集群与健康有关的行为模式和人口统计数据。结果基于科拉琴S4 / F4队列研究

介绍

健康行为与人的健康密切相关。这不仅是健康模型等理论模型的假设因素(1),但是也被经验证明(2)。除了个体层面,健康行为也有很大的公共卫生影响。尤其是、饮酒、营养、体育锻炼(PA)和吸烟是众所周知的,关于公共卫生的重要因素。对全球健康风险在其报告中,世界卫生组织(世卫组织)列出了健康行为中死亡的主要危险因素在高收入国家(3,4)。大量的研究调查了其中一个单一的危险行为和健康之间的联系(5- - - - - -9)。然而,health-impairing因素通常不会发生,但往往在集群组(10,11)。可以识别不同的健康风险的捆绑(12)和某些人口阶层展示多个健康行为的共同模式(13- - - - - -15)。因为有证据表明,多个健康行为有协同作用,同时可能有针对性的干预措施,分析健康行为模式可以对公共卫生的重视(16)。首先,有证据表明,干预措施,解决多个行为似乎更符合成本效益(17)。第二,已经描述了捆绑销售的行为和个人共同的危险因素(12),考虑多个健康行为来描述个人健康模式似乎是合适的。第三,为了设计促进健康的干预措施是至关重要的识别目标群体的特点(18),这就需要了解多个健康行为的集群(19)。深入了解人口的特征可能有助于识别弱势群体,这可能利润最大的公共卫生干预措施(20.)。

多个研究调查了成人的健康行为的一般聚类(11,15,20.,21)。然而,由于方法论上的差异(22)以及不同的健康行为调查(11),文学很异类。此外,只有很少有研究调查健康行为的一般聚类之间的关系和重要的身体健康状况如全因死亡率(7,23- - - - - -25)。

健康相关的生活质量(HRQOL)是一个重要的病人相关结果结合生理和心理方面的健康(26)。由于慢性病HRQOL的概念的兴起为公共卫生是至关重要的(27)。几项研究已经调查单健康行为之间的关联和HRQOL (28- - - - - -31日)。然而,对一些健康行为模式之间的关系和HRQOL人口水平。Dumuid et al。(32基于PA)确定四个不同的集群,在学龄儿童营养和屏幕。他们报告HRQOL评分的差异与最高分数混合集群(低屏幕时间,健康饮食,和温和的PA) (32)。另一项研究调查了集群的健康行为之间的关联(非吸烟区,足够的PA,消费至少每天五份水果或蔬菜)和HRQOL我们成人糖尿病患者。根据这项研究,增加健康行为与更好的HRQOL (33)。我们所知,只有一项研究调查了集群的健康行为和HRQOL的关系在一般人群(16)。基于吸烟、饮酒、PA和营养,六个健康行为集群被确定。科学家们报告说,健康的集群HRQOL的往往是与更好的方面(16)。我们所知,没有研究调查之间的关系健康行为和HRQOL的集群,包括HRQOL的多个测量在不同的时间点。由于这个原因,本研究采用以人群为基础的队列研究的数据包括HRQOL的信息在两个时间点之间的距离大约7年。

本研究的主要目的是识别集群共享一个类似模式的基于他们的健康行为。人们认为健康行为模式与人口密切相关因素(34)。因此,性别、年龄和教育也包括在聚类的过程。认为行为是吸烟、饮酒、休闲时间PA,和营养。为了实现可比性与其他的集群解决方案和对公众健康的影响这四个行为,本研究认为这些行为是为了识别健康行为集群。为了得到一个深刻的理解确定集群和描述他们之间的分歧,它有助于描述他们额外的参数(35)。因此,关于社会人口参数识别集群将被描述。对稀疏的科学背景之间的关系健康行为和HRQOL的集群,集群将另外描述关于身心HRQOL纵向变化之间的基线和随访7年。

方法

数据源

我们的分析是基于数据从人群获得科拉琴(奥格斯堡的地区合作医疗研究)S4 / F4队列研究。4261年总非制度化奥格斯堡地区在德国南部的居民参加了基线健康调查1999 - 2001年(S4)。所有S4参与者被邀请参与随访检查大约7年后(F4;2006 - 2008)。共有3080例(72%)受试者在随访调查。损失在随访的原因如下:死亡(176年),要求数据删除(12),没有联系(174),拒绝参加(395),疾病/缺乏时间(218),没有联系信息(206)。在基线和随访体检和标准化进行了采访。更多详细信息科拉S4有关抽样研究方法和数据收集其他已发表(36)。所有参与者给书面知情同意和科拉S4 / F4研究伦理委员会批准的巴伐利亚医学会。

措施

酒精

饮酒计算基于参与者的自我报告的信息啤酒、葡萄酒和烈酒消费之前的工作日和周末。工作日消费乘以5,添加到周末消费。每天饮酒总量(克/天)是来自这个数字除以7。详细的计算和验证过程已经发表(37)。目前研究饮酒被分为以下三个类别:(1)0 g /天=“没有酒精,”(2)< 20克/天=“适度消费”,(3)≥20克/天=“高风险消费”发表建议的分类(38)。

营养

使用有关食物食用频次的问卷调查收集的膳食摄入量是24食品集团。基于推荐德国营养协会(DGE)索引建立评级每一种食物的频率也被分配2 1或0分。更高的分数反映更好的合规DGE的建议。结果和分数是评价根据DGE指南分为以下三个类别:(1)“有利”,(2)和(3)“普通,不利。”这种方法成立于早些时候科拉琴的研究和验证详细seven-days-dietary协议(39)。

体育活动

参与者被要求报告他们每周花在休闲时间PA(包括自行车)在夏季和冬季。两个反应结合起来,分为四组:(1)“(几乎)没有活动,”(2)“1 h每周不定期,”(3)“定期每周大约1小时,和(4)“定期每周超过2 h。“类别(2)和(3)浓缩了所有统计分析,因为他们没有充分考虑不同。质疑休闲PA起源于德国心血管预防研究在1979年到1995年之间,验证科拉琴的人口,通过使用一个PA日记(40)。

吸烟

吸烟行为分类考虑实际的行为和行为的规律。因此,目前参与者被问及他们是否吸烟,是否他们曾经抽烟。此外,通常询问是否有人吸烟调查的规律是定期(每天至少有一个香烟)或不定期(通常每天不到一根烟)。根据这一信息,吸烟行为分为(1)不吸烟,烟民(2),(3)不规则的吸烟者,和(4)常规的吸烟者。

健康相关的生活质量

HRQOL估计SF-12健康调查。这个简短的版本的SF-36健康调查包括12项区分HRQOL的身心组件。这两个组件可以概括在一个物理组件总结成绩和精神组件汇总平均50分和10分的标准偏差。更高的分数意味着更好的HRQOL。心理信息质量标准可以找到其他地方(41)。

协变量

信息性别(男、女)、年龄(连续)和教育(主要,中产阶级和文法学校相应的德国“牵动”,“实科中学”和“体育馆”)也被收集在标准化的访谈。

统计分析

为了确定齐次子组基于样本的健康行为,一个潜在的类进行了分析。这种方法允许集群情况下到难以察觉的类。隐藏类的优势分析相比,传统的聚类技术层次聚类和k - means是它是一种基于模型的方法。因此,这种方法更加灵活和集群的选择标准是任意的(42)。这种方法关键假设的潜在的类变量和观察到的变量,在这种情况下,健康行为饮酒、营养、PA和吸烟,被视为直言。另一个假设是,观察到的本地变量条件独立,依赖性潜类的变量(43)。在一个基本的,无条件的模型中,潜在的类模型分析观察到的变量的交叉分类表的概率估计潜在的类成员。这种无条件的协变量模型可以扩展影响潜在的类成员,到一个潜在的类回归分析。而在无条件的模型假设每个个体都有相同的概率为类成员,这种方法允许不同的概率取决于观察协变量(44)。在我们的研究中,性别、年龄和教育不被添加到分析,因为他们的重要性在这个过程中一直在强调过去的研究(11)。潜在的类会员是完全基于数据从S4研究(1999 - 2001)。图A1在附录中给出了一个潜在的视觉概述类回归模型。因为在这种情况下,潜在的类的数目是未知的,与越来越多的多个模型类是合适的。识别最吝啬的模型表示数据最好,一些模型符合标准包括Akaike信息准则(AIC)和(sample-sized-adjusted)贝叶斯信息准则(BIC)部署。在这项研究中,我们优先BIC是最常用的标准应该是非常准确(45)。此外,模型选择还应该考虑的实际意义确定类(46),因此一个复杂的模型,无法提供一个新的有意义的类被看作是不如一个更简单的模型与略差模型。聚类分析是一种分析识别组/集群。潜在类别分析这些群体的术语是类。因此,本文也将使用条款。

描述性统计是用来描述和解释不同的潜在的类。在基线调查HRQOL的差异(S4)和后续(F4)和调查HRQOL的变化之间的测量分混合模型与随机拦截是合适的。在这个模型中HRQOL因变量和潜在的类成员,和一个潜在的类成员之间的互动和测量时间点是独立的变量。性别、年龄和教育在模型中不介绍了。完全两个混合模型是适合区分身心HRQOL。

所有数据相关流程和统计分析进行了使用R(3.4.3版)(47)。潜类回归分析进行了使用“poLCA”包(1.4.1版)(44)。

结果

参与者

20三个参与者(0.5%)的基线S4研究被排除在潜类回归分析由于协变量行为变量或缺失的数据。剩余的样品4238的平均年龄49.2(±13.9)年从24到75年。样本的49%是男性,54%主要学校毕业,23.2%来自中学和22.7%来自文法学校。三分之一的人口正常BMI(≥18.5 - < 25公斤/米²)。近两个三分之一的参与者超重(体重指数≥25 - < 30公斤/米²)或肥胖(体重指数≥30公斤/米²)。只有0.6%是体重(体重指数< 18.5公斤/米²)。图1显示更多socio-demographic细节和整体的健康行为类别分布的样本。

类选择

图2显示了不同的模型符合标准模型。适合小y的值表示一个更好的模型。与越来越多的多个模型类从一个六人适合。两舱(BIC = 36931.16),三级(BIC = 36887.63)和四级(BIC = 36936.96)解决方案显示最好的模型符合关于BIC准则。经过大量比较的所有解决方案,四级的解决方案并没有透露任何新的独特的行为模式。因此,三级解决方案被选为最合适的模型。相比之下,见图3和数字A2,A3在附录中展示class-conditional项概率。

确定组织的描述

图3显示了class-conditional项概率。这个图显示一个项目反应的概率潜在的类成员。并给出了特定的值在表A1在附录中。

在下面,选中的三个类三级模型解决方案描述关于他们的健康行为模式和socio-demographic特征。图4给一个详细的概述确定类的健康行为。三协变量的分布信息包含在潜类回归可以在图中找到5。确切的数字协变量对健康行为的分布和表中可以看到A2在附录中。

类1

类1有1366个成员的84%都是男性。平均年龄是56.1(±11.9)年,45%是学校主要参加者是最多的类文法学校毕业生(35%)。0.1%是体重不足,正常体重的26%,50%是超重,24%是肥胖。条件1级会员,类成员概率对风险最高喝(51%)、良好的饮食(54%),中度PA(41%)和ex-smoking (56%)。

二班

二班是最大的类。二班由1562名参与者和完全是女性。学校最大的份额是主要参与者(60%),平均年龄为52.4(±13.0)年。0.5%是体重不足,34%体重正常,37%是超重,29%是肥胖。关于健康行为,二班成员没有喝酒的最高概率(45%)或适度的酒精(47%),有一个良好的饮食(63%),在适度体力活动(49%),和不吸烟(64%)。

3班

3班是由1310名参与者,71%都是男性。大多数参与者收到的3班的一个主要的学校教育程度(56%)。3班是最年轻的类平均年龄为38.1(±9.8)年。大多数参与者体重正常(40%)或超重(43%)。1.3%是体重不足和16%是肥胖。关于健康行为,3班成员意味着最高概率风险适中(37%)或(38%)饮酒、不良饮食行为(58%),中度PA(47%)和常规吸烟(48%)。

潜在的类之间的关联和健康相关的生活质量

基于混合模型、类1(意味着= 48.88;95% ci = 48.36 - -49.41)和2 (= 48.47,95% ci = 47.89 - -49.06)物理HRQOL最高基准。3班的平均评分为46.96 (95% ci -47.55 = 46.28)关于物理HRQOL。在后续,物理HRQOL平均值是47.64 (95% ci = 47.07 - -48.21)类1、47.62 (95% ci -48.25 = 47.00)二班为47.17 (95% ci -47.82 = 46.51) 3班。

关于精神HRQOL,一班有一个平均评分为51.06 (95% ci = 51.37 - -52.17),二班的平均评分为50.77 (95% ci = 50.14 - -51.40)和3班平均分数为50.39 (95% ci = 49.76 - -51.02)。精神HRQOL后续值为51.32 (95% ci = 50.70 - -51.95)类1、50.95 (95% ci -51.63 = 50.27)二班为51.18 (95% ci -51.89 = 50.47) 3班。

图6的意思是身体和精神提供了一个视觉概述HRQOL的三个类。

讨论

本研究旨在识别不同的子组的人口健康行为的基础上饮酒,营养、PA和吸烟,同时也把参数的影响性,年龄和教育。确定了三个不同的类。这三个类显示一个独特的模式对于健康行为。二班代表健康的集群,显示一个非常健康的健康行为模式和项目概率最高的类别。类1和3班另一方面表现出更多的不健康的资料。类1显示了最高项概率风险饮酒。此外,一级概率最高前吸烟已与更高的几率医院就诊治疗和更高的数字(48)。

聚类分析是探索性和与其他研究虽然比较是很困难的,因为不同的调查健康行为和方法,我们的结果与类似的调查。符合之前的研究,我们确定一个总体健康的集群与二班(13,14,16,20.,21,49,50)。类似于之前的研究,我们观察到一个集群不健康的吸烟行为和不健康的饮酒(11,15,16,20.)。这类集群变得很明显3和部分类1考虑到大量的烟在这个类。一些研究报告结合过量饮酒和更高的PA率(14,16,49)。这个组合的趋势类1中可以观察到,最高项概率用于饮用和活跃的最高概率PA在三个类。

关于socio-demographic确定集群的特点,目前的结果与以前的研究一致。先前的研究报道的男性患病率更高更多的不健康的集群(14,20.)。我们的研究结果支持这个结果,显示女性患病率最高的健康类2。在我们的研究中,年龄和教育没有一个好的指标区分健康的和不健康的集群,年轻的和年长的集群和集群越来越受教育程度较低的频谱的两端都可以找到。类似的结果也在系统综述中提到的米德等人。11)。

科学证据之间的关联聚类的健康行为和HRQOL是稀疏的。Conry et al。(16)报告倾向于健康的集群有更好的生活质量。这个结果不能被复制了我们的研究。我们发现没有明确的健康行为模式之间的联系和更好的身体或精神HRQOL。不同潜类别显示不同的调整意味着身心HRQOL。类也不同在他们的身体或精神HRQOL的变化。然而,不同的身体/精神HRQOL的变化可能是由于回归到平均水平。此外,不同的生理/心理HRQOL太小被认为是临床相关。SF-12问卷的不同从3到5点可以被视为最小临床相关阈值(51)。

我们的研究也有一些局限性。一个问题在于健康行为是衡量和实施的方式。在健康行为自我报告的所有信息,因此容易信息偏差如回忆偏倚或社会称许性偏见。此外,以平均得分为PA结合冬季和夏季的信息可以被视为另一个弱点。然而,特别是在大的群组研究有许多变量,必须平衡精度和可行性之间的权衡。本研究的另一个局限性在于横断面设计。健康行为的聚类是基于基准研究,因此只能视为一个快照。然而,在KORA-study概念化的问题收集信息在一个既定的行为。另一个缺点是假设的健康行为模式识别在基线,随着时间的推移保持稳定。虽然,这种假设可能是非常大胆的,这是一个成年人,有证据表明,健康行为模式随着时间的推移相当稳定(52,53)。本研究的另一个限制问题的纵向描述HRQOL建立集群的基线。减少样本量KORA-study可能导致偏见HRQOL的描述更健康更好的HRQOL的人更可能仍在研究。考虑到这一点,观察到的生理和心理变化的HRQOL未必会揭示一个真正的变化对人口水平。几个变量,尽管我们调整我们的分析,这样的机会是很大的HRQOL可能是我们没有调整的影响因素,如社会经济地位。因此,不能排除残余混杂。

除了上述的限制,本研究有几个明显的优势。数据收集在一个大的人群为基础的队列研究。聚类是基于一个潜在的类模型。这种方法提供了一个集群基于统计模型,而不是多个任意集群标准,因此可能是更复杂的比传统的聚类方法(54)。此外,这种方法论的方法允许引入协变量因素对健康行为模式的影响。本研究的另一个优势是,集群不仅是基于二分变量如缺乏或存在的一个风险因素还假轮生的变量。尽管有其局限性,因此推理水平有限,解决健康行为的相关性集群的HRQOL-a临床上重要outcome-adds这项研究的价值。

总之,本研究发现不同的健康行为模式在大样本人群为基础的。观察到的健康行为模式和socio-demographic确定集群的特征符合其他一些现有的国际研究。知识在特定集群中常见的成年人口是全面促进健康公共卫生政策的一个重要步骤。生活方式因素如健康行为的集群可以提供有价值的信息对目标群体的特点主要预防措施。结合这些研究结果和进一步的信息在大数据由卫生保健提供者或个人风险概率可能导致更有效和全面的卫生保健。进一步的研究对健康行为模式应该关注识别集群与重要的医疗结果以确定个性化的弱势群体,并允许以病人为中心的初级预防项目。

作者的贡献

先生、调频和ML:概念化。先生:正式的分析、调查、方法论和原创作品。BT,美联社、LS、ML、调频:监督。先生,BT,美联社、LS、ML,和调频:Writing-review和编辑。

资金

科拉研究平台(科拉琴,合作研究在该地区的奥格斯堡)发起和亥姆霍兹环境研究中心Munchen-German中心的资助的健康,这是由德国联邦教育和研究和巴伐利亚州的。此外,科拉琴的研究支持在慕尼黑健康科学中心(MC健康),Ludwig-Maximilians-Universitat, LMU创新的一部分。

利益冲突声明

作者声明,这项研究是在没有进行任何商业或财务关系可能被视为一个潜在的利益冲突。

补充材料

本文的补充材料在网上可以找到:https://www.雷竞技rebatfrontiersin.org/articles/10.3389/fpubh.2018.00387/full补充材料

引用