GBD数据库本身就是一个可用于研究全球疾病负担的数据库，数据全面、分析简单，无论是统计小白还是科研医生都能用这个数据库进行探索。但要想在众多文章中脱颖而出，不妨添加一些“套路”。
今天就用一篇一区top文章为大家讲清楚，如何用层次聚类对GBD数据库进行聚类分析。简单来说，聚类分析就像是把一堆不同的水果（如苹果、香蕉、橙子）根据它们的特征（如颜色、大小、形状）分成几类。聚类分析的本质，就是对变量进行分类，研究者依据自身对变量和理论的了解，将具有相同性质的变量分为一类。如果你也想在挖掘GBD数据库时尝试这个分析套路，欢迎联系郑老师的统计团队！专业的统计师指导，不管是聚类分析还是预测模型，都可以带你尝试！如果你对GBD数据库挖掘感兴趣，扫描下方二维码来聊聊吧！
接下来我们将以一篇GBD聚类文章为例，为大家解读如何用聚类分析对不同地区的数据进行分类。
2024年3月12日，英国伦敦国王学院的作者在《Science of The Total Environment》（医学一区top，IF=8.2）中发表的题为:“Effect of ambient ozone pollution on disease burden globally: A systematic analysis for the global burden of disease study 2019”的研究论文，旨在探究GBD环境臭氧污染对于全球疾病负担的影响。
如果需要本文的PDF，仅需后台回复原文，即可自动获取。
本文有两大亮点：第一点为在数据分析时使用了分层聚类分析的方法；第二点为文章方向为臭氧对所有疾病的疾病负担。
接下来本文将从这两点进行简单介绍。
当我们在网上搜“聚类分析”时，跳出来的第一句话就是“聚类分析是一种无监督学习的方法，旨在将数据集中的样本划分为具有相似特征的不同组”。
问题来了，什么是无监督式学习？和监督式学习有什么区别？简单来讲，有监督学习就像老师教孩子识别苹果和香蕉，给出明确的“这是苹果”、“那是香蕉”的指示，孩子学会了根据这些标签来分类。而无监督学习则是一群孩子在沙滩上玩耍，没有大人告诉他们怎么玩，他们自己分群、堆沙堡或挖沙子，形成了自然的群体和活动模式。
如果公式的角度，我们可以从最简单的线性回归来理解：公式中的Y为响应变量向量，X为自变量向量，a为系数，b为截距。将所有数据都告知，得出最后的Y，这就是一个简单的有监督式学习的公式。而无监督式学习呢，就是没有Y这个响应变量，只有自变量X。而是通过自变量X之间的一些数据特性进行聚类，降维，关联规则学习。我们今天要说的层次聚类（Hierarchical Clustering）就是聚类分析中的一种。层次聚类目的是把每个数据点作为一个独立的簇开始，然后逐步合并最相似的簇，直到所有的数据点被合并到一个簇中或达到了预定的簇。举个例子，在200个水果中有苹果，葡萄，龙眼，橙子，西瓜找出类似的。那聚类会更具形状，大小，颜色来把这些水果分组。如果目标是分成3组，那可能开始时200个水果会按各自的大小，颜色聚集到同一个簇中，最终可能以葡萄和龙眼组，苹果和橙子组，西瓜组分成3个大组。暴露于环境臭氧污染会造成健康损失甚至死亡，两者都是世界范围内疾病负担的主要危险因素。因此本文的研究团队基于GBD 2019的数据，综合综合评价臭氧污染相关疾病负担。
初步分析表明，2019年，臭氧污染导致全球365,222人死亡，6,210,145人死亡，占全球死亡人数的0.65%，占全球DALYs的0.24%。研究团队发现，疾病负担随着年龄的增长而持续增加，其中男性为高危人群，中低社会人口指数(SDI)区域为高危区。由于臭氧污染的疾病负担在GBD区域和各国之间差别很大，因此研究团队使用聚类分析评价全球疾病负担研究(GBD)地区相关疾病负担的变化规律。结果发现，2019年，与1990年相比，死亡人数和残疾病例数分别增长了76.11%和56.37%。最后，使用率年龄-时期-队列(APC)模型和贝叶斯年龄-时期-队列(BAPC)模型预测未来25年的疾病负担。结果显示，从2020年到2044年，男女死亡病例数和残疾调整生命年病例数仍将增加。综上所述，如今环境臭氧污染已经威胁到全球公众的健康。应考虑全球具体情况，制定更积极有效的战略措施。总之，将分层聚类方法应用于GBD数据库的分析中，不仅可以细化数据的分层结构，丰富研究成果的多样性，增强数据可视化的效果，从而使研究报告更加具有创新性和说服力。
