一種基于評分卡的健康測度方法：以桂林市民健康調查為例

尚長春，雷璐華，許遠杏，劉丙柒，蘇 琦，陳浩天

(桂林理工大學 理學院，廣西 桂林 541004)

《“健康中國2030”規劃綱要》中提出，要把健康融入政策，推進健康中國建設，實現全民健康[1]。既往研究顯示，我國大學生基本健康素養狀況不容樂觀，大學生中擁有健康素養的比例為14.0%，即便是體育類大學生健康素養水平也僅為16.19%[2-3]。研究證實，飲食習慣、作息時間、鍛煉頻率等生活方式對健康狀況會產生影響[4-6]。自測健康評定級表(self-rated health measurement scale, SRHMS)雖提供了一套標準化量表系統，但涉及變量較多，無法量化每個變量對健康的影響程度，且隨著時代進步，影響居民健康的新因素無法在標準化量表中具體體現，因此引進一套更加靈活多變的健康測度的新方法至關重要。本研究以桂林市為例，通過對不同居民群體的抽樣調查，分析運動、飲食、行為習慣、睡眠等影響因素與健康狀況之間的關系，并借鑒信用風險評分思想，提出采用健康評分卡對居民健康進行測度，為各級部門了解居民健康提供工具。

1 對象與方法

1.1 研究對象 在桂林市6個市轄區(秀峰區、疊彩區、象山區、七星區、雁山區、臨桂區)采用無放回的不等概抽樣方法，對樣本地區常住人口進行調查，共發放問卷692份，回收有效問卷685份，有效回收率為98.99%。

1.2 調查工具 參考相關研究[7]自行編制調查表。內容包括：研究對象基本信息(性別、年齡、職業、文化程度)、身體健康狀況、健康狀況影響因素。身體健康狀況采用自評的方法，從9個癥狀(容易頭痛或者頭暈、經常眼睛干澀、頸椎酸痛、肌肉酸痛、容易患上一般性感冒、心律不齊、容易胸悶、容易腰痛、腸胃不舒服)對健康狀況程度進行衡量，將癥狀嚴重程度分為沒有、很輕、中等、偏重、嚴重的5級制度量；健康狀況影響因素從運動、飲食、行為習慣、睡眠4個方面共計20個子維度進行考量。

1.3 統計學方法 數據采用R語言進行處理，列聯表數據采用χ2檢驗；采用Logistic回歸分析健康狀況影響因素。P<0.05為差異有統計學意義。

2 結果

2.1 調查對象一般情況 685名被調查對象中，男性324人(47.30%)，女性361人(52.70%)；年齡18歲以下36人(5.26%)，18～25歲528人(77.08%)，26～35歲91人(13.28%)，36～50歲28人(4.09%)，50歲以上2人(0.29%)；學歷初中及以下24人(3.50%)，高中48人(7.01%)，中專33人(4.82%)，大專102人(14.89%)，本科446人(65.11%)，本科以上32人(4.67%)；職業學生480人(70.07%)，政府工作人員34人(4.97%)，公司職員79人(11.53%)，個體工作者31人(4.53%)，文體工作者19人(2.77%)，工人、農民22人(3.21%)，其他20人(2.92%)。居民健康自評中，健康443人(64.67%)，不健康242人(35.33%)。

2.2 健康狀況單因素分析 對研究對象的運動、飲食、行為習慣、睡眠等影響因素與健康狀況構成列聯表，進行獨立卡方檢驗，結果顯示，各維度對健康狀況的影響均具有統計學意義(均P<0.05)。見表1。

表1 健康影響因素與健康狀況的獨立性檢驗(n=685)Table 1 Independence test of health influencing factors and health status (n=685)

2.3 健康狀況與生活方式的Logistic回歸分析 對出現癥狀的嚴重程度測量采用5級李克特量表進行評估，當對被調查劃分為健康與不健康2個極端情況，選擇將量表中等、偏重和嚴重作為不健康，沒有、很輕作為健康(不健康賦值“1”，健康賦值“0”)；自變量為單因素分析中有統計學意義的變量，對自變量進行證據權重[8]變換。根據變換后的數據集依8∶2比例進行切割為訓練集和測試集，訓練集有548個樣本、測試集137個樣本，利用訓練集構建Logistic回歸模型，并采用后向剔除法對變量進行選擇，結果顯示，睡眠時間與健康狀況正相關(P<0.05)，飲酒程度、久坐時長、熬夜狀況、睡眠狀況滿意度、醫療花費與健康狀況負相關(均P<0.05)。見表2。

表2 Logistic回歸模型估計系數Table 2 Logistic regression model estimated coefficients

2.4 健康評分卡的設計 借鑒消費金融領域的信用風險評分卡思想構建測度居民健康的評分卡，基于Logistic回歸，評分卡模型簡化成式(1)：

(1)

其中A表示偏移量，B為不健康概率翻倍評分，即當模型系數不變的情況下，證據權重每增加一個單位，得分將增加一倍；log(odds)代表的是Logistic回歸模型方程右側的影響因素的線性組合。評分卡模型對于A和B的設定沒有特殊要求，以實際情況而定。當Logistic模型僅包含截距項(即沒有影響因素時)，此時不健康與健康的對數發生比log(odds)=0.42時，設定開始得分score為300分，且不健康與健康的比例增加一倍，相應的得分便減少50分。故得式(2)：

(2)

化簡結果為式(3)：

(3)

最后計算結果得A=330，B=72.13。然后將A和B帶入式(1)，當加入影響因素時(如喝酒程度)，不同居民飲酒程度不同，則其log(odds)也不一樣，因此會直接影響不同居民的最終健康評分。基于此，通過計算，健康評分卡如表3所示。

表3 健康評分卡Table 3 Health score card

根據健康評分卡計算居民健康得分，得分等于基礎分加上各變量分數，得分越高說明該研究對象越健康，反之則越不健康。由于版面所限，隨機抽取10名調查者的健康評分，不健康為“1”，健康為“0”， 為清晰展示健康組成員和不健康組成員的評分分布情況，畫小提琴圖如圖1。經計算可知，不健康成員的平均得分為449.6分，健康成員平均得分為475.6分；不健康組的中位數評分為418分，健康組的中位數為485分。

圖1 評分分布圖Figure 1 Score distribution map

3 討論

研究結果證實，飲酒程度、久坐時長、睡眠時間、熬夜狀況、睡眠狀況滿意度、醫療花費是影響居民健康的因素(均P<0.05)。基于健康評分卡設計，提供如下健康促進措施：(1)少量飲酒(過過酒癮)有助于健康(104分)，但每次完全喝醉對身體有嚴重損傷(-51分)；(2)每日連續長時間久坐辦公大于6～8小時則對身體不利(6～8小時-16分，8～10小時-33分，10小時以上-42分)，因此對于久坐辦公人員應該適時活動，避免連續久坐；(3)應該保持充足的睡眠，睡眠時間大于6～8小時對身體有益(4小時以下-30分，4～6小時-8分)；(4)盡可能在24：00之前睡覺，熬夜對身體有嚴重危害(0：00—2：00為-35分，2：00后為-69分)；(5)盡量保證睡眠質量，睡眠質量不滿意也會影響健康(不滿意-15分，非常不滿意-39分)。

本研究思路與SRHMS自評健康量表不同，而是尋找影響當前居民生理健康的因素并依托影響因素構建健康評分卡系統，從而估算當前的健康狀態。與SRHMS相比，評分卡的優勢在于不用構建標準化的量表系統，研究者僅需尋找制約所研究問題的關鍵因素(如研究居民的心理健康影響因素、研究居民的社會健康影響因素等)，即可構建相應的評分卡得到結果(如心理健康評分卡、社會健康評分卡等)，此法具有很強的普適性和靈活多變性，可以測量標準量表中不能測量的因素，為健康狀況測度提供了有益補充。

不健康成員的最終健康評分普遍較低，健康成員的最終得分普遍較高，說明基于評分卡的健康測度具有合理性和實際意義。但研究仍發現不健康成員中存在高分者，究其原因可能是因為健康評分卡的構建依賴于Logistic回歸模型，故回歸模型的好壞以及變量的選擇直接決定評分的合理與否，該研究進入模型的僅有6個變量：喝酒程度、久坐時長、睡眠時間、熬夜狀況、睡眠狀況滿意度、醫療花費，且主要涉及日常行為習慣，其他相關影響因素不顯著，說明問卷設計中相關變量設置有待優化。