中國老年壽命與健康壽命變動趨勢研究

崔曉東，陳友華，周海花

(1 南京曉莊學院 商學院，江蘇 南京 211171；2 南京大學 社會學院，江蘇 南京 210008)

1 引言

健康壽命是指某確切年齡個體在健康狀態下的期望生存年數。隨著人口健康轉型和老齡化進程地不斷加深，“健康壽命比壽命更重要、提高健康期望壽命”(世界衛生組織，1997)已成為各國(地區)健康理念及人口健康監測指標。美國在1990年將健康壽命納入健康政策優先指標，歐盟2010年明確提出到2020年健康期望壽命提高2歲，繼而日本于2012年將健康壽命作為健康監測指標并提出至2020年健康壽命延長1歲以上。中國在2016年發布的《“健康中國2030”規劃綱要》中首次將健康壽命納入“國家戰略”，并在“2030年具體實現目標”的第一條強調“2030年人均預期壽命達到79.0歲，人均健康預期壽命顯著提高”的遠景。然而，相關報告未明確中國目前的健康壽命是多少，也沒有規劃至2030年健康壽命提高多少的具體目標。其中一個重要原因在于國內關于健康壽命的基礎性和前瞻性研究依然薄弱，測量方法和預測模型的理解和認識依然不甚清晰，尤其是中國健康本底數據缺乏(僅3-7期)導致基于大樣本大跨度(通常20年及以上)的傳統統計推斷方法受阻，健康壽命規模和演變軌跡的精準把握難以開展，對其蘊藏的健康政策價值進行科學研判和深入挖掘亦存囿限。因此，本文嘗試解決有限數據下健康壽命估計及預測過程中存在的統計推斷問題，放松研究假設推導預測值及預測區間的明晰表達式，從而為中國老年健康變化趨勢預測提供可選擇方案。

2 文獻回顧

健康壽命的概念自1964年提出以來相關研究逐漸豐富，概念界定和理論框架已漸成熟，研究內容不斷拓展研究精度不斷提升，其中更具可靠性和前瞻性的趨勢預測和區間估計備受關注。綜合國內外文獻，健康壽命的預測主要包括統計推斷和仿真模擬兩種，仿真模擬包括宏觀模擬和微觀模擬，前者利用健康壽命和宏觀環境的關系，通過對未來宏觀情景(如經濟、環境、社會、教育等關鍵因素)的模擬預測未來的健康壽命，目前不同國家已建立了各自的模擬模型，如美國的FEM(Future Elderly Model)、澳大利亞的NDIS(National Disability Insurance Scheme)、荷蘭模型(Dutch Model)等，各國學者基于本國模型開展了健康壽命趨勢預測(Ansah et al.,2015;Biddle & Crawford,2017)。與宏觀仿真模擬不同，微觀仿真基于微觀個體特征(如人口統計學因素、健康行為等)模擬老化的過程，其優勢在于能夠包含更多影響健康的變量，尤其可以模擬不同健康政策的干預效果，該方法在美國、日本、英國、新西蘭等地廣泛使用(Wouterse et al.,2015;Gregg et al.,2018)，其中英格蘭的PACSim(Population Ageing and Care Simulation)動態微觀模擬應用比較廣泛，尤其重要的是該模型的基線人群是35歲及以上，因而不需像大多數微觀模擬一樣需要做初始健康狀況假設(Kingston et al.,2018a,2018b)。

仿真模擬的應用依賴于關鍵參數的設定，而關鍵參數設定具有鮮明的國家或地區特征，在缺乏高質量數據進行校準的情況下難以照搬或復制，在此情況下，傳統的統計推斷模型仍然是主要的預測方法，尤其適用于健康壽命研究不太成熟的國家或地區。傳統推斷方法沿用Sullivan(1971)技術估計健康概率，并假定未來健康模式保持不變或以某確定方式改變，例如計算目前的健康壽命/壽命比率并假設該比率在未來保持不變，然后根據未來的壽命值預測健康壽命，這種方法也被稱為靜態假設下的靜態預測。部分學者從理論上證明了靜態估計值的無偏和一致性特征(Madans,2011)，WHO公布的健康期望壽命、中國部分學者(李強等，2020)的研究均基于該方法，但隨著社會經濟、特別是醫療技術的發展，Sullivan方法的靜態假設和健康模式時間同質性在健康期望壽命預測時遭到質疑，越來越多的研究發現健康模式并不總是保持一致，或者說并不在每一年齡上都保持一致(Bochen,2016;Jagger,2016)。

鑒于未來健康模式的不穩定，而傳統外推程序沒有考慮健康變化的隨機性，缺少適當的統計結構和模型，也很難將這些估計值解釋為點估計，尤其缺乏健康壽命方差的估計方法，妨礙了置信區間的估計及估計的顯著性檢驗，因此建立包含時間相關項、能夠反映健康模式變化特征的動態預測隨機模型成為趨勢。其中，Lee和Carter(1992)建立的隨機死亡率動態模型(Lee-Carter)將豐富而簡潔的人口統計學模型與時間序列方法相結合，因模型不依賴于宏觀情景假設并能提供估計值的預測區間而具有強大優勢(Chavhan,2016)。然而Lee-Carter模型本質上是時間序列模型，強調對大樣本長時序歷史數據的追溯，有限數據下模型拓展研究已有部分文獻開始涉及(Nan,2004;楊貴軍、劉帥，2015)，但大多屬于對參數估計方法的改進，缺乏系統地理論推導及現實應用，且未能給出預測期間的明晰表達式。基于此，本文基于Lee-Carter模型并嘗試對其進行拓展，以健康變化差分項獨立同分布為切入點推演有限時序數據下的健康壽命區間預測表達式，結合中國老年健康追蹤調查數據，按性別年齡別估計并預測中國老年壽命和健康壽命，以期為相關老齡政策的制定提供數據支持，為壽命與健康壽命演變關系提供可參考答案。

本文的邊際貢獻：在缺乏高質量數據對仿真模擬進行校準情況下，試圖利用傳統推斷統計方法建立預測模型；考慮到外推模型無法反映健康變化的時間特征，在Lee-Carter模型基礎上建立包含時間相關項的動態預測模型；針對時序數據有限無法滿足傳統假設，嘗試以健康變化差分項為切入點，推導預測值及預測區間的明晰表達式。結合所建模型及中國老年健康數據，預測老年健康壽命的變化軌跡并對老年健康變化模式進行實證檢驗。

3 研究方法

3．1 Lee-Carter基礎模型

Lee-Carter模型起源于死亡率的動態預測，其原理和方法目前已被廣泛應用于死亡率和壽命的預測(Ermannoet et al.,2009)。盡管健康概率和死亡率不存在必然聯系，兩者的影響因子也不相同(Manton,1982)，然而大部分文獻認同死亡作為健康狀態的一種，用于預測壽命的模型形式大都適用于健康壽命的預測(Jagger et al.,2020；Maria et al.,2017;Brian et al.,2016;黃楓、吳純杰，2012),尤其是基于時間序列數據的預測(Bochen,2016)。本文利用Lee-Carter模型預測壽命和健康壽命，并以壽命預測為例進行公式推導，借鑒Lee-Carter模型，壽命預測包括如下兩個步驟。

一是利用已有調查數據將特定年齡預期壽命的對數描述為獨立于時間的年齡成分與年齡成分隨時間變化的時變因素之和，如式(1)：

ln(LEx(t))=αx+βxkt+εx,t

(1)

其中，ln(LEx(t))表示x歲群體在時期t的預期壽命對數，x=(x1,x2,L,xm)t=0,1,L,T，xm為最高年齡或最高年齡組，T為調查次數，也代表最后一次調查的時期。αx為不同時期x歲預期壽命對數的均值，可表示壽命的年齡模式，kt為預期壽命隨時間變化的時變因子，βx表示x歲群體對時期變化的敏感度，βxkt是由年齡和時期構成的m×T矩陣且對應列成比例，可以用矩陣Z表示，εx,t為隨機誤差項。

(2)

(3)

為提高預測精度，通常以最后觀察期T的壽命值為基準進行外推(Ermanno & Michel,2009)，即：

(4)

本文也將根據式(4)進行預測。

3.2 有限數據下的Lee-Carter模型

kt=kt-1+d+ξt

(5)

其中d為漂移項，ξt為隨機誤差項，且ξt～N(0,σ)。

需要注意的是，式(5)的建立通常需要大跨度的連貫數據，針對數據有限的情況，本文嘗試以時變因子差分項[kt-kt-1]為切入點展開討論。

假設對于不同的t，[kt-kt-1]是均值d標準差為σ的獨立同分布變量，兩參數估計值可表示為式(6)：

(6)

(7)

(8)

(9)

(10)

進一步地，將式(9)代入式(4)，即可得到LE(x,t)的點估計如式(11)：

(11)

kt為正態分布，那么LEx(t)服從對數正態分布，結合式(10)，LEx(t)的期望值和方差為式(12)和(13)：

(12)

(13)

根據式(12)和(13)，即可得到各年齡預期壽命的區間估計。

最后需要說明的，以上公式適用于相同間隔的調查期，如果間隔期不同，如三次調查分別在2000，2003，2008年，前兩次間隔3年，后兩次間隔5年，那么[kt-kt-1]不再滿足獨立同分布假設，d的估計值雖仍可按上述方法獲得，但σ的估計相當復雜。當然也可以對基礎數據進行處理，將不同間隔轉化為相同間隔，這將是后續研究的一個重點。本文所用數據調查間隔相同(其實大部分調查研究的間隔期都相同)，因此本文的計算將基于以上公式進行。

4 研究結果

4.1 數據來源及概念界定

本文數據來源于北京大學健康老齡與發展研究中心組織的中國老年健康影響因素調查(CLHLS)項目，CLHLS遵循嚴格隨機抽樣原則，調查范圍包括全國23個省市中的800多個縣市區，基于對主要健康指標的可信度和效度、代答或不應答比率、樣本信息缺失程度、內部邏輯錯誤的比率和死亡率可信度的全面評估及眾多學者的使用分析，CLHLS的數據質量被證明是令人比較滿意的(曾毅，2017)。CLHLS為始于1998年的三年期縱貫調查項目，目前已開展七次，因前兩次調查對象主要是80歲及以上高齡老人，本文以2005-2008、2008-2011、2011-2014及2014-2017四次調查數據中65歲及以上老人為研究對象，其中2014-2017年的計算結果既用于穩健性檢驗，也是預測的起始年份。刪除重要信息缺失和失去追蹤樣本，其中重要信息包括分組信息(如年齡、性別、居住地)和健康分類信息(下文所提到的ADLs項目)，最終樣本信息如表1所示。

表1 樣本信息及狀態界定

本文健康概念的界定按照慣例采用日常生活自理能力(ADLs)作為評價標準，ADLs包括六項指標(洗澡，穿衣、室內活動、如廁、進食和控制)，根據ADLs完成情況，將全部六項活動均能獨立完成視為健康(狀態1)，有一項或大于一項不能獨立完成作為不健康(狀態2)，包括死亡(狀態3)共三種狀態，其中狀態1和2為可轉移狀態，即健康可轉為不健康，不健康也可恢復健康，狀態3為吸收狀態。CLHLS項目采用問答形式(對應編號e1-e6)，相關行為能夠無輔助完成得分1，其他情況為0，如表1第(3)列。

作為入駐育成中心的一家IT企業，寧夏希望信息產業公司2013年組建團隊，瞄準住房公積金軟件和平臺開發，建立起從軟件開發到平臺運營的完整的產業鏈。其開發建設的寧夏公積金大數據平臺集中管理公積金數據，被住建部認定為公積金大數據平臺建設的標桿項目。如今，公積金大數據平臺項目已在新疆、遼寧落地，2017年5月又成功中標江蘇鹽城住房公積金項目。

4.2 壽命與健康壽命估計

圖1 健康狀態轉移路徑示意圖

在計算之前首先將樣本按年齡和性別分組，本文選擇3個年齡為一組比通常5年一組更詳細，同時又因為調查間隔期為三年，兼顧了計算的便利性。同一年齡組內再按健康評價標準分為不同狀態組，追蹤每小組觀察期末健康狀態的變化，根據人數的變化計算生存概率s(t,x,i)或健康概率p(t,x,i)。需要說明的是，由于死亡是不可逆的，生存概率s(t,x,i)的計算根據各組生存的人數即可得到，但健康概率p(t,x,i)的計算涉及多種路徑，比如計算p(t,x,2)，可能存在如圖1中健康-健康-健康和健康-不健康-健康兩條路徑，期限越長或者狀態越多涉及的轉移路徑也越多。

表2 時期-性別-年齡別壽命及健康壽命

如果調查間隔如一年或半年時間比較短，可以假設狀態間不發生轉移并根據起始狀態和到達不同狀態的人數比例計算轉移概率，但大部分項目并不是每年都進行，本文使用的CLHLS數據為三年度縱貫調查，上述假設可能會帶來較大誤差，因此本文借鑒Michel和Wagner(2020)和Zeng(2017)的研究方法，采用馬爾可夫(Markov)方法計算轉移概率，由于篇幅所限且該部分不是本文研究重點，略去備索。基于Markov方法計算分時期的性別年齡別壽命和健康壽命如表2。

根據表2可以看出，以2014-2017年為例，65-67歲女性老人剩余壽命和健康剩余壽命分別為15.89和13.24年，不健康壽命為兩者之差，即2.65年。男性老人對應數據分別為14.11、12.24和1.87年。該結果與喬曉春和胡英(2017)的計算結果(男性健康余壽12.62，女性13.73)、杜鵬和李強(2006)的結果(男性健康余壽12.05、女性13.65)及黃匡時(2018)預測的60歲及以上健康壽命為15.8比較接近。另外性別對比看，女性老人壽命和健康壽命均高于男性，同時女性的不健康壽命也明顯高于男性，女性長壽未必健康的結論與大多數文獻一致。

4.3 壽命與健康壽命的預測

該部分包括三個步驟：首先根據已計算的前三次壽命和健康壽命值(見表2中2005-2008、2008-2011和2011-2014)，計算Lee-Carter模型參數αx、βx和kt；然后利用模型預測2014-2017年壽命和健康壽命，并將其與實際估計值(表2中2014-2017列)進行比較，以檢驗模型穩健性；最后以2014-2017年的實際估計值為基準，預測2026-2029年分年齡別性別的壽命和健康壽命及置信區間。

4.3.1 參數估計

圖2 不同參數的估計值注：為簡化表述，圖中各觀察期用中間年份代替，如2008-2011用2010代替，其他同。

4.3.2 穩健性估計

本文將基于截面數據計算的2014-2017分年齡和性別壽命及健康壽命與采用本文預測方法的預測值相比較，根據兩者偏差考察模型穩健性，計算結果如表3。

表(3)中預測值是利用前三次的計算結果和本文方法預測的2014-2017年壽命和健康壽命，絕對偏差是觀測值(見表2相應列)與預測值(表3相應列)之差，相對偏差是絕對偏差與觀測值之比。從相對偏差來看，基本低于通常要求的10%以內的標準，尤其低齡老人預測精度較高，可作為數據有限情況下壽命和健康壽命預測的備選方案，但也需注意偏差較大的個別年齡，如92+歲女性壽命的相對偏差達9%，那么在引用時可能需要校準。

4.3.3 壽命及健康壽命的預測

以2014-2017年估計值為基礎，本文以三年度為單位預測了未來四期的分年齡性別壽命、健康壽命及置信度為95%的置信區間，篇幅所限，本文給出2026-2029年的預測結果如表4，圖3直觀顯示壽命和健康壽命的性別差異。

表3 穩健性檢驗

表4 2026-2029年壽命和健康壽命預測值

圖3 2026-2029年壽命及健康壽命預測值及預測區間

表4數據顯示，預計2026-2029年間65-67年齡段的女性和男性老人剩余壽命分別為18.07和15.81，健康壽命分別為14.55和13.01，對應的不健康壽命為3.52和2.80。本文試圖對預測結果進行比照研究，發現可直接對比的方案比較欠缺，但可以將“健康中國 2030”規劃綱要中“2030 年人均預期壽命達到 79 歲”的遠景目標及2015年聯合國世界人口展望預測的79.08歲(男性77.75，女性80.46歲)作為參考。對比來看，本文2029年的預測值均大于對照組2030年的預測值，考慮目前預期壽命沒有下降的趨勢，所以認為本文的預測值相對較大。其原因可做兩方面的解釋，一是規劃綱要中的79歲是指出生時預期壽命，即0歲時剩余壽命，而本文計算的65-67歲的預期壽命是指已經存活至65-67歲的剩余壽命，顯然在此之前的生存率為1，因此計算結果會大于出生時壽命。同理也可以看到現階段68-70歲的女性老人剩余壽命為16.16，兩者相加壽命為85.16，也大于現階段65-67歲老人84.07的預期壽命；另一個可做樣本選擇性偏差的解釋，本文刪除了重要信息缺失及不能加以追蹤的樣本，剩余的參與調查的樣本通常具有較好的健康狀況，從而導致結果偏高。慶幸的是本文給出的是一置信區間，結果具有一定科學性和彈性。健康壽命的預測現有研究不多，其中李成福等(2018)基于經合組織國家數據、與中國預期壽命近似國家數據和與中國健康預期壽命近似國家的數據并利用年均增加值方法，預測2030年時0歲健康預期壽命平均值女性73.17、男性69.12歲，本文預測值同樣大于該文獻結果，其原因可做類似解釋。

5 壽命與健康壽命的進一步探討

5.1 健康變化模式驗證

增齡是包括中國在內的各個國家和地區人口變化的共同特征，然而所增長的壽命是健康還是不健康壽命是比單純長壽更值得關注的議題，因為不健康壽命的長短將直接關系到社會醫療衛生服務需求投入和疾病經濟負擔的多寡。事實上，許多國家在進入老齡化社會后普遍出現了健康和長壽不同步、甚至是不一致的情況。Manton早在1982年就指出死亡率和發病率不存在必然聯系，并提出根據死亡率、發病率及疾病程度判斷健康變化模式的基本標準。后來在此基礎上依據疾病程度發展出不同定義(Jagger et al.,2020;Maria et al.,2017;Brian et al.,2016)，本文對疾病程度不加分類，采用最簡單也最本質的分類方式，即發病率壓縮、發病率擴張和動態平衡模式，分別對應于健康壽命與壽命的占比(HLE/LE)變大、變小和基本不變三種模式。本文對比中國2014-2017和2026-2029兩時期老人壽命和健康壽命，并根據HLE/LE變化情況對健康變化模式加以驗證(如圖4)。

圖4 老人健康變化情況

圖4主坐標軸顯示的是與2014-2017年相比2026-2029年分年齡性別壽命和健康壽命變化情況，壽命和健康壽命間的差異即為不健康壽命，由圖可以看出無論男性還是女性，壽命、健康壽命和不健康壽命在各年齡段都有不同程度增加，相對而言女性壽命增長幅度更大，尤其低齡老年女性壽命增長非常明顯。就健康壽命而言，男性和女性的差異并不顯著，占優的壽命與無差別的健康壽命使女性不健康壽命比男性更長，也意味著未來女性的照料問題將更加嚴峻。

圖4次坐標軸顯示老年健康變化模式。健康模式既指健康余壽在余壽中的占比隨年齡的變化，即同一觀察期不同年齡上HLE/LE的變化，也指與歷史時期相比，所增加的壽命中更多的是健康壽命還是不健康壽命，表現為兩個時期同一年齡上HLE/LE的對比。根據圖4，首先比較年齡模式，總體來看兩個時期HLE/LE均隨年齡呈下降趨勢，即年齡越大剩余壽命中不健康時間占比越多，大部分年齡的健康壽命占比均明顯大于50%，尤其低齡老人。男性HLE/LE比值在83歲左右出現了回升，可能的原因是男性在74歲左右遭遇高死亡率(如圖中顯示74歲男性壽命增量明顯下降)，經過死亡選擇的老人通常有更好的健康狀況。時間模式來看，對比同一年齡上兩個時期的HLE/LE值，發現并不存在明顯變化，也就是說壽命和健康壽命的變化速度基本同步，不存在明顯的壓縮或擴張，處于動態平衡模式。這一結果為用比例法計算未來醫療費用支出等的預測提供理論支持。

5.2 老年健康變化的國際比較

延長健康壽命是世界各國關注的問題，聯合國在千年發展目標(2000～2015)結束之際又制定了2030可持續發展目標(SDGs)，在《可持續發展指標框架體系》中明確提出將健康壽命納入可持續發展的主要健康監測指標，各國衛生部門也都相應建立健康預期壽命的監測數據庫。為了對中國老年健康發展狀況有直觀了解，本文進行了健康預期壽命的國際比較，主要根據全球健康研究組織(IHME)在Lancet(柳葉刀)上發布的數據，梳理了近年來將健康預期壽命納入國家規劃的國家和國際組織的健康預期壽命發展狀況。參照李成福等(2018)的分類，分別以經合組織國家、與2013年與中國平均壽命接近的部分國家和地區及與2005年與中國平均健康壽命近似的國家和地區作為比較對象。由于所得數據跨度不同，本文通過計算年均增加量進行比較(如表5)。

表5 不同國家和地區健康壽命年均增量

需要說明的是，表5中其他國家或地區年均增加是0歲健康壽命，嚴格說來與本文65-67歲健康壽命不具可比性，但我們仍可得出一些信息：一是65-67歲健康壽命與出生兒健康壽命增長速度的差異來看，前者遠低于后者，間接說明健康壽命的改善更多來自于包括新生兒死亡率和成人死亡率的降低，同時由于新生兒的死亡率已經很低及成人死亡率相對穩定，使得平均健康壽命增加的速度減慢，表5中大部分國家2005-2013年間的0歲健康壽命增長率大于1990-2005年間的增長率印證了這一結論；二是與其他國家年均增長速度出現不同程度下降相比，中國在2017-2029年間老年健康壽命年均增長速度不低于2005-2017年，尤其男性老人的健康壽命，說明我國在這一時期仍處于健康紅利期，這對于又多又老的中國人口國情無疑是利好消息。

6 結論與討論

自1997年《世界衛生報告》呼吁關心預期壽命的同時更要重視健康預期壽命以來，健康預期壽命在相關國際研究、國際政策的戰略規劃中逐步被推廣應用，目前已被大多數國家和地區納入可持續發展的主要健康監測指標并制定了明確的健康壽命發展規劃，中國政府也在《“健康中國2030”規劃綱要》中明確提出2030年顯著提高健康預期壽命的遠景目標，但或許因為中國健康本底數據相對缺乏相關研究還不豐富，規劃綱要并未提供具體的規劃數據，本文嘗試建立有限數據下壽命和健康壽命的估計及預測模型，結合中國老年健康數據對中國老年的健康及變化趨勢進行預測。

既往數據有限情況下的壽命預測通常采用增量法、比例法等傳統外推方法，傳統外推方法使用簡單但未能考慮健康變化的隨機性且缺少適當的統計結構和模型，構建包含時間相關項的動態預測模型、且考慮健康變化隨機性的區間估計將使結果更具嚴謹性和科學性。本文正是基于這一目的，在Lee-Carter模型基礎上推演有限時序數據下壽命及健康壽命的預測值及置信區間，并結合研究結果回應了中國老年健康變化模式及國際比較。本文模型能夠為同類問題的研究提供可對比方案，同時模型具有較大擴展和適用性，比如用來預測未來失能人口規模、失能時間及長期照護費用；或考察不同教育程度、收入水平或社會地位老年健康的異質性，尤其適用于個體信息不很豐富且追蹤調查跨度不大的情況。

本文為有限數據下研究老年健康動態變化提供新思路，同時，本文的研究結果可以為中國老齡社會背景下公共政策評估和討論提供參考。首先，本文結果顯示老人余壽中健康壽命仍占較大比例，尤其低齡老人余壽中約有80%左右處于健康狀態，且男性和女性比例相似，該結果一方面為中國政府逐步延長退休年齡政策提供客觀基礎，另一方面也說明低齡老人具有參與勞動市場的潛力，延長退休并為健康活躍的老人提供工作機會具有可行性和必要性。其次，老人健康模式的年齡特征來看，年齡越大健康壽命占比越小，因此政府公共健康政策的制定既要考察生命長度更要關注生命質量這一根本問題，在大力發展老齡健康服務項目的同時，著力于研究提高壽命延長后有效改善健康水平的科學途徑，努力實施高效的個體化健康干預方案，逐步實現健康且長壽的健康老齡中國夢。最后，未來中國老年壽命、健康壽命及不健康壽命均將繼續增長，健康壽命的改善速度基本能夠匹配壽命增長速度，老年健康基本處于動態均衡模式，但仍需注意該結果與“健康中國”長壽且健康目標的差距，可以嘗試將健康壽命納入中央和地方各級政府優先考核指標，不僅有助于從指標層面促進健康管理，而且可以衡量一個地方居民的健康水平以及評估政府的健康政策和健康干預效果。同時考慮到健康壽命的改善更多依賴于早期和中期生活方式，老年期的改善空間相對有限，也就是說健康壽命其實是一個全生命周期的概念，關口提前加強預防管理可能起到事半功倍的效果。

最后，盡管本文豐富和補充了與健康壽命相關的研究文獻，仍存在一些值得探討的問題，一是健康概念本身。和大多數文獻相似，本文的健康界定仍局限在生理健康領域，但實際上健康不僅僅指沒有疾病或身體不虛弱，還包括精神上和社會適應性等方面處于完整的良好狀態、是一個多維的動態概念，尤其老年健康的測量更應該考慮老人心理、精神、情緒等諸因素，那么未來結合社會技術發展重新思考并界定老年健康開展分析成為必要。二是樣本選擇性偏差，如前文所述，因健康狀況糟糕的個體更可能失去追蹤或不易被調查，可能導致估計值偏高，尤其是高齡老人余壽的估計。所幸本文樣本的代表性及樣本量規模在同類問題的研究中優勢仍非常明顯。三是研究內容上，全生命周期(兒童期，成年期和老年期等)健康變化的比較研究以及健康影響因素的追溯研究，可能為“健康中國”的實現提供更具針對性和更具體的策略。