社会经济地位、健康生活方式对心血管疾病影响的前瞻性队列研究
心血管疾病（CVD）作为全球最主要的死亡原因，已成为全球最大的公共卫生问题之一［1］；《全球心血管疾病和危险因素负担1990—2019》数据显示［2］，CVD是全球最大的死因，占所有死亡人数的1/3。1990—2016年中国因CVD而死亡的人数由251万增长到了397万，在2016年CVD发病率增长了14.7%［3］，CVD相关领域的研究也越来越广泛。
当今处于生物-心理-社会医学模式下，社会经济地位（SES）、健康生活方式（HL）对疾病的影响已被许多研究证实［4-5］，特别是由于社会经济差异造成的健康不公平现状越来越明显，大量研究表明SES和HL与CVD发病有着密切的关系［6-7］，有研究表明低SES人群患CVD的风险高于SES高的人群，拥有健康的生活方式可有效减少CVD发病风险［8-12］，然而，有关SES与HL的联合作用对CVD发病影响的研究很少。因此本研究基于我国贵州省自然人群队列研究，采用前瞻性队列研究方法，探讨SES、HL对CVD发病的影响，以其为CVD防控提供科学依据。
1 对象与方法
1.1 研究对象
本研究基于贵州省自然人群队列，于2010年采用多阶段整群随机抽样方法从贵州省12个县/区、48个乡镇抽取9 280名18岁及以上常住居民进行基线调查，并于2016—2020年对该队列所有人群进行随访，共随访到8 163名，失访人数1 117名，随访率为87.96%。纳入标准：（1）基线为非CVD患者；（2）18岁及以上常住居民；（3）具有完整查体资料（包括SES评分、生活方式、健康状况、体格检查、实验室检查）。排除标准：（1）调查信息缺失或失访者；（2）拒绝签署被调查者知情同意书和拒绝接受调查者。排除失访1 117名、基线CVD患者40名、患病情况不清楚8名、基线家庭总收入回答为“不知道具体收入”“拒绝回答”及其他答案3 967名，最终纳入分析4 148名。本研究经贵州省疾病预防控制中心伦理委员会批准（编号：S2017-02），调查对象均签署知情同意书，研究人群筛选与分组流程见图1。
1.2 研究方法
1.2.1 问卷调查：采用中国疾病预防控制中心编制的中国慢病监测问卷，由经统一培训并合格的调查员对被调查者进行一对一的面访，内容包括性别、年龄、民族、职业、家庭年收入、受教育程度、生活方式（吸烟、饮酒、蔬菜水果摄入等）、既往史等。
1.2.2 体格检查：使用欧姆龙HBP 1300电子血压计［欧姆龙（大连）有限公司］，测量收缩压（SBP）和舒张压（DBP），要求调查对象在测量前休息5 min，相隔1~2 min重复测量，取2次读数的平均值。如果SBP或DBP的2次读数相差5 mmHg（1 mmHg=0.133 kPa）以上，应再次测量，取3次读数的平均值。采用中国疾病预防控制中心、国家体育总局定制款TZG-210身高坐高计测量调查对象身高体重，要求穿着轻薄衣物并脱鞋，背部挺直，双臂放在身体两侧，眼睛平放在前方并保持静止，连续两次测量并取平均值，读数精确到0.1 cm和0.1 kg。
1.2.3 临床检测：调查对象空腹至少8 h后，采集其空腹静脉血，由质控合格的实验室用己糖激酶法检测空腹血糖（FPG），将剩余血样离心后分离出来的血清置于-20 ℃保存，并送往贵州省疾病预防控制中心采用奥林巴斯AU400全自动生化分析仪（美国贝克曼库尔特公司）进行总胆固醇（TC）、三酰甘油（TG）、高密度脂蛋白胆固醇（HDL-C）和低密度脂蛋白胆固醇（LDL-C）检测。
1.2.4 SES评分：参考SES测量方法［13］，将家庭人均年收入、职业类型、个人受教育程度作为度量SES变量的指标，将家庭人均年收入、职业类型、个人受教育程度按照等级次序由低到高进行赋分（为1~4分），根据家庭人均年收入四分位数，将家庭人均年收入分为四个等级，每一位调查对象的SES总得分即为3个指标所对应的分数总和，按照综合得分的中位数将SES评分分为SES低分组（≤7分）和SES高分组（>7分）。
1.2.5 HL评分：本研究根据常见的CVD发病危险因素，共纳入12种HL，分别为：从不饮酒、从不吸烟、7 h/d≤睡眠时间≤9 h/d、水果蔬菜摄入量≥400 g/d、烹饪油摄入≤25 g/d、食盐摄入<6 g/d、腰高比<0.5、每周中等强度运动≥150 min、不食用油炸食品（油条、油饼等）、总静态<4 h/d、谷薯类摄入≥200 g/d、心理健康，具备该种生活方式计为1，反之计为0，每位调查对象HL种类范围为0~12种，将HL种类较少的组进行合并，人群HL组合分别为≤6、7、8、≥9种。
1.3 诊断标准及相关定义
（1）CVD诊断标准：自报由医生诊断，死亡病例根本死因为心肌梗死/脑出血/脑梗死/脑梗塞，以上两条满足一条即可，基于诊断结果分为CVD组和非CVD组［14］。高血压诊断标准：自报由医生诊断为高血压或进行降压治疗，收缩压≥140 mmHg和/或舒张压≥90 mmHg，以上两条满足1条即可［15］。（2）糖尿病诊断标准：自报由医生诊断为糖尿病或正在进行降糖治疗，FPG≥7.0 mmol/L，口服葡萄糖耐量试验（OGTT）≥11.1 mmol/L；HbA1c≥6.5%，以上4条满足一条即可［16］。（3）血脂异常诊断标准：自报由医生诊断为血脂异常或正在使用降脂药，TC异常（TC≥6.22 mmol/L），TG异常（TG≥2.26 mmol/L）；HDL-C异常（HDL-C<1.04 mmol/L），LDL-C异常（LDL-C≥4.14 mmol/L），以上满足1条即可［17］。（4）BMI：人的体质量（单位为kg）除以身高（单位为米）的平方（BMI=体质量/身高2）。（5）WHtR：个人的腰围（单位为cm）除以身高（单位为cm）。（6）心理健康情况：采用抑郁症筛查量表（PHQ-9）测量被调查对象的心理健康水平，根据PHQ-9得分，将≤4分定为心理健康、>4分定为心理不健康［18］。
1.4 统计学方法
采用SPSS 26.0软件进行数据分析，采用GraphPad Prism 8.0绘制森林图。以（x±s）表示正态分布的计量资料，组间比较采用两独立样本t检验。计数资料以相对数表示，组间比较采用χ2检验。本研究以SES评分、HL评分为自变量，CVD发病情况为因变量，通过COX比例风险回归模型分析SES、HL对CVD发病的影响。使用R 4.2.3进行比例风险假定检验，利用加速失效时间模型分析SES、HL对CVD发病时间的影响。以P>0.05为差异有统计学意义。
2 结果
2.1 基本情况
本研究纳入4 148名调查对象，CVD发病123名，中位随访6.50人年，男1 998名（48.20%）、女2 150名（51.80%），年龄≤44岁占53.60%（2 223/4 148），个人受教育程度高中/中专及以上有702名（16.90%），体力劳动者有2 442名（58.90%），家庭人均年收入≥10 000元有1 249名（30.10%），SES评分≤7分共2 044名（49.30%），具有9种及以上HL者994名（24.00%），BMI正常者居多，有2 518名（60.70%）；CVD组与非CVD组的年龄、民族、婚姻状况、个人受教育程度、SES分组、7 h/d≤睡眠时间≤9 h/d情况、食盐摄入<6 g/d、腰高比<0.5、心理健康情况、高血压疾病史、HL分组比较，差异有统计学意义（P<0.05）。
2.2 SES、HL与CVD发病的关系
2.2.1 SES与CVD发病的COX比例风险回归模型分析：以CVD发病情况为因变量（赋值：1=发病，0=不发病），以SES分组为自变量（赋值：1=SES低分组，2=SES高分组），纳入COX比例风险回归模型分析。在调整相关混杂因素后，与SES低分组人群相比，SES高分组人群CVD发病风险下降40.60%（HR=0.594，95%CI=0.402~0.878），P趋势=0.009。
2.2.2 HL与CVD发病的COX比例风险回归模型分析：以CVD发病情况为因变量（赋值：1=发病，0=不发病），以HL分组为自变量（赋值：1=≤6种，2=7种，3=8种，4=≥9种），纳入COX比例风险回归模型分析。在调整相关混杂因素后，拥有8种和≥9种HL人群的CVD发病风险分别下降44.44%（HR=0.556，95%CI=0.320~0.968）、49.20%（HR=0.508，95%CI=0.284~0.912），P趋势=0.004。
2.2.3 不同SES分组、HL与CVD发病的COX比例风险回归模型分析：以CVD发病情况为因变量（赋值：1=发病，0=不发病），以SES分组与HL分组为自变量（赋值：1=SES低分组和≤6种，2=SES低分组和7种，3=SES低分组和8种，4=SES低分组和≥9种，5=SES高分组和≤6种，6=SES高分组和7种，7=SES高分组和8种，8=SES高分组和≥9种），纳入COX比例风险回归模型分析。在调整相关混杂因素后，与SES低分组且HL≤6种的人群相比，SES低分组且拥有7、8、≥9种HL人群的CVD发病风险无统计学意义（P>0.05）；SES高分组且具有8种和≥9种HL人群的CVD发病风险分别下降61.80%（HR=0.382，95%CI=0.163~0.894）、70.20%（HR=0.298，95%CI=0.119~0.748），总体呈下降趋势（P趋势<0.001）。
2.2.4 不同SES、HL对CVD发病时间的加速失效时间模型分析：为了探讨SES、HL对CVD发病时间影响，本研究利用加速失效时间模型和COX比例风险回归模型估计SES、HL对CVD发病时间的具体量化，结果显示，与SES低分组且具备≤6种HL人群相比，SES高分组且拥有8种HL、HL≥9种的CVD发病时间分别推迟1.148（95%CI=0.049~2.247）、1.407（95%CI=0.227~2.588），见图2。
2.2.5 敏感性分析：为验证结果的严谨性，分别排除基线糖尿病，排除随访人年<6年CVD发病人数进行敏感性分析，多因素调整后敏感性分析结果与主要分析结果基本一致（图3）。
3 讨论
CVD作为全球主要死亡原因之一［19］，WHO数据显示每年约有1 790万人死于CVD［20］，其高死亡率给社会带来极大的经济负担。目前健康的社会决定因素有助于影响CVD风险因素，包括影响健康的经济、环境和社会心理因素，许多研究表明SES与HL对疾病会产生影响［6，10］，因此本研究就贵州省成年人群队列研究，探讨SES和HL的联合作用对CVD发病风险的影响。
本研究结果显示，在调整相关混杂因素后，与低SES人群相比，高SES人群CVD发病风险下降40.60%，即SES与CVD发病呈负相关，这与学者WANG等［21］在研究中得出的结论一致；但也有研究表明高SES人群CVD发病风险更高［22］，这可能是由于高收入水平人群长期摄入高油高糖食物从而导致CVD发病。人群受SES的影响会导致个体获取资源（知识、财富、权力及医疗保健服务等）的差异［23］，与低收入人群相比，高收入人群有一定的经济能力支付医疗服务，疾病经济负担小，获得健康医疗资源的机会更多；受教育程度高的人群理解能力更好，对健康宣教工作的认可度高，具有较高的健康保健意识，因此依从性较好，有利于其践行健康的生活方式；体力劳动者对工作的控制力低［24］，特别是夜班工人，由于昼夜节律的破坏导致代谢紊乱从而引发高血压、动脉粥样硬化、超重等。有研究表明，受教育程度、职业、财富等均与CVD发病呈负相关［8］，究其原因，主要是低等收入、职业及教育水平人群存在着吸烟酗酒、不健康饮食习惯等不良生活方式，这些都是引起CVD发病的常见危险因素。
大量研究表明HL作为CVD发病的保护因素［25-27］，其与减少CVD发病及死亡风险有关，且HL种类的增加可降低CVD的发病风险［28-31］，TSAI等［32］基于全国性的队列研究，证实了HL得分与CVD发病呈负相关，将HL以赋分形式划分为四分类计算，与HL为0~1分人群相比，2、3、4~5分人群CVD发病风险分别降低0.77、0.53、0.43倍，依次呈下降趋势，本研究的结果与之相似，即与具有≤6种HL的人群相比，拥有8种和≥9种人群CVD发病风险将分别下降44.40%、49.20%。
本研究还发现在低SES人群中，HL种类的增多并不会减少CVD的发病风险，但在高SES人群中，随着HL种类的增加，CVD发病风险随之减少，与SES低分组且具备≤6种HL人群相比，SES高分组且拥有8种HL以及HL≥9种人群CVD发病时间分别推迟1.148年（95%CI=0.049~2.247）、1.407年（95%CI=0.227~2.588）。而这一结论与ZHANG等［23］有所不同，该研究表明无论SES高低，HL种类的增加都与CVD发病风险有关。本研究结果与以上结果不同的原因可能是：在不同的区域经济发展与人群分布中，容易造成SES在健康上的不平等［33］，低SES人群经济收入不高，获取健康资源的机会少，导致医疗资源利用率低于高SES人群［34］；再者，低SES人群文化水平不高，认知能力不足［35］，因此其对HL的理解上存在偏差，形成信息的不对称，造成不恰当的生活行为；除此之外，有研究表明CVD发病也可能受社会心理因素的影响，且工作压力与焦虑呈正相关［36］，由于低SES人群工作环境复杂，工作压力大，因此与高SES人群相比焦虑程度也更大［37］，故SES人群缺乏社会支持。截至目前，CVD发病机制尚不清楚且风险因素是多种多样的，因此与人群拥有HL相比，或许以上因素对低SES人群CVD发病的影响更为显著，这提示贵州省CVD的重点防控人群为低SES人群，应提高健康教育与健康促进工作，将HL作为预防CVD发病的有利保护因素，提高低SES人群获取和理解健康信息并运用健康知识维护和促进自身健康的能力，达到知信行的健康干预效果。
4 小结
本研究发现SES和HL分别与CVD呈负相关。较高的SES（>7分）和健康的生活方式（8种和≥9种）相结合与CVD发病风险降低和延迟CVD发病时间相关。此外，HL评分的增加并没有改变低SES（≤7分）人群对CVD发病的影响。这些结果强调了SES和HL因素的重要性，特别是对SES较低的人群。这些发现为CVD防控提供了流行病学基础，并呼吁社会关注低SES人群的医疗保健服务和健康管理。本研究为前瞻性队列研究，分析了SES、HL对CVD发病及发病时间的影响，因果关系强，敏感性分析结果稳健，但也存在一定的局限性：SES变量的指标没有指定的国际标准，无法做到统一化；SES与HL的相关信息以调查对象自我报告的方式获取，可能存在回忆偏倚；在COX比例风险回归模型中，可能还存在残留的混杂因素尚未被纳入调整。
参考文献略
最后编辑于 2 天前 · 浏览 939
