使用倾向得分匹配分析研究特定年龄段的健康老龄化关联及组成部分模式

《Discover Public Health》：Age specific associations and component patterns of healthy ageing using propensity score matching analysis

　　摘要
背景
健康老龄化涵盖了在整个生命周期中保持最佳的身体、心理、社会和认知福祉。尽管年龄特定的需求已被广泛认可，但许多研究将所有年龄段的成年人合并在一起，可能会忽视健康老龄化在生命阶段特定因素的影响。

目标
探讨与健康老龄化相关的年龄特定因素，并研究香港社区居住成年人的潜在组成部分。

方法
这项横断面基线研究是为期10年的纵向项目的一部分，招募了香港的社区居住成年人。参与者被分为三个年龄组：年轻人（18-35岁）、中年人（36-59岁）和老年人（60岁及以上）。使用经过文化调整的15项健康老龄化问卷（HAQ）来评估健康老龄化。应用倾向得分匹配（PSM）来平衡基本特征。然后进行多元线性回归分析，以确定与健康老龄化得分相关的年龄特定因素，同时使用主成分分析（PCA）来探索不同年龄组之间的潜在组成部分。

结果
共有2,024名参与者被纳入分析。通过PSM平衡性别、居住安排、教育和医疗条件后，每个年龄组各有232名参与者。多元线性回归显示，不同年龄组与健康老龄化之间存在显著关联。在年轻组中，多重疾病与健康老龄化得分呈负相关，而在老年组中，较高教育水平与健康老龄化得分呈强正相关。中年组未发现显著参数。PCA一致地将HAQ-10、HAQ-14和HAQ-15确定为所有年龄组的核心组成部分，社会和认知因素在老年组中变得越来越重要。

结论
根据我们的年龄分层分析，出现了一些潜在的干预方向。在年轻人中，吸烟、慢性疾病与较低健康老龄化得分之间的关联表明，烟草控制和早期慢性疾病管理可能是相关的干预领域。在老年人中，教育与健康老龄化之间的正相关强调了健康素养和多重疾病管理支持的潜在作用。中年组未观察到显著关联，这可能反映了未测量的心理社会或环境因素，或者统计功效有限。这些初步发现表明，采用生命周期视角有助于制定针对不同年龄段的公共卫生策略。然而，需要进一步的研究来验证这些关联并明确因果关系。

1 引言
根据世界卫生组织（WHO）的定义，健康老龄化是指发展和维持功能能力的过程，使老年人在晚年仍能享有良好的生活质量[1, 2]。它是一个多维概念，包括整个生命周期中的身体、心理、社会和认知福祉，支持人们过上有意义和充实的生活[]。随着全球预期寿命预计到2050年将达到77.1岁，人们越来越认识到需要采取生命周期方法来促进健康[4,5,6]。

生命周期方法考虑了健康、发展和结果如何在整个生命周期中演变，这些演变受到生物、心理、社会和环境因素动态相互作用的影响。健康轨迹受到累积暴露和年龄特定因素的影响，包括教育、生活方式行为（如吸烟）和多重疾病[7, 8]。重要的是，这些因素的影响在生命阶段各不相同：年轻人（18-35岁）可能更容易受到吸烟等生活方式风险的影响，中年人（36-59岁）可能面临职业或照顾压力的独特挑战，而老年人则常常面临慢性疾病的累积负担[9, 10]。

尽管年龄分层分析很重要，但许多关于健康老龄化的研究将不同年龄段的成年人合并在一起，而没有调整教育、社会经济地位或医疗条件等随时间累积的混杂因素[11, 12]。这种合并可能会掩盖不同的预测因素。例如，吸烟在年轻人中可能具有更大的影响，而多重疾病在老年人中更为突出，导致结论偏颇和干预措施不够具体和有效[13]。为了解决这一研究空白，我们的研究利用倾向得分匹配（PSM）通过平衡关键基线特征来创建年轻人（18-35岁）、中年人和老年人（60岁及以上）的可比组。这种方法减少了基线差异带来的偏差，从而能够识别与健康老龄化相关的年龄特定因素。健康老龄化使用15项健康老龄化问卷（HAQ）进行评估，这是一个经过验证的工具，用于评估健康的身心、社会和认知维度[14]。为了进一步探索健康老龄化的潜在结构，我们对HAQ进行了主成分分析（PCA），以确定关键因素并评估它们在不同年龄组中的重要性，从而为制定有针对性的、针对生命阶段的干预措施提供依据。通过明确年龄特定的决定因素和健康老龄化的组成部分，本研究为从早期预防到晚年支持的政策和计划提供了证据。

2 方法
2.1 研究设计和参与者
这项研究是为期10年的纵向研究的基线部分（第1波），设计为每两年收集一次数据。基线调查于2024年10月24日至12月27日进行。参与者通过在线和纸质方式招募，符合以下标准：年龄18岁或以上；目前居住在香港；能够阅读和理解中文。在线招募时，通过社交媒体平台分发研究广告和海报，并附上二维码引导参与者填写Google表单。纸质招募时，研究助理在各个地区的大学、社区休闲公园和老年人中心分发问卷。

2.2 人口统计健康信息
基线数据包括年龄（连续和分类：18-35岁、36-59岁、60岁及以上）、性别（男性、女性或不愿透露）、教育水平（低=中学或以下；高=中学以上）、婚姻状况（单身、已婚、离婚、丧偶或未披露）、居住安排（独自居住或与他人同住）和吸烟史（有吸烟史或无吸烟史）。慢性疾病是从预定义的15种医生诊断的疾病列表中自我报告的，多重疾病定义为≥2种疾病。对于回归模型，疾病数量被分为0、1、2或≥3种。

2.3 健康老龄化的测量
健康老龄化使用15项HAQ进行测量，该问卷最初是在新加坡纵向老龄化研究中开发的，随后通过翻译、回译和试点测试进行了香港适应性调整，以确保文化有效性[14]。该问卷包含15个问题，涵盖认知、心理、社会和身体领域。得分范围从0到47分，分数越高表示健康老龄化状况越好。为了保持香港背景下的文化相关性和语言正确性，HAQ进行了全面的修改和验证程序（未发表数据）。探索性因子分析显示了一个三组分结构：（1）身体/心理健康和目标感，（2）参与功能性活动，以及（3）参与社会和身体活动，占总方差的58.18%。调整后的工具显示出可接受的可靠性和稳定性（Cronbach’s α=0.827；分半可靠性=0.697；组内相关系数=0.630），表明其适用于该人群。英文HAQ及其评分系统见补充表1，补充表2列出了所有15个项目及其响应频率。

2.4 统计分析
所有连续变量均总结为平均值±标准差（SD）或中位数（IQR），具体取决于数据分布。对于年龄和HAQ得分，描述性统计还报告了平均值±SD或中位数（最小值–最大值）。连续变量使用单因素方差分析（one-way ANOVA）进行组间比较，分类变量则使用皮尔逊卡方检验或费舍尔精确检验（适当时）。基线特征以频率（n, %）表示。为了减少混杂并提高跨年龄组的可比性，我们采用了两步配对PSM方法，使用人口统计和健康相关协变量（性别、居住安排、教育和医疗条件）。第一步，使用最近邻匹配将年轻组与中年组按倾向得分的对数值匹配1:1。第二步，将匹配后的中年组与老年组按相同程序匹配1:1。最终匹配样本由具有相似背景特征的年轻人、中年人和老年人组成。使用标准化平均差异（SMD）评估匹配前后的协变量平衡情况，SMD值<0.2表示平衡可接受。虽然匹配后平衡有所改善，但教育和医疗条件的SMD仍高于阈值（均约为0.32），表明可能存在残余混杂。这些限制在结果和讨论部分进行了详细讨论。SMD用于评估匹配组之间的协变量平衡，SMD值<0.2表示平衡可接受[15]。在每个组内进行了单独的线性回归分析，以检查HAQ得分与基线特征（包括性别、居住安排、教育和慢性疾病负担）之间的关联。PCA结合Varimax旋转检查了每个年龄组HAQ项目的组成部分。Kaiser–Meyer–Olkin（KMO）度和Bartlett的球形度检验评估了数据的适用性。使用特征值大于1（Kaiser标准）以及碎石图检查来确定保留的成分。未能满足加载要求的项从最终PCA解决方案中省略。

所有分析均使用IBM SPSS 29版本（美国伊利诺伊州芝加哥）和R软件及R Studio进行，p<0.05被视为统计学上显著。

2.5 伦理声明
本研究获得了香港理工大学的机构审查委员会的伦理批准，符合赫尔辛基宣言（参考编号：HSEARS20241014001）。所有参与者均签署了书面知情同意书。

3 结果
3.1 年龄组匹配前后的基线特征
通过纸质分发和在线提交共收集了2,120份问卷，包括70份纸质问卷和2,050份在线问卷。在线问卷中，4份是内部测试提交，90份被识别为重复项，1名参与者退出了研究。在纸质问卷中，排除了一份数据缺失的记录。排除这些后，保留了2,024份完整有效的回答用于分析。所有参与者的基线人口统计和健康相关特征已在前文报告（补充表3）[10]。为了检查不同年龄组之间的基线差异，参与者被分为三组：年轻人（18-35岁，n=1,319）、中年人（36-59岁，n=363）和老年人（60岁及以上，n=342）。随着年龄的增长，基线特征存在显著差异。随着年龄的增长，受教育程度较低的个人比例显著增加，从最年轻组的7.73%上升到最年长组的61.11%。同样，独居者的比例从9.70%上升至22.22%，而患有三种或以上已诊断疾病的个人比例从1.44%增加到19.88%。婚姻状况在不同年龄组中也存在差异，单身人士的比例随年龄增长而减少，而丧偶人士的比例则增加。根据SMD值，婚姻状况（SMD=0.72）、教育水平（SMD=0.53）和已诊断疾病数量（SMD=0.54）的组间差异最为显著。值得注意的是，由于年轻组占人口的大多数（65.17%），且该组中大多数人为单身且受教育程度较高，这些因素可能反映了年龄分布的特点。另一方面，我们之前的研究发现了教育程度与健康老龄化之间的强烈关联[10]。因此，我们选择教育作为匹配的主要变量。此外，性别、居住安排和疾病状况也被纳入PSM中，以考虑它们的潜在混杂作用，同时尽量减少过度调整的风险。

具体来说，在第一步中，我们将年轻组和中年组进行了匹配，得到了333对匹配对。在第二步中，使用相同的方法对中年组和老年组进行了匹配，得到了232对匹配对。匹配后，每个年龄组都包含232名参与者。表1展示了PSM分析前后的 demographic 和健康相关特征。大多数参数达到了可接受的平衡，SMD值低于0.20的阈值。尽管教育水平和疾病状况的SMD值在匹配后有所降低，但仍略高于0.20（两者均约为0.32），表明存在残余不平衡。这种不平衡可能反映了不同年龄组在教育程度和慢性病患病率方面的持续结构性差异，这些差异无法通过PSM分析完全消除。

表1 PSM前后各年龄组的基线特征

3.2 健康老龄化决定因素的年龄分层分析
为了确定基线特征对健康老龄化得分的影响，我们对每个年龄组分别进行了多元线性回归分析（表2）。

年轻组（18-35岁）与没有慢性疾病的人相比，患有1种（B = -3.72，95% CI: -5.69至-1.74，p<0.001）、2种（B = -9.21，95% CI: -12.80至-5.69，p<0.001）或≥3种（B = -10.70，95% CI: -17.31至-4.08，p=0.012）疾病的人被确定为健康老龄化得分较低的重要风险因素。其他变量，包括性别、独居状况和教育水平，与健康老龄化没有显著关联。

老年组（60岁及以上）受教育程度较高的人比受教育程度较低的人具有显著更高的健康老龄化得分（B=4.41，95% CI: 2.58至6.25，p<0.001），表明教育在晚年功能健康中具有保护作用。患有三种或以上慢性疾病的人与较低的健康老龄化得分显著相关（B = -5.53，95% CI: -9.01至-2.05，p=0.002）。尽管患有一种或两种慢性疾病也观察到了负相关，但这些关联未达到统计学显著性。其他因素，包括吸烟史、性别和独居状况，没有统计学显著性。

中年组（36-59岁）回归模型的F统计量不显著（F=1.54，p=0.103），表明所选参数无法解释该亚组健康老龄化得分中统计学上有意义的方差比例。

鉴于吸烟对健康老龄化的影响，我们将吸烟状况作为独立因素纳入了回归模型。结果显示，加入吸烟状况后模型拟合度有所提高（例如，R2从0.182增加到0.215），而其他主要解释变量的关联性和显著性保持一致。结果见补充表4。我们还在完整的未匹配样本上进行了多元线性回归分析，包括年龄组及其与关键因素的交互作用。结果与匹配模型一致：教育、吸烟和疾病状况仍然显著。值得注意的是，教育在老年人中的积极效应更强，而多病状态的负面影响在该组中较弱（见补充表5和6）。

表2 年轻组和老年组健康老龄化得分相关因素的多元线性回归分析

3.3 健康老龄化的年龄特定组成部分
在每个年龄组内进行了PCA分析以确定组成部分。Bartlett的球形度检验具有统计学意义（所有p<0.001），KMO值在三个年龄组中均超过0.80（年轻组=0.826，中年组=0.824，老年组=0.854），证实了样本的充分性和数据适合进行PCA。在最初的四个组成部分解决方案中，HAQ-1仅在一个弱成分上有较高的载荷，解释的方差很小。HAQ-8和HAQ-9在多个成分上有较大的交叉载荷（≥0.30），主要载荷和次要载荷之间的差异较小（<0.10），表明成分成员资格不稳定[16]。因此，为了提高可解释性，这些项目被移除（见补充表7）。使用剩余的12个项目重新进行了PCA分析，得到了三个稳定的成分（见表3）。补充表8总结了每个年龄组中保留成分的特征值和累积解释的方差。相应的Scree图（见补充图1）被包括在内，以视觉上支持关于成分保留的决定。

在年轻组和中年组中，PCA确定HAQ-10、HAQ-14和HAQ-15是加载在主要成分上的核心项目（因子载荷>0.80）。这些项目反映了自我感知的情绪、心理和整体健康状况，突显了主观幸福感在塑造这些组健康老龄化结果中的核心作用。在老年组中，HAQ-14（0.86）和HAQ-15（0.78）仍然是重要的指标。此外，评估社会参与的HAQ-2（0.82）和反映认知自我评估的HAQ-13（0.80）也显得重要。

这些发现强调了所有年龄组中感知健康的中心地位，同时表明社会和认知因素在晚年可能变得更加重要。然而，本研究并未正式评估HAQ-15在不同年龄组之间的测量不变性。因此，应谨慎解释年龄相关的潜在结构和综合得分的差异，因为这些差异可能部分反映了测量偏差而非真实的构造差异。

4. 讨论
通过使用PSM和PCA，本研究确定了香港人口中与健康老龄化相关的年龄特定因素及其潜在结构。研究结果表明，健康老龄化的决定因素在生命过程中有所不同，反映了老龄化社会中的结构和行为影响。这些结果为支持特定背景和生命历程的健康老龄化方法提供了越来越多的证据，这与世界卫生组织的健康老龄化十年框架[17]是一致的。

回归分析显示，在年轻人中，多病状态和吸烟行为与较低的健康老龄化得分显著相关。这一发现与先前的研究一致，这些研究表明，在成年早期建立的可改变健康行为对后续的健康结果轨迹和结果有强烈影响[18, 19]。吸烟的负面影响强调了香港继续实施烟草控制措施的必要性，特别是在年轻人中吸烟率上升的情况下[20]。同样，年轻参与者中健康老龄化得分的下降表明了早发性非传染性疾病（NCDs）的令人担忧的增加，这可能与心理社会压力和密集城市环境中的久坐生活方式有关[21, 22]。这些发现强调了加强针对年轻人的健康促进措施的重要性，包括采取各种行为改变策略以及早期筛查和管理慢性疾病。

回归分析不适用于中年组。这可能是因为这一生命阶段的复杂性，因为个体往往需要同时处理职业和代际照顾需求等各种相互竞争的优先事项，这些可能无法通过人口统计或健康指标充分捕捉或评估。此外，我们在分析中应用PSM可能会进一步减少这一年龄组的有效样本量，从而限制了统计功效和检测有意义关联的能力。过去的研究表明，中年期的心理社会压力、工作生活平衡和照顾责任极大地影响了幸福感[23, 24]。这突显了未来研究需要扩大评估范围的重要性，包括工作稳定性、压力水平和对该年龄段至关重要的各种生活方式因素。此外，我们的结果建议采取组织和政策措施，以增强工作场所的心理健康支持，并为中年人提供灵活的照顾计划。

在60岁及以上的老年人中，我们发现较高的教育程度与较高的健康老龄化得分显著相关，而患有三种或以上慢性疾病的人则与较低的得分相关。这些结果与先前的研究一致，这些研究表明教育可以改善健康素养、医疗服务获取和长期更健康的行为[25, 26]。在香港，教育差异可能反映了战后时期正规教育机会的有限，尤其是在女性中[27, 28]。这种群体效应倾向于继续影响个体的健康结果和他们对健康服务的参与。教育的保护作用表明，持续学习数字素养计划对老年人有潜在的长期益处。同时，我们研究中老年人中的多病状态效应反映了香港的人口结构，其中超过70%的老年人至少患有一种慢性疾病[29]。这些发现强调了加强综合护理框架的重要性，以解决多重用药和自我管理支持的问题。

此外，PCA显示，在我们样本的所有年龄组中，HAQ-10（心理健康）、HAQ-13（总体健康）和HAQ-15（情绪幸福感）显示出强烈的载荷，表明与主观健康感知相关的项在不同年龄组中都有相对较强的贡献。这一观察结果与先前的研究一致，这些研究强调了情绪幸福感在评估整体生活质量中的关键作用[30, 31]。然而，在我们的研究中，老年参与者中的HAQ-13（认知评估）和HAQ-2（社会参与）显示出相对较强的载荷。这种模式与文献一致，强调了认知和社会因素在晚年中的相关性，正如Rowe和Kahn的成功老龄化模型[32]以及最近的实证研究所示，认知问题和孤独感是老年人功能下降的强预测因素[33, 34]。然而，这些发现应谨慎解释。由于缺乏跨年龄组的正式测量不变性测试，因此对观察到的因素模式的解释应持谨慎态度。因此，结果仍然是初步的，需要通过在更具代表性的样本中进行重复实验并进行严格的心理测量验证。

4.1 局限性
本研究有几个局限性。首先，研究结果来自基线横断面数据，无法进行因果推断。因此，需要进行纵向随访以明确时间关系。其次，尽管使用了PSM来平衡教育、居住安排、性别和疾病状况等关键协变量，但仍可能存在残余混杂因素，因为职业和遗传倾向等因素未被考虑。PSM的另一个局限性是样本量大幅减少（66%），这可能影响了统计功效，特别是对于亚组分析。教育和疾病状况等协变量的残余不平衡也可能引入混杂。此外，假设了HAQ在不同年龄组之间的测量不变性，但未进行测试，这可能影响跨年龄比较的解释。样本也偏向于女性、受教育程度高和数字化连接程度高的参与者，限制了普遍性。最后，依赖自我报告的数据引入了回忆偏差和社会期望偏差的可能性，这可能影响了某些回答的准确性。

5. 结论
我们的年龄分层分析确定了与健康老龄化相关的几个年龄特定因素。在年轻人中，早期发现和管理慢性疾病可能对长期健康轨迹有关。在老年人中，较高的教育程度与更好的功能结果相关，而多种疾病与幸福感呈负相关。成分分析强调了主观幸福感在所有年龄组中的核心作用，特别是在老年人中，社会和认知维度更为突出。然而，这些发现需要谨慎解释，并应通过使用更大、更具代表性的样本和全面的心理测量评估来验证，以建立更大的有效性和普遍性。