基于潛在類別分析的多重慢病老年人健康相關行為及生命質量的差異研究

廖雁鳴，鄭曉，4，薛雅卿，肖淑娟，薛本立，李欣茹，陳一鳴，張夢潔，張持晨，4*

1.510515 廣東省廣州市，南方醫科大學衛生管理學院

2.510515 廣東省廣州市，廣東省高校哲學社會科學（健康管理政策與精準健康服務協同創新研究）重點實驗室

3.710061 陜西省西安市，西北婦女兒童醫院

4.510030 廣東省佛山市，南方醫科大學順德醫院（佛山市順德區第一人民醫院）健康管理科

隨著人口老齡化趨勢日益嚴峻，如何有效應對人口老齡化成為我國的重要戰略任務［1］。與人口老齡化不斷加劇并存的是我國老年人慢性病患病率快速增長，慢性病具有起病隱匿、病因復雜、病程長、遷延不愈的特點，導致慢性病防治工作難度較大［2-6］。與此同時，多種慢性病共存情況日趨突出，致殘、致死風險提高，嚴重危及生命安全［7-9］。行為與健康之間存在聯系已被國內外眾多研究證實，不良健康相關行為容易誘發慢性病及多重慢病（即2 種以上慢性病共存現象）并影響生命質量［10-13］。不良健康相關行為是可變的慢性病危險因素，探索多重慢病老年人健康相關行為潛在類別及其與生命質量的關聯有助于識別其健康相關行為類別特征，挖掘影響生命質量的風險行為，為開展精準健康管理提升老年人生命質量提供參考［14］。因此，本研究以多重慢病老年人作為研究對象，探討健康相關行為潛在類別及其與生命質量的關聯，以期為開展精準健康管理提升老年人生命質量提供參考。

1 對象與方法

1.1 調查對象

基于本團隊2021 年建立的“社區老年人群健康行為追蹤調查（Community Health and Behavior of the Elderly Panel Study，CHBEPS）”的基線數據。采用多階段隨機抽樣方法在廣東省21 個地級市選擇4 個地級市為一級單位，在一級單位中分別隨機選擇1 個縣級市（區）為二級單位，每個二級單位分別隨機抽取2～6 個社區或行政村，由團隊成員及經過培訓合格的調查員對社區或行政村中符合標準的老年人展開調查，最終納入3 531 人，回收有效問卷3 392 份，有效回收率為96.06%。其中多重慢病老年人1 395 例（41.13%）。本研究對象的納入標準：（1）年齡≥60 歲；（2）自愿參加研究，填寫知情同意書；（3）可自行完成或在調查員的幫助下完成問卷調查；（4）患有多重慢病。排除標準：（1）意識不清，精神異常者；（2）具有認知功能障礙者；（3）正在參加其他類似研究課題者；（4）不愿合作者。本研究獲南方醫科大學倫理委員會批準（批準編號：南醫倫審2022 第27 號）。

1.2 調查工具

1.2.1 一般資料調查表：采用團隊自制問卷收集調查對象基本信息，包括性別、年齡、身高、體質量、慢性病數量、居住地、是否有宗教信仰、文化程度、離職或退休前的職業、目前是否在職、個人月收入、家庭月均收入、醫保類型、婚姻狀況等。

1.2.2 疾病狀況調查表：采用團隊自制問卷收集調查對象的慢性病情況。其中慢性病的種類包括冠心病、動脈粥樣硬化、心律失常、高血壓、高脂血癥、慢性支氣管炎、哮喘、白內障、青光眼、慢性胃炎、慢性阻塞性肺疾病、慢性肝炎/脂肪肝、慢性腎炎、風濕或類風濕性關節炎、痛風、骨質疏松癥、坐骨神經痛、腦卒中/中風、老年癡呆/腦萎縮/帕金森病、情感或精神方面問題、糖尿病、甲狀腺功能亢進/甲狀腺功能減退、惡性腫瘤、慢性病貧血/缺鐵性貧血24 種疾病以及調查對象自填的其他疾病。

1.2.3 健康相關行為調查表：采用團隊自制問卷收集調查對象的吸煙情況、飲酒情況以及飲食偏好。其中飲食偏好包括飲食口味偏好（甜、辣、酸、咸、淡、油、烤、熱、涼、其他）、三餐是否規律、是否注重葷素搭配、是否經常食用蔬菜、是否經常食用水果。

采用匹茲堡睡眠質量指數量表（PSQI）條目1 衡量調查對象近1 個月的熬夜情況。該量表有18 個條目，包括入睡時間、睡眠時間、睡眠效率、睡眠障礙、主觀睡眠質量、催眠藥物應用、日間功能障礙7 個因子［15］。本研究以該量表中條目1 的入睡時間晚于23：00 定義為熬夜［16］。

采用國際體力活動短量表中文版（IPAQ-S-C）衡量調查對象最近7 d 的體力活動情況。該量表包括重度體力活動、中度體力活動、步行活動和靜坐活動，前3 部分包括最近7 d 參加活動的頻率和每次活動持續的時間，第4 部分包括每次活動持續的時間［17-18］。前3部分每個部分代謝當量（metabolic equivalent，MET）依次為8.0、4.0、3.3［19］。體力活動強度等于前3 部分MET×每次持續時間×每周天數，分為高（≥3 000 METs）、中（600～3 000 METs）、低（＜600 METs）3個水平。

采用社會網絡量表簡版（LSNS-6）衡量調查對象的社會網絡情況。該量表包括2 部分6 個條目，其中前3 個條目為第1 部分，用于評估家庭網絡，后3 個條目為第2部分，用于評估朋友網絡。每個條目得分為0～5分，量表總分為0～30 分，得分越低表示社會隔離的風險越高，21～30 分表示低社會隔離風險，18～20 分表示中等風險，12～17 分表示高風險，0～11 分表示社會隔離［20-21］。該量表的2 部分滿分均為15 分，每部分得分＜6 分被視為該部分為隔離狀態。本研究中該量表的Cronbach'sα系數為0.869。

1.2.4 生命質量調查表：采用歐洲五維五水平健康量表（EQ-5D-5L）衡量調查對象的生命質量。該量表包含5 個維度，分別為行動能力（MO）、自我照顧能力（SC）、日常活動能力（UA）、疼痛或不舒服（PD）、焦慮或沮喪（AD），每個維度包含沒有任何困難、輕微困難、中度困難、嚴重困難、極其嚴重困難或不能5 個水平［22］。5 個維度在5 個水平（由低到高）評分依次為MO（0、0.066、0.158、0.287、0.345）、SC（0、0.048、0.116、0.210、0.253）、UA（0、0.045、0.107、0.194、0.233）、PD（0、0.058、0.138、0.252、0.302）、AD（0、0.049、0.118、0.215、0.258），總得分計算方式為：1-（MOn+SCn+UAn+PDn+ADn），n 的取值為1、2、3、4、5，總得分范圍為-0.391～1.000分［23］。本研究中該量表的Cronbach'sα系數為0.827。

1.3 質量控制

調查開始前，由團隊成員對調查問卷進行邏輯檢查及對調查員進行培訓；調查過程中，團隊成員及培訓合格的調查員嚴格按照抽樣方法、納入與排除標準選取調查對象，團隊成員與調查員保持溝通，調查員定期匯報調查進展及遇到的問題等；調查結束后，由團隊成員統一進行質量檢查，剔除不合格問卷。

1.4 統計學方法

采用Mplus 8.3 軟件進行多重慢病老年人健康相關行為潛在類別分析（latent class analysis，LCA）。LCA模型適配指標包括赤池信息準則（Akaike information criteria，AIC）、貝葉斯信息準則（Bayesian information criteria，BIC）和校正的貝葉斯信息準則（adjusted Bayesian information criteri，aBIC）、羅- 蒙代爾- 魯本校正似然比（Lo Mendell-Rubin Likelihood ratio test，LMRT）、基于Bootstrap 的似然比檢驗（Bootstrapped Likelihood ratio test，BLRT） 以 及 熵（Entropy）［14，24］。其中AIC、BIC 及aBIC 越小則表示擬合程度越好；LMRT 和BLRT 的P＜0.05 時表示k 類模型的擬合程度好于k-1 類；Entropy 表示分類精度，取值范圍為0～1，越接近1 表示分類越精確，Entropy ≥0.8 時表示分類精準率超過90%［24-25］。平均歸屬概率矩陣對角線上的值＞0.7 時表示模型是可接受的［26］。在確定擬合模型的基礎上，以多重慢病老年人健康相關行為的潛在類別分組，分析不同健康相關行為潛在類別多重慢病老年人生命質量的差異。經檢驗，多重慢病老年人生命質量不服從正態分布，以M（P25，P75）表示，并采用SPSS 26.0軟件進行Kruskal-Wallis 秩和檢驗，兩兩比較時采用Wilcoxon秩和檢驗。以P＜0.05表示差異具有統計學意義。

2 結果

2.1 多重慢病老年人一般資料

1 395 例多重慢病老年人中，男569 例（40.8%），女826 例（59.2%）；平均年齡（71.3±6.5）歲；平均身高（156.6±9.0）cm；平均體質量（58.1±10.9）kg；慢性病數量：2 種555 例（39.8%），3 種408 例（29.2%），4 種188 例（13.5%），≥5 種244 例（17.5%）；居住地：城市672 例（48.2%），農村723 例（51.8%）；是否有宗教信仰：無1 273 例（91.3%），有122 例（8.7%）；文化程度：小學及以下857 例（61.4%），初高中490 例（35.1%），大專及以上48 例（3.4%）；離職或退休前的職業：機關/事業單位149 例（10.7%），企業人員90 例（6.5%），工人160 例（11.5%），個體私營業主或自由職業者75 例（5.3%），商業/服務人員26 例（1.8%），農民812 例（58.2%），軍人12例（0.9%），無業或失業54 例（3.9%），其他17 例（1.2%）；目前是否在職：否1 201 例（86.1%），是192 例（13.8%），缺失值2 例（0.1%）；個人月收入：無收入122 例（8.7%），＜1 000 元451 例（32.3%），1 000～＜3 000 元452 例（32.4%），3 000～＜5 000 元253例（18.1%），≥5 000 元117 例（8.5%）；家庭月均收入：無收入39 例（2.8%），＜1 000 元230 例（16.5%），1 000～＜3 000 元332 例（23.8%），3 000～＜5 000 元412例（29.5%），≥5 000 元381 例（27.3%），缺失值1例（0.1%）；醫保類型：城鎮職工基本醫療保險266 例（19.1%），城鄉居民基本醫療保險1 068 例（76.6%），社會救助4 例（0.3%），商業醫療保險2 例（0.1%），全公費8 例（0.6%），全自費34 例（2.4%），其他10例（0.7%），缺失值3 例（0.2%）；婚姻狀況：已婚1 024 例（73.4%），未婚12 例（0.9%），離異15 例（1.1%），喪偶344 例（24.6%）。

2.2 多重慢病老年人健康相關行為潛在類別模型擬合情況

本研究探索了多重慢病老年人健康相關行為的潛在類別模型，模型擬合指標見表1。AIC、BIC、aBIC 隨著類別數量的增加總體上數值不斷下降，但BIC 由4 類別到5 類別時數值小幅上升。LMRT 的P 值在2 類別至4 類別時＜0.001，在5 類別時為0.541 1，BLRT 的P 值在2 類別至5 類別均＜0.001。Entropy 的值在2 類別至5類別均＞0.8。隨類別數量增加，類別概率逐步下降，在1 至4 類別時最低類別概率＞0.1，在5 類別時最低類別概率為0.074。綜合各項指標，認為4 個類別時模型擬合效果較好，因此選擇4 個類別。4 類別模型平均歸屬概率矩陣對角線上的值均＞0.7，認為將多重慢病老年人健康相關行為劃分為4 個類別時模型是可靠的，見表2。

表1 多重慢病老年人健康相關行為潛在類別模型擬合指標Table 1 Model fitting indicators for latent classes of health-related behavior in older adults with multimorbidity

表2 多重慢病老年人健康相關行為各潛在類別的平均歸屬概率矩陣Table 2 Average attribution probability matrix for each latent class of health-related behavior in older adults with multimorbidity

2.3 多重慢病老年人健康相關行為的潛在類別特征

本研究將多重慢病老年人健康相關行為劃分為4 個潛在類別，見圖1。類別1 共280 例（20.1%），其突出特點為飲食口味偏好中喜清淡以及三餐規律、注重葷素搭配、經常食用水果以及社會網絡等行為概率最高，飲食口味偏好中喜甜、辣、酸、咸、油、熱、涼以及體力活動等行為概率最低，行為相對健康，命名為健康行為組。類別2 共366 例（26.2%），其突出特點為吸煙、飲食口味偏好中喜甜、辣、酸、油、烤、熱以及熬夜等行為概率最高，注重葷素搭配、經常食用水果的行為概率最低，行為相對危險，命名為危險行為組。類別3 共173 例（12.4%），其突出特點為飲酒、飲食口味偏好中喜咸、其他等行為概率最高，兼具健康和危險行為，命名為綜合行為組。類別4 共576 例（41.3%），其突出特點為飲食口味偏好中喜涼的行為概率最高，經常食用蔬菜、社會網絡等行為概率最低，行為存在一定風險，命名為不良健康行為組。

圖1 多重慢病老年人健康相關行為潛在類別的條件概率圖Figure 1 Conditional probability graph of latent classes of health-related behavior in older adults with multimorbidity

類別1 與類別4 在吸煙、飲酒以及飲食口味偏好以及三餐規律等行為概率趨于一致。類別1 與類別3 在飲食口味偏好中喜烤、熱以及三餐規律、經常食用水果、體力活動等行為概率趨于一致。類別2 與類別3 在吸煙、飲酒以及飲食口味偏好以及體力活動等行為概率趨于一致，但類別2 的行為概率稍高。類別2 與類別4 在三餐規律、注重葷素搭配、經常食用蔬菜和水果、熬夜、體力活動、社會網絡等行為概率趨于一致。

2.4 不同健康相關行為的潛在類別老年人生命質量差異分析

以多重慢病老年人健康相關行為潛在類別分組，探討不同潛在類別老年人生命質量的差異，Kruskal-Wallis 秩和檢驗結果顯示，不同健康相關行為潛在類別的多重慢病老年人生命質量比較，差異有統計學意義（H=12.993，P=0.005）；Wilcoxon 秩和檢驗結果表明，健康行為組老年人生命質量高于危險行為組和不良健康行為組，差異有統計學意義（P＜0.05），見表3。

表3 不同健康相關行為潛在類別多重慢病老年人生命質量對比分析表［M（P25，P75），分］Table 3 Comparative analysis of quality of life among older adults with multimorbidity in different latent classes of health-related behaviors

3 討論

本研究結果顯示，老年人多重慢病患病率為41.13%。2017 年一項針對山東省農村老年人的研究結果顯示多重慢病患病率為34.5%；2010 年一項全國范圍內的60 歲以上老年人的研究結果顯示2 種及以上慢性病患病率為28.06%；一項基于中國健康與養老追蹤調查數據2018 年的研究指出多重慢病患病率為55.41%［27-29］。本研究結果顯示多重慢病患病率與既往研究結果存在一定的差異，但是介于既往研究結果的范圍之間，可能的原因是地域范圍及樣本年齡等存在差異。

本研究探索了多重慢病老年人健康相關行為的潛在類別，根據模型適配指標，多重慢病老年人健康相關行為可劃分為4 個潛在類別，各潛在類別老年人健康相關行為存在差異。因此，在為多重慢病老年人進行健康管理時應根據其行為特征進行精準化管理。Kruskal-Wallis秩和檢驗結果顯示不同健康相關行為潛在類別的多重慢病老年人生命質量差異具有統計學意義（P＜0.05），進一步通過Wilcoxon 秩和檢驗兩兩比較分析發現，健康行為組老年人生命質量高于危險行為組和不良健康行為組。通過對不同健康相關行為潛在類別老年人行為特征對比分析發現，健康行為組老年人突出表現在吸煙、飲酒行為概率較低，飲食口味偏好中喜清淡以及三餐規律、注重葷素搭配、經常食用水果以及社會網絡等行為概率最高。危險行為組老年人在吸煙、飲酒及飲食口味偏好中喜甜、辣、咸等行為概率較高，熬夜行為概率最高，注重葷素搭配、經常食用蔬菜和水果以及社會網絡等行為概率相對較低。不良健康行為組老年人在吸煙、飲酒及飲食口味偏好行為概率與健康行為組趨于一致，但在注重葷素搭配、經常食用蔬菜和水果以及社會網絡等行為概率顯著低于健康行為組。危險行為組與不良健康行為組在注重葷素搭配、經常食用蔬菜和水果、熬夜、體力活動、社會網絡等行為概率趨于一致。綜上所述，吸煙、飲酒及飲食口味偏好中喜甜、辣、咸等行為概率較高的老年人生命質量較低，注重葷素搭配、經常食用蔬菜和水果以及社會網絡等行為概率較低的老年人生命質量較低。

本研究結果提示，多重慢病老年人吸煙和飲酒行為概率較高的老年人生命質量較低，與既往研究結果一致，吸煙和過量飲酒已被證實是健康的危害因素［30］。有研究指出，膳食多樣性與生命質量呈正相關［31］。本研究結果與之一致，注重葷素搭配、經常食用蔬菜和水果行為概率較高的老年人擁有更高的生命質量。本研究結果顯示，飲食口味偏好中喜甜、辣、咸等行為概率高的老年人生命質量較飲食口味偏好中喜清淡的老年人更差。一項關于中國飲食口味與慢性病空間關聯的研究指出，過咸與過辛辣是慢性病的危險因素，一定程度的甜也是慢性病的危險因素，但甜度與慢性病并非線性關系［32］。該研究僅探索了單一口味與慢性病的關系，與本研究的飲食口味多樣化存在差異，但均顯示飲食口味與慢性病或生命質量存在關聯。有研究指出，社會網絡所提供的社會支持能夠緩解個體的消極情緒體驗，對健康相關生命質量影響較大，良好的社會支持有利于身心健康，社會隔離會增加慢性病的風險，本研究結果與之一致［33-35］。此外，本研究發現多重慢病老年人存在熬夜行為概率較高和體力活動行為概率過低等共性問題。既往研究顯示，入睡時間點是反映個體睡眠質量的重要指標，而熬夜是個體健康的危害因素之一［36］。也有研究顯示，缺乏體力活動是高血壓、糖尿病等慢性病的危險因素，中、重度體力活動是老年人罹患慢性病的保護因素［37］。因此，在為多重慢病老年人進行精準健康管理時應考量其健康相關行為特征，重點關注吸煙、飲酒及飲食口味偏好中喜甜、辣、咸等行為概率較高的人群，以及注重葷素搭配、經常食用蔬菜和水果以及社會網絡等行為概率較低的人群，同時應關注到熬夜行為以及體力活動不足等共性問題有針對性地采取措施，提升多重慢病老年人健康管理的精確性和有效性。

本研究存在一定局限：第一，本研究選取廣東省4個地級市多重慢病老年人作為研究對象，可能存在地區差異，研究結果外推的可行性有待進一步研究驗證；第二，本研究將潛在類別變量劃分為是或否，僅探索了行為是否存在，未進一步探索行為強度的影響；第三，本研究數據來源于橫斷面調查，在驗證變量的因果關系方面存在局限，也未考慮到行為隨時間變化的情況。

作者貢獻：張持晨提出研究思路和總體目標，負責研究的設計與實施，文章的質量控制與審查，對文章整體負責，全程監督管理；廖雁鳴負責數據分析以及撰寫論文；廖雁鳴、鄭曉、薛雅卿、肖淑娟、薛本立、李欣茹、陳一鳴、張夢潔進行數據的收集與整理；廖雁鳴、鄭曉、肖淑娟、薛本立、張持晨進行論文的修訂。

本文無利益沖突。