全球范围内，肺癌、结直肠癌、胃癌、肝癌和胰腺癌等主要癌症发病率及死亡率持续上升，不同国家和地区呈现出明显的空间聚集性和时间趋势差异。随着人口老龄化、生活方式转变以及环境因素的多重作用，癌症负担呈现出复杂的时空动态特征。为了破解这一难题，本研究旨在利用多源数据和先进时空建模手段，对200多个国家近十年来的癌症死亡数据进行综合时空分析与风险预测，从而为全球癌症防控提供科学依据。

 基于时空统计建模的全球疾病负担变化研究框架 

（一）多尺度地理加权回归提取空间异质性

MGWR模型能够针对不同自变量设置不同的空间带宽，以捕捉各因素在不同地理位置的非均质性影响。模型基本形式为：

（二）自回归积分滑动平均模型趋势分析

为了揭示癌症死亡率的时间演变趋势，本研究采用ARIMA模型对时间序列数据进行建模。ARIMA模型的数学形式为：

此模型有助于捕捉各国癌症死亡率随时间的周期性波动及长期趋势，为后续风险预测提供时间维度的特征输入。

研究结果显示：

①上升趋势明显：全球主要癌症死亡率整体呈上升趋势，高收入和中高收入国家的增速尤为显著，而中低收入和低收入国家虽增速较缓，但区域间风险仍存在较大差异。

 按收入分组的全球主要类型癌症的死亡率ARIMA拟合结果 

 按地区分组的全球主要类型癌症的死亡率ARIMA拟合结果 

②空间聚集性突出：欧洲、北美及东亚等区域癌症死亡风险较高，呈现明显的空间集聚效应；而非洲撒哈拉以南及南亚地区相对风险较低。

 全球主要类型癌症的死亡率相对风险预测结果 

③关键影响因素多样：年龄结构、吸烟、饮酒、低运动强度以及经济发展水平等因素均在不同癌种中发挥着显著作用。这些发现为制定因地制宜的癌症防控策略提供了有力的数据支撑。

全球各地区主要类型癌症死亡风险与关键诱因