新冠肺炎疫情对成年居民健康状况的影响分析

魏 燕，吴述银，解海霞，曾叙衡，黄晓伟，苌凤水

(1.复旦大学公共卫生学院卫生事业管理学教研室，上海 200032；2.蚌埠医学院卫生管理学院，安徽 蚌埠 233030；3.同济大学附属养志康复医院，上海 201619；4.华中科技大学同济医学院附属同济医院，湖北 武汉 430030)

2019年12月爆发的新型冠状病毒肺炎疫情(以下简称“疫情”)传染性强、传播迅速[1]，已造成世界大流行。截至2022年9月1日，全球累计确诊人数已超过6亿例，死亡超过647万例[2]。国外学者关注到疫情对各类成年人群的健康影响[3-6]，国内学者也关注到成年学生等人群的身心健康影响[7，8]。在疫情防控采取的居家隔离等措施已极大影响人们工作和日常生活的背景下[9，10]，成年居民可能成为疫情健康影响的“脆弱人群”之一。本研究目的是分析疫情控制早期和常态化疫情控制期对成年居民的健康影响(包括其影响因素)及该影响的2年变化情况，为科学评价疫情影响和完善突发公共卫生事件应对措施提供参考依据。

1 对象与方法

1.1 调查对象

2020年3月23-31日(疫情控制早期)和2021年3月3-11日(常态化疫情控制期)分别使用“问卷星”平台在安徽、上海等地相同微信群中发送电子调查表，匿名填报，分别回收2253份和2329份问卷。数据分析前进行数据质量核查，对于填报时间100秒及以内的和存在严重逻辑错误等情况的问卷进行排除，最终分别确认合格问卷1929份和2209份，2次问卷合格率分别为85.6%和94.8%，样本覆盖全国29个省(直辖市、自治区)。2020年和2021年样本的玛叶指数[11]分别是8.94和15.71，均小于60，说明调查质量良好。研究获得复旦大学公共卫生学院伦理委员会审查批准。

1.2 调查工具

1.2.1 基本情况调查表

基本情况调查表收集个人基本信息、主要居住地及类型、周围疫情和目前状态。基本信息包括性别、出生年月、教育背景、婚姻状况、工作状况等；2020年周围疫情采用多选题形式调查：①自己或家人有感染；②亲朋好友有人感染；③所在单元或居民楼有病例；④所在单位有病例；⑤小区内/村里有病例；⑥所在街道/乡镇有病例；⑦所在区县有病例；⑧以上都没有；⑨不清楚。2021年以单选题调查居住地曾出现过最严重的情况：①高风险地区；②中风险地区；③低风险地区；④不清楚。

1.2.2 基本健康状况调查

包括慢性病情况、焦虑和抑郁情况、健康满意情况。采用多选题调查近6个月内是否患有被医生确诊的慢性病。焦虑和抑郁情况分别使用广泛性焦虑自评量表(GAD-7)[12]和抑郁自评量表(PHQ-9)[13]评估，抑郁和焦虑程度判断标准：0～4分没有焦虑/抑郁；5～9分可能有轻度；10～14分可能有中度；15分及以上可能有重度[14]；这2个量表良好的信效度已经在国内得到验证[15]，本研究中内部一致性信度良好，克朗巴哈系数都为0.94。采用Likert五级量表调查健康满意情况：很不满意、不满意、一般、满意和很满意。

1.2.3 疫情健康影响调查

分别调查疫情下健康变化和对医疗服务的影响情况。健康变化情况调查：您是否自我感觉健康状况比平时差？疫情对医疗服务的影响调查方法：疫情对您和家人医疗服务的影响？选项是：根本不影响、有点影响、一般、很大影响和极影响。

1.3 统计方法

使用SPSS 20.0软件进行统计分析。采用描述性分析、卡方分析和多因素Logistic回归分析方法，使用Holm-Bonferroni 校正对三分类及以上的变量进行两两比较[16]，有关自变量转化为哑变量进行多因素分析。统计检验都用双侧检验，当P<0.05认为差异具有统计学意义。2020年自己或家人有感染、亲朋好友有人感染、所在单元或居民楼有病例、所在单位有病例、小区内/村里有病例这5种情况只要出现1种即被定义为周围疫情较严重，而所在街道/乡镇有病例、所在区县有病例被定义为疫情较轻。疫情对医疗服务影响分类如下：有点影响和根本不影响归为影响小，很大影响和极影响归类为影响大；健康状况中很不满意和不满意归为健康差，满意和很满意归为健康好。采用匹配的方法比较样本成年居民健康影响的年度变化，匹配因素来自2年的影响因素分析结果。考虑2年疫情背景差异较大，因此有关因素主要从个人和家庭背景因素中选择。

2 结果

2.1 样本基本情况

2020年和2021年调查的成年居民个人的基本情况见表1，平均年龄(标准差)分别是(34.7±10.0)岁和(34.2±8.9)岁，最大年龄分别为75岁和78岁。

表1 调查对象基本情况 单位：n(%)

2.2 对健康影响的单因素分析

2020年疫情控制早期时19.1%(95%CI：17.3%～20.8%)的成年居民自报因疫情健康变差，而2021年疫情常态化控制期则是15.3%(13.8%～16.9%)。单因素分析发现(见表2)，2020-2021年居民因疫情健康状况变差的共同可能影响因素有性别、目前状态、慢性病种类、医疗影响、焦虑和抑郁情况、健康状况和周围疫情；另外2020年的可能影响因素还包年龄、省份(城市)和婚姻状况，教育背景是2021年居民健康变差的影响因素。

表2 2020年和2021年成年居民健康变差的单因素分析 单位：n(%)

2.3 健康影响的多因素分析

经多元Logistic逐步回归分析发现2020有8类变量，2021年有7类变量进入方程(表3和表4)，其中共同影响因素包括目前状态、医疗影响、慢性病种类、焦虑和抑郁情况、健康状况和周围疫情。2020年和2021年隔离中的居民自报健康变差的可能性分别是未隔离居民的1.71倍和3.15倍；患慢性病居民自报健康变差可能性更高，而且慢病种类越多，健康变差比例越大；自评健康较差居民健康变差的可能性更高，而且健康水平越差的居民，变差可能性越大；医疗服务影响较大的居民自报健康变差的可能性比医疗服务影响较小的高，而且影响越大健康变差的可能性越大；周围疫情严重或者历史上出现过高风险地区的居民自报健康变差的可能性都比周围疫情较轻地区居民高；对焦虑抑郁情况来说，2020年焦虑合并抑郁的居民自报因疫情健康状况变差的可能性是无和只有焦虑或抑郁居民的2.85倍，2021年居民则只要有焦虑或抑郁即其健康变差的可能性就更高。此外，性别和婚姻情况还是2020年居民健康变差的影响因素，男性比女性健康变差的比例更高，离异或丧偶的居民健康变差的可能性比已婚或未婚的居民都要高；2021年则是较低学历(高中及以下)的居民比较高学历的居民健康变差可能性更高。

表3 2020年成年居民健康变差的多因素Logistic回归分析

表4 2021年成年居民健康变差的多因素Logistic回归分析

2.4 对健康影响的年度变化

根据2020年和2021年居民健康变差的多因素分析结果，并将省份(城市)也纳入匹配，最终确定7类匹配因素(性别、教育背景、婚姻状况、省份(城市)、健康状况、慢性病种类和目前状态)，最终1∶1匹配成功1108名成年居民。样本匹配前和匹配后居民自报健康变差的比例均呈现下降趋势，且变化均显示出统计学意义，以上结果说明2021年疫情常态化控制期时疫情对居民健康的负面影响较2020年疫情控制早期有显著减弱。

3 讨论

3.1 疫情对成年居民健康有较大负面影响，2021年影响显著减弱

本研究发现，有近五分之一(19.1%)的成年居民自报因疫情健康变差。有研究报道，在疫情爆发初期，河南省民众中有3.3%身体比平时差[17]；疫情下中老年居民的每日步数明显下降[18]；45.8%成年居民疫情期间体重增加，其中13.5%增重超过2.5公斤[19]；在疫情高峰期巴西成年居民中有29.4%自报因疫情健康状况恶化[5]，德国20岁以上成年人中有12%认为疫情期间健康状况有所下降[4]，日本40～60岁人群认为疫情期间身体健康有所下降的比例高达33.8%[9]，芬兰公共部门雇员的健康水平在疫情下略有下降[20]。总体来看，疫情对国内外居民健康都产生了一定的负面影响，但一方面疫情阶段不同，居民健康影响情况可能不同，一方面由于不同国家和地区社会经济发展水平、人口结构的差异，疫情对居民的健康影响可能也有所不同。

多因素分析发现周围疫情严重、隔离中的居民自报健康变差比例更多，这部分居民健康更有可能出现负面影响，国内其他学者也发现封锁期居民健康状况发生较多负面变化[21，22]。2021年本研究中居民报告健康变差的比例是15.3%，和2020年同期相比，显示出负面健康影响下降的变化。多因素分析发现历史上出现过高风险地区的居民健康变差比例也更高，提示疫情对健康的影响可能会是中长期影响。

3.2 居民的医疗影响及其自身健康状况是居民健康变差的重要影响因素

本研究发现医疗影响始终是居民自报健康变差的危险因素，这应该与医疗机构的疫情防控措施对居民就医的影响有关[23]。研究还发现，从疫情控制早期到常态化控制期，居民对医疗服务影响的敏感性有提升，疫情控制早期的影响因素是医疗服务影响大，而在常态化控制期变为有影响，这估计与在此期居民对医疗服务影响减弱有明确预期，一旦还有影响，其可能就对健康造成不利影响。本研究还发现健康水平较差、患慢性病的居民健康变差比例更大，且健康越差、患慢性病种类越多，健康变差可能性越高。有研究发现巴西居民中也存在相似情况，即健康差的居民健康变差更多[5]；另外一项国外研究发现，近27.4%的以色列成年慢性病患者在疫情封锁一个月后健康变差[24]。国内一项针对成人慢性病患者的调查发现，可能存在医疗服务受到影响而健康变差的情况[25]。以上发现一方面应与疫情有关，健康较差的居民在疫情下适应和调节能力较差而使得健康更加变差，一方面也与疫情下居民就医需求受到负面影响间接有关[23]，特别是有较多医疗需求的慢性病患者，其受到的影响会更大[26]。

3.3 焦虑抑郁、性别和婚姻等因素影响成年居民自评健康

研究发现，存在焦虑和抑郁的居民对健康变差有显著负面影响，并且从疫情控制早期到常态化控制期，居民的心理敏感性也有提升，从焦虑合并抑郁是影响因素到只要有焦虑或抑郁即健康变差比例都更大，这估计还是与人们的预期变化有关，这时候人们对恢复常态生活预期更大而容忍度降低。国内外学者均发现，居民焦虑抑郁水平与自报健康水平有负相关关系[4，21]。分析还发现，2020年疫情控制早期男性居民因疫情健康变差更多，估计与社会期待和角色有关，传统上男性“主外”，而疫情下男性原有的生活方式不得不进行大幅调整，包括运动也减少，另外停业停工也产生较大的经济和生活压力[27]，由此可能导致健康变差比例增大。2020年还发现离异/丧偶者健康变差比例比已婚/未婚居民都高，离异/丧偶属于人生较大的一个负性事件，在疫情下这类人群家庭支持方面可能会受到更大影响，由此导致健康变差比例更大。2021年疫情常态化控制期还发现，低学历居民健康变差比例更高。有研究发现，学历越高健康生活方式得分越高[28]，而低学历居民可能疫情下有更多的不健康生活方式而导致健康变差情况更多。

4 建议

基于本研究发现，提出以下建议：第一，我国需要加快健全公共卫生应急体系，增强卫生系统的应急能力[29，30]，在疫情等突发公共卫生事件发生时，尽可能满足居民的正常就医需求；第二，大力发展互联网医疗和远程医疗等[31]，将有助于降低疫情对居民就医需求的负面影响；第三，鼓励居民疫情期间居家锻炼[32]，提高身体素质，从而减轻疫情对健康的负面影响；第四，关注疫情下成年居民的焦虑抑郁情况，提供心理援助热线等服务[33]，可望促进提高居民疫情下的健康水平；第五，持续关注特别是曾经疫情较严重地区居民的健康影响变化趋势。

本文也存在一些局限性：第一，本研究采用滚雪球和便利抽样，因此样本代表性存在局限性，可能存在选择偏倚，如样本大部分来自城市地区等。第二，研究未收集饮食、锻炼等与生活方式相关因素，另外样本量有限的情况下没有进入方程的因素也不能确认就不是影响因素，如收入、年龄等。