《Archives of Gerontology and Geriatrics》：Identifying Multi-Dimensional Health Clusters Associated with High Hospitalization Burden Among Middle-Aged and Older Adults in China: A 10-Year Cohort Study
编辑推荐：
基于CHARLS数据，本研究通过K-means聚类将45岁以上中老年人群分为高负担（27.1%）和低负担（72.9%）两类亚型，发现高负担亚型在功能残疾、慢性病、神经心理脆弱性、不良行为及社会资源等方面显著更差，其住院率和医疗费用分别增加0.34天（P<0.001）和2336元（P<0.001）。结论指出多维健康特征分层对制定针对性干预措施具有重要意义。
廖佳曼|苏尧婷|黄雪亮|李一恒|黄浩|詹一强
深圳市龙岗中心医院南联社区健康服务中心，中国深圳518116
摘要
目的
识别并描述中国中老年人群中的健康亚型，并测试高负担亚型的个体是否随时间经历更多的住院治疗。
方法
本研究利用了“中国健康与退休纵向研究”（CHARLS）的数据，该研究是对45岁及以上成年人的全国代表性调查，涵盖了五个数据收集阶段（2011-2020年）。通过K均值聚类方法对七个基线指标进行分类——功能障碍、慢性疾病、神经心理脆弱性综合指标（NVC）、不健康行为、社会资源综合指标（SRC）和前一年的住院情况——以识别不同的健康亚型。使用肘部法则和平均轮廓宽度确定最佳聚类数量，并通过调整后的Rand指数进行自助重采样来评估聚类的稳定性。利用广义估计方程（GEE）模型分析识别出的亚型与随后住院负担之间的关联。
结果
分析共纳入16,710名参与者（平均年龄59.4岁；51.2%为女性）。研究发现了两种健康亚型：高负担亚型（27.1%）和低负担亚型（72.9%）。高负担亚型在所有指标上的健康状况更差，住院率显著更高。GEE模型显示，低负担亚型的住院天数较少（β = –0.34；P < .001），医疗费用也较低（β = –2,336；P < .001）。年龄和教育水平是显著影响因素（P < .001）。
结论
更严重的功能障碍、更多的慢性疾病、更高的NVC水平、不健康行为以及较低的社会资源水平与更高的住院负担显著相关。这些发现强调了基于亚型分层的重要性，有助于为老年人设计有针对性的干预措施。
引言
全球人口老龄化正在以前所未有的速度加速。根据世界卫生组织（WHO）的数据，65岁及以上的人口比例预计从2022年的10%增加到2050年的16%（Division, 2022）。到那时，欧洲、澳大利亚、新西兰、东亚和北美等地区的四分之一人口将年龄在65岁及以上（Chen et al., 2025; Division, 2022）。中国受到这一趋势的严重影响，目前拥有全球最多的老年人。2019年，中国有2.54亿60岁及以上的老年人（The, 2022），预计到2040年这一数字将增加到4.02亿，占全国人口的约28%（The, 2022）。这一人口结构变化对中国医疗卫生和社会支持系统提出了重大挑战（Zhou et al., 2025）。据估计，到2030年，需要护理的老年人数量将比2020年增加14万以上（Gong et al., 2022）。作为回应，政策讨论和试点项目已经探讨了中国养老基础设施的潜在调整方案（Fang et al., 2020）。
传统上，中国的养老责任主要由成年子女承担，这反映了根深蒂固的儒家孝道观念（Kim et al., 2024）。然而，1979年至2015年实施的一胎化政策导致了家庭规模缩小（Zhan et al., 2006）。再加上代际紧张关系加剧和大规模的人口流动，传统的家庭养老模式变得越来越紧张（Lobanov-Rostovsky et al., 2023）。2000年至2017年间，中国政府推出了十多项政策，旨在扩大社区养老服务并促进居家养老支持体系（Zhang & Yang, 2019）。尽管如此，在提高养老质量和可及性方面仍面临诸多挑战（Fang et al., 2020）。许多老年人仍然更倾向于居家养老，而文化观念也不鼓励将他们送入机构养老，因为这常被视为不孝（Fu et al., 2017; Luo et al., 2018）。一项全国性调查显示，91.2%的老年人更愿意依靠家庭照顾，只有8.8%的人支持政府提供的机构养老服务（Wang et al., 2025）。
与此同时，中国老年人的住院率持续上升，导致医疗支出增加和地方政府养老金缺口扩大（Chen et al., 2022）。多项研究表明，功能障碍（Hakimjavadi et al., 2025）、多发性疾病（Zhao et al., 2021）、认知和心理障碍（Zhao et al., 2024）、不健康行为（Hao et al., 2024）以及缺乏社会支持（Liao et al., 2023）都与住院风险增加有关。然而，大多数现有研究仅关注个别风险因素或特定疾病模型，而没有考虑多维健康特征的累积影响。利用综合健康评估方法识别中国中老年人群中的全面风险亚型仍存在关键空白。
本研究的目的是利用基于全国代表性数据的无监督聚类技术，识别中国中老年人的健康相关亚型。此外，我们还旨在探讨这些亚型与10年间住院负担之间的长期关系。通过构建基于多维健康特征的人群分层模型，本研究旨在为健康管理提供更有针对性的方法，并为中国老龄化社会中的资源分配策略提供实证支持。
研究设计与人群
本研究利用了“中国健康与退休纵向研究”（CHARLS）的数据，这是一项针对中国45岁及以上成年人的全国代表性前瞻性队列研究，旨在评估他们的健康状况、社会经济状况和家庭结构。2011年进行的基线调查采用了多阶段、分层概率抽样方法，从28个省的150个县（区）和450个社区（村庄）招募了17,708名参与者。后续评估
结果
分析共纳入了2011年基线调查中的16,710名中老年人。平均年龄为59.4岁（标准差9.8岁），其中8,554人为女性（占51.2%）。受教育程度普遍较低，45.5%的人未完成小学教育，12.5%的人完成了高中或更高学历。
功能障碍得分较低，日常生活活动（ADL）的平均得分为0.4（标准差1.0），工具性日常生活活动（IADL）的平均得分为0.5（标准差1.1）。
讨论
通过对多维健康指标进行聚类分析，我们在中国这一具有全国代表性的中老年人队列中识别出了两种不同的健康亚型。高风险亚型的医疗负担显著更高，表现为更频繁的住院和更高的总住院费用。该组在多个领域表现出不良的健康状况，包括功能障碍、慢性疾病数量、神经心理脆弱性综合指标（NVC）和不健康行为
结论
在中国这一大规模的全国代表性中老年人队列中，功能障碍、多发性疾病、神经心理脆弱性综合指标（NVC）、不健康行为以及有限的社会资源水平与住院频率和费用的增加显著相关。这些发现强调了根据多维健康特征对个体进行分层的重要性，以便识别出住院风险较高的亚群。这种分层方法有助于早期风险识别
关于手稿准备过程中生成式AI和AI辅助技术的声明
在撰写本文期间，作者使用了ChatGPT（OpenAI, GPT-4o，2025年5月版本）进行语言编辑和改写。使用该工具后，作者根据需要对内容进行了审查和修改，并对发表文章的内容负全责。
CRediT作者贡献声明
廖佳曼：撰写——初稿、可视化、验证、软件开发、项目管理、方法论、调查、数据分析、概念化。苏尧婷：撰写——审稿与编辑、验证、资源协调、调查。黄雪亮：验证、项目管理、方法论、概念化。李一恒：验证、监督、方法论。黄浩：监督、项目管理、方法论。詹一强：撰写——审稿与编辑，
