張浩 李建新

摘要：基于中國老年健康影響因素跟蹤調查2008/2009年和2011/2012年數據，運用Cox模型發(fā)現，在男性老年人和女性老年人中，低體重指數老年人的死亡風險均顯著地高于正常體重指數老年人的死亡風險。運用總體歸因比例法進一步發(fā)現，如果能夠消除老年人口的低體重，那么，老年男性和老年女性分別能避免約2.9%和3.9%的過量死亡。消除老年人口的低體重

指數特別有利于當代中國老年女性獲得更多的健康益處。作為發(fā)展中國家，我國的公共政策有必要關注老年人口的低體重指數對其健康長壽的損害。

關鍵詞：體重指數；死亡風險；老年人

中圖分類號：C921文獻標識碼：A文章編號：1000-4149（2018）03-0081-11

DOI：10.3969/j.issn.1000-4149.2018.03.008

Abstract：Based on the dataset from Chinese Longitudinal Healthy Longevity Survey 2008/2009—2011/2012， this paper uses Cox model analyze the correlation of the elderlys death hazard and their underweight and found they are significantly associated. The mortality hazard of the underweight elderly is significantly higher than that of the normal weight for both male and female. In addition， the Population Attributable Fraction method shows that if the effective measures can eliminate the prevalence of underweight of the elderly， the excess death would be decrease about 2.9% for male and 3.9% for female. In China， elderly female will benefit more from the elimination of underweight more than elderly male. As a developing country， Chinas public policy is necessary to pay attention to the detrimental effect of underweight of the elderly on their health and longevity.

Keywords：body mass index；death hazard；the elderly

一、 問題提出

長久以來，人口學和流行病學關注營養(yǎng)水平和預期壽命之間的關系。在18世紀40年代早期的西歐，食物短缺引起的饑餓和長期營養(yǎng)不足導致了大量死亡；同時，饑餓明顯地影響了冰島、挪威和芬蘭的全國死亡率[1]。海沃德（Hayward）等發(fā)現，在前工業(yè)社會里，處于生育期以后或者貧窮的個體在面對饑荒沖擊時經歷更高的死亡率[2]。從營養(yǎng)轉變的角度來看，由于工業(yè)革命和第二次農業(yè)革命讓現代科技在農業(yè)中獲得應用，伴隨動物蛋白、脂肪、糖、蔬菜和水果等飲食的提高以及淀粉和纖維等飲食的降低，西歐從前工業(yè)社會的饑荒階段進入到饑荒衰退的階段[3]。福格爾（Fogel）發(fā)現，由于饑荒的消失和平均營養(yǎng)水平的不斷提高，英國和法國的人口平均預期壽命在1775年到1974年之間穩(wěn)定增長。其中，平均營養(yǎng)水平的提高對預期壽命上升發(fā)揮主要作用，它能夠解釋英國和法國從1775年到1874年之間90%的死亡率下降和從1875年到1974年之間50%的死亡率下降[4]。為測量個體營養(yǎng)狀況與死亡水平關系，西方研究者創(chuàng)建并運用體重指數（Body mass index），又被稱為凱特勒指數（Quetelet index），其數值隨著營養(yǎng)攝入和能量需求之間的當前平衡而變化[4]。目前，隨著社會經濟的不斷發(fā)展，肥胖已開始流行，并受到媒體和學術界廣泛的關注。但是，因為我國老年人享有的社會保障制度還不健全，所以，在人口老齡化和日益高齡化的過程中，老年人群仍然長期處于相對弱勢地位和面臨營養(yǎng)不良的困擾。在“未富先老”的背景下，老年人的營養(yǎng)不良問題是探討老年人口健康的一個重要問題。實際上，我國老年人的營養(yǎng)狀況依然不樂觀。王卓群等用低體重指數，即體重指數低于18.5，測量個體的營養(yǎng)不良狀況，進而發(fā)現2010年我國老年人的營養(yǎng)不良率達到5.3%，并隨著年齡的提高而上升[5]。

考慮到我國老年人面臨營養(yǎng)不良的現實挑戰(zhàn)，本文考察低體重指數對老年人死亡風險的具體影響，并估計其對老年人口過量死亡的實際貢獻。本文的研究能夠為了解現階段我國老年人健康長壽狀況補充新知識，為提出具有可行性的公共干預政策和手段從事探索研究，進而對實現健康老齡化具有積極意義。

二、文獻回顧和研究設計

在當代發(fā)達國家中，老年人的體重指數和其全死因死亡風險之間呈現“U”型關系，即相對于正常體重指數，低體重指數和肥胖的老年人經歷更高的死亡風險[6-12]。在分性別的子樣本研究中，體重指數和全死因死亡風險之間的“U”型關系出現在老年男性和老年女性中[11，13-14]以及成年男性和成年女性中[6]。研究者進一步考察在發(fā)達國家老年人口中低體重指數和具體死亡原因的死亡率之間的復雜關系。在50歲以上成年人中，相對正常體重指數，低體重指數和較高的冠心病死亡風險相關[7]。低體重指數和由循環(huán)系統(tǒng)疾病導致的高死亡率之間的關系出現在成年人[6]和老年人中[8，13]。不僅老年人的低體重指數和由呼吸系統(tǒng)疾病導致的高死亡率相關[8，13]，而且低體重指數相對其他所有體重指數具有最高的呼吸系統(tǒng)疾病死亡率[13]。

與此同時，來自流行病學、營養(yǎng)學和公共衛(wèi)生學的經驗研究廣泛地考察了我國老年人的體重指數和其死亡率之間的關系。在控制干擾因素的影響以后，低體重指數和高全死因死亡率/死亡風險之間的相關關系出現在全國范圍內的中老年人群中[15-17]。即使在東部發(fā)達地區(qū)，低體重指數的老年人也面臨高死亡率的劣勢。例如，在江蘇金壇縣農村，低體重指數的中老年男性和中老年女性的死亡率都高于正常體重指數的和過重的[18]。在北京市55歲以上人群中，低體重指數相對其他體重指數水平具有最高全死因死亡率[19-20]。以上經驗研究表明，低體重指數的老年人經歷更高的全死因死亡率。此外，我國老年人的低體重指數和一些由具體原因導致的高死亡率相關。例如，李奎寶等發(fā)現北京市中老年人的低體重指數和肺心病、消化道腫瘤、肺癌、肺炎以及不明原因的高死亡率相關[21]。趙連成等的研究考察了三個具體原因的死亡率（冠心病和腦卒中死亡率、惡性腫瘤死亡率和其他原因死亡率），進而發(fā)現，低體重指數和惡性腫瘤的高死亡率以及和其他原因的高死亡率相關[15]。

盡管對我國老年人口的低體重指數和其死亡風險關系的考察已取得大量成果，但是，還可以在以下兩方面拓展。其一，多數研究關注中年人和低齡老年人，而忽視80歲以上高齡老年人，且研究范圍和樣本都有所局限[17，20]。比如王云峰等的研究對象局限在北京市[20]，其研究結論無法拓展到全國。顧東風等的研究從1991年全國高血壓調查的15歲以上被訪者中截取65歲以上老年人被訪者[17]。由于樣本量過小，該研究未能分性別地考察體重指數和65歲以上老年人死亡風險之間的關系。我國老年男性和女性在預期壽命和死亡模式上存在顯著的性別差異。因此，有必要分性別地考察低體重指數和死亡率之間的關系。其二，面對低體重指數在我國老年人中流行的事實，以往鮮有研究估計我國老年人的低體重指數

對其過量死亡的影響程度，即如果老年人口的低體重指數

都轉變?yōu)檎ｓw重指數

，那么多大比例的死亡能夠被避免。最近30年來，美國成年人的肥胖率不斷上升，部分經驗研究通過運用總體歸因比例法來估計肥胖對老年人過量死亡的貢獻[10，12，14]。具體來講，肥胖相對于正常體重指數貢獻了當代美國老年男性死亡的3.8%和老年女性死亡的2.5%[14]?？傮w歸因比例法使經驗研究將發(fā)達國家老年人的個體特征因素（肥胖）和其宏觀死亡聯(lián)系起來。顯然，

該方法同樣適用于研究我國老年人的低體重指數對其過量死亡的影響。

為拓展以往研究，文章運用包括低齡和高齡老年人的全國大型抽樣調查“中國老年健康影響因素跟蹤調查” （Chinese Longitudinal Healthy Longevity Survey， CLHLS）數據，回答以下兩個研究問題。其一，在控制人口特征、社會經濟地位、健康行為方式和基線健康條件以后，老年男性和老年女性中低體重指數和死亡風險之間關系的表現形式。其二，基于總體歸因比例法，估計在老年人口中低體重指數的消除能夠避免多大比例的過量死亡。

三、數據和方法

1.數據

本文選擇中國老年健康影響因素跟蹤調查2008/2009年和2011/2012年數據。自1998年以來，北京大學開展CLHLS的基線調查，并在2000年、2002年、2005年、2008/2009年和2011/2002年完成追蹤調查。在2008/2009年調查時，CLHLS調查覆蓋全國23個省份

23個省份具體包括：遼寧、吉林、黑龍江、河北、北京、天津、山西、陜西、上海、江蘇、浙江、安徽、福建、江西、山東、河南、湖北、湖南、廣東、廣西、四川、重慶和海南。的65歲以上全部年齡組的老年人口。以同性別和同年齡的原則，CLHLS就近遞補在2000年、2002年和2005年追訪時已經死亡的被訪者，進而保證CLHLS 2008年數據的代表性[22]。在刪除2008/2009年和2011/2012年期間發(fā)生失訪的被訪者以及缺失了具體死亡時間的被訪者以后，本文的研究樣本分別包括65—105歲的5815名男性老年人和7596名女性老年人。

2.測量

CLHLS調查測量了被訪者在2008/2009年至2011/2012年的存活信息，即被訪者在兩次訪問期間是否死亡。對于在兩次訪問期間死亡的被訪者，被訪者的親屬提供具體的死亡日期。在兩次訪問期間繼續(xù)存活的被訪者被定義為刪節(jié)。

體重指數是本研究的核心解釋變量。首先，基于CLHLS 2008/2009年數據提供的身高和體重信息，計算被訪者體重指數，其公式為體重/身高的平方，即BMI=kg/m2。

實際應用到Cox 模型中的研究樣本刪除了這部分缺失的案例。根據世界衛(wèi)生組織對體重指數的國際分類標準[23]，本研究的體重指數被劃分為低體重指數（BMI<18.5）、正常體重指數（18.5≤BMI≤24.99）、過重（25≤BMI≤29.99）和肥胖（BMI≥30）。盡管世界衛(wèi)生組織將肥胖進一步劃分為三類，即，肥胖Ⅰ型（30.00≤BMI≤34.99）、肥胖Ⅱ型（35.00≤BMI≤39.99）和肥胖Ⅲ型（BMI≥40），但是，由于不同類型肥胖的個體在樣本中比例都非常低，文章將這三種類型的肥胖歸為一類。應用世界衛(wèi)生組織的分類標準有助于對本文的研究結論進行國際比較。此外，模型包括一系列控制變量，包括由年齡和婚姻狀況構成的人口特征，由居住地、教育水平和60歲以前主要職業(yè)構成的社會經濟地位特征，由抽煙、喝酒和鍛煉構成的健康行為方式特征以及由自評健康地位、殘障和患有慢性病構成的基線健康條件。表1顯示變量的描述性統(tǒng)計結果。

3.方法

1972年以來，Cox模型逐漸發(fā)展成人口學研究死亡風險的經典方法。通過運用部分似然估計（Partial Likelihood）方法，Cox模型不僅允許不考慮基線風險函數的具體形式，而且能獲得穩(wěn)健的估計結果[24]。公式如下：

其中，hi（t）表示個體i在時間t上的死亡風險；λ0（t）表示基線風險函數；Xi1，Xi2，…，Xik代表協(xié)變量；β1，β2，…，βk代表估計的系數。盡管成比例風險假設是Cox模型的應用前提，但是，部分自變量在實際應用中往往違反成比例風險假設，且

與觀測時間之間存在交互項[24]。因此，納入這些交互項是Cox模型用于解決違反成比例風險假設的一個方法[24-25]。辛格（Singer）和威利特（Willett）提供了這些違反成比例風險假設變量的影響隨觀測時間可能發(fā)生的三種不同形式的改變[25]。本文參照

該方

法假定跟蹤時間具有三種形式，分別為：時間的自然對數，即這些違反成比例風險假設變量的影響隨觀測時間的自然對數線性地變化；時間減1天，即這些變量的影響隨跟蹤時間線性地變化；分為四段的時間

在男性樣本中，四個時間段的三個分割點分別為第266天、第529天和第801天；在女性樣本中，四個時間段的三個分割點分別為第261天、第530天和第810天。這樣的時間段分割方式能夠分別保證男性被訪者和女性被訪者的死亡數量在不同時間段之間相等。 ，即這些變量的影響在這四段時間內均恒定不變，但其影響在不同時間段之間存在差異。

為進一步獲得低體重指數對我國老年人總體死亡的貢獻比例，本研究運用由羅克希爾（Rockhill）等提出的總體歸因比例法（Population Attributable Fraction）[26]，其計算公式如下：

其中，PAFj表示在低體重指數的老年人口反事實地轉變?yōu)檎ｓw重指數老年人口的情況下，可以被避免的老年人口死亡的比例。pdj 表示在觀測期間具有低體重指數的死亡案例占樣本總死亡案例的比例；HRj代表低體重指數地位相對于正常體重指數地位的死亡風險比。Cox模型估計的協(xié)變量系數幫助本研究獲得低體重指數相對于正常體重的風險比。

四、分析結果

表2給出Cox模型估計老年男性的體重指數對其死亡風險影響的結果。模型1只包括體重指數這一核心解釋變量

當新自變量逐步納入各個模型時，運用Stata的estat phtest命令來檢驗在每個模型中各個自變量是否符合成比例風險假設前提。，結果顯示，低體重指數的老年男性的死亡風險顯著高于正常體重指數的老年男性，而過重的老年男性的死亡風險則顯著低于正常體重指數的老年男性，在模型1的基礎上納入人口特征變量（年齡和婚姻狀況），結果顯示，在控制人口特征后，過重與老年人死亡風險之間的顯著關系消失；低體重指數的老年男性的死亡風險繼續(xù)高于正常體重指數的老年男性。模型3在模型2的基礎上進一步納入社會經濟地位變量（城鄉(xiāng)居住地、教育水平和60歲以前主要職業(yè)），結果顯示，老年男性的低體重指數和其高死亡風險之間繼續(xù)顯著相關，但是，老年男性的低體重指數對其死亡風險的影響效果降低。模型4在模型3的基礎上納入健康行為方式變量（抽煙、喝酒和鍛煉），結果顯示，在控制人口特征、社會經濟地位和健康行為方式以后，低體重指數的老年男性的死亡風險依然顯著高于正常體重指數的老年男性，但是，老年男性的低體重指數對其死亡風險的影響效果進一步降低。文章通過控制被訪者的基線健康條件的影響試圖消除體重指數和死亡風險之間可能存在的反向因果關系。當Cox模型納入由自評健康水平、殘障和患有慢性病變量構成的基線健康條件時，年齡和殘障變量違反Cox模型的等比例風險前提假設。模型5至模型7分別以觀測時間的自然對數、觀測時間減1天以及分為四段的觀測時間和這兩個變量做交互項，結果表明，在控制被訪者的人口特征、社會經濟地位、健康行為方式和基線健康條件以后，低體重指數的老年男性的死亡風險約是正常體重老年男性的1.1倍（e0.092=1.0964或者 e0.093=1.0975）。盡管在這些統(tǒng)計上顯著的交互項中跟蹤時間有不同的形式，但是，Cox模型對老年男性體重指數的影響效果的估計保持穩(wěn)健。相對于模型4的結果，在模型5至模型7中，老年男性的低體重指數對其死亡風險的影響效果進一步降低。模型1至模型4的結果表明，老年男性的低體重指數和高死亡風險在0.05水平下顯著相關。在模型5至模型7中，低體重指數仍然在0.1水平下雙尾檢驗顯著。這實際上相當于0.05水平下的單尾檢驗顯著。

表3顯示Cox模型估計老年女性的體重指數對其死亡風險影響的結果。模型1僅包括體重指數這一核心解釋變量。模型1顯示，在老年女性中，低體重指數的死亡風險顯著高于正常體重指數，而過重的老年女性的死亡風險則顯著低于正常體重指數老年女性。當Cox模型進一步納入人口特征（年齡和婚姻狀況）后，模型2的結果表明，老年女性的過重與其死亡風險之間的顯著關系消失；低體重指數的老年女性的死亡風險繼續(xù)高于正常體重指數老年女性。當模型3進一步納入社會經濟地位變量（城鄉(xiāng)居住地、教育水平和60歲以前主要職業(yè)）以后，盡管老年女性的低體重指數對其死亡風險的影響效果進一步降低，但是，低體重指數和高死亡風險之間繼續(xù)顯著相關。模型4在模型3的基礎上進一步納入健康行為方式變量（抽煙、喝酒和鍛煉）。模型4的結果顯示，在控制人口特征、社會經濟地位和健康行為方式以后，低體重指數和老年女性的高死亡風險之間顯著相關；不過，老年女性的低體重指數對其死亡風險的影響效果進一步降低。為了試圖消除體重指數和死亡風險之間可能存在的反向因果關系，Cox模型進一步納入基線健康條件變量（自評健康水平、殘障和患有慢性病）。因為Estat phtest的檢驗結果顯示，年齡和殘障變量違反成比例風險假設，所以，模型5至模型7包括年齡和殘障變量與三種時間形式的交互項。結果表明，在控制被訪者的人口特征、社會經濟地位、健康行為方式和基線健康條件以后，低體重指數的老年女性的死亡風險約為正常體重指數老年女性的1.1倍（e0.088=1.0920或e0.089=1.0931）；老年女性的低體重指數對其死亡風險的影響效果進一步降低。

本文還運用BIC比較樣本數存在差異的非嵌套模型之間的擬合程度。在逐步納入人口特征變量、社會經濟地位變量、健康行為方式變量和基線健康條件變量的過程中，表2和表3的BIC結果表明Cox模型的擬合程度不斷提高。此外，在考慮違反成比例風險假設的變量和三種時間形式的交互項情況下，不論在老年男性還是老年女性中Cox模型對低體重指數的回歸系數的估計結果保持穩(wěn)健。為節(jié)省篇幅，文章省略了對表2和表3中控制變量及交互項結果的解釋。

為了獲得由低體重指數導致的老年男性和老年女性過量死亡的比例，首先，本文分別在樣本中獲得低體重指數的男性死亡案例占男性死亡案例的比例和低體重指數的女性死亡案例占女性死亡案例的比例。然后，根據表2中模型5至模型7和表3中模型5至模型7展示的低體重指數的回歸系數，獲得在這些模型中低體重指數相對于正常體重指數的死亡風險比。在男性老年人中，表2模型5提供的低

體重指數相對正常體重指數的死亡風險比（e0.092=1.0964）低于表2模型6和模型7提供的低體重指數相對于正常體重指數的死亡風險比（e0.093=1.0975）。在女性老年人中，表3模型5提供的低體重指數相對正常體重指數的死亡風險比（e0.088=1.0920）低于由表3模型6和模型7提供的低體重指數相對于正常體重指數的死亡風險比（e0.089=1.0931）。最后，運用總體歸因比例法公式分別計算在不同模型的調整控制下總體歸因比例法的結果，見圖1。具體來講，如果老年男性人口的低體重指數轉變?yōu)檎ｓw重指數，那么，在控制人口特征、社會經濟地位、健康行為方式以及基線健康條件以后，這個轉變能夠避免大約2.9%的老年男性人口死亡。其中，依據表2模型5的結果，能夠避免2.91%的老年男性人口死亡；根據表2模型6和模型7的結果，能夠避免2.94%的老年男性人口死亡。如果老年女性人口的低體重指數轉變正常體重指數，那么，在控制人口特征、社會經濟地位、健康行為方式以及健康條件以后，這個轉變能夠避免大約3.9%的老年女性人口死亡。其中，依據表3模型5的結果，能夠避免3.87%的老年女性人口死亡；根據表3模型6和模型7的結果，能夠避免3.91%的老年女性人口死亡。此外，通過比較總體歸因比例法的結果，研究進一步發(fā)現，低體重指數對老年女性人口死亡的貢獻高于對老年男性人口死亡的貢獻。如果老年人口的低體重指數被轉變?yōu)檎ｓw重指數，那么老年女性能夠獲得更多的長壽優(yōu)勢。

五、結論和討論

依托CLHLS 2008/2009和2011/2012年數據的獨特優(yōu)勢，運用Cox模型和總體歸因比例法分別在男性和女性老年人中考察了低體重指數對其死亡風險和過量死亡的影響，獲得了以下兩個結論。

首先，當調整一系列控制變量以后，Cox模型的結果發(fā)現，低體重指數老年男性和老年女性的死亡風險均顯著高于正常體重指數的。這個結論支持了以往的研究發(fā)現，即，低體重指數對當代中國老年人死亡率產生了危害[17，20]。本文將以往局限于北京市或者未分樣本性別的結論拓展為適用于全國范圍內分性別且覆蓋全部年齡組的老年人口。但本文的發(fā)現沒有支持在當代發(fā)達國家老年人中體重指數和全死因死亡風險之間的“U”型關系。這是因為在控制人口特征（年齡和婚姻狀況）以后，過重老年人的死亡風險相對于正常體重指數的老年人沒有顯著差異；肥胖一直沒有顯著影響中國老年人的死亡風險。不論在老年男性還是老年女性中，在Cox模型控制干擾因素（主要是抽煙）的混淆效果后，低體重指數對死亡風險的影響幅度下降。這與以往研究基本保持一致，即，老年人的抽煙行為調節(jié)了體重指數和全死因死亡風險之間的關系。納入基線健康條件變量（包括自評健康水平、殘障和是否患有慢性?。┻M入Cox模型確實部分有效地克服了反向因果關系的可能性。相對于在老年女性人群中，低體重指數和死亡風險之間的關系在老年男性人群中更容易受到反向因果關系的影響。

其次，總體歸因比例法發(fā)現，低體重指數能夠促使2.9%左右的老年男性人口的過量死亡和3.9%左右的老年女性人口的過量死亡。這表明，相比于老年男性，老年女性能夠從消除低體重指數的努力中獲得更多的長壽收益。雖然部分控制變量違反了Cox模型的比例風險假設，但是，通過納入這些變量和不同觀測時間形式的交互項，本文獲得了低體重指數相對于正常體重指數穩(wěn)健的死亡風險比，進而保證總體歸因比例法的穩(wěn)健計算結果。

低體重和低體重指數不是同一個概念，后者在本文中是指營養(yǎng)不良。本文的主要發(fā)現已經證實，低體重指數是一個危害當代老年人健康長壽的風險因素。但這是一個可以被社會、家庭或個體的積極干預所消除的風險因素。未來研究有必要探索消除中國老年人口的低體重指數的有效手段。從公共政策角度來看，近年來新型農村社會養(yǎng)老保險制度、城鎮(zhèn)居民社會養(yǎng)老保險制度、新型農村合作醫(yī)療和城鎮(zhèn)居民醫(yī)療保險制度等一系列公共政策的實施很有可能改善中國老年人的營養(yǎng)狀況和醫(yī)療條件，進而降低老年人口低體重指數的比例。精準扶貧政策還可以在幫助落后地區(qū)農村貧困老年人脫貧的過程中有針對性地提高貧困老年人的營養(yǎng)水平。

從個體和家庭的角度來看，老年人和其成年子女要增強關于低體重指數對健康危害的認識，要多注意老年人體重指數的變化情況和采取積極措施預防低體重指數的發(fā)生。具體來講，為了幫助低體重指數的老年人，成年子女可以給老年男性提供更多的可提高營養(yǎng)水平的生活照料和給予老年女性更多的經濟支持。不過，新中國的現代化建設讓不同出生隊列的人口在進入老年階段以前經歷了差異明顯的營養(yǎng)條件，文章中研究對象普遍經歷了食物短缺和營養(yǎng)匱乏的兒童和成年時期。因此，本文的一些發(fā)現更多地是針對當前的老年人，也許不適用未來老年人口。我們預期肥胖對未來中國老年人口的死亡率，特別是循環(huán)系統(tǒng)疾病和糖尿病的死亡率將會帶來更大影響。

參考文獻：

[1]POST J D.Food shortage，climatic variability，and epidemic disease in preindustrial Europe：the mortality peak in the early 1740s[M].Ithaca：Cornell University Press，1985：226.

[2]HAYWARD A D，HOLOPAINEN J，PETTAY J E，LUMMAA V.Food and fitness：associations between crop yields and lifehistory traits in a longitudinally monitored preindustrial human population[J].Proceedings of the Royal Society B：Biological Sciences，2012，279（1745）：4165-4173.

[3]POPKIN B M.The nutrition transition and obesity[M]//CAWLEY J.The Oxford Handbook of the Social Science of Obesity.New York：Oxford University Press， 2011：289-302.

[4]FOGEL R W.New findings on secular trends in nutrition and mortality：some implications for population theory[M]//ROSENZWEIG M R，STARK O.Handbook of Population and Family Economics.Amsterdam：Elsever Scence B.V.，1997： 433-481.

[5]王卓群， 張梅， 趙艷芳， 楊靜， 趙文華. 中國老年人群低體重營養(yǎng)不良發(fā)生率及20年變化趨勢[J]. 疾病監(jiān)測， 2014 （6）： 477-480.

[6]ROGERS R，HUMMER R，KRUEGER P.The effect of obesity on overall，circulatory disease and diabetesspecific mortality[J].Journal of Biosocial Science，2003， 35（1）：107-129.

[7]THORPE R J，FERRARO K F.Aging，obesity，and mortality：misplaced concern about obese older people？[J].Research on Aging，2004，26（1）：108-129.

[8]KRUEGER P M，ROGERS R G，HUMMER R A，BOARDMAN J D.Body mass，smoking，and overall and causespecific mortality among older U.S. adults[J].Research on Aging，2004，26（1）： 82-107.

[9]MONTEVERDE M，NORONHA K，PALLONI A，NOVAK B.Obesity and excess mortality among the elderly in the United States and Mexico[J].Demography，2010，47（1）：79-96.

[10]MEHTA N K，CHANG V W.Secular declines in the association between obesity and mortality in the United States[J].Population and Development Review，2011，37（3）： 435-451.

[11]ZUNZUNEGUI M V，SANCHEZ M T，GARCIA A，RIBERA CASADO J M，OTERO A.Body mass index and longterm mortality in an elderly Mediterranean population[J].Journal of Aging and Health，2012，24（1）：29-47.

[12]STOKES A，PRESTON S H.How dangerous is obesity？issues in measurement and interpretation[J].Population and Development Review，2016，42（4）：595-614.

[13]ZAJACOVA A，BURGARD S A.Shape of the BMImortality association by cause of death， using generalized additive models：NHIS 1986—2006[J].Journal of Aging and Health，2012，24（2）：191-211.

[14]MEHTA N K，CHANG V W.Mortality attributable to obesity among middleaged adults in the United States[J].Demography，2009，46（4）：851-872.

[15]趙連成， 周北凡， 武陽豐， 李瑩， 楊軍. 體重指數與死亡的前瞻性研究[J]. 中華流行病學雜志， 2002（1）： 24-27.

[16]CHEN Z，YANG G，OFFER A，ZHOU M，SMITH M，PETO R，GE L，YANG L，WHITLOCK G.Body mass index and mortality in China：a 15year prospective study of 220000 men[J]. International Journal of Epidemiology，2012，41（2）：472-481.

[17]GU D F， HE J， DUAN X， REYNOLDS K， WU X， CHEN J， HUANG G， CHEN C， WHELTON P K. Body weight and mortality among men and women in China[J].JAMA，2006，295（7）：776-783.

[18]錢衛(wèi)沖， 郭劍濤， 張文生， 錢榮富， 呂鎖章， 張仕清， 王震震，杜福昌，王海燕. 體重指數過低與總死亡率關系的前瞻性研究[J].中華醫(yī)學雜志， 2001（19）： 1162-1165.

[19]方向華， 湯哲， 項曼君， 劉宏軍， 陳彪， 孟琛， 吳曉光， 刁麗君， 劉向紅. 北京市55歲以上人群體重指數與高血壓及全死因死亡率的關系[J]. 中華流行病學雜志， 2002（1）： 28-31.

[20]WANG Y F，TANG Z，GUO J，TAO L X，LIU L，LI H B，LI D T，GUO X H，YANG X H.BMI and BMI changes to allcause mortality among the elderly in Beijing：a 20year cohort study[J].Biomed Environ Sci，2017，30（2）：79-87.

[21]李奎寶， 姚崇華， 董磊. 北京市中老年人體質指數與死亡的關系[J]. 中華預防醫(yī)學雜志， 2002（1）：34-37.

[22]ZENG Y.Toward deeper research and better policy for healthy aging： using the unique data of Chinese longitudinal healthy longevity survey[J].China Economic Journal，2012，5（2-3）：131-149.

[23]WORLD HEALTH ORGANIZATION.Obesity：preventing and managing the global epidemic： report of a WHO consultation[R].Geneva：World Health Organization，2000.

[24]ALLISON P D.Survival analysis using SAS： a practical guide[M].Cary，NC： SAS Institute，2010：127-129，172-173.

[25]SINGER J D，WILLETT J B.Applied longitudinal data analysis：modelling change and event occurrence[M].New York：Oxford University Press，2003：562-564.

[26]ROCKHILL B，NEWMAN B，WEINBERG C.Use and misuse of population attributable fractions[J].American Journal of Public Health，1998，88（1）：15-19.

[責任編輯 武玉]