“天津伯伯”爆火出圈？中国学者用CHARLS揭露真相，发文二区top

摘要：随着中国步入老龄化社会，许多人一想到老年生活就感到困难重重。然而，天津的大爷们却展示了他们丰富多彩的生活方式，自然赢得了人们由衷的掌声与赞美。

随着中国步入老龄化社会，许多人一想到老年生活就感到困难重重。然而，天津的大爷们却展示了他们丰富多彩的生活方式，自然赢得了人们由衷的掌声与赞美。

怎么做才能让老年人“活得久”又“活得好”呢？中国学者用中国数据库Charls作出了回答。

2024年5月15日，中国学者做了一项研究，在期刊《BMC Geriatrics》（医学二区top，IF=4.1）发表了题为：“Examining dynamic developmental trends:the interrelationship between age-friendly environments and healthy aging in the Chinese population—evidence from China Health and Retirement Longitudinal Study, 2011–2018”的研究论文，本研究旨在探讨中国人口中年龄友好型环境(AFE)与健康老龄化之间的动态发展趋势。

根据国家统计局官方数据， 2023年中国的老龄化率（65岁及以上人口）比重达到15.4%。预计到2033年或2034年，中国老龄化率将会超过21.0%，标志着中国将成为高度老龄化社会。

先前有研究表明，身体健康、规律的生活方式和较高的社会经济地位（SES）等因素对健康老龄化至关重要。然而，人们对环境与健康老龄化之间关系的关注有限。世界卫生组织（WHO）认为健康老龄化和环境相互影响，那么这种影响是如何产生的呢？

主要研究结果

1.研究设计

数据来源于中国健康与养老追踪调查(CHARLS)和达尔豪斯大学大气成分分析组(ACAG)，最终纳入11,770名年龄大于45岁的参与者。

平均年龄(57.57±9.21)岁，男性占46.3%，城市人口占34.5%。

从地区分布来看，西部最高(32.8%)，东北部最低(6.8%)。

其中，适宜年龄友好型环境（AFE）指标平均为(3.88±1.09)项。

2.年龄友好型环境（AFE） 与健康老龄化的关系

研究结果表明，在不同的模型(模型1a-c)中，AFE和健康老龄化呈正相关。

根据多变量调整模型(模型1b)，较高的AFE指标与较高水平的健康老龄化相关(β = 0.087, p

根据城乡分布、地区分布与AFE的交互作用模型(模型1c)，城乡分布与AFE无显著交互作用(β = 0.014, p = 0.318)，而地理分布与AFE存在交互作用(中央区* AFE: β = 0.031, p = 0.038;东部地区* AFE: β = 0.048, p = 0.003)。

模型1a：仅包含核心变量AFE；

模型1b：在模型1a的基础上，调整了慢性病、牙齿、家庭收入、文化程度、ACE、吸烟、饮酒、年龄、性别、婚姻状况、城乡分布和地区分布等因素。

模型1c：在模型1b的基础上，进一步加入AFE与城乡分布、AFE与地理分布的交互作用。

为了进一步探究区域分布与AFE之间的交互作用，研究团队进行了简单的斜率检验。

结果表明，在中部(绿色虚线)和东部(红色虚线)，随着AFE水平的提高，相应的健康老龄化水平也随之提高，其中东部地区上升趋势更大。

3.年龄友好型环境（AFE） 与健康老龄化的滞后关系

研究团队采用交叉滞后面板模型(CLPM)和随机截截交叉滞后面板模型(RI-CLPM)分析健康老龄化的动态发展趋势，同时考虑个体间效应和个体内效应。

CLPM模型结果表明，AFE对健康老龄化有中度的正向预测作用(β值范围为0.077至0.089,p

同样，健康老化对AFE也有显著的正向预测作用(β值范围为0.147至0.159,p

RI-CLPM模型结果表明，只有AFE对健康老龄化有显著的正向促进作用(β值范围为0.021 ~ 0.024,p = 0.004)。

综合上述结果，健康老龄化对AFE的促进作用是人际间效应而不是个体内效应，AFE对健康老龄化的促进作用可以解释为人际间效应的影响，本研究结果与以往研究一致。

4.敏感性分析

为了检验研究结果的稳健性，研究团队进行了一系列敏感性分析：

首先，根据城乡差异、地理区域、性别等因素进行亚组分析。

其次，对于健康老龄化的评估，我们使用了简单的求和法来代替项目反应理论（IRT）。

研究结果表明，大多数结果与主要研究结果一致。

统计方法

本文的思路我们见到的还是比较少的，诸位可以看看原文，学习一下！

线性混合模型(LMM)：用于初步探索年龄友好环境(AFE)与健康老龄化之间的相关性，同时评估城市-农村或区域差异对这种关系的影响。

传统交叉滞后模型(CLPM)：用于探讨个体间的效应，即不同个体在AFE与健康老龄化之间的相互影响。

随机截距交叉滞后模型(RI-CLPM)：用于检验个体内的效应，即同一个体在不同时间点AFE与健康老龄化之间的相互影响。

后记

本文使用了中国自己的数据库，用线性混合模型(LMM)、传统交叉滞后模型(CLPM)和随机截距交叉滞后模型(RI-CLPM)探讨了中国人口中年龄友好型环境(AFE)与健康老龄化之间的动态发展趋势，研究结果表明良好的AFE促进了高水平的健康老龄化，而健康水平较高的个体也更倾向于积极参与社会活动，从而进一步推动AFE的发展。

这篇文章虽然采用了流行且常见的研究方法，但其最大亮点在于独特的选题角度！利用咱们国家的CHARLS数据库，结果更具代表性！挖掘公共数据库并进行分析是基础，而选题才是点睛之笔！如果你也想用Charls数据库发文，但是没有思路，或者在分析数据时遇到困难，不妨来看看郑老师CHARLS课程！