晚育与高龄老人的年龄与寿命

晚育与高龄老人的年龄与寿命

1项目研究的内容近年来，国际社会科学和心理学的一个著名领域是对人类生活的早期影响（例如，儿童的营养，50年前的重要生活经历）。例如,Doblhammer(2000),Perls,Alpert和Frett(1997)以及Smith,Minean与Bean(2003)分析研究了晚育与长寿的关系。这几项研究以及其他前人关于人们早期生命事件与晚年寿命长短相关关系的研究绝大多数因高龄年龄段样本量太小而侧重于80岁以下老人。极少数几个例外是Preston,Hill与Drevenstedt(1998)关于出生于上世纪初的美国黑人队列,Snowdon(2001)关于高龄修女,以及Doblhammer与Vaupel(2001)关于高龄老人出生月份与长寿关系的研究。本项目研究与前人类似研究相比的不同与创新之处主要在于三点。其一是我们不但分析晚育与长寿的关系,而且研究晚育与高龄健康即“健康长寿”的关系。其二是我们应用前所未有的8959名80岁及以上高龄老人(含2418名百岁老人)跟踪调查数据。其三是本项目研究是生命早期事件与高龄健康长寿研究领域在发展中国家的首例。我们将先阐述数据来源与测量指标,所应用的多元统计分析方法及固定特征动态分析方法,然后给出分析结果,最后展开讨论,并对形成晚育与高龄健康长寿相关关系的社会与生物学机制提出若干有待进一步研究论证的假说。2我国年龄性别高年老人基本情况本文所用数据取自于1998与2000年在22个省、市、自治区进行的中国高龄老人健康长寿跟踪调查。这22个省、市、自治区是:辽宁、吉林、黑龙江、河北、北京、天津、山西、陕西、上海、江苏、浙江、安徽、福建、江西、山东、河南、湖北、湖南、广东、广西、四川、重庆。调查区域总人口为9.85亿,占全国总人口的85.3%。对属于本项目研究范围之内的22个省、市、自治区,我们随机选取了其中大约50%的县、县级市与区。在随机选中的县、县级市、区中,我们试图对所有的存活百岁老人在其自愿前提下进行入户访问,并在自愿前提下入户访问事先按该百岁老人编号随机给定年龄与性别的80～89岁及90～99岁高龄老人各一名。对1998年被访,而在2000年调查时仍然存活的80～99岁高龄老人进行第二次入户跟踪访问。对1998年被访,而在2000年调查时已死亡的老人则访问其家属,搜集老人死亡年月、死因、死前健康状态等信息。同时就近增补调查年龄性别相同的高龄老人(中国高龄老人健康长寿研究课题组,2000;Zengetal.,2002)。个人问卷内容包括高龄老人个人及家庭基本状况,背景及家庭结构,对本人健康状况与生活质量状况的自我评价,性格心理特征,一般能力,反映能力,注意力及计算能力,回忆、语言、理解与自我协调能力,生活方式,日常活动能力,经济来源,生活照料,生病时的照料者及能否得到及时治疗等92个问题共180个子项目。1998年基础调查回收高龄老人有效问卷为8959份。2000年跟踪调查回收存活高龄老人有效问卷11161份就近增补调查年龄性别相同的高龄老人,死亡高龄老人有效问卷3348份。如果包括虽列入抽样名单但在入户访问前已死亡、或迁走、或身体太弱根本无法接受访问的老人,调查的访问成功率为88%左右。如果不包括这些名单上有但无法访问的老人,调查的访问成功率为98%左右,即拒访率为2%左右。在回收的有效问卷中,92.8%属于汉族,7.2%属于少数民族。根据我国1998年与2000年高龄老人健康长寿调查数据质量评估一系列指标的估算与分析,我们相信我国高龄老人健康长寿跟踪调查的数据质量是较好的。关于调查数据质量评估的可信度系数、因子分析、逻辑性与内部一致性错误率的估算值及注解等详细信息,请参阅《中国1998年高龄老人健康长寿数据集》第四章,Zengetal.,(2002)关于1998年调查数据质量评估及顾大男(2001)博士论文第三章第二节中关于2000年跟踪调查数据质量评估。3变量的因变量—测量指标本文多元统计分析模型所用的晚育状况及可能与健康长寿相关的变量如下:晚育状况指35岁或40岁以后生育子女数。本文分析除老人存活状态与晚育子女数外,还包括以下控制变量(因篇幅限制,这24个控制变量的分类及其频率分布数据未能列在本文之中,感兴趣的读者可向本文第一作者索取):人口特征:年龄(按80～90、90～99、100～105岁分组);性别;民族(汉族与非汉族);文化教育程度;初婚年龄;居住地(城镇、农村)。生理与心理健康:日常生活自理能力(ADL:ActivitiesofDailyLiving);认知能力(MMSE:MiniMentalStatusExam);健康自评;有无沮丧症状。家族、社会交往与社会支持:婚姻状态;存活子女数;是否独居;子女的贴近程度;是否参与宗教活动;是否经常打牌或玩麻将;是否经常看电视或听收音机;是否享受退休待遇;生病时能否获得及时治疗;生病时的照料者。健康生活方式的实践:抽烟;喝酒;饮食;锻炼。本文所引用变量的缺失值(不包括不可由亲属代答而必须由老人回答问项的“无能力回答”)除初婚年龄缺失5%外,都在2%以下。因此,我们用变量均值取代除初婚年龄外的缺失值。初婚年龄缺失值应用多元估测法估计填补(Multipleimputation,即用已知变量估计未知的缺失值,详见Allison2002)。至于必须由老人自答的问题(如健康自评与认知能力等)答案为“老人无能力回答”者则归入“差”类。4分析4.1多元统计分析模型4.1.1自变量与控制变量我们做了四种一般罗吉斯特回归分析,其因变量分别为1998基础调查时点生活能否自理,认知能力是否缺损,健康自评是否差,以及是否有沮丧症状。这四个回归分析模型的自变量是晚育子女数加上人口特征,家庭、社会交往与社会支持,健康生活方式的实践等本文第三节列出的除“生理与心理健康”变量以外的20个控制变量。所有自变量均取自1998年基础调查数据。我们分别对四种一般罗吉斯特模型分女、男、35岁与40岁以后生育子女数(加上20个控制变量)进行共计16(=4×2×2)套回归分析(见表1)。4.1.2cox生存分析自变量绘图(graphics)以及数值测试(normalscoretest)表明比例风险假定成立。我们的Cox生存分析的因变量是1998年被访老人在2000年跟踪调查时是否存活(存活者赋值1,死亡者赋值0),生存时间以自1998年被访日期至2000年被访日期(存活者)或死亡日期(死者)的天数计算。我们的Cox生存分析的自变量是晚育子女数加上本文第三节列出的人口特征,家庭、社会交往与社会支持,健康生活方式的实践以及生理与心理健康等24个控制变量,所有自变量均取自1998年基础调查数据。我们分别对女、男、35岁与40岁以后生育子女数(加上24个控制变量)进行4(=2×2)套Cox比例风险模型生存分析(见表2)。4.1.3关系3:生活健康状况下的7个控制变量有序罗吉斯特回归模型用来综合分析高龄老人健康存活,非健康存活、死亡,即健康长寿与晚育之间的相关关系。有序罗吉斯特回归模型的因变量不象一般罗吉斯特回归模型的“好”或“差”二分变量,而可以是诸如“好、中、差”或更细的从好到差排序的多分变量。本文应用的有序罗吉斯特回归模型的因变量为三分变量,其定义为:1998年被访,2000年仍存活,而且健康者被记为“1”;1998年被访,2000年仍存活,但不健康者记为“2”;1998年被访,2000年追踪调查前已死亡者被记为“3”。健康者指生活能自理,认知能力无缺损,健康自评好,以及无沮丧症状;不健康者指生活自理能力,认知能力,健康自评,沮丧症状等生理、心理健康四个方面有一个或多于一个方面的缺损。我们的有序罗吉斯特回归模型的自变量是晚育子女数加上人口特征、家庭、社会交往与社会支持、健康生活方式的实践以及生理与心理健康等24个控制变量。所有自变量均取自1998年基础调查数据。我们分别对女、男、35岁与40岁以后生育子女数(加上24个控制变量)进行4(=2×2)套定序罗吉斯特回归分析。另外,经检验,本文应用有序罗吉斯特回归模型所需要的比例风险假定成立。在本文的Cox风险模型以及有序罗吉斯特模型中,我们拟用逐步按序引入控制变量的策略。在我们的Cox风险模型分析以及有序罗吉斯特模型分析中,第一步除晚育子女数外,将人口特征(老人性别、年龄、城乡、受教育程度、民族)作为控制变量;第二步在第一步的基础上,引入家庭与社会支持变量(婚姻状态、存活子女数、是否独居、与子女贴近程度、是否参加宗教活动、社会交往、是否享受退休工资、生病时能否得到及时治疗、照料者)为控制变量;第三步在第二步基础上,再引入抽烟、喝酒、饮食、锻炼作为控制变量;第四步在第三步基础上,进一步引入1998年基础调查时点生活自理能力、认知能力、健康自评与沮丧症状作为控制变量。逐步按序引入控制变量的策略使得我们能够考虑逐步引入不同类别的控制变量对所估得的晚育与健康的相关关系的影响。似然比测试(Liklihoodratiotest)表明每一步增加引入一组控制变量后使得模型拟合度得到显著改善(见表2)。4.2健康生存概率上面阐述的多元统计分析模型与1998～2000年跟踪调查数据可用于分析探讨晚育对高龄老人从X岁到X+2的存活概率及健康存活概率的影响。由于1998～2000年跟踪调查数据包括2年观测期间,我们无法用这些数据来分析晚育对高龄老人在更长期间(例如,10～20年)的存活概率及健康存活概率的影响。因此,我们应用下面将予以阐述的固定特征动态分析方法来分析探讨晚育对从80～85岁到90～95及从80～85岁到100～105岁的健康长寿概率的相关关系。初始的固定特征动态分析方法思路由金沃泊于1992年提出(Vaupel,1992),并得到应用(Yashinetal.1998,1999,2000;Gerdesetal.2000),当时被称为SAA(SurvivalAttributesAssay)方法。本文将对这一初始方法予以扩展,并重新命名为固定特征动态分析方法。固定特征动态分析方法的基本理论基础在于虽然个体的固定特征(例如,生命早期发生的事件,如胎儿与孩童营养状况,晚育经历等)不可改变,但具有该固定特征的人在人群中的年龄别比例随着年龄增加而改变。对这些变化的影响可分析探讨固定特征与存活概率及健康存活概率的相关关系。记N(x)为X岁总人数;P1(x)为X岁具有某固定特征的人数占同龄总人数的比例;s1(x+n)为具有某固定特征的人从x岁存活到x+n岁的概率;s0(x+n)为没有某固定特征的人从x岁存活到x+n岁的概率;S(x+n)为所有队列成员(包括有与没有某固定特征的人)从x岁存活到x+n岁的概率;因为N(x)P1(x)s1(x+n)=N(x)S(x+n)P1(x+n),所以s1(x+n)=S(x+n)[Ρ1(x+n)Ρ1(x)](1)s1(x+n)=S(x+n)[P1(x+n)P1(x)](1)同理,s0(x+n)=S(x+n)[1-Ρ1(x+n)1-Ρ1(x)](2)s0(x+n)=S(x+n)[1−P1(x+n)1−P1(x)](2)(1)式除以(2)式即得到具有某固定特征与没有该固定特征的人从x岁到x+n岁的存活概率比(RS)。RS=s1(x+n)s0(x+n)=(1-Ρ1(x))Ρ1(x+n)Ρ1(x)(1-Ρ1(x+n))(3)如果RS大于(小于)1,该固定特征与x岁到x+n的存活概率呈正(负)相关关系。Vaupel,Yashin等人的研究应用公式(1)与(2)来比较具有与没有某固定特征的两个不同人群的存活概率(Yashinetal.,1998,1999,2000;Gerdesetal.,2000)。而本项研究提出与应用具有与没有某固定特征人群的存活概率比(RS)的概念与公式(3)。与公式(1)与(2)相比,公式(3)的优点在于它不需要队列存活概率(S(x+n))的数据,而队列存活概率数据的可获性在很多国家(尤其是发展中国家)是很差的。本项研究进一步将公式(3)扩展到分析某固定特征与健康存活(或健康长寿)的相关关系。这里的健康存活(或健康长寿)指老人不但存活到更高年龄,而且活得健康。“活得健康”可用不同指标量测。本文用日常生活能否自理来量测是否“活得健康”。记l1(x+n)为具有某固定特征的人从x岁到x+n岁存活且活得健康的概率(注:这些人在x岁可能活得健康,也可能不健康);l0(x+n)为没有某固定特征的人从x岁和x+n岁存活且活得健康的概率;h(x+n)为x+n岁活得健康的人占该岁总人数的比例;π(x+n)为x+n岁活得健康的人中具有某固定特征者的比例。因为,所以N(x)P1(x)l1(x+n)=N(x)S(x+n)h(x+n)π(x+n),所以l1(x+n)=S(x+n)h(x+n)π(x+n)Ρ1(x)(4)同理,l0(x+n)=S(x+n)h(x+n)(1-π(x+n))1-Ρ1(x)(5)(4)式除以(5)式即得到具有某固定特征与没有该固定特征的人从x岁到x+n岁的健康存活概率比(RHS)。RΗS=l1(x+n)l0(x+n)=(1-Ρ1(x))π(x+n)Ρ1(x)(1-π(x+n))(6)如果RHS大于(小于)1,该固定特征与x岁存活到x+n岁的健康存活概率呈正(负)相关关系。公式(3)与公式(6)表述的固定特征动态分析方法的主要优点之一是,它可根据同一国家或地区两个时点的调查(或普查)的年龄别具有某固定特征人群比例及健康状况数据来估算某固定特征与存活或健康存活(对老人而言,即长寿或健康长寿)的相关关系。两个时点的调查可以是相互独立的、而不一定是成本高的、在发展中国家较少见的跟踪调查。如果我们有较充分的理由假定某固定特征在生命早期的初始分布以及该固定特征对长寿与健康长寿的影响机制在年长与较年轻的拟比较的队列之间没有显著的差异,我们可以将公式(3)与(6)表述的固定特征动态分析方法应用于一个时点的调查数据。同时,我们应明确认识到,在将公式(3)与(6)应用于相互独立的两个时点的数据或应用于一个时点的数据时,都隐含着一个假定:迁入与迁出所研究地区或国家的人数较小或迁移者与非迁移者在某固定特征的初始分布及其对长寿与健康长寿的影响机制没有显著差异。对于本项研究来说,我们先用多元统计分析模型与1998～2000年跟踪调查数据对晚育与高龄老人从x岁到x+2岁健康存活概率的相关关系进行分析。然而,跟踪调查数据无法对晚育与高龄老人从80～85岁到90～95岁,100～105岁10～20年较长期间的健康长寿概率的相关关系进行分析。这是因为一方面我们没有高龄老人10～20年的跟踪数据,另一方面即使跟踪10～20年,绝大多数80～105岁的高龄老人将死去,而使后面的存活者样本太小而无法进行有效的分析研究。1998年基础调查被访的80～85岁,90～95岁与100～105岁三个不同队列的曾生子女数不相上下。我们有比较充分的理由假定这三个队列年轻时晚育比例初始分布以及这三个队列晚育对健康长寿的影响机制没有显著差异。改革开放后的人口迁移增长对高龄老人影响很小,我们假定迁移的影响可以忽略不计。因此,作为对根据1998～2000年跟踪调查数据的多元统计分析的补充,我们将公式(3)与(6)表述的固定特征动态分析方法应用于1998年高龄老人健康长寿基础调查数据。固定特征动态分析方法能用于分析固定特征与存活或健康存活(长寿或健康长寿)之间客观存在(defacto)的相关关系,其控制变量只是性别与年龄,而未能将其他特征(例如:婚姻状态、文化教育、民族、家庭、社会支持,生活方式与当前健康状况)列为控制变量。这是固定特征动态分析方法的一个主要缺陷。因此,我们在本文中同时应用控制了较多自变量的多元统计分析模型,以求达到相辅相成的效果。5研究结果5.1采用多元统计分析模式研究了1998年至2000年的跟踪结果5.1.1模型主义估计结果表1给出了基于4.1.1节阐述的一般罗吉斯特回归分析模型估得的35岁以后与40岁以后生育过1、2、3+个小孩的女、男性高龄老人与没有晚育经历的高龄老人在生活自理能力缺损,认知能力缺损,健康自评“差”,有沮丧症状等健康状况较差的风险比(OddsRatio)。这些风险比估算考虑了人口特征、家庭、社会交往与社会支持,健康生活方式的实践等20个控制变量(见表1)。表1列出的48个风险比的估计值中43个小于1;另外5个大于1但在统计上不显著。这些估算结果说明在控制20个其他社会、经济、生活方式等相关变量前提下,晚育与高龄老人健康状况基本成正相关关系。而且,这种相关关系与晚育子女数成正比。例如,在35岁或40岁以后生育过3个或更多小孩的高龄妇女生活不能自理的风险只有未曾有过晚育的相同年龄与相似社会经济状况高龄妇女的77%与48%(即风险比为0.77与0.48),统计显著性水平为P<0.05与P<0.001。注意到表1中43个小于1的风险比中的大多数在P<0.10统计水平上不显著。因此,我们虽然可以在相关方向上认为晚育与高龄老人健康状况基本成正相关关系,但不宜对这种关系的强度下定量的结论。5.1.2晚育约束下的不良反应分配表2的第2、3列给出了在35岁或40岁以后生育过1、2、3+个小孩的女、男性高龄老人与未曾有晚育经历的高龄老人相比的2年后相对死亡风险(Relativemortalityrisk,RMR)。以年龄、城乡居住地、受教育程度、初婚年龄、民族为控制变量的模型Ⅰ估算结果表明,35岁以后生过3+个小孩,或40岁以后生过2、3+个小孩的女性高龄老人2年后死亡的风险比没有晚育经历的女性高龄老人分别低28%、21%与43%。这些相对风险估算值在统计上高度显著。进一步引入家庭,社会交往以及社会支持与健康生活方式的实践等控制变量的模型Ⅱ与模型Ⅲ表明,晚育对高龄老人2年后死亡风险的降低作用强度与模型Ⅰ大致相同。再进一步引入基础调查时点健康状况作为控制变量的模型Ⅳ表明,35岁以后生过3+个小孩,或40岁以后生过2、3+个小孩的女性高龄老人2年后死亡的风险比没有晚育经历的女性高龄老人低。具体来说,将健康状况、健康生活方式的实践、社会交往与社会支持、家庭、人口特征等24个因素作为控制变量的多元统计分析表明,40岁以后生过2、3+个小孩或35岁以后生过3+个小孩的高龄妇女2年后死亡概率比没有晚育的高龄妇女分别低19%、38%与23%,这些估计值在统计上高度显著。本项研究与国际上前人研究不同的令人感兴趣的一个发现是晚育与男性高龄老人死亡率呈负相关关系。在控制年龄、城乡居住地、受教育程度、初婚年龄与民族等人口特征变量前提下,在40岁以后生育(即其妻子在他40岁后生育)2、3+个小孩的男性高龄老人2年后的死亡风险比没有晚育的男性高龄老人低20%与33%。进一步引入家庭(含存活子女数)、社会交往与社会支持、健康生活方式的实践以及基础调查时点健康状况等作为控制变量后,晚育仍然使男性高龄老人2年后的死亡风险下降16～26%;所有这些估算值都在统计上显著(见表2)。5.1.3晚育与健康生存的相关分析表2的最后2列给出了逐步引入各类控制变量,晚育与高龄老人2年后健康存活(即“活得健康”,定义见4.1.3节)的相关关系的有序罗吉斯多元统计分析结果。分析结果表明,35岁或40岁以后生育过2、3+个小孩的女性高龄老人2年后死亡或活得不健康的风险比没有晚育经历的女性高龄老人低15～44%;绝大部分估计值在统计上显著。晚育与健康存活的正相关关系在男性高龄老人中也存在,但是比女性高龄老人中的这种相关关系要弱(详见表2)。表2给出的逐步引入各类控制变量的多元统计分析表明,在将人口特征作为控制变量(模型Ⅰ)基础上,进一步引入家庭、社会交往与社会支持(模型Ⅱ)、健康生活方式的实践(模型Ⅲ)作为控制变量后,晚育与健康生存的正相关关系有所削弱;再进一步引入98年基础调查的健康状况作为控制变量后,这种正相关关系又有进一步的削弱。这说明晚育对健康长寿的正面影响是通过家庭支持、社会经济与健康状况的相对改善而产生作用的,符合我们的理论推测。至于为什么在将24个人口、家庭、社会经济与健康变量的影响控制住之后,晚育仍然与健康长寿呈正相关关系,将在后面“讨论”一节探讨。5.2过2+积极间的妇女生存概率表3与表4给出了根据固定特征动态分析方法与1998基础调查数据估计的存活概率比(RS)与健康存活概率比(RHS)。我们先以表3从表头数起第12行为例,说明表3与表4中估算值的含义。表3第11行左端“2+孩”指35岁以后生过2个或更多孩子的高龄妇女与35岁以后未生或生过少于2个孩子的高龄妇女相比较;第12行的P1(80～85),P1(90～95),P1(100～105)分别是80～85岁,90～95岁,100～105岁在35岁以后生过2+孩的妇女占同岁妇女总人数的百分比;按公式(3)算得80～85岁到100～105岁的RS为1.59;90～95岁到100～105岁的RS为1.32;80～85岁到90～95岁的RS为1.20;即在35岁以后生过2+孩的妇女与35岁以后未生或生过少于2孩的妇女相比,从80～85岁存活到100～105岁的概率提高59%(RS=1.59),从90～95岁存活到100～105岁的概率提高32%(RS=1.32),从80～85岁存活到90～95岁的概率提高20%(RS=1.20)。表4的结构与所列数字的含义与表3类似,所不同的是表4给出的是健康存活比(RHS)的估计。例如,与40岁后未生或生过少于2个孩子的男性高龄老人相比较,40岁以后生过2+孩子的男性高龄老人从80～85岁到100～105岁的健康存活概率高出97%(RHS=1.97),从90～95岁到100～105岁的健康存活概率高出30%(RHS=1.30),从80～85岁到90～95岁的健康存活概率高出51%(RHS=1.51)。表3与表4给出的女性高龄老人的存活概率比(RS)与健康存活概率比(RHS)全部大于1,92%的RS与RHS估计值在统计上显著;男性高龄老人的RS与RHS值的绝大部分大于1,大多数在统计上显著(36个中只有2个略小于1;16个在统计上不显著(P>0.1))。我们的调查数据清楚地表明在女、男性高龄老人中35～40岁以后有过晚育与长寿及健康长寿呈现正相关关系,而女性高龄老人中的这种正相关关系显著强于男性。6晚育、家庭社会与年龄Doblhammer(2000)利用英国与奥地利人口普查与死亡登记数据及罗吉斯特回归分析方法的研究也表明40岁以后晚育与长寿呈现正相关关系。前人的研究也有类似发现(Perlsetal.,1997;VolandandEngel,1986)。一个可能的解释是35～40岁以后晚育妇女的个体生理老化进程延缓,其闭经时间相对推迟有利于长寿(PerlsandFretts,2001)。Snowdonetal.(1989)的研究表明40岁以前闭经的妇女的死亡风险几乎等于50～54岁闭经妇女的2倍。妇女闭经期延迟扩展了体内雌激素产生的期间。一些研究表明闭经后雌激素产生的扩展可降低心脏病(Paganini-Hill,1996)的风险。然而,有的研究却表明闭经期延迟可能增加犯乳腺癌的风险(HeckandPamuck1997)。除了晚育导致的雌激素因素影响外,35～40岁以后怀孕、妊产及哺乳也可能促进妇女生物系统的活力而有利于健康长寿。如果只有晚育导致雌激素与生物系统活力因素在起作用,那么晚育与健康长寿的正相关关系只存在于女性,而不可能在男性老年人中存在,因为男性不存在因怀孕生产促进生物系统活力的可能性。如果晚育的家庭社会效应与健康长寿有关,晚育比例随年龄升高而增高的现象亦会在男性老年