A prospective cohort study of socioeconomic status, healthy lifestyle and the incidence of hypertension
-
摘要:
目的 探讨社会经济地位(socioeconomic status, SES)、健康生活方式与高血压发病的关系,为高血压的防控提供参考依据。 方法 采用分层整群随机抽样于2010年对抽取的贵州省12个县(市、区)≥18岁常住居民共9 280人进行基线调查,于2016—2020年对该队列所有人群进行随访;采用t检验、χ2检验进行单因素分析,使用Cox比例风险回归模型分析SES、健康生活方式对高血压发病的影响。 结果 研究有效样本量为3 401人,高血压发病765人,人群高血压发病密度为32.53/1 000人年。多因素Cox回归结果显示:与低SES(<9分)人群相比,高SES(≥9分)人群高血压发病风险下降29.9%(HR=0.701, 95% CI: 0.584~0.842);与≤2种健康生活方式的人群相比,4种、≥5种健康生活方式人群发病风险分别降低25.7%(HR=0.743, 95% CI: 0.581~0.950)、39.2%(HR=0.608, 95% CI: 0.455~0.812)。与SES低且健康生活方式≤2种的人群相比,SES低且具有3种、4种、≥5种健康生活方式人群高血压发病风险的差异均无统计学意义(均有P>0.05);SES高且具有3种、4种、≥5种健康生活方式的人群高血压发病风险分别降低36.3%(HR=0.637, 95% CI: 0.446~0.909)、44.0%(HR=0.560, 95% CI: 0.391~0.802)、55.8%(HR=0.442, 95% CI: 0.295~0.662)。 结论 SES较低人群是贵州省高血压防控的重点人群,应采取措施提高其SES,并有针对性地开展健康教育与健康促进工作。 Abstract:Objective To explore the relationship between socioeconomic status (SES), healthy lifestyle, and the incidence of hypertension, and to provide reference basis for the prevention and control of hypertension. Methods A total of 9 280 permanent residents aged 18 and over in 12 counties (cities and districts) of Guizhou Province were investigated by stratified cluster random sampling in 2010. All populations in this cohort were followed up from 2016 to 2020. T-test and χ2 test were used for univariate analysis. And Cox proportional hazards regression was used in analyzing the impact of socioeconomic status and healthy lifestyle on the incidence of hypertension. Results The adequate sample size of the final cohort study was 3 401. Among them, 765 had hypertension, and the incidence density was 32.53/1 000 person-years. The results of multivariate Cox regression showed that compared with the population with low SES (< 9 points), the risk of hypertension in the people with high SES (≥9 points) decreased by 29.9% (HR=0.701, 95% CI: 0.584-0.842). Compared to the population with ≤2 healthy lifestyles, the incidence risk of people with 4, 5, and more healthy lifestyles decreased by 25.7% (HR=0.743, 95% CI: 0.581-0.950) and 39.2% (HR=0.608, 95% CI: 0.455-0.812), respectively. However, the difference in hypertension risk in the population with low SES and those with 3, 4, 5, or more healthy lifestyles was not statistically significant (all P>0.05) compared to those with low SES and ≤2 healthy lifestyles. The risk of hypertension in the population with high SES and have 3, 4, 5 or more healthy lifestyles was reduced by 36.3% (HR=0.637, 95% CI: 0.446-0.909), 44.0% (HR=0.560, 95% CI: 0.391-0.802) and 55.8% (HR=0.442, 95% CI: 0.295 -0.662), respectively. Conclusions The population with low SES is critical in preventing and controlling hypertension in Guizhou Province. Various measures should be taken to improve their socioeconomic status and simultaneously carry out health education and health promotion. -
Key words:
- Socioeconomic status /
- Healthy lifestyle /
- Hypertension /
- Cohort study
-
2021年,相关部门发布了关于进一步加强中小学生睡眠管理工作的通知,倡导小学生每天睡眠时间应≥10 h。《中国睡眠研究报告2023》显示,小学生群体睡眠不足率达88.74%[1],小学生睡眠状况及其影响因素也成为学术界日益关注的重要话题。
睡眠状况的刻画主要从睡眠时长和睡眠质量两方面入手,测量睡眠质量的方法主要有2种:(1)使用匹兹堡睡眠质量指数量表自填;(2)测量各种睡眠障碍的发生情况。在影响因素的研究上,现有研究关注小学生的睡眠时间不足和障碍在年级、城乡居住地、饮食习惯、运动时长、屏幕时长、学习成绩、学业负担、焦虑情绪、家庭环境等方面的差异[2-8]。尚未有研究者关注小学生睡眠时长和自我感知睡眠质量之间的差异,且未将抑郁情绪与体质健康的作用机制进行结合,从身心健康的角度进行综合研究。本研究认为,在探究各种因素的影响情况时,对睡眠时长和睡眠质量可能存在的差异化影响结果需要加以考量,小学生自身感知的睡眠质量状况同样有研究价值。
本研究基于2018年中国教育追踪调查(China education panel survey, CEPS)的数据,描述我国四年级学生的睡眠状况和群体差异,探讨影响学生睡眠时长和睡眠质量的身心因素,以期深入了解学生睡眠问题的原因和机制,旨在为制定有效的干预措施提供科学依据。
1. 资料与方法
1.1 数据来源
数据来自2018年CEPS,包括学生、家长、校领导三方的调查数据。CEPS是由中国人民大学中国调查与数据中心设计和实施的大型追踪调查项目,本调查中小学阶段采用分层次、多阶段、概率与规模成比例(probability proportional to size, PPS)的抽样方法。第一阶段的抽样设计是分成3层,以县(区)行政单位作为初级抽样单元,一共有3个抽样框,抽样框1为全国所有2 870个县(区)级行政单位,从中抽取代表全国的核心样本;抽样框2为上海市所辖的18个县(区),代表上海市的特殊情况;抽样框3为全国拥有大量流动人口的120个县(区)。为了反映流动人口的教育状况,第一阶段共抽取县(区)级行政单位42个;第二阶段从每个抽中的县(区)中获取最新统计的学校名单、学校类型和学校规模等基础资料,采用PPS的方法随机抽取4~5所学校,最终抽取201所学校;第三阶段将抽中学校的四年级学生全部纳入调查。本研究调查前均获取了学生和其监护人的知情同意,并通过中国疾病预防控制中心营养与健康所医学伦理委员会审批(批件号:2019-008)。
2018年学生问卷的调查内容包括基本信息、户籍与流动、成长经历、身心健康、亲子互动、在校学习、课外活动、与老师/同学的关系、社会行为发展、教育期望等。有效样本量为36 782个,年龄集中在10~11岁,约占总样本的95.57%,出于典型性考虑,仅取这2个年龄样本,样本量为35 154个。
1.2 测量指标
本研究的因变量有2个:(1)睡眠时长和自评睡眠质量,分别表示学生的睡眠时长和睡眠质量。其中,睡眠时长来自学生问卷C15题[近1个月,你每天晚上通常实际睡眠时间为几小时几分钟(不等于卧床时间)];将睡眠时长<10 h定义为睡眠不足;将睡眠质量定义为自我感知的近1个月的睡眠质量,来自学生问卷C17题(近1个月,你的睡眠质量:1=很好,2=较好,3=较差,4=很差),在分析时把四段式拟合为二段式,即1和2合并为1=好,3和4合并为0=差。(2)自变量身心状况包括心理因素、生理因素和行为因素,其中心理因素是抑郁得分;生理因素包括性别、BMI分类、自评健康和生病频率;行为因素包含吸烟、饮酒、食用烧烤/膨化/西式快餐食品、饮用含糖/碳酸饮料和吃早饭频率。其中,BMI根据《学龄儿童青少年超重与肥胖筛查》[9]的规定计算,划分为“正常”“超重”“肥胖”3类。学生的抑郁情绪是问卷中的流行病学调查(简称流调)中心儿童抑郁量表中文简版的总得分。在后续构建回归模型时,控制变量包括学生的城乡居住地、学习成绩、是否为独生子女、是否为留守儿童、家庭年收入、父母对学习的管教严厉程度、对社交的管教严厉程度、自评和父母的关系程度以及父母的关系状况、家庭健康环境(以家中其他人是否吸烟体现)[7-8, 10-11]。剔除在上述重要变量上有缺失的样本,最终纳入模型的样本数量为23 717个。
1.3 统计学方法
运用Stata 16.0软件对数据进行整理汇总和统计分析,组间比较采用χ2检验,并用Cramer′s V系数(简称V系数)测量列联强度,计量资料采用x±s进行描述,组间比较采用t检验或方差分析。采用多元线性回归模型对睡眠时长的影响因素进行分析,采用多因素logistic回归分析模型分析睡眠质量的影响因素。检验水准α=0.05。
2. 结果
2.1 基本信息
在23 717名学生中,男生占52.18%,城镇样本占54.26%。在家庭特征上,独生子女占35.14%,留守儿童占29.95%。在学习表现上,处于中下、中等与中上的学生比例分别为16.94%、39.35%、43.70%;在家庭环境上,家庭年收入均值为110 873元,在孩子学习和社交的管教上,分别有67.97%和19.81%的学生表示父母管得很严,学生自评的和父母关系平均分为8.03分(10分制)。
2.2 睡眠状况的分布特征
本研究同时关注学生的睡眠时长和睡眠质量,期望从质和量2个方面探讨影响学生睡眠状况的因素。调查对象平均睡眠时长为(9.26±1.12)h,其中睡眠时长≥10 h的比例为21.18%,9~<10 h为40.21%,8~<9 h为28.37%,<8 h为10.25%。结果显示,有78.82%的学生睡眠时长<10 h,即睡眠不足。在全部研究对象中,睡眠质量很差、较差、较好、很好的比例分别为2.47%、8.97%、41.70%、46.86%,即睡眠质量为好的群体占88.56%。
2.3 不同特征学生的睡眠时长与睡眠质量状况比较
通过数据分析发现,学生的睡眠质量在性别、肥胖状况、吸烟、饮酒、自评健康等级、生病频率、食用烧烤/膨化/西式快餐食品频率、抑郁得分上的差异均有统计学意义(均P < 0.05);睡眠时长在不同性别、BMI分类、饮酒、自评健康等级、生病频率、食用烧烤/膨化/西式快餐食品和抑郁得分上的差异均有统计学意义(均P < 0.05)。见表 1。
表 1 不同一般情况的学生自评睡眠质量的比较Table 1. Comparison of self-rated sleep quality among school students with different general conditions变量 Variable 睡眠质量好 ① Students of good sleep ① 睡眠质量差 ① Students of bad sleep ① χ2值 value P值 value 日均睡眠时间/h ① Average daily sleep duration /h t/F值 value P值 value 性别 Gender 92.377 < 0.001 10.28 0.001 男 Male 10 712(86.65) 1 650(13.35) 9.29±1.06 女 Female 10 291(90.63) 1 064(9.37) 9.24±1.17 BMI分类 Classify/(kg·m-2) 13.749 < 0.001 3.03 0.048 正常 Normal 15 948(88.99) 1 973(11.01) 9.27±1.10 超重 Overweight 29 75(87.09) 441(12.91) 9.23±1.17 肥胖 Obesity 20 80(87.39) 300(12.61) 9.23±1.20 吸烟 Smoking 83.287 < 0.001 0.35 0.555 有 Yes 2 620(96.54) 94(3.46) 9.30±1.78 无 No 20 747(98.78) 256(1.22) 9.26±1.11 饮酒 Drinking 295.824 < 0.001 89.03 < 0.001 有 Yes 3 875(81.46) 882(18.54) 9.13±1.29 无 No 17 128(90.34) 1 832(9.66) 9.30±1.07 自评健康等级 Self-rated health rating 1 100.000 < 0.001 17.90 < 0.001 很不好 Very poor 197(63.96) 111(36.04) 9.13±1.65 不太好 Poor 879(68.56) 403(31.44) 9.07±1.36 一般 Not so good 3 474(82.19) 753(17.81) 9.22±1.17 比较好 Good 6 213(90.34) 664(9.66) 9.25±1.05 很好 Very good 10 077(93.05) 753(6.95) 9.32±1.09 生病频率 Frequency of illness 771.677 < 0.001 41.77 < 0.001 从不 Never 3 013(92.03) 261(7.97) 9.32±1.13 很少 Seldom 12 060(91.29) 1 151(8.71) 9.31±1.07 有时 Sometimes 4 617(86.93) 782(13.07) 9.20±1.12 经常 Often 908(80.04) 339(19.96) 9.06±1.32 总是 Always 259(70.30) 156(29.70) 8.76±1.54 食用烧烤/膨化/西式快餐食品频率 Frequency of eating barbecue/puffing/western food 258.664 < 0.001 72.28 < 0.001 从不 Never 3 435(90.59) 357(9.41) 9.44±1.13 很少 Seldom 11 173(90.02) 1 239(9.98) 9.30±1.07 有时 Sometimes 5 175(86.93) 778(13.07) 9.15±1.11 经常 Often 802(80.04) 200(19.96) 8.99±1.25 总是 Always 277(70.30) 117(29.70) 8.80±1.57 饮用含糖/碳酸饮料频率 Frequency of drinking consumption of sugar/carbonated beverages 354.428 < 0.001 91.67 < 0.001 从不 Never 2 707(90.87) 272(9.13) 9.46±1.10 很少 Seldom 10 438(90.66) 1 075(9.34) 9.32±1.06 有时 Sometimes 5 876(87.51) 839(12.49) 9.17±1.12 经常 Often 1 300(80.85) 308(19.15) 9.03±1.24 总是 Always 418(70.73) 173(29.27) 8.75±1.58 抑郁得分 Depression score -0.063 < 0.001 9.26±1.12 14.08 < 0.001 注:①以人数(占比/%)或x±s表示。
Note: ① Number of people (proportion/%) or x±s.).2.4 学生睡眠时长影响因素的多元线性回归模型分析
多元线性回归模型显示,在生理因素方面,相对于BMI分类为正常的学生,超重和肥胖者在睡眠时长上均更短(均P < 0.05);相对于过去1年内基本不生病的学生,只有生病频率为总是的学生睡眠时长更短(P < 0.001)。见表 2。
表 2 学生睡眠时间影响因素的多元线性回归分析Table 2. Multivariate regression analysis on sleep time among school students自变量 Independent variable 非标准化β值 value (95% CI) sx 标准化β值 value t值 value P值 value 性别 Gender 男 Male -0.001(-0.032~0.030) 0.016 0 -0.06 0.950 女 Female 0 BMI分类 Classify/(kg·m-2) 正常 Normal 0 超重 Overweight -0.044(-0.087~-0.001) 0.022 -0.014 -2.00 0.046 肥胖 Obesity -0.059(-0.109~-0.008) 0.026 -0.016 -2.26 0.024 自评健康等级 Self-rated health rating 很不好 Very poor 0 不太好 Poor -0.033(-0.181~0.115) 0.075 -0.007 -0.44 0.663 一般 Not so good -0.010(-0.150~0.129) 0.071 -0.004 -0.15 0.885 比较好 Good 0.008(-0.131~0.147) 0.071 0.003 0.12 0.908 很好 Very good 0.032(-0.107~0.170) 0.071 0.014 0.45 0.655 生病频率 Frequency of illness 从不 Never 0 很少 Seldom 0.030(-0.016~0.076) 0.023 0.014 1.29 0.196 有时 Sometimes -0.004(-0.058~0.050) 0.028 -0.002 -0.15 0.878 经常 Often -0.087(-0.168~-0.006) 0.041 -0.018 -2.11 0.035 总是 Always -0.321(-0.448~-0.193) 0.065 -0.037 -4.94 < 0.001 抑郁得分 Depression score -0.004(-0.005~-0.003) 0.000 -0.072 -9.56 < 0.001 吸烟 Smoking 否 No 0 是 Yes 0.176(0.037~0.316) 0.071 0.018 2.48 0.013 饮酒 Drinking 否 No 0 是 Yes -0.111(-0.150~-0.072) 0.020 -0.039 -5.61 < 0.001 食用烧烤/膨化/西式快餐食品频率 Frequency of eating barbecue/puffing/western food 从不 Never 0 很少 Seldom -0.020(-0.065~0.025) 0.023 -0.009 -0.86 0.389 有时 Sometimes -0.063(-0.116~-0.009) 0.027 -0.025 -2.30 0.021 经常 Often -0.134(-0.223~-0.045) 0.046 -0.024 -2.95 0.003 总是 Always -0.183(-0.318~-0.047) 0.069 -0.021 -2.65 0.008 饮用含糖/碳酸饮料频率 Frequency of drinking consumption of sugar/carbonated beverages 从不 Never 0 很少 Seldom -0.092(-0.142~-0.043) 0.025 -0.042 -3.66 < 0.001 有时 Sometimes -0.195(-0.251~-0.139) 0.028 -0.080 -6.86 < 0.001 经常 Often -0.264(-0.342~-0.187) 0.040 -0.060 -6.67 < 0.001 总是 Always -0.524(-0.642~-0.407) 0.060 -0.072 -8.74 < 0.001 吃早饭频率 Frequency of having breakfast 每天都吃 Everyday 0 偶尔不吃 Often -0.137(-0.180~-0.094) 0.022 -0.044 -6.20 < 0.001 有时不吃 Sometimes -0.008(-0.066~0.050) 0.030 -0.002 -0.27 0.787 经常不吃 Seldom -0.155(-0.253~-0.057) 0.050 -0.022 -3.11 0.002 几乎从来不吃 Never -0.025(-0.131~0.080) 0.054 -0.003 -0.47 0.638 在心理因素方面,抑郁得分与学生的睡眠时长有关联(P < 0.001),抑郁得分(100分制)每提升10分,其睡眠时长平均缩短0.04 h。见表 2。
在健康行为因素方面,与不吸烟的学生相比,吸烟者的睡眠时长更长(P=0.013);与不饮酒的学生相比,饮酒者的睡眠时长更短(P < 0.001);在食用烧烤/膨化/西式快餐食品方面,相比从不食用者,有时、经常和总是食用者的睡眠时长均更短(均P < 0.05);在饮用含糖/碳酸饮料方面,与不饮用者相比,饮用者的睡眠时长会更短。其中,总是饮用含糖/碳酸饮料的学生,其平均睡眠时长更短(P < 0.001);在吃早饭频率上,与每天都吃早饭者相比,偶尔不吃和经常不吃的学生,其睡眠时长更短(P < 0.001; P=0.002)。见表 2。
分析结果显示,在生理因素方面,与女生相比,男生睡眠质量差的风险更高(OR=1.329, P < 0.001);自评健康等级很不好的学生比自评一般、比较好和很好的学生,睡眠质量差的可能性均更高(OR=0.662, P=0.009; OR=0.436, P < 0.001; OR=0.361, P < 0.001);与过去1年从不生病的学生相比,经常或总是生病的学生,睡眠质量差的可能性均更高(OR=1.635, P < 0.001; OR=2.012, P < 0.001)。在心理因素方面,抑郁得分越高,越有可能面临睡眠质量差的问题(OR=1.024, P < 0.001);在健康行为因素方面,饮酒的学生有睡眠质量问题的可能性比不饮酒的学生高42.9%(OR=1.429, P < 0.001),总是食用烧烤/膨化/西式快餐食品的学生,更有可能存在睡眠质量差的问题(OR=1.412, P=0.042),总是饮用含糖/碳酸饮料的学生,更有可能存在睡眠质量差的问题(OR=1.623, P=0.001);相对于每天都吃早饭的学生,偶尔不吃、有时不吃、经常不吃和几乎从来不吃的学生,其睡眠质量差的可能性更高(OR=1.532, P < 0.001; OR=1.620, P < 0.001; OR=1.662, P < 0.001; OR=1.744, P < 0.001)。见表 3。
表 3 学生睡眠质量影响因素的多因素logistic回归分析模型Table 3. Multivariate logistic regression analysis on sleep time among school students变量 Variable OR值 value (95% CI) P值 value 性别 Gender 女 Female 1.000 男 Male 1.329(1.203~1.467) < 0.001 BMI分类 Classify/(kg·m-2) 正常 Normal 1.000 超重 Overweight 1.092(0.956~1.248) 0.194 肥胖 Obesity 0.986(0.841~1.155) 0.858 自评健康等级 Self-rated health rating 很不好 Very poor 1.000 不太好 Poor 1.006(0.726~1.393) 0.971 一般 Not so good 0.662(0.484~0.903) 0.009 比较好 Good 0.436(0.318~0.597) < 0.001 很好 Very good 0.361(0.264~0.495) < 0.001 生病频率 Frequency of illness 从不 Never 1.000 很少 Seldom 0.961(0.813~1.136) 0.639 有时 Sometimes 1.148(0.956~1.379) 0.138 经常 Often 1.635(1.306~2.047) < 0.001 总是 Always 2.012(1.485~2.726) < 0.001 抑郁得分 Depression score 1.024(1.022~1.026) < 0.001 吸烟 Smoking 否 No 1.000 是 Yes 1.026(0.722~1.457) 0.887 饮酒 Drinking 否 No 1.000 是 Yes 1.429(1.281~1.595) < 0.001 食用烧烤/膨化/西式快餐食品频率 Frequency of eating barbecue/puffing/western food 从不 Never 1.000 很少 Seldom 1.023(0.875~1.197) 0.776 有时 Sometimes 1.048(0.879~1.249) 0.600 经常 Often 1.141(0.885~1.469) 0.309 总是 Always 1.412(1.012~1.970) 0.042 饮用含糖/碳酸饮料频率 Frequency of drinking consumption of sugar/carbonated beverages 从不 Never 1.000 很少 Seldom 0.860(0.725~1.020) 0.084 有时 Sometimes 0.944(0.785~1.135) 0.540 经常 Often 1.136(0.902~1.430) 0.278 总是 Always 1.623(1.205~2.185) 0.001 吃早饭频率 Frequency of having breakfast 每天都吃 Everyday 1.000 偶尔不吃 Often 1.532(1.354~1.734) < 0.001 有时不吃 Sometimes 1.620(1.387~1.893) < 0.001 经常不吃 Seldom 1.662(1.292~2.137) < 0.001 几乎从来不吃 Never 1.744(1.326~2.294) < 0.001 3. 讨论
综上所述,本研究的数据显示我国四年级学生的睡眠状况总体良好,但在睡眠的质与量上存在不同程度的问题,且影响因素与影响机制有差异。
研究结果表明,在生理因素方面,学生的睡眠时长在不同BMI分类和生病频率等级上差异均有统计学意义,睡眠质量在性别、自评健康等级和不同生病频率等级上差异均有统计学意义。该结果与国外研究结果相一致[12],睡眠与肥胖的关联可能是因为肥胖人群大概率存在呼吸窘迫或暂停等症状, 这些症状可能会同时影响睡眠时长和睡眠质量, 而健康状况与睡眠时长和睡眠质量的关联更是显而易见,通常健康状况越差睡眠也就越差。在心理因素方面,较高抑郁得分的学生会同时在睡眠时长和睡眠质量上出现问题,这个结果也在很多研究中得到了证实[13], 心理因素不仅包括抑郁, 比抑郁状况更普遍的焦虑情绪与睡眠的关系也值得重视。同时需要注意的是, 有问题的睡眠无论是时长不足还是质量较差, 都在一定程度上反过来影响心理状况, 而且这种影响还会有持续效应[14];在健康行为因素方面,有吸烟行为的学生睡眠时长更长,有饮酒行为的学生在睡眠时长和睡眠质量上表现都较差;在饮食行为方面,不健康的饮食行为都可能导致更短的睡眠时长和更差的睡眠质量,其中饮用含糖/碳酸饮料对睡眠时长的缩短效应比食用烧烤/膨化/西式快餐食品更强;而在吃早饭频率上,不同频率的学生在睡眠时长和睡眠质量上的表现都有差异,不吃早餐的习惯和较差的睡眠状况相关。吸烟、饮酒、膳食、睡眠都是学生生活方式的重要内容, 这些生活方式之间互相影响, 良好的生活方式对于整体的健康状况尤为重要, 因此本研究也提示, 生活方式的干预应该是综合性的, 不能只考虑单一因素, 目前这种综合的生活方式干预也在其他研究中得到了广泛的研究和应用[15]。
本研究存在以下局限: (1)本次分析的数据为一次性横断面调查, 无法确定因果关系, 所有研究结果均需要进一步的队列研究或实验研究予以证实。(2)本研究中对睡眠时长和睡眠质量的测量均为学生自报数据, 可能会存在回忆偏性, 但本研究中同时分析的时长和质量的测量结果基本一致, 也从一定程度上证明了睡眠测量本身的稳定性。(3)本研究并未对体力活动等变量进行测量, 多因素分析时可能会存在遗漏变量的问题, 但对于肥胖、饮食和健康状况的测量, 可能能够部分校正, 未来的队列追访中应该加入该项测量内容。
综上所述,学生个体睡眠健康方面的状况与其他健康特征之间存在紧密联系,在控制了健康特征后,其健康行为(如吸烟、饮酒、不健康的饮食习惯)仍存在直接的影响效应,这说明学生的健康行为并不像常识所设想的那样,要以健康状况作为中介才对睡眠状况产生影响;行为本身和其相关的日常生活习惯,也可能会影响睡眠状况。同时,同一个因素对睡眠质与量的影响也可能存在一定程度上的差异,这也说明综合考量睡眠质和量两方面特征的意义。在后续的相关研究中,要对此加以考量。
-
表 1 社会经济地位衡量指标的赋分标准
Table 1. Scoring criteria of socioeconomic status measurement indicators
家庭人均年收入(元) 个人受教育程度 职业 分值(分) ≥13 500 大专及以上 国家机关、党群组织、企事业单位负责人 6 8 000~<13 500 高中/中专/技校 专业技术人员、办事人员和有关人员 5 5 400~<8 000 初中毕业 商业、服务业人员 4 3 600~<5 400 小学毕业 生产运输设备操作人员及有关人员、农林牧渔水利业生产人员 3 2 000~<3 600 小学未毕业 其他劳动者 2 <2 000 未受过正规教育 无业 1 表 2 基线人群基本特征[n(%)]
Table 2. Basic characteristics of the baseline population[n(%)]
变量 高血压组
(n=765)非高血压组
(n=2 636)t/χ2值 P值 变量 高血压组
(n=765)非高血压组
(n=2 636)t/χ2值 P值 年龄(岁) 92.148 <0.001 不吸烟 2.707 0.100 18~<45 367(17.63) 1 715(82.37) 否 254(24.26) 793(75.74) 45~<60 265(27.18) 710(72.82) 是 511(21.71) 1 843(78.29) ≥60 133(38.66) 211(61.34) 不饮酒 0.287 0.592 性别 4.032 0.045 否 280(23.01) 937(76.99) 男 373(24.06) 1 177(75.94) 是 485(22.21) 1 699(77.79) 女 392(21.18) 1 459(78.82) 蔬菜摄入≥300 g/d 0.591 0.442 民族 0.263 0.608 否 258(23.29) 850(76.71) 汉族 480(22.78) 1 627(77.22) 是 507(22.11) 1 786(77.89) 少数民族 285(22.02) 1 009(78.98) 水果摄入≥200 g/d 5.807 0.016 婚姻状况 16.589 <0.001 否 728(22.96) 2 443(77.04) 未婚 44(13.66) 278(86.34) 是 37(16.09) 193(83.91) 已婚/同居 647(23.21) 2 140(76.79) 烹调油摄入≤25 g/d 3.011 0.083 离婚/丧偶/分居 74(25.34) 218(74.66) 否 611(23.16) 2 027(76.84) 城乡居住地 6.652 0.010 是 154(20.18) 609(79.82) 城市 215(19.80) 871(80.20) 食盐摄入≤6 g/d 3.933 0.047 农村 550(23.76) 1 765(76.24) 否 566(23.40) 1 853(76.60) 家庭人均年收入a(元) 16.650 0.005 是 199(20.26) 783(79.74) <2 000 123(26.80) 336(73.20) 睡眠时间≥7 h/d 4.167 0.041 2 000~<3 600 152(23.21) 503(76.79) 否 113(26.34) 316(73.66) 3 600~<5 400 124(22.02) 439(78.98) 是 652(21.90) 2 320(78.10) 5 400~<8 000 115(22.82) 389(77.18) 代谢当量值
(x±s,mL/kg·min)111.9±116.4 118.3±126.9 1.256 0.209 8 000~<13 500 148(23.49) 482(76.51) 糖尿病a 1.498 0.221 ≥13 500 96(16.70) 479(83.30) 否 706(22.21) 2 473(77.79) 个人受教育程度 46.219 <0.001 是 55(25.82) 158(74.18) 未受过正规教育 164(32.35) 343(67.65) 血脂异常 1.389 0.239 小学未毕业 123(25.73) 355(74.27) 否 300(23.58) 972(76.42) 小学毕业 163(22.48) 562(77.52) 是 465(21.84) 1 664(78.16) 初中毕业 214(19.18) 902(80.82) 高血压家族史a 1.166 0.280 高中/中专/技校 68(17.30) 325(82.70) 否 483(22.07) 1 705(77.93) 大专及以上 33(18.13) 149(81.87) 是 84(19.72) 342(80.28) 职业 13.605 0.018 SES分组(分) a 18.979 <0.001 无业 110(22.49) 379(77.51) <9 335(26.42) 933(73.58) 其他劳动者 62(19.68) 253(80.32) ≥9 423(19.97) 1 695(80.03) 生产运输设备操作人员及有关人员、农林牧渔水利业生产人员 506(24.20) 1 585(75.80) 健康生活方式数量(种) 9.114 0.028 商业、服务业人员 30(17.05) 146(83.95) ≤2 200(25.94) 571(74.06) 专业技术人员、办事人员和有关人员 46(16.55) 232(83.45) 3 205(22.88) 691(77.12) 国家机关、党群组织、企事业单位负责人 11(21.15) 41(78.85) 4 226(21.48) 826(78.52) BMI分级(kg/m2) a 9.704 0.021 ≥5 134(19.65) 548(80.35) 正常 486(21.88) 1 735(78.12) 轻体重 36(17.39) 171(82.61) 超重 195(24.22) 610(75.78) 肥胖 47(29.75) 111(70.25) 注:a表示该变量有缺失值。 表 3 SES、健康生活方式分别对高血压发病的Cox回归分析
Table 3. Cox regression analysis of SES and healthy lifestyle on hypertension
变量 新发病数(人) 发病密度/1 000人年 HR(95% CI) 模型1 P值 模型2 P值 模型3 P值 SES分组(分) <9 335 39.58 1.000 1.000 1.000 ≥9 423 28.29 0.607(0.525~0.701) <0.001 0.689(0.592~0.802) <0.001 0.701(0.584~0.842) <0.001 健康生活方式分组(种) ≤2 200 38.51 1.000 1.000 1.000 3 205 33.44 0.836(0.688~1.016) 0.071 0.860(0.703~1.052) 0.142 0.848(0.671~1.072) 0.169 4 226 30.82 0.720(0.595~0.871) 0.001 0.801(0.650~0.987) 0.038 0.743(0.581~0.950) 0.018 ≥5 134 27.57 0.594(0.477~0.740) <0.001 0.690(0.541~0.879) 0.003 0.608(0.455~0.812) 0.001 注:模型1:不调整;模型2:调整年龄、性别、婚姻、城乡;模型3:在模型2基础上调整MET、健康生活方式/SES分组(在研究SES对高血压发病的影响时,调整健康生活方式;在研究健康生活方式对高血压发病的影响时,调整SES分组)、BMI、糖尿病、血脂异常及高血压家族史。 表 4 SES、健康生活方式联合作用对高血压发病的Cox回归分析
Table 4. Cox regression analysis of combination of SES and healthy lifestyle on the incidence of hypertension
SES分组(分) 健康生活方式分组(种) 新发病数(人) 发病密度/1 000人年 HR(95% CI) 模型1 P值 模型2 P值 模型3 P值 <9 ≤2 77 45.76 1.000 1.000 1.000 3 94 43.10 0.880(0.651~1.190) 0.406 0.916(0.676~1.240) 0.569 0.933(0.639~1.360) 0.718 4 105 36.12 0.707(0.527~0.949) 0.021 0.819(0.602~1.114) 0.203 0.812(0.555~1.187) 0.282 ≥5 59 34.85 0.614(0.437~0.862) 0.005 0.717(0.504~1.020) 0.064 0.702(0.452~1.089) 0.114 ≥9 ≤2 122 34.81 0.637(0.479~0.848) 0.002 0.736(0.550~0.986) 0.040 0.793(0.558~1.128) 0.198 3 108 27.59 0.487(0.363~0.653) <0.001 0.592(0.439~0.799) 0.001 0.637(0.446~0.909) 0.013 4 120 27.23 0.437(0.328~0.583) <0.001 0.570(0.422~0.769) <0.001 0.560(0.391~0.802) 0.002 ≥5 73 23.33 0.353(0.256~0.487) <0.001 0.486(0.347~0.682) <0.001 0.442(0.295~0.662) <0.001 注:模型1:不调整;模型2:调整年龄、性别、婚姻、城乡;模型3:在模型2基础上调整MET、BMI、糖尿病、血脂异常及高血压家族史。 -
[1] Forouzanfar MH, Liu P, Roth GA, et al. Global burden of hypertension and systolic blood pressure of at least 110 to 115 mm Hg, 1990-2015[J]. JAMA, 2017, 317(2): 165-182. DOI: 10.1001/jama.2016.19043. [2] 张梅, 吴静, 张笑, 等. 2018年中国成年居民高血压患病与控制状况研究[J]. 中华流行病学杂志, 2021, 42(10): 1780-1789. DOI: 10.3760/cma.j.cn112338-20210508-00379.Zhang M, Wu J, Zhang X, et al. Prevalence and control of hypertension in adults in China, 2018[J]. Chin J Epidemiol, 2021, 42(10): 1780-1789. DOI: 10.3760/cma.j.cn112338-20210508-00379. [3] Neufcourt L, Deguen S, Bayat S, et al. Gender differences in the association between socioeconomic status and hypertension in France: a cross-sectional analysis of the CONSTANCES cohort[J]. PLoS One, 2020, 15(4): e0231878. DOI: 10.1371/journal.pone.0231878. [4] Fateh M, Emamian MH, Asgari F, et al. Socioeconomic inequality in hypertension in Iran[J]. J Hypertens, 2014, 32(9): 1782-1788. DOI: 10.1097/HJH.0000000000000260. [5] Fukunaga A, Inoue Y, Chandraratne N, et al. Healthy lifestyle index and its association with hypertension among community adults in Sri Lanka: a cross-sectional study[J]. PLoS One, 2020, 15(1): e0226773. DOI: 10.1371/journal.pone.0226773. [6] Salvador MR, Cunha Gonçalves S, Quinaz Romana G, et al. Effect of lifestyle on blood pressure in patients under antihypertensive medication: an analysis from the Portuguese Health Examination Survey[J]. Rev Port Cardiol (Engl Ed), 2019, 38(10): 697-705. DOI: 10.1016/j.repc.2018.12.006. [7] 汤淑女, 简伟研, 郭岩. 社会经济地位对中国非在学成人高血压患病的影响[J]. 中国慢性病预防与控制, 2011, 19(3): 238-241. DOI: 10.16386/j.cjpccd.issn.1004-6194.2011.03.017.Tang SN, Jian WY, Guo Y. Effect of socioeconomic status on prevalence of hypertension in Chinese adults[J]. Chin J Prev Control Chronic Dis, 2011, 19(3): 238-241. DOI: 10.16386/j.cjpccd.issn.1004-6194.2011.03.017. [8] Xiao L, Le C, Wang GY, et al. Socioeconomic and lifestyle determinants of the prevalence of hypertension among elderly individuals in rural southwest China: a structural equation modelling approach[J]. BMC Cardiovasc Disord, 2021, 21(1): 64. DOI: 10.1186/s12872-021-01885-y. [9] Wang Q, Zhang X, Fang L, et al. Prevalence, awareness, treatment and control of diabetes mellitus among middle-aged and elderly people in a rural Chinese population: a cross-sectional study[J]. PLoS One, 2018, 13(6): e0198343. DOI: 10.1371/journal.pone.0198343. [10] Xi YF, Niu LW, Cao N, et al. Prevalence of dyslipidemia and associated risk factors among adults aged ≥35 years in Northern China: a cross-sectional study[J]. BMC Public Health, 2020, 20(1): 1068. DOI: 10.1186/s12889-020-09172-9. [11] Wang F, Zhen QK, Li KG, et al. Association of socioeconomic status and health-related behavior with elderly health in China[J]. PLoS One, 2018, 13(9): e0204237. DOI: 10.1371/journal.pone.0204237. [12] 陈佳慧, 董鑫鹏, 刘艺君, 等. 宁夏和上海市城镇居民生活方式差异与高血压的关系[J]. 中华高血压杂志, 2021, 29(6): 576-581. DOI: 10.16439/j.issn.1673-7245.2021.06.013.Chen JH, Dong XP, Liu YJ, et al. Lifestyle of urban residents in Ningxia and Shanghai Relationship between difference and hypertension[J]. Chin J Hypertens, 2021, 29(6): 576-581. DOI: 10.16439/j.issn.1673-7245.2021.06.013. [13] Yi Q, Zha MM, Yang QW, et al. Trends in the prevalence of hypertension according to severity and phenotype in Chinese adults over two decades (1991-2015)[J]. J Clin Hypertens (Greenwich), 2021, 23(7): 1302-1315. DOI: 10.1111/jch.14306. [14] 夏德龙, 朱博文. 社会经济地位能否通过生活方式影响健康: 基于城乡劳动者的比较分析[J]. 湖北社会科学, 2021, (2): 50-58. DOI: 10.13660/j.cnki.42-1112/c.015561.Xia DL, Zhu BW. Can socioeconomic status affect health through lifestyle-A comparative analysis based on urban and rural laborers[J]. Hubei Soc Sci, 2021, (2): 50-58. DOI: 10.13660/j.cnki.42-1112/c.015561. [15] Forman JP, Stampfer MJ, Curhan GC. Diet and lifestyle risk factors associated with incident hypertension in women[J]. JAMA, 2009, 302(4): 401-11. DOI: 10.1001/jama.2009.1060. [16] Banda JA, Clouston K, Sui XM, et al. Protective health factors and incident hypertension in men[J]. Am J Hypertens, 2010, 23(6): 599-605. DOI: 10.1038/ajh.2010.26. [17] Villegas R, Kearney PM, Perry IJ. The cumulative effect of core lifestyle behaviours on the prevalence of hypertension and dyslipidemia[J]. BMC Public Health, 2008, 8: 210. DOI: 10.1186/1471-2458-8-210. [18] Zhang YB, Chen C, Pan XF, et al. Associations of healthy lifestyle and socioeconomic status with mortality and incident cardiovascular disease: two prospective cohort studies[J]. BMJ, 2021, 373: n604. DOI: 10.1136/bmj.n604. [19] 任晓晖, 文偲廙, 薛利. 老年人社会经济地位与认知功能的关系[J]. 中国心理卫生杂志, 2019, 33(10): 762-768. DOI: 10.3969/j.issn.1000-6729.2019.10.008.Ren XH, Wen SY, Xue L. Relationship between socioeconomic status and cognitive function in the elderly[J]. Chin Ment Heal J, 2019, 33(10): 762-768. DOI: 10.3969/j.issn.1000-6729.2019.10.008. [20] 王甫勤. 地位束缚与生活方式转型: 中国各社会阶层健康生活方式潜在类别研究[J]. 社会学研究, 2017, 32(6): 117-140, 244-245. DOI: 10.19934/j.cnki.shxyj.2017.06.009.Wang FQ. Status constraint and lifestyle transition: latent class analysis of health lifestyles among different social strata in China[J]. Sociol Stud, 2017, 32(6): 117-140, 244-245. DOI: 10.19934/j.cnki.shxyj.2017.06.009. -