社会经济地位对退休过渡期24小时运动行为变化的影响：一项基于设备测量和成分数据分析的纵向研究

《Journal of Activity, Sedentary and Sleep Behaviors》：Socio-economic position and changes in 24-h movement behaviors during the retirement transition

本研究针对退休过渡期这一关键时间窗口，探讨了不同社会经济地位(SEP)成年人24小时运动行为（包括体力活动(PA)、久坐行为(SB)和睡眠）的设备测量变化。研究人员在比利时佛兰德地区开展纵向观察，通过加速度计和成分数据分析(CoDA)方法发现，高收入退休群体呈现出更有利的健康行为转变，而低SEP群体变化较小，提示需针对该人群制定健康干预策略。研究为优化退休过渡期健康促进提供了重要证据。

　　

当我们谈论退休生活时，你脑海中浮现的是怎样的画面？是悠闲的午后散步，还是长时间坐在电视机前？退休作为人生的重要转折点，彻底改变了人们数十年来形成的生活节奏和时间分配方式。这个过渡期既带来了挑战，也蕴含着机遇——它如同一张白纸，让人们有机会重新规划自己的日常活动，培养更健康的生活习惯。然而，现有的科学研究告诉我们，不同社会经济背景的人群在这个关键时期的表现并不相同。

以往的研究主要集中在北欧国家，且多依赖于参与者的自我报告数据，这种方法虽然简便，但容易受到记忆偏差的影响。更重要的是，大多数研究只使用了单一的社会经济地位指标，无法全面反映这个复杂的社会分层概念。此外，传统的统计方法在处理24小时运动行为数据时面临着一个固有难题：一天只有1440分钟，睡眠、体力活动和久坐行为的时长存在着此消彼长的关系，这种数据的相互依赖性使得传统分析方法难以胜任。

正是在这样的背景下，比利时鲁汶大学的研究团队开展了一项创新性研究，该研究近期发表在《Journal of Activity, Sedentary and Sleep Behaviors》上。研究人员试图通过更精确的测量方法和更全面的分析策略，揭示社会经济地位如何影响人们在退休过渡期的运动行为变化。

研究方法上，该研究采用了多时间点的纵向设计，在退休前（1-6个月）以及退休后3、6、12个月分别进行测量。关键技术方法包括：使用腕戴式三轴Actigraph wGT3X-BT加速度计进行设备测量；采用R包GGIR（版本3.0.5）处理原始加速度数据；应用成分数据分析(CoDA)方法处理24小时行为数据的相互依赖性；通过线性混合模型分析教育、职业和收入多个SEP指标与行为变化的关系；同时计算强度梯度和平均加速度等无切点指标作为补充分析。研究样本为比利时佛兰德地区的96名即将退休的成年人。

研究结果

描述性分析结果

研究显示，在整个样本中，退休前的每日运动行为构成为：中度至剧烈体力活动(MVPA)74分钟、轻度体力活动(LPA)157分钟、久坐行为(SB)777分钟（约13小时）和睡眠433分钟（约7.2小时）。到退休后12个月，MVPA和LPA的变化最小（分别-1.4%和+0%），而SB时间减少了16分钟（-2.1%），睡眠时间增加了15分钟（+3.5%）。这些变化主要发生在退休前到退休后3个月之间，之后相对稳定。

强度梯度和平均加速度的变化相对较小。强度梯度在退休前到退休后6个月间略有下降（表明PA强度降低），但在6-12个月间有所回升。平均加速度在退休前到3个月后保持稳定，之后下降到6个月时最低，到12个月时又恢复至基线水平。

线性混合模型结果

在线性混合模型中，主动行为（LPA+MVPA）与被动行为（SB+睡眠）的平衡坐标（坐标1）以及LPA与MVPA的平衡坐标（坐标2）均未显示显著变化。然而，SB与睡眠的平衡坐标（坐标3）从基线到其他所有时间点均显著下降，表明睡眠时间相对于SB有显著增加。强度梯度和平均加速度的变化也未达到统计学显著性。

社会经济地位的调节作用

教育水平和职业类型对运动行为变化的影响未达到统计学显著性，但描述性数据显示高教育水平和非体力职业群体有更有利的变化趋势。相比之下，收入水平显示出显著的影响：高收入组从退休前到退休后3个月，主动行为与被动行为的比例显著增加，表现为PA增加而SB减少；而低收入组则PA减少且SB基本不变。此外，高收入组MVPA增加，而低收入组MVPA减少，表明高收入组向更剧烈的PA转变。高收入组SB与睡眠比例的减少也显著大于低收入组。

研究结论与意义

该研究得出结论，退休过渡期总体上带来了有益的健康行为变化，表现为PA稳定、SB减少和睡眠增加。然而，这些变化在社会经济地位较低的人群中（特别是低收入群体）较为不利。这提示我们需要针对低SEP退休人群制定专门的健康促进策略，因为该人群本身健康状况较差的风险较高。

研究的创新之处在于同时使用多个SEP指标、设备测量的24小时行为数据、四时间点的纵向设计以及成分数据分析方法，并结合了强度梯度和平均加速度等无切点指标。不过，研究也存在一些局限性，如样本量较小、手动工人代表不足、腕戴式设备对SB的测量精度有限，以及退休前测量时间点的变异性等。

这项研究的意义在于，它首次在非北欧国家背景下，使用设备测量和成分数据分析方法，探讨了多个SEP指标与退休过渡期24小时运动行为变化的关系。研究结果强调了社会经济因素在健康行为转变中的重要作用，为制定更有针对性的健康干预措施提供了科学依据。未来研究应该招募更多样本，特别是低SEP人群，并考虑其他可能的影响因素，如性别、年龄、健康状况等，以更全面地理解退休过渡期运动行为变化的复杂机制。