儿童机会指数及其与儿童静息和运动血压的关联：一项芝加哥大都会地区的初步研究

《Preventive Medicine Reports》：The child opportunity index and its association with resting and exercising blood pressure in children: a Chicago metro area pilot study

　　罗伯托·洛佩兹-罗萨多（Roberto López-Rosado）| 加勒特·J·格里菲斯（Garett J. Griffith）| 米奇·E·弗雷泽（Mech E. Frazier）| 詹妮弗·M·瑞安（Jennifer M. Ryan）| 艾伦·P·王（Alan P. Wang）| 肯德拉·沃德（Kendra Ward）
西北大学物理治疗与人类运动科学系，美国伊利诺伊州芝加哥市北密歇根大道645号1100套房，邮编60613

**摘要**
**目的**
确定居住在伊利诺伊州的13至18岁儿童中，基于儿童机会指数（Child Opportunity Index, COI）五分位数划分的血压（Blood Pressure, BP）测量值是否存在差异以及其空间分布情况。

**方法**
对一项心肺运动测试数据库进行了回顾性分析，以探讨社区机会（通过COI分数衡量）与儿童血压之间的关系。使用方差分析（ANOVA）和卡方检验（chi-square tests）分析COI五分位数之间的血压差异，并通过多元回归（调整年龄和BMI）和局部双变量分析来评估关联性和空间模式。

**结果**
在1354名儿童中，处于最低COI五分位数的儿童更有可能是黑人或拉丁裔，并且具有最高的BMI（p < 0.01）；最大脉压在COI五分位数之间存在差异（p = 0.046），而COI仅与最大舒张压和脉压有轻微的独立关联，而BMI是所有血压测量的最强预测因素（p < 0.01）。地理信息系统分析未在数据样本中发现统计学上显著的空间差异。

**结论**
研究结果表明，尽管社区机会与血压测量值的独立关联有限，但BMI仍然是伊利诺伊州儿童血压变化的主要预测因素，这突显了需要关注与肥胖相关的心血管健康风险。

**1. 引言**
目前美国儿童高血压（Pediatric Hypertension, HTN）的患病率估计为2.3%至3.8%（Bell等人，2019年；Ouyang等人，2026年；Goulding等人，2021年）。2017年美国儿科学会（American Academy of Pediatrics, AAP）的临床实践指南更新了儿童高血压的标准，使用了大量健康儿童的数据，并参考了成人数据（Flynn等人，2017a年；Blanchette和Flynn，2019年；Flynn等人，2017b年）。AAP为13岁及以上的儿童提供了绝对血压标准，而13岁以下儿童的标准则基于根据年龄、性别和身高调整的百分位数。2017年的指南显著降低了儿童高血压的诊断标准，提高了识别高危患者的敏感性（Bell等人，2019年；Blanchette和Flynn，2019年）。2017年指南的变更导致高血压患病率增加，尤其是在肥胖或有其他心血管风险因素的13岁及以上儿童中。患有高血压的儿童成年后仍有发展成高血压的风险（Theodore等人，2015年）。现有的健康差异和不平等现象对黑人（非拉丁裔）儿童的影响更为严重，他们的患病几率比白人儿童高出29%；在13至17岁的男孩中，这一比例增加到50%（Chen等人，2015年；Colen等人，2018年）。然而，这些差异可能归因于健康的社会决定因素的差异，如社会经济劣势、医疗保健的可及性以及安全的活动空间，以及肥胖（Chen等人，2015年；Hanevold，2023年）。拉丁裔儿童肥胖率较高，这是已知的高血压风险因素，因此他们的心血管健康风险也相对较高（Chen等人，2015年；Hanevold，2023年）。研究表明，低社会经济水平和其他剥夺指标的社区与儿童高血压患病率显著相关（Hanevold，2023年）。COI是一个公开可获取的数据集，通过考虑教育、健康与环境以及社会经济三个领域的29个指标来反映影响儿童发展的社区条件。COI的分数范围从1到100，100代表最理想的儿童环境（Acevedo-Garcia等人，2020年）。据我们所知，目前尚无研究利用COI来探讨社区机会与儿童静息或运动时血压之间的关系，这限制了我们对社区因素如何影响关键心血管风险指标的理解。评估儿童的静息和运动时血压可以更全面地了解心血管风险，因为这可以揭示可能与压力相关的血压反应，而这些反应不太受短期心理因素的影响（Alvarez-Pitti等人，2022年；Huang等人，2024年）。因此，本研究的第一个目的是确定基于人口普查区域数据汇总的COI分数五分位数（包括教育、健康环境和社会经济成分）划分的13至18岁儿童的静息和运动时血压是否存在差异。我们假设COI分数较高的社区中的儿童静息和运动时血压较低。研究的第二个目的是探讨芝加哥大都会区参与者COI分数的空间分布及其与区域血压测量值之间的关联。我们假设COI分数与静息和运动时的区域血压测量值之间存在负相关关系。

**2. 方法**
2.1. 研究设计与样本**
研究团队对2004年至2022年的心肺运动测试（Cardiopulmonary Exercise Testing, CPET）数据库进行了回顾性分析（Griffith等人，2024年）。该研究获得了机构审查委员会的批准。CPET数据库包含了无心脏病的儿童参与者的全面数据。分析对象为13至18岁的儿童。从CPET数据中提取了参与者的地址、年龄、身高、体重、体质指数（BMI）、性别以及自我报告的种族和民族（白人[非拉丁裔]、黑人[非拉丁裔]和拉丁裔）。血压测量值包括静息收缩压（Resting Systolic Blood Pressure, SBP）、静息舒张压（Resting Diastolic Blood Pressure, DBP）、静息脉压、最大收缩压、最大舒张压和最大脉压。COI数据（包括教育、健康环境和社会经济状况的汇总和特定领域分数）通过参与者的居住地址与CPET数据进行了关联。样本根据全国百分位数被划分为非常低、低、中、高和非常高的COI五分位数。我们排除了那些人口统计数据缺失（年龄、种族和/或民族）、有先天性或其他心脏病记录的参与者，以及CPET结果低于最大值的参与者（呼吸交换比率<1.10）。
所有参与者都按照Bruce协议完成了跑步机运动（Bruce，1971年）。在每个三分钟Bruce协议阶段的第二分钟（即第二、五、八和十一分钟）以及恢复后立即测量了一次手动袖带血压，以评估最大血压。通过COI五分位数平均各个血压测量值来计算区域血压测量值。静息SBP和DBP是在运动测试前坐姿下测得的。指导参与者持续运动直至自愿停止，并主动劝阻其坚持继续运动。静息心率（Heart Rate, HR）定义为运动前仰卧位测量的基线心率，而最大心率（Maximal HR）表示CPET期间的最高值。

2.2. 测量方法**
**第一个目标：**
因变量包括：区域静息SBP平均值、区域静息DBP平均值、区域最大SBP平均值和区域最大DBP平均值。区域静息和运动脉压是通过从区域SBP中减去区域DBP计算得出的。
**第二个目标：**
我们探讨了标准化后的COI 2.0分数与区域静息SBP平均值和区域静息DBP平均值之间的关联。数据收集时参与者均为伊利诺伊州居民。使用ArcGIS Pro软件（版本3.3，Esri公司）从CPET数据库中提取参与者地址并进行地理编码。然后计算每个普查区域内参与者的平均区域静息SBP和平均区域DBP。普查区域数据来自国家历史地理信息系统（National Historical Geographic Information Systems, NHGIS）平台，该平台提供了用于空间分析的空间和社会人口统计数据。然后将普查区域级别的平均区域静息SBP和DBP测量值与2015年COI分数（由Diversity Data Kids维护和发布）进行了匹配。

2.3. 统计分析**
**第一个目标：**
我们使用方差分析（ANOVA）来检查不同区域（COI五分位数）的人口统计和人体测量连续变量（年龄、身高、体重和BMI）是否存在差异。通过卡方分析（chi-square analysis）来评估不同COI五分位数之间的分类变量（性别和种族/民族）差异。为了解释COI五分位数之间的血压差异并控制潜在的混杂因素，我们进行了协方差分析（ANCOVA），调整了BMI。随后进行了一系列简单线性回归，以估计COI分数与每个平均区域血压测量值之间的未调整关联，然后进行多元线性回归，进一步调整年龄和BMI以评估这些关系。由于种族/民族与低机会社区的结构差异密切相关，因此将其从多元模型中排除，以避免调整因果路径上的因素。连续变量以平均值（标准差，SD）表示，分类变量以数量占比（n%）表示，统计显著性定义为p < 0.05。

**第二个目标：**
进行了局部双变量关系分析，以探讨仅限伊利诺伊州的平均区域静息SBP与标准化COI分数之间的空间关联，以及仅限伊利诺伊州的普查区域静息DBP与标准化COI分数之间的关联。标准化后的COI分数从1到100排序，提供了与社区资源和儿童机会水平相关的州内具体变化信息。局部双变量关系分析用于识别不同普查区域之间变量关系的空间异质性。统计分析使用IBM SPSS Statistics（版本30；IBM公司，阿蒙克，纽约）进行。

**3. 结果**
**3.1. 第一个目标的结果**
研究样本共包括1354名儿童。表1显示了基于全国COI五分位数的这些儿童的人口统计和临床特征：非常低（< />< />< /><第80百分位数）和非常高（>第80百分位数）。方差分析结果显示年龄（p = 0.03）和人体测量指标（身高、体重和BMI；所有指标p < 0.01）存在统计学上的差异。处于最低COI五分位数的儿童主要是黑人（非拉丁裔）和拉丁裔，并且BMI值最高。

表1. 2004–2022年伊利诺伊州儿童按儿童机会指数五分位数的统计和人体测量均值

| 儿童机会指数2.0五分位数 | 总样本数（n = 1354） |
| -----------------| ---------------------- |
| 非常低 | （n = 217） |
| 低 | （n = 153） |
| 中 | （n = 225） |
| 高 | （n = 265） |
| 非常高 | （n = 494） |
| 年龄（岁） | 15.4（1.4） |
| | 15.2（1.6） |
| | 15.3（1.5） |
| | 15.2（1.4） |
| | 15.0（1.4） |
| | 15.2（1.4） |
| | 0.03 |
| 性别（%） | 男性 | 48.4 |
| | 女性 | 51.6 |
| | 0.3 |
| | 49.7 | |
| | 45.8 | |
| | 47.5 | |
| | 52.5 | |
| | 44.3 | |
| | 55.7 | |
| | 52.1 | |
| | 0.1 | |
| | 6.0 | |
| | 33.2 | |
| | 58.1 | |
| | 2.8 | |
| | 30.1 | |
| | 7.2 | |
| | 48.4 | |
| | 7.6 | |
| | 9.6 | |
| | 10.6 | |
| | 22.6 | |
| | 7.2 | |
| | 8.3 | |
| | 5.1 | |
| | 19.5 | |
| | 7.1 | |
| | 0.0 | |
| | 2.8 | |
| | 30.7 | |
| | 6.5 | |
| | <0.01 | |
| 身高（cm） | 166.0（10.0） |
| | 164.8（12.8） |
| | 166.8（9.7） |
| | 168.1（10.1） |
| | 168.2（10.0） |
| | 167.2（10.4） |
| | <0.01 | |
| 体重（kg） | 65.9（16.2） |
| | 65.2（19.4） |
| | 64.7（16.4） |
| | 65.9（17.3） |
| | 61.3（15.5） |
| | 64.0（16.7） |
| | <0.01 | |
| BMI（kg/m2） | 23.9（5.3） |
| | 23.7（5.7） |
| | 23.3（5.1） |
| | 23.1（4.9） |
| | 21.6（4.3） |
| | 22.8（5.9） |
| | <0.01 | |
| COI（儿童机会指数） | |
| BMI（体质指数） | |
| 数据为平均值（标准差，SD） | |
| p值来自单因素方差分析（ONE-WAY ANOVA） | |

表2显示了调整BMI后的COI五分位数参与者血压概况的方差分析结果。血压概况包括平均区域静息和最大SBP、DBP及脉压（单位：mmHg）。在汇总的COI五分位数中观察到区域最大脉压存在统计学上的显著差异（p = 0.05），最低五分位数的平均值为94.7 mmHg（标准差20.2）。其他区域血压测量值在各五分位数之间无显著差异。

表2. 2004–2022年伊利诺伊州儿童按儿童机会指数五分位数的区域血压测量值（调整BMI后）

| 儿童机会指数五分位数 | 总样本数（n = 1354） |
| -----------------| ---------------------- |
| 非常低 | （n = 217） |
| 低 | （n = 153） |
| 中 | （n = 225） |
| 高 | （n = 265） |
| 非常高 | （n = 494） |
| 静息SBP | 111.3（10.6） |
| | 111.2（11.0） |
| | 111.0（11.0） |
| | 111.2（10.2） |
| | 109.9（10.1） |
| | 109.6（10.5） |
| 0.99 |
| 静息DBP | 71.4（8.3） |
| | 71.0（7.8） |
| | 72.4（8.2） |
| | 71.7（7.3） |
| | 71.0（7.5） |
| | 71.3（7.8） |
| 0.38 |
| 静息脉压 | 39.8（9.7） |
| | 40.1（10.6） |
| | 38.6（10.1） |
| | 39.6（9.2） |
| | 39.0（9.9） |
| | 39.3（9.8） |
| 0.69 |
| 最大SBP | 158.2（19.5） |
| | 160.7（20.6） |
| | 160.2（19.4） |
| | 161.1（20.1） |
| | 159.4（21.0） |
| | 159.8（20.2） |
| 0.28总体而言，BMI比年龄更能解释区域血压的显著差异，而COI的独立贡献仅限于区域最大舒张压和区域最大脉压。表3. 在伊利诺伊州儿童中，根据体重指数和年龄调整后，区域血压测量值与儿童机会指数五分位的关联（2004-2022年）。

未调整模型：简单线性回归分析（COI作为预测因子）
区域血压测量值（结果；毫米汞柱）
血压测量值的β值（95%置信区间）
静息收缩压 0.01（-0.03, 0.01）
静息舒张压 -0.01（-0.02, 0.01）
静息脉压 < 0.01（-0.02, 0.012）
最大收缩压 0.01（-0.02, 0.05）
最大舒张压 -0.04（-0.05, -0.02）
最大脉压 0.05（0.01, 0.09）

调整模型：多元线性回归分析（COI作为预测因子；调整年龄和BMI）
区域血压测量值（结果；毫米汞柱）
COI的β值（95%置信区间）
年龄的β值（95%置信区间）
BMI的β值（95%置信区间）
静息收缩压 < 0.01（-0.02, 0.02）0.55（0.16, 0.94）0.59（0.47, 0.70）
静息舒张压 0.01（-0.01, 0.01）0.20（-0.10, 0.50）0.40（0.31, 0.48）
静息脉压 < -0.01（-0.02, 0.02）0.35（-0.03, 0.73）0.19（0.08, 0.30）
最大收缩压 0.04（-0.01, 0.07）1.00（0.22, 1.76）0.95（0.73, 1.18）
最大舒张压 -0.03（-0.05, -0.010）0.47（0.06, 0.87）0.13（0.01, 0.25）
最大脉压 0.06（0.02, 0.11）0.26（-0.64, 1.16）0.70（0.44, 0.97）

3.2. 目标2的结果
在测试了仅伊利诺伊州平均人口普查区静息收缩压和舒张压与州标准化COI分数之间的关系后，地理信息系统（GIS）分析在数据样本中未能得出统计上显著的空间结果。为了进一步评估这些发现，进行了两项敏感性分析：1）将未报告的人口普查区值设为零；2）使用相邻人口普查区的平均值进行插补。这两种方法都没有改变结果，局部双变量分析结果仍然不显著。还评估了空间自相关性，以识别基于特征位置和输入值的分散、随机性或聚类模式。结果表明存在随机空间模式（见补充材料，附录A）。

4. 讨论
本研究发现，大多数区域血压测量值在不同COI五分位之间表现相当；然而，调整后的多元模型表明，COI可以解释区域最大舒张压（β = -0.030，p = 0.003）和区域最大脉压（β = 0.063，p = 0.005）的轻微变化。这些发现与先前的研究一致，这些研究表明较差的社区机会和社会经济劣势与儿童高血压风险及较高的血压结果相关（Aris等人，2021年）。儿童年龄也被发现是血压较高的另一个预测因素，这与其他研究结果相似（Bell等人，2019年；Flynn等人，2017a年；Brady等人，2021年；Azegami等人，2021年）。BMI作为一个可调控的个体因素，是决定儿童血压的最强因素，这与证据相符，即个体风险是血压变异的主要原因（Goulding等人，2021年）。本研究通过结合一组全面的静息和运动时区域血压测量值，扩展了现有文献，这些测量值在健康社会驱动因素的背景下很少被研究。尽管当前指南依赖静息和动态血压进行诊断，但在选定的高风险儿童中纳入广泛的血压测量值可能有助于早期发现、改善风险分层，并指导有针对性的预防策略，如促进健康和体重管理（Flynn等人，2017a年；Alvarez-Pitti等人，2022年；Huang等人，2024年；Lurbe等人，2016年）。
报告儿童血压差异的许多研究将这些发现归因于不同种族和族裔群体之间的假定差异，偶尔也提到体型差异是影响因素之一（Chen等人，2015年；Colen等人，2018年；Cheung等人，2017年）。这些结果表明，在资源不平等的背景下，最大舒张压和脉压可能增加儿童的心血管风险，这挑战了传统的解释，并支持多维度分析方法。此外，先前的研究表明，当将环境资源纳入分析时，报告的种族和族裔差异在其他健康结果（如心肺健康和肥胖）中的作用往往会减弱（Wang等人，2024年；Sharifi等人，2016年；Tylavsky等人，2020年）。运动期间异常高的峰值收缩压和舒张压可能与那些静息时血压正常的患者未来发展为高血压有关（Theodore等人，2015年；Robinson等人，2024年）。由于有研究显示高血压的患病率在不同社会经济地位（SES）区域存在差异（Liu等人，2022年），我们的研究可能表明，在成人中见到的某些区域血压差异可能从儿童时期就开始出现，通过运动时峰值舒张压的小差异体现出来。需要进一步研究以更好地阐明影响儿童整体心血管健康的潜在因素。
获得高质量的身体环境和服务机会（如绿地、公园、适合步行的社区和安全的玩耍场所）对儿童的健康结果有显著积极影响（Fyfe-Johnson等人，2021年）。靠近公园、娱乐设施和人行道与儿童体力活动增加、久坐行为减少和整体幸福感提高有关，而缺乏这些资源或暴露于不利环境则可能导致负面健康结果和差异（Fyfe-Johnson等人，2021年）。倡导资源的公平分配和创建安全、可进入的空间对于促进儿童健康和减少差异至关重要，因为这些努力可以确保所有儿童无论来自何种社区都能茁壮成长（Fyfe-Johnson等人，2021年；Bole等人，2024年）。
其他地区的更多数据点可能会改变这些研究结果。值得注意的是，成人高血压显示出明显的时间空间模式（Weng等人，2024年）。如果儿童高血压是成人高血压的预测因子，那么空间分析应该会反映这种关系（Hypertension rate，2025年）。然而，我们在第二个目标中未发现显著结果可能反映了统计显著性与时空显著性之间的区别。结果可能在不具有空间模式、聚集或自相关性的情况下仍然具有统计显著性。年度Healthy Chicago调查报告了芝加哥市及其周边地区成人高血压的地理分布情况。2016年至2018年收集的数据显示，芝加哥西部和南部地区自我报告的高血压成人比例高达61.9%，而市中心和北部地区这一比例在12.7%-28.7%之间（Hypertension rate，2025年）。社会经济和社区劣势可能通过多种途径影响儿童高血压，这突显了未来需要整合多样化数据集和高血压风险潜在空间分布模式的研究。
社会脆弱性指数（SVI）是一种类似于COI的指标，它使用家庭构成或少数群体状态等其他领域来评估社区对外部压力的脆弱性程度（Zolotor等人，2024年）。当前研究表明，较高的SVI与社区和成人层面的心血管风险因素增加有关；然而，直接证据将SVI与儿童高血压联系起来的研究较少（Jain等人，2022年；Bevan等人，2023年；Mah等人，2023年）。区域剥夺指数（ADI）是另一种在社区层面衡量社会经济劣势的指标，有证据表明较高的ADI值与高血压风险增加有关，尽管针对儿童的具体研究有限（Xu等人，2022年；Vintimilla等人，2023年）。至少有一项研究表明，COI可能是研究儿童健康和健康相关社会需求时比SVI或ADI更全面的指标（Mah等人，2023年）。进一步研究儿童高血压与社区脆弱性指标（如SVI和ADI）之间的关系，可能会揭示这一人群中的心血管差异，从而指导未来的健康政策决策。
据我们所知，这是首项在芝加哥大都会地区研究儿童静息状态和运动峰值状态下血压测量的研究，并包含探索性的GIS分析。该研究的另一个优势是拥有规模适中的详细血压测量数据集（1354名儿童）、突出促进健康发展的社区动态的儿童特定指数，以及使用人口普查区进行详细地理分析。我们的研究也存在一些局限性。所有数据都来自美国中西部的一家大型城市医院，因此可能无法代表全国或国际范围的儿童样本。此外，地理空间分析可能受到人口普查区内CPET分布的影响。多年来由多位生理学家测量了血压，而静息血压值是在运动测试前收集的，这可能会引入内部一致性问题和与预期交感神经张力相关的静息血压变化。

5. 结论
社区机会对区域儿童血压测量的独立影响有限，而BMI是血压变化的主要预测因子，这强调了减少儿童肥胖相关风险的必要性。有力证据表明，儿童高血压与成年后患心脏疾病和高血压的可能性有关（Theodore等人，2015年；Azegami等人，2021年）。因此，儿科临床医生在评估儿童健康风险时必须考虑社区因素，认识到这些因素与更广泛的教育、社会和经济条件相互关联。加强社区机会领域——教育、健康和环境以及社会经济福祉——可以为健康发展创造更公平的基础。在这些领域的有针对性投资可能有助于降低儿童血压并促进长期的心血管和人口健康结果。
未来的工作包括研究按人口普查区划分的体重和BMI与COI分数之间的潜在关联，因为我们的发现表明不同COI五分位之间的肥胖标志存在差异。在未来的研究中纳入定性数据，研究安全性和社区资源的影响，可以更好地理解儿童人群中的血压和其他心血管健康指标的背景情况。

作者贡献
• Roberto López-Rosado：研究构思与设计、数据分析与解释、文章撰写、关键内容的修订以及提交版本的最终批准。
• Garett J Griffith：研究构思与设计、数据获取、数据分析与解释、文章撰写与关键内容的修订以及提交版本的最终批准。
• Mech E Frazier：研究构思与设计、数据获取、数据分析与解释、文章撰写与关键内容的修订以及提交版本的最终批准。
• Jennifer M Ryan：数据分析与解释、关键内容的修订以及提交版本的最终批准。
• Alan P Wang：研究构思与设计、数据分析与解释、关键内容的修订以及提交版本的最终批准。
• Kendra Ward：研究构思与设计、数据分析与解释、关键内容的修订以及提交版本的最终批准。

作者贡献声明
Roberto López-Rosado：写作——审阅与编辑、原始草稿撰写、可视化、软件使用、方法论、数据分析、概念化。
Garett J Griffith：写作——审阅与编辑、可视化、软件使用、资源管理、方法论、调查、数据分析、概念化。
Mech E Frazier：写作——审阅与编辑、软件使用、资源管理、方法论、数据分析、概念化。
Jennifer M Ryan：写作——审阅与编辑、验证、资源管理。
Alan P Wang：写作——审阅与编辑、资源管理、方法论、调查、概念化。
Kendra Ward：写作——审阅与编辑、监督、项目管理、方法论、调查、概念化。

资金
本研究未获得公共、商业或非营利部门的任何特定资助。