4.疾病负担计算中死因数据的分析与处理-蔡玥
死亡数据分析报告
死亡数据分析报告近年来，随着科技与医疗水平的提高，以及人们生活方式的改变，人类寿命得到了明显延长，死亡率也有所下降。
然而，死亡依旧是不可避免的，每个人都将面对这个命运。
为了更好地了解死亡的模式和趋势，我们进行了一项死亡数据分析，并编写了这份《》，以期为未来的医疗和健康管理提供有益的信息和参考。
一、死亡原因分析通过分析大量的死亡记录，我们确定了死因的主要类别。
最主要的死因包括：心脑血管疾病、恶性肿瘤、呼吸系统疾病、消化系统疾病、意外伤害以及传染病。
这些死因占据了死亡总数的绝大部分。
而在这些主要死因中，心脑血管疾病和恶性肿瘤是主要的杀手，其次是呼吸系统疾病。
这一数据表明，生活习惯和环境因素对健康与寿命起到了重要的影响。
二、年龄段差异分析通过对不同年龄段的死亡数据进行分析，我们发现死因的分布存在明显的差异。
在婴幼儿阶段，主要死因是出生缺陷和早产引起的死亡，这也是婴幼儿死亡率较高的原因之一。
而在青少年时期，意外伤害成为主要的死亡原因，这与年轻人活动量大、健康意识较差等因素有关。
随着年龄的增长，心血管疾病、恶性肿瘤和呼吸系统疾病逐渐成为主要的死亡原因。
这一数据表明，不同年龄段对健康和生活方式的影响不同，需要针对性地进行健康管理和疾病预防。
三、性别差异分析我们对男女性别的死亡数据进行了比较，发现死亡率在男性中普遍高于女性。
这主要是由于男性在职业、生活方式以及基因等方面具有一些固有的特点，使得他们更容易患上与死亡相关的疾病。
例如，男性在工作中常面临的高强度，高压力环境容易导致心脑血管疾病的发生；而女性在更年期时更容易患上恶性肿瘤。
这一数据告诉我们，不同性别在健康保健和疾病治疗方面的重点需求有所不同。
四、地域差异分析我们分析了不同地区的死亡数据，发现死因的分布在不同地域存在差异。
大城市相对较高的空气污染、高压力生活和不健康的饮食习惯使得心脑血管疾病和呼吸系统疾病成为主要的死因；而农村地区相对较高的农药使用、不良的饮食结构促进了消化系统疾病的发生。
死亡人物数据分析报告(3篇)
第1篇一、报告概述随着社会的发展和人口老龄化的加剧，死亡事件已成为社会关注的重要议题。
通过对死亡人物数据的分析，我们可以了解死亡的模式、原因、趋势以及与人口、社会、经济等多方面因素的关系。
本报告旨在通过对死亡人物数据的深入分析，揭示死亡现象的规律，为公共卫生政策制定、疾病预防控制以及社会稳定提供数据支持。
二、数据来源与处理1. 数据来源：本报告所使用的数据来源于我国国家卫生健康委员会发布的《全国死亡原因监测报告》以及相关省市卫生健康部门发布的死亡数据。
2. 数据处理：（1）数据清洗：对原始数据进行筛选，去除重复、错误、缺失的数据。
（2）数据整理：将数据按照性别、年龄、地区、死亡原因等进行分类整理。
（3）数据分析：运用统计学方法对数据进行分析，包括描述性统计、交叉分析、回归分析等。
三、死亡概况分析1. 死亡人数：根据数据分析，我国每年死亡人数约为1000万左右，占总人口的7.4%。
2. 性别差异：死亡人数在性别上存在明显差异，男性死亡人数高于女性，这与男性在吸烟、饮酒、劳动强度等方面的高风险行为有关。
3. 年龄分布：死亡人数在年龄上呈现“两头高”的分布特点，即0-14岁和60岁以上的死亡人数较多。
这与儿童和老年人抵抗力较弱、慢性病发病率较高有关。
四、死亡原因分析1. 疾病死亡：疾病死亡是导致死亡的主要原因，主要包括心血管疾病、癌症、呼吸系统疾病、消化系统疾病等。
其中，心血管疾病和癌症的死亡人数最多。
2. 意外死亡：意外死亡主要包括交通事故、中毒、跌倒、溺水等。
近年来，意外死亡人数有所增加，这与人们生活方式的改变、交通拥堵等因素有关。
3. 自然灾害死亡：自然灾害死亡主要包括地震、洪水、台风等。
近年来，自然灾害死亡人数有所减少，这与我国防灾减灾能力的提高有关。
五、地区差异分析1. 城乡差异：城乡地区在死亡原因上存在差异，城市地区以疾病死亡为主，农村地区则以意外死亡和自然灾害死亡为主。
2. 地区差异：不同地区在死亡原因上存在差异，东部沿海地区以疾病死亡为主，中西部地区以意外死亡和自然灾害死亡为主。
ICD简介及确定根本死因的规则和指导
2023-2026
END
THANKS
感谢观看
KEEP VIEW
WENKU DESIGN
WENKU DESIGN
ቤተ መጻሕፍቲ ባይዱWENKU
REPORTING
https://
2000年
世界卫生组织发布了《国际疾病分类》第 十一版的修订版，即ICD-11。
1900年
世界卫生组织的前身国际联盟卫生组织正 式出版第一版ICD。
1975年
第十一版ICD引入了以病因、部位和病理 分类为基础的体系结构。
1948年
第六版ICD中首次引入了“国际健康分类 ”的名称。
ICD的应用领域
01
流行病学与公共卫生研究
利用ICD数据开展流行病学和公共卫生研究，深 入了解疾病的分布和影响因素，为制定科学有效 的防控策略提供依据。
健康管理与健康保险
将ICD应用于健康管理和健康保险领域，为个人 和群体提供个性化的健康管理方案和保险服务， 促进健康水平的提高。
WENKU DESIGN
WENKU DESIGN
应用能力。
质量控制与审核
建立严格的质量控制和审核机制， 对ICD编码数据进行定期检查和 评估，确保数据的准确性和可靠
性。
反馈与修正机制
建立ICD编码的反馈与修正机制， 及时收集和处理用户反馈，对分 类体系进行必要的调整和修正。
拓展ICD的应用领域
1 2 3
临床诊断与治疗
将ICD应用于临床诊断和治疗，为医生提供更加 准确和全面的疾病信息，提高诊疗质量和效率。
PART 04
实际操作中的注意事项
确保信息的准确性
收集准确、完整的信息
遵循ICD编码原则
疾病负担的研究
疾病负担的研究Study on Disease Burden复旦大学公共卫生学院胡善联目录一、研究疾病负担的重要性二、国外在疾病负担研究方面的情况三、疾病负担的研究方法（一）疾病的分类（二）疾病成本的计算1．直接成本（1）医院成本（2）药品费用（3）医生费用（4）其他费用2．间接成本（1）死亡成本的计算（2）长期和短期伤残的成本计算（三）危险因素的成本分析1．疾病特异方法2．全病因懂得方法（四）疾病负担的分析1．疾病负担的成本组成2．不同疾病的成本组成四、各类疾病负担的成本研究（十一种）（一）肿瘤的成本研究（二）糖尿病的成本研究（三）病毒性肝炎的成本研究（四）哮喘的成本研究（五）外伤的成本研究（六）冠心病的成本研究（七）慢性肺阻塞病的成本研究（八）生殖道疱疹病毒感染的成本研究（九）骨质疏松症的成本研究（十）抑郁症的成本研究（十一）爱滋病的成本研究五、结论疾病负担的研究复旦大学公共卫生学院胡善联一、研究疾病负担的重要性疾病负担（burden of disease）的研究是比较一种疾病（disease）、伤残（disability）和过早死亡（premature death）对整个社会经济及健康的影响。
它包括研究疾病的流行病学负担和疾病的经济负担二个方面。
（分类）在疾病的流行病学负担方面，有很多指标可以利用，如疾病的发病率和患病率、死亡率、门诊和住院率、药品利用情况、健康调整寿命年（HALE）、伤残调整寿命年（DALY）、与健康有关的生存质量（HR-QoL）、减寿年限（PYLL）等。
疾病的经济负担则包括医疗保健的成本，社会、工作单位、雇主、家庭、个人自付支出的疾病成本。
疾病的直接和间接成本是一种“机会成本”（opportunity cost），反映疾病对社会带来的负担。
反过来如果能减少和消除这些疾病，社会也可以减少疾病成本的支出，从而获得效益。
在很多国家，人们对医疗服务期望的可及性和社会卫生资源的可得性之间的差距正在不断扩大。
890例住院死亡病例死因分析
890例住院死亡病例死因分析
徐萍
【期刊名称】《《实用医技杂志》》
【年(卷),期】2007(014)024
【摘要】本文对我院近6年890例死亡病例的死因进行简要分析,目的是提高人们防病治病的意识,从而降低疾病的发生率和病死率,使人们的整体健康水平得到提升。
【总页数】1页(P3402)
【作者】徐萍
【作者单位】淮安市第一人民医院江苏淮安 223002
【正文语种】中文
【中图分类】R197.323
【相关文献】
1.黄石市某院2010-2012年住院死亡病例死因分析 [J], 李文霞;赵丽华;孔德宝
2.2768例住院死亡病例的前10位死因分析 [J], 杨樱
3.某医院2008-2012年住院死亡病例死因分析 [J], 张茹;冀玉苓;宋卫亚;许萍;陈霞;郭波月
4.2009-2013年某医院住院死亡病例死因分析 [J], 林敏;李力
5.2013年-2018年某三甲综合医院住院死亡病例死因分析 [J], 邹文通
因版权原因，仅展示原文概要，查看原文内容请购买。
死亡分析报告
死亡分析报告概述本报告旨在对死亡事件进行分析和统计，以便于从中寻找相关的模式和趋势，并提供一定的参考和决策支持。
数据收集与处理为了进行死亡事件分析，首先需要收集相关的数据。
根据所做的分析范围和目标，可以从多个渠道获取数据，如医院、警察局和政府统计机构等。
数据可以包括死因、死亡年龄、性别、地理位置等信息。
在收集数据之后，需要对数据进行清理和整理，以便于后续的分析。
死因分析死因是分析死亡事件的关键因素之一。
通过对死因的分析，可以揭示出一些潜在的健康问题或社会问题。
常见的死因包括疾病、意外事故、自然灾害等。
通过统计不同死因的发生次数和比例，可以对不同死因的影响程度进行评估，并为相关部门提供参考来改善公共服务。
比如，如果发现某一类死因的数量大幅增加，可以调查原因，并采取相应的预防措施。
年龄分析死亡事件对年龄的分布情况可以提供重要的信息，如人口结构、社会健康水平等。
通过对不同年龄段的死亡数量和比例的分析，可以判断人们在不同年龄段面临的主要健康问题，并为相关部门提供指导，以提高社会的整体健康状况。
此外，年龄分析还可以用于评估人们的预期寿命和抚养比等指标。
性别分析性别是另一个重要的因素，它可能对死亡事件的分析产生影响。
通过对男性和女性死亡数量和比例的分析，可以找出可能存在的性别差异和相关问题。
一些疾病可能在男性群体中更为常见，而另一些则在女性中较为普遍。
通过性别分析，可以为相关的医疗资源和政策提供参考，以满足不同性别群体的需求。
地理分析地理位置也是一个重要的分析维度。
通过对死亡事件发生地点的统计分析，可以了解不同地区的死亡情况，找出高发地区并进行重点关注。
此外，地理分析还可以帮助相关部门评估公共卫生服务的覆盖范围，并制定针对不同地区的预防策略。
结论死亡分析是了解人口健康和社会问题的重要手段。
通过对死亡事件的分析，可以找出潜在的问题和趋势，并为决策者提供依据。
在进行死亡分析时，需要收集和整理相关数据，并从不同维度进行分析，如死因、年龄、性别和地理位置等。
恶性肿瘤疾病负担研究方法与进展
恶性肿瘤疾病负担研究方法与进展
蔡玥;伍晓玲;薛明;申梧村;缪之文;韩玉哲
【期刊名称】《中国卫生信息管理杂志》
【年(卷),期】2015(000)002
【摘要】通过文献综述方式，总结了疾病负担评价指标的选取标准，系统介绍了全球疾病负担研究（GBD）以及国际癌症研究机构（IARC）有关恶性肿瘤的定量研究方法，描述了疾病负担研究所涉及的主要数据来源，报告了国内外该领域主要研究团队的研究成果，指出了现有研究存在的不足。
文章旨在全面介绍国内外相关领域研究进展，进一步推动疾病负担研究在我国的应用。
【总页数】7页(P136-142)
【作者】蔡玥;伍晓玲;薛明;申梧村;缪之文;韩玉哲
【作者单位】国家卫生计生委统计信息中心，北京市，100044;国家卫生计生委统计信息中心，北京市，100044;国家卫生计生委统计信息中心，北京市，100044;南方医科大学，广州市，510515;国家卫生计生委统计信息中心，北京市，100044;国家卫生计生委统计信息中心，北京市，100044
【正文语种】中文
【中图分类】R-34;R73
【相关文献】
1.烟草使用疾病负担研究方法学与应用综述 [J], 汤静;杨美娟;王蒙;马海燕
2.第五讲疾病负担的研究方法与应用 [J], 王滨有
3.恶性肿瘤的疾病负担研究进展 [J], 陈文浩;许岸高;张晓慧
4.疾病经济负担研究方法案例分析 [J], 侯儒寅;高凤清
5.疾病负担研究的方法学进展——疾病负担综合评价 [J], 王富珍;齐亚莉;李辉因版权原因，仅展示原文概要，查看原文内容请购买。
异常死亡数据分析报告(3篇)
第1篇一、报告概述随着社会的发展和科技的进步，死亡数据分析在公共安全、医疗卫生、司法鉴定等领域发挥着越来越重要的作用。
异常死亡数据分析报告旨在通过对异常死亡案例的深入分析，揭示其背后的原因，为相关部门提供决策依据，同时为公众提供健康警示。
本报告以近年来某地区异常死亡案例为研究对象，通过数据分析和案例研究，对异常死亡的原因、特点及预防措施进行探讨。
二、数据来源与处理1. 数据来源：本报告数据来源于某地区卫生健康部门、公安部门、医疗机构及司法鉴定机构提供的异常死亡案例资料。
2. 数据处理：对收集到的数据进行分类整理，包括死亡原因、年龄、性别、职业、死亡地点、死亡时间等信息。
运用统计学方法对数据进行描述性分析，并对异常死亡案例进行分类。
三、异常死亡案例分析1. 案例一：某地一名20岁青年因意外溺水身亡。
经调查，该青年在游泳时因不熟悉水域环境，导致溺水。
2. 案例二：某地一名60岁老人因高血压突发导致死亡。
该老人有长期高血压病史，但未按时服药。
3. 案例三：某地一名30岁女性因交通事故身亡。
该女性在驾驶过程中因疲劳驾驶导致事故。
4. 案例四：某地一名10岁儿童因意外中毒身亡。
该儿童误食了家中农药。
四、异常死亡原因分析1. 意外伤害：意外伤害是导致异常死亡的主要原因之一，包括溺水、交通事故、中毒、跌落等。
2. 疾病：疾病也是导致异常死亡的重要原因，如心脑血管疾病、肿瘤、呼吸系统疾病等。
3. 自然灾害：自然灾害如洪水、地震、台风等也会导致大量人员伤亡。
4. 其他因素：包括自杀、他杀、意外事故等。
五、异常死亡特点1. 年龄段：异常死亡案例中，中老年人占比较高，特别是60岁以上的老人。
2. 性别：男性异常死亡案例略多于女性。
3. 地域：异常死亡案例在城乡之间、不同地区之间存在差异。
六、预防措施1. 加强安全教育：通过宣传教育，提高公众的安全意识和自我保护能力。
2. 完善公共卫生体系：加强对疾病的预防和治疗，降低疾病导致的死亡。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
应用死因数据前的调整流程
疾病分类模型（GBD160）
人群死亡率的估计 与校正
死因监测 数据
漏报调整 死亡率
垃圾编码重新 分配后死亡率
垃圾编码重新分配
死因数据的 分析利用
中国疾病预防控制中心
人群死亡率校正
中国疾病预防控制中心
人群死亡率校正方法
直接校正方法
根据漏报调查得到的漏报率进行校正 捕捉-再捕捉（capture-recapture）
待分配的伤害垃圾编码：
ICD10为： R00-99 *注：待分配的垃圾编码未被包括在GBD160的具体死因内
待分配的伤害垃圾编码：
gbd1-147（全部Ⅰ、Ⅱ大类死因）
分配过程：
按死亡数构成比重新分配
Байду номын сангаас
中国疾病预防控制中心
寿命表
中国疾病预防控制中心
寿命表-分类 按照编制方法分为：
队列寿命表（The cohort life table） ：
45
0.04 0
50
0.04 0.1
55
0.20 0.14
60
0.16 0.12
65
0.25 0.25
70
0.26 0.20
75
0.23 0.17
80
0.03 0.06
85
0.03 0.06
中国疾病预防控制中心
垃圾编码重新分配-肿瘤部分 待分配的肿瘤垃圾编码：
其他恶性肿瘤（gbd77）中ICD10为：C76, C80, C97
活满x岁的人口数
年龄别生存概率(npx): npx=1- nqx
中国疾病预防控制中心
寿命表-指标计算
指标计算： 指标计算：
尚存人数lx:表示同一批出生的人群中，活满X岁的人 数 lx= lx-n*npx-n
• l0值通常为100,000 称为基数 • 在最后一个年龄组，该年龄组开始时的尚存人数与该年龄组 的死亡人数相等
寿命表-示例
中国疾病预防控制中心
寿命表-指标计算
基础数据： 基础数据：
人口数(nPx) 死亡数(nDx)：计算某种疾病的去死因期望寿命时，则加 上由于某种疾病造成的死亡数
指标计算： 指标计算：
年龄别死亡率(nMx)： nMx= nDx/nPx 年龄别死亡概率(nqx):表示一批人在年龄x到年龄x+n岁 之间的死亡概率 nMx= x岁到x + n岁之间死亡人数
中国疾病预防控制中心
寿命表-分类 按照年龄分组分为：
完整寿命表：
• 就是以0岁为起点，逐年计算各种指标，直至生命的 极限，其年龄的区间是(x，x+1)
简略寿命表：
• 就是以0岁为起点，几年计算一次各种指标，直至生 命的极限，其年龄的区间是(x，x+n) • 最常使用的寿命表形式
中国疾病预防控制中心
漏报校正后 的监测数据
垃圾编码分 配后的Ⅰ、 Ⅱ类疾病 垃圾编码分配 后的慢性病
Ⅱ、慢性非 传染性疾病
伤害垃圾编码分配
Ⅲ、伤害
垃圾编码分 配后的伤害
中国疾病预防控制中心
垃圾编码重新分配-心脑血管部分 待分配的心脑血管垃圾编码：
心衰（I50） 心室心律失常（I47.1, I49.0, I46） 动脉粥样硬化（I70.9） 心脏病并发症（I51.4, I51.5, I51.6, I51.9） *注：待分配的垃圾编码不是其他心脑血管疾病（GBD110），而是GBD110中
中国疾病预防控制中心
垃圾编码重新分配-伤害部分
待分配的伤害垃圾编码：
ICD10为：Y10–Y34, Y87.2 *注：待分配的垃圾编码未被包括在GBD160伤害部分的具体死因内
待分配的伤害垃圾编码：
gbd149-160（伤害的全部具体死因）
分配过程：
按死亡数构成比重新分配
中国疾病预防控制中心
垃圾编码重新分配-不明原因死亡部分
中国疾病预防控制中心
人群死亡率校正方法 漏报调查
该次调查覆盖全国31个省（直辖市、自治区）的 161个疾病监测点，每个监测点随机抽取3个乡镇， 每个乡镇抽取2个村，收集每户家庭常住人口在 2006年1月1日-2008年12月31日期间有关出生、死 亡的信息，凡是在该家庭中居住6个月及以上的均 为常住人口。 此次调查共覆盖6422667人口，共调查到20062008年死亡个案39420例。
中国疾病预防控制中心
寿命表-结果展示
2009年
分地区期望寿命
76.82 期望寿命 75 74.79 73.84
76.34 74.66 73.64
65 全国 城市 农村 地区
中国疾病预防控制中心
东部
中部
西部
寿命表-结果展示
2009年
80
去死因期望寿命
4.19 2.51 1.44 1.13 1.06 0.34 0.26 0.21
各监测点漏报率计算与死亡率调整：
• 漏报率=漏报数/漏报调查死亡数 • 调整死亡率=粗死亡率/（1-漏报率）
合计漏报率计算与合计死亡率调整：
• 方法一：
– 合计调整死亡率=调整死亡数合计/人口数合计 =∑（粗死亡数/1-漏报率）/∑人口数 – 合计漏报率=1-（合计粗死亡率/合计调整死亡率）
• 方法二：n n n ≈ ( f1 / ∑ fi ) * lb1 + ( f 2 / ∑ fi ) * lb2 + L + ( f n / ∑ fi ) * lbn
疾病负担计算中死因数据的 分析与处理
蔡玥
中国疾病预防控制中心
报告内容 死因数据来源 人群死亡率校正 垃圾编码重新分配 寿命表 寿命损失年的计算
中国疾病预防控制中心
死因数据来源 生命登记系统数据
法律保证的、强制性的
人口普查数据
可同时提供死亡和人口资料
具有代表性的抽样的监测系统数据
印度和中国
人口及卫生调查数据（Demography and Health Surveys）
死亡人数(ndx):表示x到x+ n岁间的死亡人数 ndx= lx* nqx 生存人年数(nLx):表示同时出生的一批人在x岁至x+ n 岁间所存活的人年数 nLx =n(lx+n+nax*ndx) Tx:表示x岁之后的总生存人年数 Tx=Tx+n+nLx X岁组人均期望寿命（ex）：ex=Tx/lx
i =1 i =1 i =1
f：各监测点调整死亡数 中国疾病预防控制中心
lb：各监测点漏报率
人群死亡率校正方法
中国疾病预防控制中心
人群死亡率校正方法
中国疾病预防控制中心
人群死亡率校正方法
全人群不同地区分性别 漏报调整前后死亡率
5岁以上人群不同地区分性别 漏报调整前后死亡率
中国疾病预防控制中心
人群死亡率校正方法
• 记录了一组人群从第一个人出生到最后一个人死亡 的全部死亡信息 • 实际应用意义不大
周期寿命表（The period life table）：
• 反映一定时期某地区实际人口的死亡情况，是从一 个断面来看当年这段时间内人口的死亡和生存的情 况 • 它完全取决于制表这一年的人口年龄别死亡率 • 具有实际可操作性
增长期望寿命 平均期望寿命 70
期望寿命
75
65
消 化 系 统 疾 糖 病 尿 病 内 分 泌 紊 乱 泌 尿 生 殖 系 统 疾 病 伤 害 传 染 病 和 寄 生 虫 病 呼 吸 系 统 疾 病 心 脑 血 管 恶 性 肿 瘤
死因
中国疾病预防控制中心
寿命表-模型寿命表
有时，分年龄别的人口数及死亡数不可获得 将世界各地的大量的寿命表汇集起来，进行分析和 归类，归纳出几种死亡模式，对各种模式按照其不 同的平均预期寿命水平编制出一组寿命表，供人们 参考，这就是模型寿命表。
5岁以下婴幼儿漏报率： （最终纳入分析点共89个）
• 1.经调整的婴儿死亡率如果太低，建议不纳入，中西部城市低 于5/1000，中西部农村低于10/1000，东部城市低于3/1000， 东部农村低于6/1000； • 2.婴儿漏报率为0%、100%者
中国疾病预防控制中心
人群死亡率校正方法
漏报率计算
中国疾病预防控制中心
寿命表-指标计算
年龄组每人每年平均存活时间(a)
如果n=5, x=5, nax=0.5，就意味着在该年龄组死亡的每个人平均存活了 5*0.5=2.5年 对于低死亡率国家1a0=0.1，对于高死亡率国家1a0=0.3 对于所有国家4a1=0.4 其余各年龄组，a=0.5
中国疾病预防控制中心
中国疾病预防控制中心
寿命表-模型寿命表种类
1.UN Model Life Tables (1955) 2.Coale and Demeny regional (East, North, West South) model life tables (1966) 3.Ledermann’s System of Model Life Tables (1959, 1969) 4.Brass Logit Life-table System (1971) 5.UN Model Life Tables for Developing Countries
中国疾病预防控制中心
垃圾编码重新分配-肿瘤部分 分配过程：
（1）gbd61、62、63、64、68、69、70、71、73、 74、75、76、77求和，记为sum （2）x1= ICD10为C76、C80、C97的合计 ； （3）x2=sum-x1 （4）gbd61、62、63、64、68、69、70、71、73、 74、75、76垃圾编码分配后的死亡数=上述gbd垃圾 编码分配前的死亡数*(1+x1/x2) （5）gbd77分配垃圾编码后的死亡数=（gbd77分配 前的死亡数-x1）*(1+x1/x2)