中国社区社会经济地位和成人自评健康的关联研究

王志成，郭 岩

(北京大学公共卫生学院卫生政策与管理学系，北京 100191)

《“健康中国2030”规划纲要》要求“逐步缩小城乡、地区、人群间基本健康服务和健康水平的差异，实现全民健康覆盖，促进社会公平”[1]。大量研究揭示了中国国内不同社会群体之间存在明显健康不公平情况[2-3]，相关生态学研究也证实经济社会发展落后地区的人群面临更高的疾病负担，而且期望寿命更短[4-5]。在不同层面地区中，社区作为居民日常生活接触和互动最频繁的地区，社区社会经济地位是健康社会决定因素中的重要因素。社区社会经济地位由居民的社会经济地位决定，大量低社会经济地位人群居住的社区被称为低社会经济地位社区[6]。社区社会经济地位和人群健康的关联，可能仅仅是因为个体社会经济地位低而健康状况差的个体聚集造成的构成效应(compositional effect)，也可能是社区社会经济地位对个体健康具有独立的效应，即情境效应(contextual effect)[7]。社区社会经济地位对健康是否具有影响，将关系到是否需要在低社会经济地位社区开展社区层面的干预，例如改善社区基础设施、构建和谐社区文化等。

国外已开展了大量利用多水平模型方法，在控制个体因素后分析社区社会经济地位对自评健康影响的研究。Daponte-Codina等[8]利用1987—2001年西班牙五轮健康调查数据，发现控制个体社会经济地位后，与生活在社会经济地位最高20%的社区相比，生活在社区社会经济地位最低20%社区的居民健康状况较差。除了上述横断面研究的证据，Xiao等[9]利用美国退休人员协会(America Association of Retired Persons，AARP)的膳食与健康调查数据，分析1995—2006年近25万人的队列调查数据，发现与居住在社会经济地位最高20%社区的人群相比，居住在社会经济地位最低20%社区的人群自评不健康风险更高(OR=1.26，95%CI：1.20～1.32)。然而，也有部分研究认为社区社会经济地位和成人自评健康之间的关联能够完全被个体层面社会因素所解释，Rejineveld[10]在荷兰阿姆斯特丹开展的研究显示，低社会经济地位社区的不良健康状况主要是由于大量低社会经济地位且不健康个体聚集造成的，社区层面社会经济地位和自评健康之间的关联在控制个体层面社会经济因素后消失。

目前，中国社区社会经济地位对健康影响的研究尚不多见，Lei[11]利用2010年中国家庭追踪调查(China Family Panel Studies，CFPS)基线数据，发现控制儿童所在家庭社会经济地位后，居住在农村低社会经济地位社区的儿童身高更低，营养状况更差。本研究采用具有全国代表性家庭调查数据，构建社区社会经济指数(socioeconomic index, SEI)，并采用多水平建模方法控制个体社会经济因素后，分析社区社会经济地位是否和成人自评健康存在独立关联。

1 资料与方法

1.1 资料来源

本研究采用的数据来自于中国家庭追踪调查(China Family Panel Studies，CFPS)，该调查是一项全国性、综合性社会追踪调查项目，旨在通过追踪收集个体、家庭、社区3个层次的数据，反映中国社会、经济、人口、教育和健康的变迁[12]。其中社区在城市地区指的是居委会社区，在农村地区指的是村委会社区。

CFPS的调查样本框为中国25个省、自治区和直辖市中的家庭户和样本家庭户中的所有家庭成员，抽样框覆盖了中国95%以上的人口[13]。CFPS 2010年基线数据完整，因此本研究利用基线数据构建样本社区的SEI，为保证社区层面的均值指标稳定可靠，本研究删除了少于15个受访户的社区。由于2012年追踪数据中的成人自评健康询问方式更加合理[14]，本研究结合2012年追踪数据中成人数据进行多水平回归分析。数据处理过程如图1所示，最终共有31 321名成人受访者纳入本研究分析，分布在577个社区中，其中城市居民8 423名，农村居民22 898名。

1.2 社区SEI

国外采用多个社会经济指标来衡量社区的社会经济地位[15]，但是相关社会经济指标存在共线性问题，因此需要采用主成分分析方法构建社区SEI。本研究对社区层面人均收入、人均教育年限和人均财富进行主成分分析，构建社区SEI。因为社区人均收入和人均财富呈偏态分布，需要先对其进行对数转换。此外，因主成分分析对变量量纲敏感，将对上述指标按照公式(1)进行最小值-最大值(min-max)标准化，以消除指标的量纲影响:

(1)

其中sij为j社区转换后的i指标，xij为j社区的原始i指标，xij(min)和xij(max)分别为i指标在所有社区中的最小值和最大值。对上述3个转换后的指标提取第一主成分，对第一主成分得分进行标准化后作为社区SEI，该指数越高，说明社区社会经济地位越高(图2)。为了更直观地说明社区SEI对应的社区社会经济情况，本研究根据社区SEI将样本分为五等分，计算各组中不同维度贫困率(成人文盲率、收入贫困率、无安全用水率、无水冲厕所率和无清洁烹饪燃料率)。

图2 社区SEI构建流程Figure 2 Process of constructing SEI

1.3 成人自评健康和控制变量

自评健康是社会调查中常用的单项主观健康指标，能够预测远期死亡风险[16]，不仅仅反映疾病状态，还能多方面反映健康水平[17]。测量受访者健康时，问卷询问受访者“你会说你的整体健康状况是什么?”，并要求受访者从5个类别中选择一个回答：非常健康、很健康、比较健康、一般、不健康，将回答“不健康”定义为自评不健康，编码为1，其他回答编码为0。其他个体层面的控制变量包括年龄、性别、婚姻状态、教育程度、就业状态、收入和财富等指标。

1.4 多水平Logistic回归

本研究采用多水平建模方法研究社区社会经济地位对健康的影响，用以控制社区内部成员之间的组内相关性。其中，第一水平为成人，第二水平为社区，采用多水平Logistic随机截距模型分析，相应的估计方程如下：

logit(yji)=β0j+βiXji+γji，

(2)

式中下标j表示不同社区，下标ji表示j社区中成人i，β0j是回归截距，βi是个体层面的回归斜率。其中，社区层面的截距模型为：

β0j=γ0+γjSEIj+μ0j。

(3)

将公式(3)代入公式(2)得到下式：

logit(yji)=γ0+γjSEIj+βiXji+μ0j+γji,

(4)

式中，SEIj为j社区SEI，γj为对应的系数，γjSEIj为社区社会经济地位对自评不健康影响的效应；Xji为个体层面的特征，βi为个体层面因素对应的系数，μ0j为社区层面的随机波动，γji为个体的随机波动。对应的组内相关系数(intraclass correlation coefficient，ICC)计算公式如下：

(5)

2 结果

2.1 2010年基线调查社区社会经济情况

纳入到最终分析的成人分布在577个样本社区，其特征如表1所示，其中位于东部282个(48.87%)、中部144个(24.96%)、西部151个(26.17%)，79.37%的社区人均受教育年限小于9年，63.08%的社区人均年收入小于1万元，80.07%的社区人均财产低于10万元。

表1 2010年基线样本社区基本情况Table 1 Characteristics of baseline sample communities, 2010

2.2 社区SEI结果

对标准化消除量纲后社区人均教育年限、社区人均收入(对数)和社区人均家庭财富(对数)进行主成分分析，提取第一主成分得分，其具体公式为：第一主成分=0.56×社区人均教育年限+0.60×社区人均收入(对数)+0.57×社区人均财富(对数)。第一主成分解释了83.28%的总变异。

对第一主成分进行标准化后作为社区SEI，其取值范围为-2.41～3.16，均值为0，方差为1。SEI越大说明社区社会经济地位越高。进一步分析社区社会经济地位和贫困率之间的关联，结果显示随着社区社会经济地位增加，成人文盲率、收入贫困率、无安全用水率、无水冲厕所率和无清洁烹饪燃料率显著下降(表2)，说明社区SEI能够较好地反映社区的社会经济地位。

表2 2010年按SEI划分的不同社区不同维度贫困发生率(%)Table 2 The prevalence of deprivation in different dimensions grouped by community SEI, 2010 (%)

2.3 社区社会经济地位和成人自评健康的关联结果

同时控制个体和社区因素的多水平回归结果显示，就个体社会经济因素而言，随着成人教育程度、收入和财富的增加，成人自评不健康的概率下降。随着社区社会经济地位增加，城市居民和农村居民自评不健康概率均有所下降，但城市自评不健康概率下降无统计学意义(OR=0.94，95%CI：0.83～1.06)，而农村自评不健康概率下降具有统计学意义(OR=0.84，95%CI：0.76～0.94，表3)。

基于多水平Logistic回归模型，图3显示了在城市和农村社区SEI取值范围内，随着社区SEI增加，城乡居民自评不健康概率下降情况，社区SEI提高和农村居民自评不健康情况改善关联显著，关联强度高于城市居民。

3 讨论

本研究利用具有全国代表性的中国家庭追踪调查数据分析了社区社会经济地位对成人自评健康的影响，发现基于社区人均收入、财富和教育年限构建的社区SEI能够较为全面地反映社区社会经济地位，随着社区社会经济地位提高，社区不同维度贫困率下降。多水平回归研究结果显示，在控制了个体社会经济因素后，随着社区社会经济地位提高，成人自评不健康概率下降，社区社会经济地位对健康具有情境效应。然而只在农村社区中观察到了情境效应，换言之，居住在低社会经济地位农村社区会额外增加居民的自评不健康风险。社区社会经济地位影响健康的一个重要途径就是公共资源和服务途径[18]，中国面临着较大的城乡差异，农村社区公共服务和基础设施显著落后于城市社区[19]。社会经济地位低的农村社区公共服务供给更为不足，社区公共资源和服务的供给需要农村居民自己集资或者地方政府提供。因此，低社会经济地位农村社区无力提供充足的包括医疗服务在内的公共资源和服务，无法有效维护居民健康。除了农村社区公共服务和基础设施的供给不足外，其公共服务的质量也落后于城市社区[20]，由此推测低社会经济地位农村社区的公共服务质量也更低，这些因素有助于解释农村社区居民的健康更容易受到社区社会经济地位的影响。

表3 社区SEI和成人自评不健康之间的关联Table 3 Association between community SEI and adults self-rated poor health

图3 社区SEI对成人自评不健康的边际效应Figure 3 Marginal effect of community SEI on adult self-rated poor health

减少国家内部健康不公平不仅是“健康中国2030”的要求，同时也是联合国可持续发展目标的要求[21]。减少国家内部健康不公平，不仅需要改善低社会经济地位个体的健康状况，同时也需要整体关注低社会经济地位社区人群健康状况。尽管中国扶贫议程转向了基于个体的精准扶贫，但仍需要采取基于社区层面的干预，这种干预应该从经济开发的政策转移到完善公共服务的政策，针对健康的情境效应采取对应措施。国内已有相关政策致力于改善贫困地区的公共服务，例如2016年15个部委联合发布了《关于实施健康扶贫工程的指导意见》，要求“实施贫困地区县级医院、乡镇卫生院、村卫生室标准化建设，加快完善贫困地区公共卫生服务网络，以重大传染病、地方病和慢性病防治为重点，加大对贫困地区疾病控制、妇幼保健等专业公共卫生机构能力建设的支持力度”[22]。这些整体改善贫困社区医疗条件的政策能够促进农村贫困社区所有居民的健康状况，有助于缩小国家内部的健康不公平。

本研究主要局限体现在，采用横断面研究设计，所得到的社区社会经济地位对健康的影响仍不足以被解读为因果效应。影响社区社会经济地位对个体健康因果推断主要体现在样本的自选择问题，低社会经济地位社区中的健康个体可能会迁移到高社会经济地位社区，造成低社会经济地位社区不健康人群比例增加。未来还需要采用追踪数据进一步研究社区社会经济地位对健康的长期影响，以增强结论的因果推断强度。

本研究利用2010年CFPS基线数据构建了样本社区的SEI，该指数能够反映社区的社会经济状况。结合CFPS 2012年追踪数据进行多水平回归分析发现，在控制个体层面的人口学和社会经济因素后，随着社区社会经济地位的增加，农村成人居民自评不健康概率下降。在社会经济发展落后的农村社区，不仅需要采取针对个体的健康干预，同时需要开展基于社区层面的健康干预，以整体改善社会经济发展落后社区所有居民的健康水平。