1
前言
Framingham心脏研究是流行病学史上的一座丰碑，自1948年启动以来，首次系统证实了高血压、高血脂、吸烟等危险因素与冠心病的关联，开创了现代心血管流行病学的新纪元。2026年苏州大学这道真题，直接援引这一经典研究的设计逻辑，以血清胆固醇水平的剂量-反应关系为主线，考查RR与AR%的计算、剂量-反应趋势解读，以及AR%与PAR%的核心区别。
这道题的难度在于”表格填空”——题目给出了参照组和四个暴露组的随访人数与发病人数，要求你现场计算并补全RR和AR%。更深层的要求是：你不仅要会算，还要能解释最高水平组两个指标的公共卫生含义，并辨析个体归因与人群归因的不同视角。这正是从”做题”走向”做研究”的能力跃迁。
今天，我们用这道题，把队列研究的剂量-反应分析和归因指标辨析，彻底吃透！
2
真题再现
Framingham心脏研究是经典的心血管疾病队列研究，某研究者基于该研究数据，开展血清胆固醇水平与冠心病发病风险的前瞻性队列研究。研究随访6年（2006-2011年），以2006年基线血清胆固醇水平分组，以114-193mg/dl组为参照组，各暴露组随访6年的发病数据如下表所示：
（1）该研究属于何种类型的流行病学研究（具体分型）？适用什么指标描述各组人群的冠心病发病风险？
（2）以血清胆固醇水平114-193mg/dl组为参照组，分别计算各暴露水平组的RR和AR%（结果保留1位小数），补全上表，并以最高水平组为例解释两个指标的含义。
（3）解释PAR%和AR%的区别，以及二者的流行病学意义有何不同？
3
满分答案
（1）研究类型与适用指标
① 研究类型：前瞻性队列研究（固定队列）
•以血清胆固醇为暴露因素，以冠心病发病为结局
•固定人群、固定随访时间（6年），属于经典的Framingham心血管队列研究设计
•具体分型为前瞻性队列研究中的固定队列（而非动态队列）
② 描述发病风险适用指标：发病率（发病密度 / 累积发病率）、相对危险度 RR、归因危险度百分比 AR%、人群归因危险度百分比 PAR%
（2）RR与AR%计算及表格补全
以第一年（2006 年）为对照组，对照组：人数 209，发病人数 6
第一步：计算各组发病率
发病率 I = 发病人数 / 总人数
对照组（2006）：I₀ = 6 / 209 ≈ 0.0287
第二步：逐组计算 RR、AR%
公式：
RR = I₁ / I₀
AR% = (RR − 1) / RR × 100%
2006 年（对照组）
I = 6/209 = 0.0287 RR = 1.0 AR% = 0.0%
2007 年：发病 7
I = 7/209 = 0.0335 RR = 0.0335 / 0.0287 ≈ 1.2 AR% = (1.2−1)/1.2 ≈ 16.7%
2008 年：发病 12
I = 12/209 = 0.0574 RR = 0.0574 / 0.0287 = 2.0 AR% = (2−1)/2 = 50.0%
2009 年：发病 14
I = 14/209 = 0.0670 RR = 0.0670 / 0.0287 ≈ 2.3 AR% = (2.3−1)/2.3≈ 56.5%
2010 年：发病 26（最高组）
I = 26/209 = 0.1244 RR = 0.1244 / 0.0287 ≈ 4.3 AR% = (4.3−1)/4.3 ≈ 76.7%
最高组（2010 年）指标解释：RR = 4.3 暴露组（2010）发生冠心病的风险是对照组的4.3 倍。AR% = 76.7% 暴露组中 76.7%的冠心病发病可归因于该暴露因素； 如果消除暴露，可减少该组 76.7% 的发病。
（3）PAR%与AR%的区别及流行病学意义
① AR%（归因危险度百分比），针对暴露人群，看 “病人中有多少是暴露导致的”。
a.含义：暴露人群中由暴露引起的发病占该人群总发病的比例
b.用途：评价暴露对患病个体的病因意义
② PAR%（人群归因危险度百分比），针对全人群，看 “人群中有多少病是暴露造成的”。
a.含义：全人群中由暴露引起的发病占全人群总发病的比例
b.用途：评价暴露对整个人群公共卫生意义，指导防控政策
4
核心知识点复习
知识点1：RR与AR%的互补解读
为何需要两个指标？
•RR告诉决策者：“这个因素很危险”
•AR%告诉决策者：“控制这个因素能预防多少发病”
公共卫生决策场景：
若你是社区医生，面对一位胆固醇≥270mg/dl的患者： - 用RR=4.3说服他：“你的风险是正常人的4倍多，必须干预！” - 用AR%=76.7%说服他：“如果你把胆固醇降下来，发病风险能降低76.7%！”
知识点2：固定队列 vs 动态队列
5
秒杀口诀
✔ RR与AR%互补口诀
“RR说危险有多强，AR%说预防有多忙；一个相对一个归，双剑合璧决策棒”
✔ AR%与PAR%区别口诀
“AR%看暴露人群，PAR%看全人群；个体病因用AR%，公共卫生用PAR%”
✔ 归因指标公式口诀
“AR是差值，RR是倍数；AR%是差除暴露率，PAR%是差除总率”
✔ 固定队列计算口诀
“固定队列算累积，发病人数除人数；动态队列算密度，发病人数除人年”
6
下期预告
下一期我们将拆解武汉大学353的论述题——“人工智能在应对未来’X疾病’大流行中的作用”，这道题跳出传统计算框架，要求考生结合人工智能技术发展与流行病学三大方法（描述、分析、实验），论述AI在疾病监测、传播链推断、疫情模拟和病因溯源中的应用，是考查学科交叉思维和公共卫生前沿视野的开放性试题！
⭐ 点击查看：往期【真题拆解】系列推文
关注本号，持续更新2026年流行病学
典型真题拆解，助你353专业课高分上岸！
本文题目来源：
苏州大学353 2026年真题
整理：卫灿公卫考研辅导团队
抢跑上岸 卫灿助你
点击查看 近期热门
给小卫点个赞吧ヾ(◍°∇°◍)ﾉﾞ！
