在人口随机死亡率的建模方法中，对于人口死亡风险异质性的研究尚属相对稀缺。特别是在涉及不同地区、不同性别的多个人口群体死亡率建模时，忽视死亡风险异质性问题可能带来严重影响。然而，当前研究并未将风险异质性假设扩展到多人口死亡率建模中。

维护老年人的健康功能、提高其生活水平是“健康中国行动”的核心目标之一。根据世界卫生组织的最新数据，2019年我国60岁男性和女性的平均余寿分别为19.2岁和23.1岁，而平均健康余寿则分别为15.0岁和16.9岁。这意味着60岁男性有超过五分之一、女性有超过四分之一的生存时间处于不健康状态。随着人口老龄化和高龄化加速，老龄健康问题日益凸显，未来失能老年人口规模将不断扩大。预测显示，到2050年，我国65岁以上失能老年人口将达到5205万，占老年人口比例的13.68%。除了失能老年人群外，更多的老年人正在经历不同程度的健康损失。这种情况不仅降低了老年人的生活品质，还可能提高死亡风险、缩短预期寿命。针对老年人不同程度的健康损失，如何分级、如何测度，以及不同级别的健康损失是否存在递进关系、与健康恢复有何关联，这些问题对我国健康老龄化建设至关重要。

新医改已经推行了十年，我国的公共卫生和医疗服务水平不断提升，居民的健康状况也在持续改善。尽管截至2016年底，全国基本医疗保险的参保率已稳定在95%以上，但各地区的医保政策实际效果却存在着一定的差异。此外，医保是否真正降低了医疗费用支出尚存争议。在不同地域间，特别是在少数民族地区，医疗保障差异备受关注。少数民族地区经济相对滞后，社会服务水平不高，疾病或灾害引发的贫困率相对较高。因此，医疗保障对于少数民族地区的民生和社会服务水平至关重要。

根据世界卫生组织的数据，60岁以上的老年人中，超过46%存在失能情况，其中超过2.5亿人患有中度至重度失能。研究老年失能的一个重要挑战是高死亡率。死亡会大幅缩短失能的观测时间，但反之不会。我们把这种单方向竞争数据称为半竞争风险数据。在半竞争风险数据中，由于死亡与失能高度相关，传统生存方法（例如Cox回归模型）并不适用。为了有效估计和推断失能进展及其影响因素，必须考虑半竞争风险数据中失能与死亡之间的相关性。此外，由于失能随访研究大多采用间隔调查方式，导致失能观测时间面临复杂删失问题，这进一步增加了统计建模的难度。

在COVID-19病毒治疗的研究中，我们急需一种准确的预后评分来预测COVID-19感染成年人的死亡率，以了解谁将从住院和更密集的支持和护理中受益最大。针对这个问题，我院李扬教授开发和验证了一个两步评分系统，用于患者分诊，并使用易于收集的个体信息识别相对低死亡风险的患者。相关成果《Development and Validation of a Two-Step Predictive Risk Stratification Model for Coronavirus Disease 2019 In-hospital Mortality: A Multicenter Retrospective Cohort Study》发表在《Frontiers in Medicine》。文章将来自弗吉尼亚联邦大学的1673名参与者作为推导队列。在重复缺失数据插补后，使用多变量logistic 模型和变量选择程序确定了住院死亡的风险因素。开发了一个两步风险评分以识别较低、中等和较高的死亡风险患者。第一步选择了年龄增长、超过一个既往存在的合并症、心率大于100次/分钟、呼吸率大于等于30次/分钟和SpO2小于93% 进入预测模型。除了年龄和SpO2外，第二步使用血尿素氮、绝对中性粒细胞计数、C-反应蛋白、血小板计数和中性粒细胞与淋巴细胞比率作为预测因子。C-统计量在弗吉尼亚联邦大学进行内部验证时表现出很好的区分度，在其他三个卫生系统进行外部验证时也表现良好。文章还制定了一个一步模型进行比较。总体而言，两步风险评分比一步评分具有更好的性能。这个两步评分系统利用了广泛可用的现场数据，用于COVID-19患者的分诊，并且在实际中可能是一种节省时间和成本的工具。