体力活动对中国老年人衰弱的影响——基于中国健康与养老追踪调查的实证分析

王世强,郭凯林,吕万刚

随着老龄化的加剧,衰弱已成为影响老年人健康的重要社会问题。衰弱是指生理储备下降导致的机体易损性增加、抗应激能力减退的状态,与跌倒等负面事件紧密相关[1]。与年龄相比,衰弱是一项更能预测新冠肺炎死亡风险的指标[2],若不能及时对衰弱进行干预,将严重影响老年人的身体功能。随着体力活动被认为是预防和延缓衰弱有效的方式,国外已利用大型数据库对老年人衰弱进行了研究[3-4],在我国仅有少数研究采用全国性数据,大多都是选取小范围的地域性或特定机构的老年人进行调查[5-6]。纵向研究中,Bouillon发现低体力活动与衰弱和衰弱前期具有相关性[7]。Rodriguez等人对西班牙老年人4年的追踪研究表明中高强度体力活动有助于应对衰弱的加剧[8]。一项基于巴西老年人的横断面研究表明,低体力活动及久坐时间和衰弱正相关,从事中高强度体力活动的时间越长,衰弱程度越低[9]。但另一项基于日本老年人的调查却表明尽管中高强度体力活动与衰弱呈负相关,但低体力活动却与衰弱没有关系[10]。

以往研究虽然为本研究提供了大量参考依据,但也发现以下不足:(1)多数研究以衰弱表型(Frailty Phenotype,FP)为评估工具,限制了研究研究范围;(2)国外大型老年人健康调查项目,如美国国家健康与营养调查(National Health and Nutrition Examination Survey,NHNES)、英国老龄化纵向调查(English Longitudinal Study of Ageing,ELSA)等,已将体力活动和衰弱等方面的内容纳入,相关研究已证实体力活动对衰弱存在影响[11],但依然缺乏足够的证据支撑。(3)我国关于衰弱的研究多以小范围为主,所得结论不适合外推,且尤其缺乏体力活动对老年人衰弱影响的研究。鉴于上述研究的不足,本研究旨在利用中国健康与养老追踪调查(China Health and Retirement Longitudinal Study, CHARLS)2018年的数据,评估我国老年人的衰弱状况,探讨不同体力活动水平对我国老年人衰弱的影响,以及不同类别老年人中体力活动对衰弱影响的差异,以期为我国预防和干预老年人衰弱的体力活动促进提供科学依据。

1 研究数据与方法

1.1 数据来源

本研究的数据来源于CHARLS 调查中公布的2018年数据,CHARLS全国基线调查于2011年开展。其首创电子绘图软件技术,用地图法制作村级抽样框,采用多阶段 PPS 抽样,对我国28个省级行政区的150个县级单位、450 个村级单位进行入户调查。问卷设计参考了国际经验,访问应答率和数据质量在世界同类项目中位居前列,数据在学术界得到了广泛的应用和认可。问卷中包含的简易精神状态量表(Mini-Mental State Examination,MMSE)、流调中心抑郁量表(Center for Epidemiologic Studies Depression Scale,CESD)、基础性日常活动能力量表(Basic Activity of Daily Living,BADL)、工具性日常活动能力量表(Instrumental Activity of Daily Living,IADL)以及多病共存的调查和低中高体力活动量表,为构建FI和不同水平的体力活动提供了全面的洞察窗口,也为取得全国范围内的体力活动与衰弱关系的研究提拱了高质量的调查数据。

1.2 缺失值处理

CHARLS2018年数据中部分变量存在不同程度的缺失,尤其是疾病维度的变量与认知维度的变量。其中疾病维度的变量可用前1期的数据进行填补,在2018调查中规定对于新受访者或者上期调查中未患有医生诊断慢性病的受访者才回答本期的疾病问题,因此在2018年调查中对于回访者且对上期调查中已患有疾病的对象不再询问疾病问题,存在缺失的现象,这部分的缺失值可用CHARLS2015年的疾病情况进行填补。认知维度的30个变量均存在不同程度的缺失,最高缺失占比达25%。因此要选择合适的填补方式,Demirtas等人指出多重填补法在应对缺失率高达25%的数据时参数估计仍具有准确性[12],利用这种方法可以在不舍弃任何数据的情况下对缺失数据的取值进行推断。多重填补法假设数据属于随机缺失,因此首先需要掌握样本数据的缺失机制。本研究的缺失数据经Little’sMCAR检验后结果显著(P>0.05),表明数据不是完全随机缺失,可能为随机缺失或非随机缺失。继续为每个变量生成一个额外的二分变量表示缺失与否,并作为卡方检验的分组,与其他目标变量进行卡方检验,结果显示与年龄、性别、教育等存在显著差异,表明缺失数据依赖于其他变量,属于随机缺失类型,适合运用多重填补法进行填补。参考以往研究[13],将年龄、教育、性别等作为认知维度的解释变量,用以预测认知能力,并经以下3个步骤:首先用一系列可能的值对每一个缺失值进行替换,然后用标准的统计分析程序分别对多次替换后产生的多个数集进行分析,最后将来自各数据集的统计结果进行合并,最终样本为8 795名老年人。

1.3 衰弱指数的构建及计算

采用衰弱指数(Frailty Index,FI)对老年人的衰弱状况进行评估,FI是Rockwood等学者根据“累积健康缺陷”概念模型基础上开发的衰弱评估工具,其不关注某个单独的健康缺陷,而是基于整体的角度对衰弱进行描述,累积的健康缺陷越多,个体衰弱程度越高。其中衰弱的指标可以在遵循健康缺陷选取原则的基础上根据需求进行程序性自由构建(一般为30～92个),但至少应该包含30个指标[14]。由于FI对评估和预测老年人健康状况具有较高的有效性和稳定性,常用于流行病学等大规模人群调查。CHARLS问卷结构涵盖了疾病、失能、基础性日常活动能力、工具性日常活动能力、认知能力以及抑郁状况,各维度的评判均采用国际通用量表,为FI的构建提供了较为全面的指标。

根据构建FI的标准[15],即变量必须是与健康相关的变量;变量不能过早使人口饱和;变量必须涵盖体内的一系列系统,选择40个变量构建了本研究的FI评估量表。包括:①疾病:13种慢性疾病、2种残疾3类视听情况以及1种健康评价。②失能:包括BADL的6个指标、IADL的5个指标、3个移动能力指标和5个肌肉能力指标。③抑郁:采用CESD-10量表评定。④认知能力:采用MMSE量表进行测量。以上各维度的评价根据变量类型对健康变量赋值为0、1,3分类的变量则赋值为0、0.5、1,以此类推。FI的计算方法为存在健康缺陷的数目除以纳入总数(本研究为40),其范围为0～1,数值越大表明越衰弱,将FI ≥ 0.25定义为衰弱[16]。

1.4 体力活动构建及计算

CHARLS问卷将体力活动划分为高、中、低3个水平,包含每天从事每种水平体力活动的时间及1周的天数。将每天超过3 h的某种水平体力活动,重新编码为180 min,并允许每种水平的体力活动每周最多报告21 h[17],以避免有些个体错分到高体力活动组。通过《身体活动概要》中对各种体力活动方式的代谢当量(低体力活动MET赋值为3.3,中体力活动的赋值为4.0,高体力活动的赋值为8.0)得出1周总的能量消耗,公式为:1周体力活动能量消耗=对应体力活动水平的MET×每天活动时间×1周活动天数[18],并依据国际体力活动量表(IPAQ)评判标准,将老年人体力活动水平分为低(小于600 METs/wk)、中(600～3 000 METs/wk)、高(大于3 000 METs/wk)3种[19]。随后鉴于国外在探讨体力活动和衰弱关系时将体力活动分为低水平和中高水平两种,因此在后续回归分析中将中水平和高水平体力活动合并,划分为低体力活动和中高体力活动两种。

1.5 研究方法

(1)

其中,P表示衰弱风险;PA表示体力活动;β表示体力活动对衰弱的影响;x表示控制变量;γ表示控制变量对老年人衰弱的影响。

首先对样本的基本情况进行描述性统计,并通过卡方检验和方差分析展示差异性。其次利用二元logistics回归模型分析老年人体力活动对衰弱的影响,控制变量包括老年人的年龄、性别、教育等人口学特征变量。并借鉴倾向得分匹配法消除样本的内生性[20],进一步估计体力活动对老年人衰弱的净效应,其原理为:假设衰弱与否的两个老年人群体之间的差异能够被协变量所共同影响(协变量,如年龄、性别等),就可运用这些共同因素分层匹配,使体力活动成为区分两类老年群体间的唯一因素,以此来考察衰弱差异。具体模型为:

Yi=Y0i+(Y1i-Y0i)Di

(2)

ATT=E(Y1i-Y0i|Di=1)

(3)

其中公式(2)中Di为处理变量,当取1时表示老年个体i在实验组,取0时表示个体i在控制组。实验组为低体力活动的老年人,控制组为中高体力活动的老年人。公式(3)为实验组的平均处理效应(净效应)。

2 研究结果

2.1 中国老年人的衰弱患病率

总计有8 795例老年人,年龄(69.02±7.05)岁,其中60～69岁5 398例,70～79岁2 536例,80岁及以上861例。男性占48.35%,女性占51.65%,有配偶、教育程度为小学及以下、住在农村、中高体力活动的老年人占多数。结合衰弱情况进行分析,老年人的衰弱患病率为23.59%,随年龄的增长而上升,女性、无配偶、教育程度低、住在农村、低体力活动的老年人衰弱率较高。健康指标方面,衰弱老年人的各项评分都较正常老年人增加,表示健康缺陷增加,差异有统计学意义(P<0.01)(见表1)。

表1 不同特征的调查对象衰弱情况

2.2 老年人体力活动对衰弱的影响

以衰弱为因变量、体力活动能耗为自变量,年龄、性别、教育、婚姻、居住地为控制变量进行logistic回归分析。结果显示,体力活动每增加1 MET-h/d,老年人的衰弱风险下降4%(OR=0.96,95%CI:0.95～0.97,P<0.001)。以体力活动中高水平为参照,控制年龄、性别、婚姻、教育、居住地后,每周从事低体力活动老年人的衰弱风险增加,其衰弱风险是从事中高体力活动老年人的3.17倍(OR=3.17,95%CI:2.82～3.57,P<0.001)。按照年龄分组后所绘制的logistics回归曲线显示,不同年龄组的老年人衰弱风险也随着体力活动能耗的增加而减小,见图1。

图1 不同年龄组老年人体力活动能耗与衰弱的关系

2.3 基于倾向得分匹配的净效应

样本平衡性检验结果如表2所示:匹配之前各变量的标准化偏差分布较为分散,匹配之后的标准化偏差大都集中在0,变量偏度明显下降,多数变量的标准化偏差都小于5%,表明样本在匹配后的平衡性良好,符合倾向得分匹配方法的要求。同时实验组和控制组的差异不显著,说明通过倾向得分匹配后的样本偏差问题在很大程度上得到解决,也说明使用倾向得分匹配法来控制模型的内生性是科学合理的。

表2 样本平衡性检验

其次用卡尺内的最近邻匹配、半径匹配和核匹配3种方法进行检验,如果3种方法得到的平均处理效应ATT的结果一致,则证明回归结果的科学性。全样本倾向得分匹配的平均处理效应如表3所示,使用3种方法后所得的ATT分别为0.21、0.21、0.22,各系数均在1%的水平下显著为正,表明尽可能消除一系列的样本间自选偏差后,体力活动对老年人衰弱的处理效应均在0.2个单位左右,换言之,在考虑了年龄、性别等诸多条件后,低体力活动的老年人比如果在相同条件下从事中高体力活动老年人衰弱风险高0.2个单位,即净效应为20%,可见通过倾向得分匹配的结果具有稳健性,同时也说明如果没有处理模型存在的选择性偏差问题,会高估体力活动对老年人衰弱的效应。总体而言,在尽可能消除自选择性偏差后,低体力活动老年人的衰弱风险更高。

表3 倾向得分匹配估计结果

2.4 异质性结果

我国老年人的体力活动存在群体异质性[21],因此通过对不同特征老年人体力活动对衰弱影响的探查,考察其存在的异质性。结果表明:低体力活动更会增加女性(女性:OR=3.18,95%CI:2.60～3.89 ;男性:OR=2.48,95%CI:2.09～2.93)、教育程度低(文盲:OR=3.58,95%CI:2.65～4.83;小学及以下:OR=2.59,95%CI:2.13～3.16;初中及以上:OR=2.58,95%CI:2.09～3.18)、无配偶(无配偶:OR=3.23,95%CI:2.52～4.13;有配偶:OR=2.58,95%CI:2.22～3.01)、居住在城市(城市:OR=3.41,95%CI:2.58～4.50;农村:OR=2.58,95%CI:2.23～2.99)老年人的衰弱风险。可见在不同类别的老年人中,体力活动对衰弱的影响不同。

3 分析与讨论

3.1 我国老年人的衰弱情况

本研究利用CHARLS 2018年数据,采用FI评估工具所检出的衰弱率为23.59%,高于同样采用FI评估的美国加州老年人的衰弱率(14.3%)[22],但与同样使用FI为衰弱评估工具所研究的合并患病率一致(24%)[23]。既往研究也认为发达国家的衰弱率低于发展中国家,高收入国家的衰弱率低于中高收入国家[24],这可能与发达国家的医疗保障优于发展中国家有关。尹佳慧等同样采用FI指数,运用CHARLS数据的调查得出我国老年人在2011年、2013年和2015年的衰弱率分别为18.7%,20.6%和28.4%,呈现逐年上升的趋势[25],但本研究运用2018年的CHARLS数据得出的衰弱率却有所下降,可能和样本量、数据处理方式及纳入的认知评价工具不一致有关,本研究的样本量经多重填补后多于尹佳慧等所使用的样本,使用的认知评价量表为CHARLS 2018年调查中新增的简易精神状态量表(MMSE),该量表为国内外应用最为广泛的认知评价量表,汉化后具有良好的信度和效度,可作为认知功能筛查的初始工具[26],不同于尹佳慧等所使用的TICS-m电话评定量表。此外,本研究所得衰弱率低于我国农村,高于我国城市,可能与本研究样本来自全国28个省份,涵盖了城乡老年人有关。也高于我国其他地区采用FI所评估的衰弱率,猜测可能与此前研究纳入了50岁以上的低龄老年人[27]、排除了高龄老年人[28]等年龄因素有关,因为与年龄相关的衰弱患病率增加。需要指出的是不同的研究所选用的评估工具各异,这也影响了衰弱率的差异,一项以FP、FI和Frail为测量工具的Meta分析显示我国社区老年人的衰弱发生率分别为8%、12%和15%[29]。我国尚无自主研发的衰弱评估工具,只能采用国外较为成熟的量表和模型,这也是导致衰弱率不一致的原因。尽管已有研究者逐步开展对国外量表的汉化工作,并取得阶段性成果[30],但基于我国国情的衰弱评估工具仍有待完善与检验,这也是导致衰弱率不一致的原因。

3.2 体力活动对我国老年人衰弱的影响及异质性

已有证据表明,体力活动可以延缓老年人衰弱,并抑制其进展[31],它以剂量依赖的方式更好地控制血压、胆固醇和腰围,降低了心血管和代谢疾病的风险[32]。多项研究也证实体力活动对衰弱存在显著影响,针对日本老年人久坐行为、体力活动和衰弱关系的横断面研究表明低体力活动与衰弱关系不大[10],但对马来西亚老年人的纵向研究却显示低体力活动使老年人衰弱恶化的风险增加近3倍[33]。欧美国家中,巴西老年人体力活动与衰弱的研究表明低体力活动的老年人衰弱风险是中高体力活动老年人的2.83倍[9]。可见在不同的研究中,体力活动对衰弱的影响存在差异。此外基于体力活动的干预措施在老年人中也产生了相互矛盾的结果,体力活动的最有利强度、频率和持续时间存在不确定性[34]。既往研究的矛盾之处为本研究提供了可操作的空间,本研究则从CHARLS 2018年的横截面数据中,分析了体力活动对我国老年人衰弱的影响,研究结果显示体力活动能有效降低我国老年人的衰弱风险,控制其他因素后,体力活动水平每增加1 MET-h/d,老年人的衰弱风险下降4%,低体力活动老年人的衰弱风险是中高体力活动的3.17倍。当前研究与以往研究存在异质性的原因可能与衰弱的评估工具不一致有关,此外回归模型中输入的不同协变量也可能会影响最终结果。不同于以往研究,本研究还通过修正样本的自选择偏差,进一步佐证了体力活动对我国老年人衰弱的影响,结果表明与中高体力活动相比,低体力活动对老年人衰弱风险影响的净效应在20%左右,这为我国为数不多的体力活动预防和干预衰弱提供了科学依据。

进一步的异质性分析表明了体力活动对我国老年人衰弱的影响存在差异,相比男性老年人,低体力活动会使女性老年人的衰弱风险更高,原因可能与老年期的女性体内雌激素水平下降导致的肌肉力量不足有关[35],而男性在肌肉力量方面的优势使其从事低体力活动后的衰弱风险较女性小。教育层面,除了教育所带来的阶层、收入等短期效应外,从更长远的生命历程看,对老年期的健康保障也有着显著影响。教育程度低的老年人相应的健康素养也较低,提供的健康保障有限,这可能是导致这部分老年人从事低体力活动的衰弱风险高于教育程度高的老年人的原因之一。婚姻层面,配偶支持是老年人重要的社会支持,也是其社会支持的主要来源,与老年人的身心健康关系密切,在老年期对于彼此的互相扶持有巨大帮助[36],因此在对衰弱的影响上,配偶的作用不能忽视,这也是体力活动在婚姻层面上对衰弱影响不一致的原因。城乡层面,可能和城乡老年人早期的工作经历不同有关,农村居民更可能在早期从事繁重的工作,这在一定程度上增强了体质,有助于应对衰弱风险。

3.3 不足之处

本研究也存在一定的局限性,首先是FI指标的数量,尽管国外研究表明通常达到30～90个条目能使评估达到较高的稳定性,但在国内还缺乏多样本的稳定性检验。其次虽然使用了倾向得分匹配法消除内生性偏误,但无法穷尽所有变量,仍不能完全排除其他不可观测因素带来的估计偏误。最后,本研究选取的是横断面调查数据,日后如若能够展现老年人在不同时间点上体力活动与衰弱的变化,将进一步为衰弱的干预提供强有力的证据。

4 结论与建议

结论:中国老年人的衰弱患病率高,低体力活动老年人的衰弱风险更高,中高体力活动更有助于降低老年人的衰弱风险,同时二者关系也存在群体异质性。

建议:一是重视老年人衰弱问题,制订适合我国老年的衰弱管理实践指南。我国科研人员应参考国外跨学科的研究合作模式,共同确定适合我国不同场景老年人的衰弱筛查工具和评估工具,以期为衰弱评估提供基本依据。二是加大衰弱防治工作力度,开展筛查评估。将衰弱筛查和评估纳入老年人入院和进入养老机构的评估中,同时在社区也要定期开展衰弱筛查,以能够发现衰弱老年人,及时进行干预。三是积极创造条件,引导老年人进行中高体力活动。因此要加强衰弱防治知识宣教,通过多部门协作,采用多种宣传手段和渠道,广泛开展体力活动防治衰弱的科普宣传,并提供适宜运动的建成环境和健身环境,积极引导广大老年人增加体力活动。