尚長(zhǎng)春，雷璐華，許遠(yuǎn)杏，劉丙柒，蘇 琦，陳浩天

(桂林理工大學(xué) 理學(xué)院，廣西 桂林 541004)

《“健康中國(guó)2030”規(guī)劃綱要》中提出，要把健康融入政策，推進(jìn)健康中國(guó)建設(shè)，實(shí)現(xiàn)全民健康[1]。既往研究顯示，我國(guó)大學(xué)生基本健康素養(yǎng)狀況不容樂(lè)觀，大學(xué)生中擁有健康素養(yǎng)的比例為14.0%，即便是體育類(lèi)大學(xué)生健康素養(yǎng)水平也僅為16.19%[2-3]。研究證實(shí)，飲食習(xí)慣、作息時(shí)間、鍛煉頻率等生活方式對(duì)健康狀況會(huì)產(chǎn)生影響[4-6]。自測(cè)健康評(píng)定級(jí)表(self-rated health measurement scale, SRHMS)雖提供了一套標(biāo)準(zhǔn)化量表系統(tǒng)，但涉及變量較多，無(wú)法量化每個(gè)變量對(duì)健康的影響程度，且隨著時(shí)代進(jìn)步，影響居民健康的新因素?zé)o法在標(biāo)準(zhǔn)化量表中具體體現(xiàn)，因此引進(jìn)一套更加靈活多變的健康測(cè)度的新方法至關(guān)重要。本研究以桂林市為例，通過(guò)對(duì)不同居民群體的抽樣調(diào)查，分析運(yùn)動(dòng)、飲食、行為習(xí)慣、睡眠等影響因素與健康狀況之間的關(guān)系，并借鑒信用風(fēng)險(xiǎn)評(píng)分思想，提出采用健康評(píng)分卡對(duì)居民健康進(jìn)行測(cè)度，為各級(jí)部門(mén)了解居民健康提供工具。

1 對(duì)象與方法

1.1 研究對(duì)象 在桂林市6個(gè)市轄區(qū)(秀峰區(qū)、疊彩區(qū)、象山區(qū)、七星區(qū)、雁山區(qū)、臨桂區(qū))采用無(wú)放回的不等概抽樣方法，對(duì)樣本地區(qū)常住人口進(jìn)行調(diào)查，共發(fā)放問(wèn)卷692份，回收有效問(wèn)卷685份，有效回收率為98.99%。

1.2 調(diào)查工具 參考相關(guān)研究[7]自行編制調(diào)查表。內(nèi)容包括：研究對(duì)象基本信息(性別、年齡、職業(yè)、文化程度)、身體健康狀況、健康狀況影響因素。身體健康狀況采用自評(píng)的方法，從9個(gè)癥狀(容易頭痛或者頭暈、經(jīng)常眼睛干澀、頸椎酸痛、肌肉酸痛、容易患上一般性感冒、心律不齊、容易胸悶、容易腰痛、腸胃不舒服)對(duì)健康狀況程度進(jìn)行衡量，將癥狀嚴(yán)重程度分為沒(méi)有、很輕、中等、偏重、嚴(yán)重的5級(jí)制度量；健康狀況影響因素從運(yùn)動(dòng)、飲食、行為習(xí)慣、睡眠4個(gè)方面共計(jì)20個(gè)子維度進(jìn)行考量。

1.3 統(tǒng)計(jì)學(xué)方法 數(shù)據(jù)采用R語(yǔ)言進(jìn)行處理，列聯(lián)表數(shù)據(jù)采用χ2檢驗(yàn)；采用Logistic回歸分析健康狀況影響因素。P<0.05為差異有統(tǒng)計(jì)學(xué)意義。

2 結(jié)果

2.1 調(diào)查對(duì)象一般情況 685名被調(diào)查對(duì)象中，男性324人(47.30%)，女性361人(52.70%)；年齡18歲以下36人(5.26%)，18～25歲528人(77.08%)，26～35歲91人(13.28%)，36～50歲28人(4.09%)，50歲以上2人(0.29%)；學(xué)歷初中及以下24人(3.50%)，高中48人(7.01%)，中專(zhuān)33人(4.82%)，大專(zhuān)102人(14.89%)，本科446人(65.11%)，本科以上32人(4.67%)；職業(yè)學(xué)生480人(70.07%)，政府工作人員34人(4.97%)，公司職員79人(11.53%)，個(gè)體工作者31人(4.53%)，文體工作者19人(2.77%)，工人、農(nóng)民22人(3.21%)，其他20人(2.92%)。居民健康自評(píng)中，健康443人(64.67%)，不健康242人(35.33%)。

2.2 健康狀況單因素分析 對(duì)研究對(duì)象的運(yùn)動(dòng)、飲食、行為習(xí)慣、睡眠等影響因素與健康狀況構(gòu)成列聯(lián)表，進(jìn)行獨(dú)立卡方檢驗(yàn)，結(jié)果顯示，各維度對(duì)健康狀況的影響均具有統(tǒng)計(jì)學(xué)意義(均P<0.05)。見(jiàn)表1。

表1 健康影響因素與健康狀況的獨(dú)立性檢驗(yàn)(n=685)Table 1 Independence test of health influencing factors and health status (n=685)

2.3 健康狀況與生活方式的Logistic回歸分析 對(duì)出現(xiàn)癥狀的嚴(yán)重程度測(cè)量采用5級(jí)李克特量表進(jìn)行評(píng)估，當(dāng)對(duì)被調(diào)查劃分為健康與不健康2個(gè)極端情況，選擇將量表中等、偏重和嚴(yán)重作為不健康，沒(méi)有、很輕作為健康(不健康賦值“1”，健康賦值“0”)；自變量為單因素分析中有統(tǒng)計(jì)學(xué)意義的變量，對(duì)自變量進(jìn)行證據(jù)權(quán)重[8]變換。根據(jù)變換后的數(shù)據(jù)集依8∶2比例進(jìn)行切割為訓(xùn)練集和測(cè)試集，訓(xùn)練集有548個(gè)樣本、測(cè)試集137個(gè)樣本，利用訓(xùn)練集構(gòu)建Logistic回歸模型，并采用后向剔除法對(duì)變量進(jìn)行選擇，結(jié)果顯示，睡眠時(shí)間與健康狀況正相關(guān)(P<0.05)，飲酒程度、久坐時(shí)長(zhǎng)、熬夜?fàn)顩r、睡眠狀況滿意度、醫(yī)療花費(fèi)與健康狀況負(fù)相關(guān)(均P<0.05)。見(jiàn)表2。

表2 Logistic回歸模型估計(jì)系數(shù)Table 2 Logistic regression model estimated coefficients

2.4 健康評(píng)分卡的設(shè)計(jì) 借鑒消費(fèi)金融領(lǐng)域的信用風(fēng)險(xiǎn)評(píng)分卡思想構(gòu)建測(cè)度居民健康的評(píng)分卡，基于Logistic回歸，評(píng)分卡模型簡(jiǎn)化成式(1)：

(1)

其中A表示偏移量，B為不健康概率翻倍評(píng)分，即當(dāng)模型系數(shù)不變的情況下，證據(jù)權(quán)重每增加一個(gè)單位，得分將增加一倍；log(odds)代表的是Logistic回歸模型方程右側(cè)的影響因素的線性組合。評(píng)分卡模型對(duì)于A和B的設(shè)定沒(méi)有特殊要求，以實(shí)際情況而定。當(dāng)Logistic模型僅包含截距項(xiàng)(即沒(méi)有影響因素時(shí))，此時(shí)不健康與健康的對(duì)數(shù)發(fā)生比log(odds)=0.42時(shí)，設(shè)定開(kāi)始得分score為300分，且不健康與健康的比例增加一倍，相應(yīng)的得分便減少50分。故得式(2)：

(2)

化簡(jiǎn)結(jié)果為式(3)：

(3)

最后計(jì)算結(jié)果得A=330，B=72.13。然后將A和B帶入式(1)，當(dāng)加入影響因素時(shí)(如喝酒程度)，不同居民飲酒程度不同，則其log(odds)也不一樣，因此會(huì)直接影響不同居民的最終健康評(píng)分。基于此，通過(guò)計(jì)算，健康評(píng)分卡如表3所示。

表3 健康評(píng)分卡Table 3 Health score card

根據(jù)健康評(píng)分卡計(jì)算居民健康得分，得分等于基礎(chǔ)分加上各變量分?jǐn)?shù)，得分越高說(shuō)明該研究對(duì)象越健康，反之則越不健康。由于版面所限，隨機(jī)抽取10名調(diào)查者的健康評(píng)分，不健康為“1”，健康為“0”， 為清晰展示健康組成員和不健康組成員的評(píng)分分布情況，畫(huà)小提琴圖如圖1。經(jīng)計(jì)算可知，不健康成員的平均得分為449.6分，健康成員平均得分為475.6分；不健康組的中位數(shù)評(píng)分為418分，健康組的中位數(shù)為485分。

圖1 評(píng)分分布圖Figure 1 Score distribution map

3 討論

研究結(jié)果證實(shí)，飲酒程度、久坐時(shí)長(zhǎng)、睡眠時(shí)間、熬夜?fàn)顩r、睡眠狀況滿意度、醫(yī)療花費(fèi)是影響居民健康的因素(均P<0.05)?；诮】翟u(píng)分卡設(shè)計(jì)，提供如下健康促進(jìn)措施：(1)少量飲酒(過(guò)過(guò)酒癮)有助于健康(104分)，但每次完全喝醉對(duì)身體有嚴(yán)重?fù)p傷(-51分)；(2)每日連續(xù)長(zhǎng)時(shí)間久坐辦公大于6～8小時(shí)則對(duì)身體不利(6～8小時(shí)-16分，8～10小時(shí)-33分，10小時(shí)以上-42分)，因此對(duì)于久坐辦公人員應(yīng)該適時(shí)活動(dòng)，避免連續(xù)久坐；(3)應(yīng)該保持充足的睡眠，睡眠時(shí)間大于6～8小時(shí)對(duì)身體有益(4小時(shí)以下-30分，4～6小時(shí)-8分)；(4)盡可能在24：00之前睡覺(jué)，熬夜對(duì)身體有嚴(yán)重危害(0：00—2：00為-35分，2：00后為-69分)；(5)盡量保證睡眠質(zhì)量，睡眠質(zhì)量不滿意也會(huì)影響健康(不滿意-15分，非常不滿意-39分)。

本研究思路與SRHMS自評(píng)健康量表不同，而是尋找影響當(dāng)前居民生理健康的因素并依托影響因素構(gòu)建健康評(píng)分卡系統(tǒng)，從而估算當(dāng)前的健康狀態(tài)。與SRHMS相比，評(píng)分卡的優(yōu)勢(shì)在于不用構(gòu)建標(biāo)準(zhǔn)化的量表系統(tǒng)，研究者僅需尋找制約所研究問(wèn)題的關(guān)鍵因素(如研究居民的心理健康影響因素、研究居民的社會(huì)健康影響因素等)，即可構(gòu)建相應(yīng)的評(píng)分卡得到結(jié)果(如心理健康評(píng)分卡、社會(huì)健康評(píng)分卡等)，此法具有很強(qiáng)的普適性和靈活多變性，可以測(cè)量標(biāo)準(zhǔn)量表中不能測(cè)量的因素，為健康狀況測(cè)度提供了有益補(bǔ)充。

不健康成員的最終健康評(píng)分普遍較低，健康成員的最終得分普遍較高，說(shuō)明基于評(píng)分卡的健康測(cè)度具有合理性和實(shí)際意義。但研究仍發(fā)現(xiàn)不健康成員中存在高分者，究其原因可能是因?yàn)榻】翟u(píng)分卡的構(gòu)建依賴(lài)于Logistic回歸模型，故回歸模型的好壞以及變量的選擇直接決定評(píng)分的合理與否，該研究進(jìn)入模型的僅有6個(gè)變量：喝酒程度、久坐時(shí)長(zhǎng)、睡眠時(shí)間、熬夜?fàn)顩r、睡眠狀況滿意度、醫(yī)療花費(fèi)，且主要涉及日常行為習(xí)慣，其他相關(guān)影響因素不顯著，說(shuō)明問(wèn)卷設(shè)計(jì)中相關(guān)變量設(shè)置有待優(yōu)化。