编辑推荐：
为探究童年不良经历（ACE）与慢性疾病的关系及其中的种族差异，研究人员分析 33 个州 2019 - 2023 年行为危险因素监测系统（BRFSS）数据。发现高 ACE 得分与多种疾病相关，且存在种族和地理差异。该研究为针对性干预提供依据。
在人们的成长过程中，童年经历对成年后的健康起着至关重要的作用。大量研究表明，童年不良经历（Adverse Childhood Experiences，ACE），像遭受身体、性或心理暴力等，会给成年后的健康带来长期负面影响。然而，以往研究存在一些问题。一方面，多数调查数据来自美国白人人群，少数族裔代表性不足，美国印第安人和阿拉斯加原住民（American Indian and Alaska Native，AIAN）群体虽存在明显健康差异且历史上多有创伤经历，但相关研究较少。另一方面，不同种族和地区在 ACE 与健康结局的关系上存在差异，却未得到充分探究。为了更全面深入地了解 ACE 与多种不良健康结局之间的联系，同时考虑到少数族裔人群和地理差异，来自美国北达科他大学医学院和健康科学学院的研究人员开展了此项研究 。
研究人员分析了美国疾病控制与预防中心（Centers for Disease Control and Prevention，CDC）监管的行为危险因素监测系统（Behavioral Risk Factor Surveillance System，BRFSS）在 2019 - 2023 年间从 33 个州收集的横断面数据。他们将 ACE 得分分为无（0）、低（1 - 2）、高（3+）三类 ，并将年龄、性别、种族 / 民族、收入和教育程度作为协变量 ，运用 log - binomial 回归模型评估 ACE 得分与 17 种健康结局之间的关系，还进行了亚组分析以探究不同种族 / 民族间的差异。
研究结果显示，在 359,507 名参与者中，24.4% 的人报告有高 ACE 暴露。情感虐待、父母离异和家庭成员物质滥用是最常被报告的 ACE 类型。与无 ACE 暴露的个体相比，高 ACE 暴露的个体患抑郁症、吸烟、冠心病等多种疾病的风险更高。例如，患抑郁症的风险比（Risk Ratio，RR）达到 3.15，冠心病的 RR 为 1.55。从地域上看，ACE 的流行率和健康相关结果存在州际差异，俄勒冈州和内华达州的平均 ACE 得分最高。
在种族 / 民族亚组分析中，不同种族表现出不同的风险特征。AIAN 人群在多种疾病上显示出高风险，如心脏病发作（RR = 2.47）、冠心病（RR = 3.15）、中风（RR = 3.26）等。黑人人群中，高 ACE 得分与中风、冠心病等多种疾病显著相关。亚洲人群患皮肤癌、抑郁症等疾病的风险较高。西班牙裔人群吸烟、患抑郁症的风险较高。“其他” 种族组吸烟和哮喘的风险最高。白人人群中，多数慢性健康结局与 ACE 暴露显著相关。
该研究意义重大，它进一步证实了 ACE 与慢性健康问题之间的紧密联系，揭示了种族和地理差异在其中的影响。这为制定针对性的干预措施提供了依据，有助于减少健康不平等现象。比如，州级政策可以针对易受影响的种族群体和高风险地理区域制定创伤预防措施。
在研究方法上，研究人员主要运用了以下关键技术：数据来源为 BRFSS 在 2019 - 2023 年从 33 个州收集的横断面数据；对数据进行筛选，排除 ACE 数据缺失的样本；将 ACE 得分进行分类，并确定健康结局变量和社会人口统计学变量；使用调查权重调整数据，以确保数据代表性；运用 log - binomial 回归模型（在部分情况下使用 Quasi - Poisson 回归模型作为替代）分析 ACE 得分与健康结局的关系，并进行亚组分析。
研究结果部分：
- 健康结局与 ACE 的关联：分析 BRFSS 数据可知，高 ACE 得分个体患多种疾病风险更高，如糖尿病 RR 为 1.15，抑郁症 RR 为 3.15 。不同疾病和行为在不同州与 ACE 的关联程度不同，如冠心病在北达科他州，高、低 ACE 暴露个体患病风险均增加；抑郁症在多数州与 ACE 显著相关；吸烟行为在多数州与 ACE 相关。通过计算 Spearman 相关性发现，部分健康结局间存在低到中等程度的相关性。
- 种族 / 民族亚组分析：不同种族 / 民族在不同州的调查响应分布和平均 ACE 得分存在差异。AIAN 人群在多种疾病上风险显著升高，在北达科他州和南达科他州，高 ACE 得分与部分疾病相关。黑人、亚洲人、西班牙裔和 “其他” 种族组以及白人人群，各自在不同疾病上与 ACE 存在特定关联。
研究结论和讨论部分指出，本研究证实了高 ACE 得分与不良健康结局之间的显著关联，这与以往研究相符。同时，研究发现 ACE 对不同种族 / 民族健康的影响不同，AIAN 人群受影响尤为明显，凸显了该群体面临的健康挑战。地理差异也表明不同地区在 ACE 暴露和健康影响方面存在差异。尽管研究存在局限性，如数据为自我报告可能存在偏差、存在未测量的混杂因素、研究范围有限等，但为后续研究指明了方向。未来研究可扩展 ACE 框架，运用机器学习模型挖掘数据模式，结合纵向数据集深入探究 ACE 与健康结局的因果关系。总体而言，该研究强调了关注 ACE、减少健康不平等的重要性，为公共卫生政策制定和干预措施实施提供了关键参考。
