中國醫療衛生人員超重/肥胖危險因素研究

【摘要】 背景 醫療衛生人員在預防和控制COVID-19大流行方面發揮了關鍵作用。高感染風險和密集的工作不僅導致醫療衛生人員職業倦怠，并且嚴重影響了他們的心理健康和生活方式，大量國外研究表明，新型冠狀病毒感染疫情導致醫療衛生人員出現膳食不合理、運動減少、睡眠障礙等情況，增加了超重和肥胖的風險。截至目前，有關新型冠狀病毒感染疫情對中國醫療衛生人員體重及生活方式變化影響的研究較少，影響體重變化的主要生活方式因素尚不清楚。目的 通過構建貝葉斯網絡模型，分析新型冠狀病毒感染疫情對中國醫療衛生人員超重/肥胖的影響及其危險因素，為重大傳染病疫情期間預防和控制超重/肥胖提供科學依據。方法 于2022年8月，隨機抽取5個省/自治區/直轄市的100家醫療衛生機構中的醫療衛生人員，采用課題組自行編寫的調查問卷［Cronbach's α=0.820，公因子累積方差貢獻率（AVCR）=63.55%］，調查對象通過掃描“問卷星”平臺生成的電子問卷二維碼，填寫并提交問卷。使用SPSS 25.0軟件進行描述性統計分析，使用R 4.3.0軟件的“bnlearn”包構建貝葉斯網絡模型，并使用Netica 6.09軟件進行貝葉斯網絡模型概率預測。結果 本研究共調查醫療衛生人員20 261名，其中女性占67.57%

（13 690/20 261）；平均年齡（40.2±9.2）歲；文化程度為大專或本科的占73.28%（14 848/20 261）。2019、2022年超重/肥胖率分別為43.06%（8 726/20 261）和45.71%（9 262/20 261）。2019—2022年，12.64%（1 458/11 535）的調查對象BMI由消瘦/正常變為超重/肥胖。貝葉斯網絡模型共納入15個節點，其中，吃蔬菜水果、吃早餐頻次、飲酒、飯量為調查對象BMI由消瘦/正常變為超重/肥胖的父節點，當吃蔬菜水果“有所減少”、吃早餐頻次“無變化”、飲酒“無變化”且飯量“增加很多”時，BMI由消瘦/正常變為超重/肥胖的風險最高，為75.00%。當吃蔬菜水果為“增加很多”、吃早餐頻次為“有所增加”、飲酒為“從不或很少”且飯量為“有所減少”時，BMI由消瘦/正常變為超重/肥胖的風險最低，為2.04%。貝葉斯網絡概率預測模型發現，當調查對象熬夜及持續性壓力/焦慮/抑郁情緒“有所增加”、睡眠時間及吃蔬菜水果“有所減少”、吃早餐頻次“減少很多”、飲酒“無變化”且飯量“有所增加”時，BMI由消瘦/正常變為超重/肥胖的風險為26.70%，如果該研究對象吃早餐頻次“增加很多”時，則BMI由消瘦/正常變為超重/肥胖的發生風險降低為14.30%。結論 吃蔬菜水果、吃早餐頻次、飲酒以及飯量是醫療衛生人員超重/肥胖的直接預測因素，新冠疫情等重大傳染病疫情期間，在確保醫療衛生機構正常運轉的前提下，實行合理的輪休制度，提供心理支持和生活方式行為干預服務，有利于醫療衛生人員肥胖防控。

【關鍵詞】 超重；肥胖；醫療衛生人員；生活方式；貝葉斯網絡

【中圖分類號】 R 194.3 【文獻標識碼】 A DOI：10.12114/j.issn.1007-9572.2023.0582

Predictors for Overweight/Obesity of Chinese Healthcare Workers

GUO Xinyue1，GONG Shaoqing2，HOU Xiaohui3，SUN Tong4，WEN Jianqiang5，WANG Zhiyao6，HE Jingyang7，SUN Xuezhu8，9，WANG Sufang1，TIAN Xiangyang1，3*，FENG Xue8，9*

1.Department of Nutrition and Food Hygiene，School of Public Health，Anhui Medical University，Hefei 230031，China

2.Luohe Medical College，Luohe 462002，China

3.Chinese Center for Health Education，Beijing 100011，China

4.Shandong Center for Disease Control and Prevention，Jinan 250013，China

5.Gansu Province Traditional Chinese Medicine Development Center，Lanzhou 741020，China

6.Xinjiang Uygur Autonomous Region Health Promotion and Education Center，Urumqi 830000，China

7.Health Education Institute of Henan Center for Disease Control，Zhengzhou 450003，China

8.Cardiac Rehabilitation Center，Fuwai Hospital，Chinese Academy of Medical Sciences，Beijing 100037，China

9.Center for Healthy Lifestyle Medicine，National Cardiovascular Center，Beijing 100037，China

*Corresponding authors：TIAN Xiangyang，Chief physician；E-mail：healthtian@163.com

FENG Xue，Associate chief physician；E-mail：29611290@qq.com

GUO Xinyue and GONG Shaoqing are co-first authors

【Abstract】 Background Healthcare workers have played a crucial role in preventing and controlling the COVID-19 pandemic. However，the heightened risk of infection and intense work schedules have not only induced occupational burnout among them but also significantly impacted their mental health and lifestyles. A large number of foreign studies have shown that the COVID-19 pandemic has led to unreasonable diet，reduced exercise，irregular work and rest，and decreased sleep quality among HCWs，increasing the risk of overweight and obesity. Despite this，research on weight and lifestyle changes among Chinese healthcare workers during the pandemic is limited，and the key lifestyle factors contributing to these weight changes remain unclear. Objective To analyze the predictors of overweight and obesity in Chinese healthcare workers by constructing a Bayesian network model，and to provide a scientific basis for the prevention and control of overweight and obesity. Methods In August 2022，Chinese healthcare workers in 100 medical institutions from five provinces/autonomous regions/municipalities were randomly sampled，and the questionnaire（Cronbach's α=0.820，AVCR=63.55%） was prepared by the researchers to collect data. All respondents were required to scan QR code generated by the \"Wenjuanxing\" to answer the e-questionnaire and submit. The \"bnlearn\" package of R 4.3.0 software was used to construct a Bayesian network model，and Netica 6.09 software was used for Bayesian network risk prediction. Results The study surveyed a total of 20 261 healthcare workers，of whom females accounted for 67.57%（13 690/20 261）；The average age was （40.2±9.2） years old；73.28%（14 848/20 261） had a college or undergraduate education level. In 2019 and 2022，the overweight/obesity rates were 43.06%（8 726/20 261） and 45.71%（9 262/20 261），respectively. From 2019 to 2022，12.64%（1 458/11 535） of survey respondents' BMI changed from underweight/normal to overweight/obese. The Bayesian network model included a total of 15 nodes，and the amount of consumption of vegetables and fruits，breakfast frequency，alcohol drinking，and appetite were the parent nodes of BMI changing from underweight/normal to overweight/obesity，and when there were \"a reduction\" in the consumption of vegetables and fruits，\"no change\" in frequency of eating breakfast，alcohol drinking consumption \"no change\"，and \"a great increase\" in the appetite the risk of BMI changing from underweight/normal to overweight/obese was the highest（75.00%）. And when there were \"a great increase\" in consumption of vegetables and fruits，\"an increase\" in the frequency of eating breakfast，\"never or rarely\" in alcohol drinking and \"a reduction\" in appetite，the risk of becoming overweight/obese was the lowest（2.04%）. Conclusion Consumption of vegetables and fruits，eating breakfast frequently，drinking alcohol and appetite are the direct predictors of overweight/obesity of Chinese healthcare workers. During the epidemic of major infectious diseases such as the COVID-19，on the premise of ensuring the normal operation of medical and health institutions，a reasonable rotation system is implemented to provide psychological support and lifestyle behavior intervention services，which is conducive to the prevention and control of obesity of healthcare workers.

【Key words】 Overweight；Obesity；Healthcare worker；Lifestyle；Bayesian network

肥胖是一種常見的營養代謝性疾病，受遺傳、環境和生活習慣等多種因素影響［1］。研究表明，肥胖會增加高血壓、糖尿病、冠心病、卒中、特定癌癥、骨質疏松等多種慢性病的患病風險［2-8］，影響日常活動和生活質量，甚至會導致精神和情緒紊亂［9］，損害工作能力［10］，增大因病缺勤率和加班率［11-13］，還有可能增加職業傷害。

醫療衛生人員在新型冠狀病毒感染疫情（簡稱新冠疫情）防控中發揮關鍵作用［14］，高感染風險［15］、長時間隔離和高強度工作不僅有可能造成過勞，也會對他們的心理［16］、作息［17-18］、身體活動、膳食等生活方式行為產生顯著影響［19］。ZHANG等［20］調查顯示，在支援湖北的部分醫務人員中，大部分存在飲食不均衡的情況，26.2%的醫務人員體重增加。GOMES等［21］調查發現，新冠疫情期間有60.0%的巴西醫務人員身體活動減少，39.9%酒精攝入量增加，32.9%體重增加。OLIVER等［22］調查表明，新冠疫情期間，美國有70%的衛生保健工作者零食消費增加，60%增加了快餐/外賣食品消費，50%飲酒增加。

截至目前，有關新冠疫情對中國醫療衛生人員體重及生活方式變化方面影響的研究較少，影響體重變化的主要生活方式因素尚不清楚。為此，課題組于2022年8月對2019—2022年中國醫療衛生人員體重與生活方式變化情況進行了線上調查，應用貝葉斯網絡對可能導致體重增加的生活方式因素進行風險概率分析，探討新冠疫情等重大傳染病疫情對醫療衛生人員體重和相關生活方式變化的影響，為開展相關干預、保護和促進醫療衛生人員健康提供科學依據。

1 對象與方法

1.1 研究對象

本研究采用多階段整群隨機抽樣方法，從32個省/自治區/直轄市中隨機抽取北京市、山東省、河南省、甘肅省和新疆維吾爾自治區作為調查地區。考慮到醫療衛生機構的省際差異和省內同質性，根據便利抽樣原則，兼顧城鄉分布、機構性質（醫院、疾病預防控制中心、社區衛生服務中心）和規模，從5個抽中的省級行政區中各抽取20家醫療衛生機構（醫院、疾病預防控制中心、社區衛生服務中心）。將被抽中的醫療衛生機構中所有符合納入標準的醫療衛生人員作為調查對象。

納入標準：（1）年齡≥24歲；（2）2019—2022年在本機構工作；（3）擁有并使用裝有微信應用程序的智能手機；（4）知情同意并自愿參加調查。排除標準：（1）不愿意參與本次調查；（2）由其他原因（如藥物不良反應、內分泌疾病等）導致身體異常的醫療衛生

人員。

1.2 方法

1.2.1 調查方法：本研究對回顧性調查，使用結構化自填式電子問卷，收集調查對象2019年和2022年身高和體重以及2019—2022年生活方式行為變化方面的數據。

1.2.2 調查工具：本調查問卷由研究人員自行編制。問卷內容包括知情同意、問卷填寫指南、社會人口學特征、2019年和2022年的身高（m）和體重（kg）（根據每年的體檢記錄獲得）、2019—2022年的生活方式行為（飲食習慣、體力活動、睡眠質量、吸煙、飲酒、壓力/焦慮/抑郁情緒）變化情況等。

社會人口學特征包括性別、年齡、文化程度、工作和生活地點。

飲食習慣包括食用外賣食品（一般被認為是超加工食品）、蔬菜和水果、油炸食品、零食或甜點、含糖飲料以及早餐頻率。

睡眠質量包括熬夜［23-24］、睡眠時長等。

BMIlt;18.5 kg/m2定義為消瘦，18.5 kg/m2≤BMIlt;24.0 kg/m2為正常，24.0 kg/m2≤BMIlt; 28.0 kg/m2為超重，BMI≥28.0 kg/m2為肥胖［25］。

持續性壓力情緒：“在過去的3年里，你是否經常經歷太多的精神或情緒壓力，讓你生氣、發怒、不安、沮喪、擔心，或者至少6個月無法入睡？”；持續性焦慮情緒：“在過去的3年里，你是否反復經歷過緊張、不安或即將到來的危險、恐慌，心率增加、出汗、呼吸加速、顫抖至少6個月？”；抑郁情緒：“在過去的3年里，你是否經歷了持續的悲傷，流淚，空虛或絕望，在大多數或所有正常活動失去興趣或快樂，如性、愛好或運動，憤怒爆發，易怒或沮喪至少6個月？”。

問卷中的每個問題均按照5級Likert量表［26］設置選項，分別為“增加很多”“有所增加”“無變化”“有所減少”“減少很多”，并單獨設立“從不或很少”選項。

探索性因子分析顯示問卷的信效度良好，Cronbach's α系數為0.820，公因子累積方差貢獻率（accumulated variance contribution rate，AVCR）為63.55%。

1.2.3 數據收集：采用問卷星網絡調查系統?（在線問卷調查平臺）［27］生成電子問卷二維碼。由各省調查員聯系被抽取醫療衛生機構的聯絡員，向本機構內所有符合納入標準的醫療衛生人員發送二維碼，調查對象通過微信掃描/長按填寫電子問卷，完成后提交到“問卷星?”后臺。為確保單個調查對象的唯一性，每個微信號被設置為僅可填寫1次。

為保證所填寫信息的真實性和有效性，在電子問卷起始處說明本次調查采用匿名方式進行，且受訪者提供的所有信息將被嚴格保密。本研究共發放問卷25 000份，回收問卷24 344份，回收率為97.38%。對每份提交的問卷進行審核，條目不完整、缺失、填寫不正確、有明顯邏輯錯誤的問卷為無效問卷（1 402份，5.76%）。由于構建貝葉斯網絡時存在缺失值，為保證統計分析結果的準確性，將年齡、身高、體重存在缺失的問卷剔除

（2 681份，11.54%），最終進入分析的樣本為20 261份。

1.3 倫理學事項

本研究遵守科研倫理學準則，在電子問卷的卷首語中明確說明本次調查的目的，并聲明進行隱私保護，調查對象對于本次調查可以直接拒絕，可以不回答任何不愿意回答的問題，并可以隨時終止。本研究得到中國醫學科學院阜外醫院倫理委員會的批準（2021-1559）。

1.4 統計學方法

采用SPSS 24.0軟件對數據進行統計分析。其中計量資料采用（x-±s）表示；計數資料采用相對數表示，組間比較采用χ2檢驗或趨勢χ2檢驗。采用貝葉斯網絡構建BMI由消瘦/正常（2019年）變為超重/肥胖（2022年）的條件概率預測模型，以Plt;0.05為差異有統計學意義。

本研究首先采用單因素分析方法初步探索中國醫療衛生人員由消瘦/正常變為超重/肥胖的影響因素，保留Plt;0.1的變量，納入貝葉斯網絡模型分析。應用R 4.3.0軟件中的“bnlearn”包［28］進行貝葉斯網絡構建。首先對數據進行因子化，通過比較搜索評分算法中的禁忌搜索算法（tabu search）與爬山算法（hill-climbing algorithm，hc）的貝葉斯信息量（BIC）得分，禁忌搜索算法（-328 046.9）BIC得分小于爬山算法

（-326 889.2），因此采用禁忌搜索算法進行結構學習，調用bn.fit函數進行參數學習（mle極大似然估計法），并使用Netica 6.09軟件［29］進行貝葉斯網絡推理。

2 結果

2.1 調查對象一般人口學特征

20 261名調查對象中，男6 571名（32.43%），女13 690名（67.57%）；年齡24～80歲，平均年齡（40.2±9.2）歲，其中大部分處于34～43、44～53歲年齡段，占65.88%（13 348/20 261）；文化程度為大專或本科的占比最多（73.28%，14 848/20 261）；工作和生活在城鎮的占61.29%（12 417/20 261），具體見表1。

2.2 2019—2022年調查對象BMI由消瘦/正常變為超重/肥胖情況

2019年和2022年超重/肥胖率分別為43.06%（8 726/20 261）和45.71%（9 262/20 261），其中男性2019年和2022年的超重/肥胖率分別為66.08%（4 342/6 571）和67.92%（4 463/6 571），均高于女性2019年［32.02%（4 384/13 690）］和2022年的超重/肥胖率［35.06%（4 799/13 690）］，差異有統計學意義（Plt;0.05）。2019年和2022年超重/肥胖率分別隨年齡增加而升高（Plt;0.001），2022年超重/肥胖率分別隨文化程度的提高而下降（Plt;0.001）。2019—2022年，12.64%（1 458/11 535）的醫療衛生人員由消瘦/正常變為超重/肥胖。不同性別、主要工作和生活地區者由消瘦/正常變為超重/肥胖情況比較，差異均有統計學意義（Plt;0.05），見表1～3。

2.3 2019—2022年調查對象生活方式行為改變及BMI由消瘦/正常變為超重/肥胖情況

鍛煉身體、熬夜、吃外賣食品、吃蔬菜水果、吃早餐頻次、吃油炸食品、吃零食甜點、喝含糖飲料、飲酒、壓力/焦慮/抑郁情緒、飯量、睡眠時間不同變化情況之間由消瘦/正常變為超重/肥胖情況比較，差異均有統計學意義（Plt;0.05）。鍛煉身體（5.31%）、吃蔬菜水果（6.01%）“增加很多”者，由消瘦/正常變為超重/肥胖的比例最低；熬夜（8.20%）、吃外賣食品（10.48%）、吃油炸食品（11.90%）、吃零食甜點（11.21%）、喝含糖飲料（11.98%）、飲酒（12.31%）、壓力/焦慮/抑郁情緒（8.38%）、飯量（14.95%）、睡眠時間（8.64%）“增加很多”者，BMI由消瘦/正常變為超重/肥胖的比例最高，差異有統計學意義（Plt;0.05），見表4。

2.4 貝葉斯網絡模型分析

貝葉斯網絡模型共納入15個節點，分別為性別、主要工作和生活地區、鍛煉身體、熬夜、吃外賣食品、吃蔬菜水果、吃早餐頻次、吃油炸食品、吃零食甜點、喝含糖飲料、飲酒、壓力/焦慮/抑郁情緒、飯量、睡眠時間、BMI由消瘦/正常變為超重/肥胖。

網絡構建發現，吃蔬菜水果、吃早餐頻次、飲酒、飯量為BMI由消瘦/正常變為超重/肥胖的父節點，當吃蔬菜水果“有所減少”、吃早餐頻次“無變化”、飲酒“無變化”且飯量“增加很多”時，BMI由消瘦/正常變為超重/肥胖的風險最高，為75.00%；當吃蔬菜水果為“增加很多”、吃早餐頻次為“有所增加”、飲酒為“從不或很少”且飯量為“有所減少”時，BMI由消瘦/正常變為超重/肥胖的風險最低，為2.04%。鍛煉身體是吃蔬菜水果的唯一父節點，當鍛煉身體“增加很多”時，吃蔬菜水果“增加很多”的概率最高，為50.70%；睡眠時間是吃早餐頻次的唯一父節點，當睡眠時間“增加很多”時，吃早餐頻次“增加很多”的概率最高，為57.40%；性別和喝含糖飲料是飲酒的父節點，當性別為“男”、喝含糖飲料“增加很多”時，飲酒“增加很多”的概率最高為2.48%；睡眠時間、飲酒和吃零食甜點是飯量的父節點，當睡眠時間“減少很多”、飲酒“增加很多”且吃零食甜點“減少很多”時，飯量“增加很多”的概率最高，為23.10%；熬夜同時是鍛煉身體、睡眠時間、壓力/焦慮/抑郁情緒、吃外賣食品、吃油炸食品的父節點，當熬夜“增加很多”時，鍛煉身體“減少很多”的概率最高，為26.40%；睡眠時間“減少很多”的概率最高，為42.50%；壓力/焦慮/抑郁情緒“增加很多”的概率最高，為51.00%；吃外賣食品、油炸食品“增加很多”的概率最高，分別為26.00%、7.75%。壓力/焦慮/抑郁情緒是睡眠時間和鍛煉身體的父節點，當壓力/焦慮/抑郁情緒“增加很多”時，睡眠時間、鍛煉身體“減少很多”的概率最高，分別為18.70%、38.80%（圖1）。

2.5 貝葉斯網絡模型預測推理

運用貝葉斯網絡進行風險預測，通過Netica 6.09軟件構建貝葉斯網絡概率預測模型，點擊相應節點添加證據信息即可對BMI由消瘦/正常變為超重/肥胖的風險進行判定。如已知某調查對象熬夜及壓力/焦慮/抑郁情緒“有所增加”、睡眠時間及吃蔬菜水果“有所減少”、吃早餐頻次“減少很多”、飲酒“無變化”且飯量“有所增加”時，BMI由消瘦/正常變為超重/肥胖的風險為26.70%，如果該研究對象吃早餐頻次“增加很多”時，則BMI由消瘦/正常變為超重/肥胖的發生風險降低為14.30%（圖2、3）。

3 討論

本研究調查了2019年和2022年中國醫療衛生人員超重/肥胖情況與2019—2022年BMI由消瘦/正常變為超重/肥胖和生活方式行為變化，運用貝葉斯網絡模型分析了BMI由消瘦/正常變為超重/肥胖的預測因素。

調查發現，2019年和2022年，中國醫療衛生人員的超重/肥胖率分別為43.06%和45.71%，與中國部分城市醫護人員的調查結果接近（44.98%）［30］，低于同期中國一般人群超重/肥胖水平（49.6%）［31］。與其他研究顯示的男女醫療衛生人員肥胖率無統計學差異結果相反［32］，本研究顯示，男性醫療衛生人員的超重、肥胖率均明顯高于女性。中國國家營養監測結果顯示，超重/肥胖與年齡之間呈倒U型關系，在50歲左右達到峰值［33］。本研究結果也發現，肥胖率在54～63歲年齡組達到峰值。這可能與隨著年齡的增長，鍛煉逐漸減少有關。根據國家國民體質監測中心發布的2020年全民健身調查公報，每周參加1次或1次以上體育鍛煉的比例隨著年齡的增長呈下降趨勢［31］。一項研究表明，受教育程度較高者的肥胖率低于受教育程度較低者［34］，本次調查也發現同樣的結果。不健康的生活方式可能是文化程度較低與超重/肥胖之間的中介因素［35］。

研究結果顯示，2019—2022年，我國12.64%的醫療衛生人員BMI由消瘦/正常變為超重/肥胖。生活方式行為的改變與體重的變化密切相關［36］。單因素分析結果顯示，鍛煉身體和蔬菜、水果的攝入量增加可以降低BMI從消瘦/正常變為超重/肥胖的風險，熬夜、食用外賣食品、油炸食品、零食或甜點、含糖飲料、飲酒、飯量、睡眠時間增加會增大相應的風險。

通過貝葉斯網絡構建的預測模型發現，吃蔬菜水果、吃早餐頻次、飲酒、飯量為BMI由消瘦/正常變為超重/肥胖的直接預測因素，鍛煉身體、睡眠時間、喝含糖飲料、性別、吃零食甜點為間接影響因素。當吃蔬菜水果“有所減少”、吃早餐頻次“無變化”、飲酒“無變化”且飯量“增加很多”時，BMI由消瘦/正常變為超重/肥胖的風險最高；當吃蔬菜水果為“增加很多”、吃早餐頻次為“有所增加”、飲酒為“從不或很少”且飯量為“有所減少”時，BMI由消瘦/正常變為超重/肥胖的風險最低。有研究表明，吃或不吃早餐與肥胖相關的人體測量沒有明顯影響［37］，本研究結果與之不同；但近期的一項研究發現，經常不吃早餐的人超重或肥胖的風險更高［38］，這與貝葉斯網絡模型分析的結果一致，說明經常吃早餐有利于預防超重/肥胖［39］。

貝葉斯網絡模型顯示，睡眠時間通過吃早餐頻次、飯量間接影響BMI是否由消瘦/正常變為超重/肥胖。與此結果相同，PRINZ等［40］在美國進行的一項研究發現，睡眠、飯量與肥胖相關。喝含糖飲料和性別是飲酒的預測因素，飲酒“增加很多”者BMI由消瘦/正常變為超重/肥胖的比例最高（12.31%）。TRAVERSY等［41］對飲酒與肥胖關系的系統綜述表明，飲酒可能是肥胖的危險因素。

貝葉斯網絡模型顯示，熬夜通過鍛煉身體、壓力/焦慮/抑郁情緒、吃油炸食品、外賣食品、睡眠時間對BMI由消瘦/正常變為超重/肥胖產生影響。熬夜可能導致醫療衛生人員無法得到充分休息，并對其心理情緒產生顯著影響［42-44］。最近的一項回顧性研究顯示，2019年12月—2020年11月，40%的醫療衛生人員患有焦慮癥，37%的人患有抑郁癥［45］。壓力、焦慮、抑郁等心理問題可能影響飲食相關行為，導致“自我獎勵性食品”（甜食、高油脂）攝入增多［46-48］，從而導致體重增加。壓力同時可導致睡眠障礙［49］，從而影響飲食習慣（如吃早餐頻次減少、飯量增加）和鍛煉身體情況，最終導致體重增加。可見，在確保醫療衛生機構正常運轉的前提下，實行合理的輪休制度，保證醫療衛生人員及時得到充分休息，并為醫療衛生人員提供心理支持，不僅有利于其心理健康，而且有利于生活方式健康和肥胖控制。

本研究存在一定的局限性。首先，本研究為在線問卷調查，數據的準確性在很大程度上取決于調查對象的理解能力和回答問題的意愿，實際情況可能被低估或夸大；其次，本研究沒有將調查對象分為一線人員和非一線人員進行比較分析，結論應謹慎接受；再次，為保證準確擬合貝葉斯網絡模型，剔除了部分存在缺失的數據，可能會造成偏倚。但本研究模型納入的樣本量仍足夠大，可在一定程度上彌補上述局限，可能不會對研究結論造成顯著影響。

綜上，基于貝葉斯網絡構建的中國醫療衛生人員超重/肥胖的預測模型發現，新冠疫情等重大傳染病疫情期間，吃蔬菜水果、吃早餐頻次、飯量以及飲酒是超重/肥胖的直接預測因素，在保證醫療衛生機構正常運轉的情況下，提供心理支持和生活方式行為干預服務有利于醫療衛生人員肥胖防控。

作者貢獻：郭馨月、鞏少青提出主要研究目標，負責研究的構思與設計，研究的實施，撰寫論文；郭馨月、鞏少青、侯曉輝、孫桐、文建強、王志耀、何景陽、孫雪竹、王素芳進行數據的收集與整理，統計學處理，圖、表的繪制與展示；田向陽、馮雪進行論文的修訂；田向陽、馮雪負責文章的質量控制與審查，對文章整體負責，監督管理。

本文無利益沖突。

參考文獻

GONZáLEZ-MUNIESA P，MáRTINEZ-GONZáLEZ M A，HU F B，et al. Obesity［J］. Nat Rev Dis Primers，2017，3：17034. DOI：10.1038/nrdp.2017.34.

POLOZ Y，STAMBOLIC V. Obesity and cancer，a case for insulin signaling［J］. Cell Death Dis，2015，6（12）：e2037. DOI：10.1038/cddis.2015.381.

CHAKRABORTI C K. Role of adiponectin and some other factors linking type 2 diabetes mellitus and obesity［J］. World J Diabetes，2015，6（15）：1296-1308. DOI：10.4239/wjd.v6.i15.1296.

PARIKESIT D，MOCHTAR C A，UMBAS R，et al. The impact of obesity towards prostate diseases［J］. Prostate Int，2016，4（1）：1-6. DOI：10.1016/j.prnil.2015.08.001.

ROEVER L S，RESENDE E S，DINIZ A L D，et al. Abdominal obesity and association with atherosclerosis risk factors：the uberlandia heart study［J］. Medicine，2016，95（11）：e1357. DOI：10.1097/MD.0000000000001357.

HAN T S，LEAN M E. A clinical perspective of obesity，metabolic syndrome and cardiovascular disease［J］. JRSM Cardiovasc Dis，2016，5：2048004016633371. DOI：10.1177/2048004016633371.

FELLINGER P，FUCHS D，WOLF P，et al. Overweight and obesity in type 1 diabetes equal those of the general population［J］. Wien Klin Wochenschr，2019，131（3/4）：55-60. DOI：10.1007/s00508-018-1434-9.

CHEN Z M，IONA A，PARISH S，et al. Adiposity and risk of ischaemic and haemorrhagic stroke in 0.5 million Chinese men and women：a prospective cohort study［J］. Lancet Glob Health，2018，6（6）：e630-640. DOI：10.1016/S2214-109X（18）30216-X.

VALLIS M. Quality of life and psychological well-being in obesity management：improving the odds of success by managing distress［J］. Int J Clin Pract，2016，70（3）：196-205. DOI：10.1111/ijcp.12765.

TONNON S C，ROBROEK S R J，VAN DER BEEK A J，et al. Physical workload and obesity have a synergistic effect on work ability among construction workers［J］. Int Arch Occup Environ Health，2019，92（6）：855-864. DOI：10.1007/s00420-019-01422-7.

REBER K C，K?NIG H H，HAJEK A. Obesity and sickness absence：results from a longitudinal nationally representative sample from Germany［J］. BMJ Open，2018，8（6）：e019839. DOI：10.1136/bmjopen-2017-019839.

PIHLAJAM?KI M，UITTI J，AROLA H，et al. Self-reported health problems and obesity predict sickness absence during a 12-month follow-up：a prospective cohort study in 21 608 employees from different industries［J］. BMJ Open，2019，

9（10）：e025967. DOI：10.1136/bmjopen-2018-025967.

KUDEL I，HUANG J C，GANGULY R. Impact of obesity on work productivity in different US occupations：analysis of the national health and wellness survey 2014 to 2015［J］. J Occup Environ Med，2018，60（1）：6-11. DOI：10.1097/JOM.0000000000001144.

中共中央政治局常務委員會召開會議 習近平主持［EB/OL］.（2020-04-08）［2023-07-14］. http：//www.nhc.gov.cn/wjw/xwdt/202004/48cb2da1bdc34888bc65b2ca0db6ad4e.shtml.

NGUYEN L H，DREW D A，GRAHAM M S，et al. Risk of COVID-19 among front-line health-care workers and the general community：a prospective cohort study［J］. Lancet Public Health，2020，5（9）：e475-483. DOI：10.1016/S2468-2667（20）30164-X.

ALANAZI T N M，MCKENNA L，BUCK M，et al. Reported effects of the COVID-19 pandemic on the psychological status of emergency healthcare workers：a scoping review［J］. Australas Emerg Care，2022，25（3）：197-212. DOI：10.1016/j.auec.2021.10.002.

HUANG Y E，ZHAO N. Generalized anxiety disorder，depressive symptoms and sleep quality during COVID-19 outbreak in China：a web-based cross-sectional survey［J］. Psychiatry Res，2020，288：112954. DOI：10.1016/j.psychres.2020.112954.

ZHANG W R，WANG K，YIN L，et al. Mental health and psychosocial problems of medical health workers during the COVID-19 epidemic in China［J］. Psychother Psychosom，2020，89（4）：242-250. DOI：10.1159/000507639.

MOJTAHEDZADEH N，NEUMANN F A，ROHWER E，et al. The health behaviour of German outpatient caregivers in relation to the COVID-19 pandemic：a mixed-methods study［J］. Int J Environ Res Public Health，2021，18（15）：8213. DOI：10.3390/ijerph18158213.

ZHANG J，LAI S R，LYU Q J，et al. Diet and nutrition of healthcare workers in COVID-19 epidemic-hubei，China，2019［J］. China CDC Wkly，2020，2（27）：505-506. DOI：10.46234/ccdcw2020.121.

GOMES C M，FAVORITO L A，HENRIQUES J V T，et al. Impact of COVID-19 on clinical practice，income，health and lifestyle behavior of Brazilian urologists［J］. Int Braz J Urol，2020，46（6）：1042-1071. DOI：10.1590/S1677-5538.IBJU.2020.99.15.

OLIVER T L，SHENKMAN R，DIEWALD L K，et al. A year in the life of U.S. frontline health care workers：impact of COVID-19 on weight change，physical activity，lifestyle habits，and psychological factors［J］. Nutrients，2022，14（22）：4865. DOI：10.3390/nu14224865.

張紅茹，吳文，趙麗英，等. 突發性耳聾相關危險因素分析［J］.中國耳鼻咽喉顱底外科雜志，2017，23（2）：129-132. DOI：10.11798 /j.issn.1007-1520.201702010.

伍夢秋，沈欣然，楊佳. 醫學院校大學生習慣性熬夜現狀及影響因素分析［J］. 中國健康教育，2022，38（2）：164-167. DOI：10.16168/j.cnki.issn.1002-9982.2022.02.014.

WANG Y F，ZHAO L，GAO L W，et al. Health policy and public health implications of obesity in China［J］. Lancet Diabetes Endocrinol，2021，9（7）：446-461. DOI：10.1016/S2213-8587（21）00118-2.

SULLIVAN G M，JR ARTINO A R. Analyzing and interpreting data from likert-type scales［J］. J Grad Med Educ，2013，5（4）：541-542. DOI：10.4300/JGME-5-4-18.

問卷星［Z］.（2022-05-08）［2023-07-14］. https：//www.wjx.cn/？source=baiduamp;Plan=%E9%97%AE%E5%8D%B7%E6%98%9F%EF%BC%88%E6%AD%A3%E5%B8%B8%EF%BC%89PCamp;keyword2=%E9%97%AE%E5%8D%B7%E6%98%9F%E5%93%81%E4%B8%93%E6%A0%87%E9%A2%98.

SCUTARI M. Learning Bayesian networks with the bnlearn R Package［J］. J Stat Soft，2010，35（3）：1-22. DOI：10.18637/jss.v035.i03.

NORSYS. Netica ［Z］.（1995）［2023-07-14］. https：//www.norsys.com/.

鐘譽，陳晨，趙璽，等. 天津市基層醫療衛生機構醫務人員超重和肥胖現狀及影響因素分析［J］. 中國社區醫師，2021，37（35）：162-163. DOI：10.3969/j.issn.1007-614x.2021.35.079.

國家體育總局. 國家國民體質監測中心發布《第五次國民體質監測公報》［EB/OL］.（2022-06-07）［2023-07-14］. https：//www.sport.gov.cn/n315/n329/c24335066/content.html.

KUNYAHAMU M S，DAUD A，JUSOH N. Obesity among health-care workers：which occupations are at higher risk of being obese？［J］. Int J Environ Res Public Health，2021，18（8）：4381. DOI：10.3390/ijerph18084381.

TIAN X，WANG H. Projecting national-level prevalence of general obesity and abdominal obesity among Chinese adults with aging effects［J］. Front Endocrinol，2022，13：849392. DOI：10.3389/fendo.2022.849392.

HERNáNDEZ-YUMAR A，ABáSOLO ALESSóN I，GONZáLEZ LóPEZ-VALCáRCEL B. Economic crisis and obesity in the Canary Islands：an exploratory study through the relationship between body mass index and educational level［J］. BMC Public Health，2019，19（1）：1755. DOI：10.1186/s12889-019-8098-x.

PIGEYRE M，ROUSSEAUX J，TROUILLER P，et al. How obesity relates to socio-economic status：identification of eating behavior mediators［J］. Int J Obes（Lond），2016，40（11）：1794-1801. DOI：10.1038/ijo.2016.109.

SAFAEI M，SUNDARARAJAN E A，DRISS M，et al. A systematic literature review on obesity：understanding the causes amp; consequences of obesity and reviewing various machine learning approaches used to predict obesity［J］. Comput Biol Med，2021，136：104754. DOI：10.1016/j.compbiomed.2021.104754.

BOHAN BROWN M M，MILANES J E，ALLISON D B，et al. Eating versus skipping breakfast has no discernible effect on obesity-related anthropometric outcomes：a systematic review and meta-analysis［J］. F1000Research，2020，9：140. DOI：10.12688/f1000research.22424.3.

WICHERSKI J，SCHLESINGER S，FISCHER F. Association between breakfast skipping and body weight-a systematic review and meta-analysis of observational longitudinal studies［J］. Nutrients，2021，13（1）：272. DOI：10.3390/nu13010272.

DUBNOV-RAZ G，BERRY E M. Dietary approaches to obesity［J］. Mount Sinai J Medicine，2010，77（5）：488-498. DOI：10.1002/msj.20210.

PRINZ P. Sleep，appetite，and obesity—what is the link？［J］. PLoS Med，2004，1（3）：e61. DOI：10.1371/journal.pmed.0010061.

TRAVERSY G，CHAPUT J P. Alcohol consumption and obesity：an update［J］. Curr Obes Rep，2015，4（1）：122-130. DOI：10.1007/s13679-014-0129-4.

GIORGI G，LECCA L I，ALESSIO F，et al. COVID-19-related mental health effects in the workplace：a narrative review［J］. Int J Environ Res Public Health，2020，17（21）：7857. DOI：10.3390/ijerph17217857.

GREENBERG N，DOCHERTY M，GNANAPRAGASAM S，

et al. Managing mental health challenges faced by healthcare workers during covid-19 pandemic［J］. BMJ，2020，368：m1211. DOI：10.1136/bmj.m1211.

COSTA A，CALDAS DE ALMEIDA T，FIALHO M，et al. Mental health of healthcare professionals：two years of the COVID-19 pandemic in Portugal［J］. Int J Environ Res Public Health，2023，20（4）：3131. DOI：10.3390/ijerph20043131.

SARAGIH I D，TONAPA S I，SARAGIH I S，et al. Global prevalence of mental health problems among healthcare workers during the COVID-19 pandemic：a systematic review and meta-analysis［J］. Int J Nurs Stud，2021，121：104002. DOI：10.1016/j.ijnurstu.2021.104002.

CHWASTIAK L A，ROSENHECK R A，KAZIS L E. Association of psychiatric illness and obesity，physical inactivity，and smoking among a national sample of veterans［J］. Psychosomatics，2011，52（3）：230-236. DOI：10.1016/j.psym.2010.12.009.

ADAM T C，EPEL E S. Stress，eating and the reward system［J］. Physiol Behav，2007，91（4）：449-458. DOI：10.1016/j.physbeh.2007.04.011.

YAU Y H C，POTENZA M N. Stress and eating behaviors［J］. Minerva Endocrinol，2013，38（3）：255-267.

KIM E J，DIMSDALE J E. The effect of psychosocial stress on sleep：a review of polysomnographic evidence［J］. Behav Sleep Med，2007，5（4）：256-278. DOI：10.1080/15402000701557383.

（收稿日期：2024-02-10；修回日期：2024-08-16）

（本文編輯：賈萌萌）

引用本文：郭馨月，鞏少青，侯曉輝，等. 中國醫療衛生人員超重/肥胖危險因素研究［J］. 中國全科醫學，2025，28（3）：320-329. DOI：10.12114/j.issn.1007-9572.2023.0582. ［www.chinagp.net］

GUO X Y，GONG S Q，HOU X H，et al. Predictors for overweight/obesity of Chinese healthcare workers［J］. Chinese General Practice，2025，

28（3）：320-329.

? Editorial Office of Chinese General Practice. This is an open access article under the CC BY-NC-ND 4.0 license.