，相对百分比变化当然很大，但绝对值变化微乎其微。解释时要留意：APC强调的是相对变化，如果基线率非常低，即便相对百分比大，公共卫生意义也要结合实际发病/死亡负担判断。

还有一次，我遇到软件跑完后所有连接点都被拒绝，最终输出只有一段直线。检查发现是我在Autocorrelation设置里选了“Heteroscedastic”，但对数变换后的方差结构并不满足假设。换成“Autocorrelation（constant）”后，模型正常返回了3个连接点。所以遇到这种“连接点全被枪毙”的情况，可以考虑调整自相关结构再试一次。

6.3 配置和软件本身的坑

最后说两个可能影响复现性的细节。第一，置换检验是随机过程，如果种子（seed）没有固定，同一份数据每次跑出来的连接点选择结果可能有细微差别。joinpoint软件里在Advanced Options中可以设置“Random number seed”，建议大家写死一个值，比如20240701，这样结果可复现，论文方法学里也能写清楚。第二，软件的版本更新后，默认参数可能微调，同一份数据用4.9.1.0和5.0跑出来，连接点个数区别不大，但置信区间会有一点点差异。写论文时请注明使用的版本号、系统信息、连接点允许范围和置换检验次数，这是方法学严谨性的体现。

我在实际跑课题时踩过的坑还有一类：用Excel直接打开软件输出的文本结果文件，年份那一列被Excel自动转换成了日期格式，导致复制到论文后年份显示成“1990/1/1”这种乱象。解决办法是：不要直接用Excel打开结果文件，用记事本查看，或者导入Excel时把该列设为文本格式。这个细节虽然小，但在投稿返修时被编辑要求补充材料时，特别容易暴露问题。

这个流程如果用熟练了，处理一份GBD数据从整理到跑出AAPC结果，前后半小时之内就能完成。多数时间反而花在数据清洗和结果解释上，软件本身的计算只要参数理解到位，是不太会出错的。最后再分享一个我个人的习惯：每跑完一组分析，我会把数据文件、参数设置截图、模型结果报告和趋势图都归档到同一个文件夹，按日期命名。这不仅是科研习惯问题，更是几个月后写论文或应审稿人要求补充分析时，能救命的整理方式。