基于潜在类别分析的多重慢病老年人健康相关行为及生命质量的差异研究

廖雁鸣，郑晓，4，薛雅卿，肖淑娟，薛本立，李欣茹，陈一鸣，张梦洁，张持晨，4*

1.510515 广东省广州市，南方医科大学卫生管理学院

2.510515 广东省广州市，广东省高校哲学社会科学（健康管理政策与精准健康服务协同创新研究）重点实验室

3.710061 陕西省西安市，西北妇女儿童医院

4.510030 广东省佛山市，南方医科大学顺德医院（佛山市顺德区第一人民医院）健康管理科

随着人口老龄化趋势日益严峻，如何有效应对人口老龄化成为我国的重要战略任务［1］。与人口老龄化不断加剧并存的是我国老年人慢性病患病率快速增长，慢性病具有起病隐匿、病因复杂、病程长、迁延不愈的特点，导致慢性病防治工作难度较大［2-6］。与此同时，多种慢性病共存情况日趋突出，致残、致死风险提高，严重危及生命安全［7-9］。行为与健康之间存在联系已被国内外众多研究证实，不良健康相关行为容易诱发慢性病及多重慢病（即2 种以上慢性病共存现象）并影响生命质量［10-13］。不良健康相关行为是可变的慢性病危险因素，探索多重慢病老年人健康相关行为潜在类别及其与生命质量的关联有助于识别其健康相关行为类别特征，挖掘影响生命质量的风险行为，为开展精准健康管理提升老年人生命质量提供参考［14］。因此，本研究以多重慢病老年人作为研究对象，探讨健康相关行为潜在类别及其与生命质量的关联，以期为开展精准健康管理提升老年人生命质量提供参考。

1 对象与方法

1.1 调查对象

基于本团队2021 年建立的“社区老年人群健康行为追踪调查（Community Health and Behavior of the Elderly Panel Study，CHBEPS）”的基线数据。采用多阶段随机抽样方法在广东省21 个地级市选择4 个地级市为一级单位，在一级单位中分别随机选择1 个县级市（区）为二级单位，每个二级单位分别随机抽取2～6 个社区或行政村，由团队成员及经过培训合格的调查员对社区或行政村中符合标准的老年人展开调查，最终纳入3 531 人，回收有效问卷3 392 份，有效回收率为96.06%。其中多重慢病老年人1 395 例（41.13%）。本研究对象的纳入标准：（1）年龄≥60 岁；（2）自愿参加研究，填写知情同意书；（3）可自行完成或在调查员的帮助下完成问卷调查；（4）患有多重慢病。排除标准：（1）意识不清，精神异常者；（2）具有认知功能障碍者；（3）正在参加其他类似研究课题者；（4）不愿合作者。本研究获南方医科大学伦理委员会批准（批准编号：南医伦审2022 第27 号）。

1.2 调查工具

1.2.1 一般资料调查表：采用团队自制问卷收集调查对象基本信息，包括性别、年龄、身高、体质量、慢性病数量、居住地、是否有宗教信仰、文化程度、离职或退休前的职业、目前是否在职、个人月收入、家庭月均收入、医保类型、婚姻状况等。

1.2.2 疾病状况调查表：采用团队自制问卷收集调查对象的慢性病情况。其中慢性病的种类包括冠心病、动脉粥样硬化、心律失常、高血压、高脂血症、慢性支气管炎、哮喘、白内障、青光眼、慢性胃炎、慢性阻塞性肺疾病、慢性肝炎/脂肪肝、慢性肾炎、风湿或类风湿性关节炎、痛风、骨质疏松症、坐骨神经痛、脑卒中/中风、老年痴呆/脑萎缩/帕金森病、情感或精神方面问题、糖尿病、甲状腺功能亢进/甲状腺功能减退、恶性肿瘤、慢性病贫血/缺铁性贫血24 种疾病以及调查对象自填的其他疾病。

1.2.3 健康相关行为调查表：采用团队自制问卷收集调查对象的吸烟情况、饮酒情况以及饮食偏好。其中饮食偏好包括饮食口味偏好（甜、辣、酸、咸、淡、油、烤、热、凉、其他）、三餐是否规律、是否注重荤素搭配、是否经常食用蔬菜、是否经常食用水果。

采用匹兹堡睡眠质量指数量表（PSQI）条目1 衡量调查对象近1 个月的熬夜情况。该量表有18 个条目，包括入睡时间、睡眠时间、睡眠效率、睡眠障碍、主观睡眠质量、催眠药物应用、日间功能障碍7 个因子［15］。本研究以该量表中条目1 的入睡时间晚于23：00 定义为熬夜［16］。

采用国际体力活动短量表中文版（IPAQ-S-C）衡量调查对象最近7 d 的体力活动情况。该量表包括重度体力活动、中度体力活动、步行活动和静坐活动，前3 部分包括最近7 d 参加活动的频率和每次活动持续的时间，第4 部分包括每次活动持续的时间［17-18］。前3部分每个部分代谢当量（metabolic equivalent，MET）依次为8.0、4.0、3.3［19］。体力活动强度等于前3 部分MET×每次持续时间×每周天数，分为高（≥3 000 METs）、中（600～3 000 METs）、低（＜600 METs）3个水平。

采用社会网络量表简版（LSNS-6）衡量调查对象的社会网络情况。该量表包括2 部分6 个条目，其中前3 个条目为第1 部分，用于评估家庭网络，后3 个条目为第2部分，用于评估朋友网络。每个条目得分为0～5分，量表总分为0～30 分，得分越低表示社会隔离的风险越高，21～30 分表示低社会隔离风险，18～20 分表示中等风险，12～17 分表示高风险，0～11 分表示社会隔离［20-21］。该量表的2 部分满分均为15 分，每部分得分＜6 分被视为该部分为隔离状态。本研究中该量表的Cronbach'sα系数为0.869。

1.2.4 生命质量调查表：采用欧洲五维五水平健康量表（EQ-5D-5L）衡量调查对象的生命质量。该量表包含5 个维度，分别为行动能力（MO）、自我照顾能力（SC）、日常活动能力（UA）、疼痛或不舒服（PD）、焦虑或沮丧（AD），每个维度包含没有任何困难、轻微困难、中度困难、严重困难、极其严重困难或不能5 个水平［22］。5 个维度在5 个水平（由低到高）评分依次为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），总得分计算方式为：1-（MOn+SCn+UAn+PDn+ADn），n 的取值为1、2、3、4、5，总得分范围为-0.391～1.000分［23］。本研究中该量表的Cronbach'sα系数为0.827。

1.3 质量控制

调查开始前，由团队成员对调查问卷进行逻辑检查及对调查员进行培训；调查过程中，团队成员及培训合格的调查员严格按照抽样方法、纳入与排除标准选取调查对象，团队成员与调查员保持沟通，调查员定期汇报调查进展及遇到的问题等；调查结束后，由团队成员统一进行质量检查，剔除不合格问卷。

1.4 统计学方法

采用Mplus 8.3 软件进行多重慢病老年人健康相关行为潜在类别分析（latent class analysis，LCA）。LCA模型适配指标包括赤池信息准则（Akaike information criteria，AIC）、贝叶斯信息准则（Bayesian information criteria，BIC）和校正的贝叶斯信息准则（adjusted Bayesian information criteri，aBIC）、罗- 蒙代尔- 鲁本校正似然比（Lo Mendell-Rubin Likelihood ratio test，LMRT）、基于Bootstrap 的似然比检验（Bootstrapped Likelihood ratio test，BLRT） 以 及 熵（Entropy）［14，24］。其中AIC、BIC 及aBIC 越小则表示拟合程度越好；LMRT 和BLRT 的P＜0.05 时表示k 类模型的拟合程度好于k-1 类；Entropy 表示分类精度，取值范围为0～1，越接近1 表示分类越精确，Entropy ≥0.8 时表示分类精准率超过90%［24-25］。平均归属概率矩阵对角线上的值＞0.7 时表示模型是可接受的［26］。在确定拟合模型的基础上，以多重慢病老年人健康相关行为的潜在类别分组，分析不同健康相关行为潜在类别多重慢病老年人生命质量的差异。经检验，多重慢病老年人生命质量不服从正态分布，以M（P25，P75）表示，并采用SPSS 26.0软件进行Kruskal-Wallis 秩和检验，两两比较时采用Wilcoxon秩和检验。以P＜0.05表示差异具有统计学意义。

2 结果

2.1 多重慢病老年人一般资料

1 395 例多重慢病老年人中，男569 例（40.8%），女826 例（59.2%）；平均年龄（71.3±6.5）岁；平均身高（156.6±9.0）cm；平均体质量（58.1±10.9）kg；慢性病数量：2 种555 例（39.8%），3 种408 例（29.2%），4 种188 例（13.5%），≥5 种244 例（17.5%）；居住地：城市672 例（48.2%），农村723 例（51.8%）；是否有宗教信仰：无1 273 例（91.3%），有122 例（8.7%）；文化程度：小学及以下857 例（61.4%），初高中490 例（35.1%），大专及以上48 例（3.4%）；离职或退休前的职业：机关/事业单位149 例（10.7%），企业人员90 例（6.5%），工人160 例（11.5%），个体私营业主或自由职业者75 例（5.3%），商业/服务人员26 例（1.8%），农民812 例（58.2%），军人12例（0.9%），无业或失业54 例（3.9%），其他17 例（1.2%）；目前是否在职：否1 201 例（86.1%），是192 例（13.8%），缺失值2 例（0.1%）；个人月收入：无收入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：无收入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%）；医保类型：城镇职工基本医疗保险266 例（19.1%），城乡居民基本医疗保险1 068 例（76.6%），社会救助4 例（0.3%），商业医疗保险2 例（0.1%），全公费8 例（0.6%），全自费34 例（2.4%），其他10例（0.7%），缺失值3 例（0.2%）；婚姻状况：已婚1 024 例（73.4%），未婚12 例（0.9%），离异15 例（1.1%），丧偶344 例（24.6%）。

2.2 多重慢病老年人健康相关行为潜在类别模型拟合情况

本研究探索了多重慢病老年人健康相关行为的潜在类别模型，模型拟合指标见表1。AIC、BIC、aBIC 随着类别数量的增加总体上数值不断下降，但BIC 由4 类别到5 类别时数值小幅上升。LMRT 的P 值在2 类别至4 类别时＜0.001，在5 类别时为0.541 1，BLRT 的P 值在2 类别至5 类别均＜0.001。Entropy 的值在2 类别至5类别均＞0.8。随类别数量增加，类别概率逐步下降，在1 至4 类别时最低类别概率＞0.1，在5 类别时最低类别概率为0.074。综合各项指标，认为4 个类别时模型拟合效果较好，因此选择4 个类别。4 类别模型平均归属概率矩阵对角线上的值均＞0.7，认为将多重慢病老年人健康相关行为划分为4 个类别时模型是可靠的，见表2。

表1 多重慢病老年人健康相关行为潜在类别模型拟合指标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关行为各潜在类别的平均归属概率矩阵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关行为的潜在类别特征

本研究将多重慢病老年人健康相关行为划分为4 个潜在类别，见图1。类别1 共280 例（20.1%），其突出特点为饮食口味偏好中喜清淡以及三餐规律、注重荤素搭配、经常食用水果以及社会网络等行为概率最高，饮食口味偏好中喜甜、辣、酸、咸、油、热、凉以及体力活动等行为概率最低，行为相对健康，命名为健康行为组。类别2 共366 例（26.2%），其突出特点为吸烟、饮食口味偏好中喜甜、辣、酸、油、烤、热以及熬夜等行为概率最高，注重荤素搭配、经常食用水果的行为概率最低，行为相对危险，命名为危险行为组。类别3 共173 例（12.4%），其突出特点为饮酒、饮食口味偏好中喜咸、其他等行为概率最高，兼具健康和危险行为，命名为综合行为组。类别4 共576 例（41.3%），其突出特点为饮食口味偏好中喜凉的行为概率最高，经常食用蔬菜、社会网络等行为概率最低，行为存在一定风险，命名为不良健康行为组。

图1 多重慢病老年人健康相关行为潜在类别的条件概率图Figure 1 Conditional probability graph of latent classes of health-related behavior in older adults with multimorbidity

类别1 与类别4 在吸烟、饮酒以及饮食口味偏好以及三餐规律等行为概率趋于一致。类别1 与类别3 在饮食口味偏好中喜烤、热以及三餐规律、经常食用水果、体力活动等行为概率趋于一致。类别2 与类别3 在吸烟、饮酒以及饮食口味偏好以及体力活动等行为概率趋于一致，但类别2 的行为概率稍高。类别2 与类别4 在三餐规律、注重荤素搭配、经常食用蔬菜和水果、熬夜、体力活动、社会网络等行为概率趋于一致。

2.4 不同健康相关行为的潜在类别老年人生命质量差异分析

以多重慢病老年人健康相关行为潜在类别分组，探讨不同潜在类别老年人生命质量的差异，Kruskal-Wallis 秩和检验结果显示，不同健康相关行为潜在类别的多重慢病老年人生命质量比较，差异有统计学意义（H=12.993，P=0.005）；Wilcoxon 秩和检验结果表明，健康行为组老年人生命质量高于危险行为组和不良健康行为组，差异有统计学意义（P＜0.05），见表3。

表3 不同健康相关行为潜在类别多重慢病老年人生命质量对比分析表［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 讨论

本研究结果显示，老年人多重慢病患病率为41.13%。2017 年一项针对山东省农村老年人的研究结果显示多重慢病患病率为34.5%；2010 年一项全国范围内的60 岁以上老年人的研究结果显示2 种及以上慢性病患病率为28.06%；一项基于中国健康与养老追踪调查数据2018 年的研究指出多重慢病患病率为55.41%［27-29］。本研究结果显示多重慢病患病率与既往研究结果存在一定的差异，但是介于既往研究结果的范围之间，可能的原因是地域范围及样本年龄等存在差异。

本研究探索了多重慢病老年人健康相关行为的潜在类别，根据模型适配指标，多重慢病老年人健康相关行为可划分为4 个潜在类别，各潜在类别老年人健康相关行为存在差异。因此，在为多重慢病老年人进行健康管理时应根据其行为特征进行精准化管理。Kruskal-Wallis秩和检验结果显示不同健康相关行为潜在类别的多重慢病老年人生命质量差异具有统计学意义（P＜0.05），进一步通过Wilcoxon 秩和检验两两比较分析发现，健康行为组老年人生命质量高于危险行为组和不良健康行为组。通过对不同健康相关行为潜在类别老年人行为特征对比分析发现，健康行为组老年人突出表现在吸烟、饮酒行为概率较低，饮食口味偏好中喜清淡以及三餐规律、注重荤素搭配、经常食用水果以及社会网络等行为概率最高。危险行为组老年人在吸烟、饮酒及饮食口味偏好中喜甜、辣、咸等行为概率较高，熬夜行为概率最高，注重荤素搭配、经常食用蔬菜和水果以及社会网络等行为概率相对较低。不良健康行为组老年人在吸烟、饮酒及饮食口味偏好行为概率与健康行为组趋于一致，但在注重荤素搭配、经常食用蔬菜和水果以及社会网络等行为概率显著低于健康行为组。危险行为组与不良健康行为组在注重荤素搭配、经常食用蔬菜和水果、熬夜、体力活动、社会网络等行为概率趋于一致。综上所述，吸烟、饮酒及饮食口味偏好中喜甜、辣、咸等行为概率较高的老年人生命质量较低，注重荤素搭配、经常食用蔬菜和水果以及社会网络等行为概率较低的老年人生命质量较低。

本研究结果提示，多重慢病老年人吸烟和饮酒行为概率较高的老年人生命质量较低，与既往研究结果一致，吸烟和过量饮酒已被证实是健康的危害因素［30］。有研究指出，膳食多样性与生命质量呈正相关［31］。本研究结果与之一致，注重荤素搭配、经常食用蔬菜和水果行为概率较高的老年人拥有更高的生命质量。本研究结果显示，饮食口味偏好中喜甜、辣、咸等行为概率高的老年人生命质量较饮食口味偏好中喜清淡的老年人更差。一项关于中国饮食口味与慢性病空间关联的研究指出，过咸与过辛辣是慢性病的危险因素，一定程度的甜也是慢性病的危险因素，但甜度与慢性病并非线性关系［32］。该研究仅探索了单一口味与慢性病的关系，与本研究的饮食口味多样化存在差异，但均显示饮食口味与慢性病或生命质量存在关联。有研究指出，社会网络所提供的社会支持能够缓解个体的消极情绪体验，对健康相关生命质量影响较大，良好的社会支持有利于身心健康，社会隔离会增加慢性病的风险，本研究结果与之一致［33-35］。此外，本研究发现多重慢病老年人存在熬夜行为概率较高和体力活动行为概率过低等共性问题。既往研究显示，入睡时间点是反映个体睡眠质量的重要指标，而熬夜是个体健康的危害因素之一［36］。也有研究显示，缺乏体力活动是高血压、糖尿病等慢性病的危险因素，中、重度体力活动是老年人罹患慢性病的保护因素［37］。因此，在为多重慢病老年人进行精准健康管理时应考量其健康相关行为特征，重点关注吸烟、饮酒及饮食口味偏好中喜甜、辣、咸等行为概率较高的人群，以及注重荤素搭配、经常食用蔬菜和水果以及社会网络等行为概率较低的人群，同时应关注到熬夜行为以及体力活动不足等共性问题有针对性地采取措施，提升多重慢病老年人健康管理的精确性和有效性。

本研究存在一定局限：第一，本研究选取广东省4个地级市多重慢病老年人作为研究对象，可能存在地区差异，研究结果外推的可行性有待进一步研究验证；第二，本研究将潜在类别变量划分为是或否，仅探索了行为是否存在，未进一步探索行为强度的影响；第三，本研究数据来源于横断面调查，在验证变量的因果关系方面存在局限，也未考虑到行为随时间变化的情况。

作者贡献：张持晨提出研究思路和总体目标，负责研究的设计与实施，文章的质量控制与审查，对文章整体负责，全程监督管理；廖雁鸣负责数据分析以及撰写论文；廖雁鸣、郑晓、薛雅卿、肖淑娟、薛本立、李欣茹、陈一鸣、张梦洁进行数据的收集与整理；廖雁鸣、郑晓、肖淑娟、薛本立、张持晨进行论文的修订。

本文无利益冲突。