随着全球人口老龄化进程加速，多病共存（multimorbidity），即同一个体同时患有多种慢性疾病的现象，日益成为公共卫生领域的重大挑战。多病共存不仅导致患者生活质量下降、死亡率升高，还显著增加了医疗系统的负担。在此背景下，"多病压缩"（multimorbidity compression）理论应运而生，该理论由Fries于1980年提出，认为通过有效干预，慢性疾病的发病时间可以比预期寿命的延长延迟得更快，从而缩短个体处于健康状况不佳的时期。这与"成功的失败"（Failures of Success）模型形成对比，后者认为医疗进步延长了寿命，但同时也增加了带病生存的时间。尽管多病压缩概念具有重要意义，但在意大利等高收入国家的研究仍相对缺乏，且现有研究多存在局限，如仅关注是否患有至少一种慢性病，而忽略了多种疾病共存对个体生活质量的累积影响，或未能充分考虑社会经济因素的作用。为了更深入地探究多病压缩现象在意大利的发生情况、其在不同社会经济群体中的分布差异以及背后的驱动因素，来自意大利威尼斯Ca'Foscari大学经济系的Angela Andreella、的里雅斯特IRCCS Burlo Garofolo母幼健康研究所的Lorenzo Monasta以及Stefano Campostrini合作，在《Population Health Metrics》期刊上发表了题为"Analysis of multimorbidity compression using a latent variable in a mixed mixture model"的研究论文。该研究利用意大利PASSI（Progressi delle Aziende Sanitarie per la Salute in Italia）健康监测系统2008年至2019年共445,709名18-69岁成年人的数据，创新性地采用加权潜在特质模型（Latent Trait Model, LTM）构建了一个连续的多病共存指数，并运用混合模型（零膨胀Beta回归与随机效应相结合）分析了多病压缩的趋势及其与社会经济特征、行为风险因素的关系。为开展研究，作者主要应用了几个关键技术方法：首先，利用基于全球疾病负担（Global Burden of Disease, GBD）项目残疾权重（disability weights）和自评健康数据构建的复合残疾权重，对潜在特质模型进行加权估计，从而将多病共存定义为一个连续的潜在变量。其次，采用零膨胀Beta回归模型（Zero-Inflated Beta Regression）并纳入地区（NUTS 2级）随机效应，以处理多病指数[0,1]区间内零值过多的问题，并同时考虑时间和空间变异性。研究所依赖的样本数据来源于意大利PASSI监测系统的横断面调查。研究结果多病共存指数的构建与特性研究人员首先通过潜在特质模型成功构建了一个连续的多病共存指数。该模型将五种非传染性疾病（糖尿病、肾衰竭、呼吸系统疾病、心脏病、肿瘤）视为潜在多病特质的表现。模型参数估计显示，肾衰竭的患病率最低但对其潜在特质的影响最大（β1 = 2.077），而肿瘤和呼吸系统疾病患病率较高但影响相对较小。项目信息函数分析进一步揭示，呼吸系统疾病和肾衰竭在低至中等多病水平（zj ≈ 0.35）时提供最多信息，而肿瘤则在较高多病水平时更具区分度。这表明不同疾病在多病谱系中扮演着不同的角色。
多病压缩的证据与社会经济差异混合模型分析清晰地表明，调查年份（Year）对多病指数具有显著的负向效应（估计值 = -0.002, p = 0.003），这为多病压缩在意大利的发生提供了关键证据。这意味着，在控制其他因素后，随着时间的推移，个体的多病负担呈现下降趋势，严重多病状态更集中于生命后期。研究同时揭示了显著的社会经济差异。较高的教育水平（估计值 = -0.075, p < 0.0001）和良好的经济状况（无经济困难：估计值 = -0.065, p < 0.0001）均与较低的多病指数相关。模型还发现了性别与年龄之间存在显著的交互作用（Sex(Male):Age 估计值 = 0.004, p < 0.0001），表明男性在年轻时多病负担低于女性，但随年龄增长，男性的多病负担上升更快，在老年阶段超过女性，这与Pastore等人的研究发现一致。
