论文部分内容阅读
目的描述中国老年人呼吸系统疾病患病现状,筛选中国老年人罹患呼吸系统疾病的影响因素,探究中国老年人居家环境中各维度因素对老年人患呼吸系统疾病的具体影响,为居家养老环境适老化改造提供科学依据。方法本研究以“中国老年健康影响因素跟踪调查(Chinese Longitudinal Healthy Longevity Survey,CLHLS)”2018年追访数据中的65岁及以上老年人为研究对象,采用描述性统计对中国老年人群体呼吸系统患病现状进行研究,联合运用Logistic回归模型、人工神经网络模型、随机森林模型和决策树分类器进行对比分析,筛选出中国老年人罹患呼吸系统疾病的影响因素,按重要性排序之后进一步探究老年人居家环境中各维度因素对中国老年人患呼吸系统疾病的具体影响。采用双侧检验,检验水准α=0.05。结果1.调查发现,10.8%(939/8671)的老年人患有不同类型的呼吸系统疾病,且男性患者数量略多于女性患者,数量差异具有统计学差异。单因素分析结果显示,在调查人群中,呼吸系统疾病患病人数在不同方面都存在差异。其中人口学特征方面性别(χ~2=53.426,P<0.001)、年龄(t=-3.914,P<0.001)、居住地(χ~2=28.225,P<0.001)、职业(χ~2=17.333,P<0.05)等指标存在显著差异;在生活方式方面,吸烟(χ~2=148.792,P<0.001)、饮酒(χ~2=54.004,P<0.001)、锻炼(χ~2=29.616,P<0.001)、用水类型(χ~2=4.755,P<0.05)等指标存在显著差异;在健康水平方面,自评生活质量(χ~2=9.992,P<0.05)、自评健康状况(χ~2=117.01,P<0.001)、BADL(χ~2=27.763,P<0.001)、IADL(χ~2=35.927,P<0.001)等指标存在显著差异;心理因素方面,抑郁症状得分(t=-6.733,P<0.001)、焦虑症状得分(t=-3.935,P<0.001)等指标存在显著差异;居住环境方面,住房类型(χ~2=28.76,P<0.001)、房屋楼层(χ~2=35.52,P<0.001)、房屋受损(χ~2=4.193,P<0.05)、霉味(χ~2=8.181,P<0.001)、做饭燃料类型(χ~2=22.188,P<0.05)、离主干道距离(χ~2=6.113,P<0.05)、驱虫剂(χ~2=12.938,P<0.05)、防蛀剂(χ~2=8.965,P<0.05)、空气清新剂(χ~2=9.473,P<0.05)、空气净化器(χ~2=12.933,P<0.05)、消毒剂(χ~2=9.494,P<0.05)、洁厕剂(χ~2=11.225,P<0.05)、除油剂(χ~2=15.13,P<0.05)等指标存在显著差异。2.Logistic回归模型预测准确度为89.1%,较好地拟合了数据的情况。分析结果显示,除了性别(OR=1.404,95%CI=[1.180,1.670],P<0.001)、居住地(OR=1.448,95%CI=[1.134,1.848],P<0.05)、吸烟(OR=1.363,95%CI=[1.090,1.703],P<0.001)、饮酒(OR=0.757,95%CI=[0.605,0.948],P<0.05)、锻炼(OR=0.829,95%CI=[0.703,0.979],P<0.05)、自评健康状况(OR=0.363,95%CI=[0.204,0.646],P<0.001)、抑郁症状得分(OR=1.026,95%CI=[1.008,1.044],P<0.05)、IADL(OR=0.720,95%CI=[0.614,0.844],P<0.001)等是老年人患呼吸系统疾病的影响因素外,居家环境中房屋离主干道的距离(OR=1.263,95%CI=[1.050,1.519],P<0.05)、楼层高度(OR=1.109,P<0.001)、驱虫剂的使用(OR=0.690,95%CI=[0.557,0.855],P<0.001)同样是影响老年人呼吸系统疾病患病的相关因素。3.人工神经网络模型显示训练集预测准确度为89.3%,测试集准确度为88.9%,模型较好地拟合了数据的情况。按指标重要性(I)排序前十位从高到低依次为抑郁症状得分(I=0.144)、焦虑症状得分(I=0.110)、吸烟(I=0.061)、性别(I=0.051)、房屋类型(I=0.051)、空气净化器使用(I=0.045)、驱虫剂(I=0.044)、洁厕剂的使用(I=0.040)、燃料类型(I=0.038)、年龄(I=0.038)。4.决策树分类器结果显示共训练出27个节点,最好模型性能准确度为68%,拟合度相对较低,按照节点响应收益(Rp)排序前十位从高到低依次为楼层高度(连排平房;>3层并带电梯的高层公寓,Rp=34.9%)、自评健康状况(差;非常差,Rp=23.7%)、居住地(城市,Rp=22.6%)、楼层高度(独立式房舍;>3层,没有电梯的高层公寓;1-3层的低层公寓;其他,Rp=21.0%)、饮酒(饮酒;过去饮酒,Rp=17.9%)、IADL(是,Rp=16.5%)、驱虫剂(经常使用,Rp=16.0%)、居住地(城镇;乡村,Rp=12.7%)、年龄(78~100岁,Rp=11.7%)、饮酒(从不饮酒,Rp=10.1%)。5.随机森林预测模型显示模型准确度为72.6%,模型拟合效果一般。按指标重要性(I)排序前十位从高到低依次为年龄(I=16.53)、抑郁症状得分(I=14.99)、驱虫剂(I=14.45)、燃料类型(I=11.29)、职业分组(I=11.18)、洁厕剂(I=11.16)、焦虑症状得分(I=10.88)、除油剂(I=10.55)、自评健康状况(I=9.41)、自评生活质量(I=8.86)。6.依据模型的预测性能及各项指标重要性排序对比分析可知,居家环境中房屋类型、离主干道的距离、楼层的高度、驱虫剂的使用、空气净化器的使用、洁厕剂的使用、燃料类型是老年人呼吸系统疾病患病的危险因素。结论1.我国老年人呼吸系统疾病患病率整体水平偏高,不同性别和不同年龄间患病情况均存在差异。2.Logistic回归模型与人工神经网络模型在预测老年人呼吸系统疾病方面具有良好的性能。居家环境中房屋类型、离主干道的距离、楼层的高度、驱虫剂的使用、空气净化器的使用、洁厕剂的使用、燃料类型是老年人呼吸系统疾病患病的危险因素。3.在国家政策支持下,政府和相关部门应加强老年人居家生活设施安全性、便利性和舒适性的适老化改造,改善相关危险因素,降低老年人罹患呼吸系统疾病的风险,有效满足城乡老年人居家养老需求。