韩国健康素养差异：潜在概况分析的洞察

为探讨韩国人群健康素养（HLit）差异，研究人员采用潜在概况分析（LPA）对 9509 名成人数据进行分析。发现低（27.91%）、中（63.51%）、高（8.58%）三群体，低 HLit 组与高龄、残疾、慢性病相关，研究为健康公平政策提供依据。

　　

健康素养（Health Literacy, HLit）作为影响全民健康的核心要素，正日益受到全球公共卫生领域的关注。世界卫生组织指出，HLit 不足是导致健康不平等的重要社会决定因素之一，然而在韩国这样的全民医保国家，HLit 水平的不均现象仍未得到充分解析。传统基于变量中心的研究方法，往往聚焦单一因素如社会经济地位、教育程度对 HLit 的影响，却忽视了个体特征、健康状况与社会环境的复杂交互作用，难以全面刻画人群中 HLit 的异质性分布。如何精准识别不同 HLit 水平的人群特征，进而制定靶向干预策略，成为韩国公共卫生领域亟待解决的关键问题。

为填补这一研究空白，韩国高丽大学公共卫生科学学院健康政策与管理系的研究团队，对韩国健康面板调查（Korea Health Panel Survey, KHPS）第二波数据展开深入分析。该研究以 9509 名 19 岁以上成年人为样本，旨在通过潜在概况分析（Latent Profile Analysis, LPA）这一以人为中心的统计方法，识别韩国普通人群中 distinct HLit 亚组，并探讨社会人口学特征与健康相关因素对亚组归属的影响。研究成果发表于《BMC Public Health》，为优化韩国健康素养干预策略提供了重要实证依据。

研究主要采用以下关键技术方法：

1. 数据来源与样本：使用 KHPS 2021 年 3-7 月采集的全国代表性数据，通过计算机辅助个人访谈收集信息，最终纳入 9509 名无缺失值的参与者。
2. HLit 评估工具：采用欧洲健康素养调查问卷（HLS-EU-Q16），从健康管理、疾病预防、健康促进三个维度评估 HLit，量表经正向 - 反向翻译验证，内部一致性信度良好（Cronbach’s α=0.861）。
3. 统计分析：通过 LPA 确定最优亚组模型，运用 Rao-Scott 卡方检验、协方差分析比较组间差异，并采用多分类逻辑回归分析亚组归属的影响因素，分析中纳入调查权重以确保全国代表性。

研究结果

1. 健康素养亚组的识别与特征

通过 LPA 对 HLS-EU-Q16 的三个维度进行建模，最终确定三亚组模型为最优解（熵值 = 0.918，分类准确性高），各亚组分布如下：

• 低 HLit 组（27.91%）：各维度得分均显著较低（总平均分 6.56），疾病预防维度困难最突出，主要由高龄（≥65 岁占 55.81%）、女性（62.66%）、低教育水平（高中及以下占 82.48%）、低收入（对数收入 7.84±0.89）人群构成，且残疾（12.09%）和慢性病（67.50%）患病率显著更高。
• 中等 HLit 组（63.51%）：各维度得分中等（总平均分 8.72），疾病预防仍是相对薄弱环节，人群特征介于高低组之间。
• 高 HLit 组（8.58%）：各维度得分最高（总平均分 11.30），健康管理维度挑战较大，主要为年轻（<65 岁占 96.40%）、高教育水平（大学及以上占 76.45%）、高收入（对数收入 8.75±0.73）人群，慢性病患病率仅 16.13%。

2. 社会人口学与健康因素的关联分析

多分类逻辑回归显示，与低 HLit 组相比：

• 保护因素：教育水平（大学及以上 vs 高中及以下，OR_{高 HLit}=4.376, p<0.001）、家庭收入（OR_{高 HLit}=1.786, p<0.001）、城市居住（OR_{高 HLit}=1.306, p=0.023）与中等 / 高 HLit 组归属显著正相关。
• 风险因素：高龄（≥65 岁 vs <65 岁，OR_{高 HLit}=0.152, p<0.001）、女性（OR_{高 HLit}=0.702, p=0.004）、残疾（OR_{高 HLit}=0.200, p<0.001）、慢性病（OR_{高 HLit}=0.394, p<0.001）与中等 / 高 HLit 组归属显著负相关。

研究结论与讨论

本研究首次在韩国人群中运用 LPA 揭示了 HLit 的三亚组结构，证实 HLit 水平与社会经济地位、年龄、健康状况存在显著梯度关联。低 HLit 人群集中于医疗需求高但资源获取能力弱的群体，如老年人、慢性病患者和残障人士，这一现象凸显了韩国全民医保体系下 “有保障无公平” 的深层矛盾 —— 尽管政策保障了医疗可及性，但 HLit 不足成为阻碍其有效利用医疗资源的隐形壁垒。

研究结果为公共卫生政策提供了双重启示：

1. 靶向干预策略：需针对低 HLit 群体开发简化健康信息材料、强化医患沟通培训，并在社区层面建立 HLit 支持网络，例如为老年人提供一对一健康指导，为慢性病患者设计可视化用药指南。
2. 系统整合思路：将 HLit 提升纳入全民健康覆盖的核心指标，推动医疗机构、教育部门与社区的跨部门协作，通过 “健康素养友好型社区” 建设，系统性改善社会环境对 HLit 的影响。

此外，研究还提示 LPA 等以人为中心的分析方法，能够突破传统变量中心模型的局限，为识别健康不平等的复杂模式提供新视角。未来研究可进一步通过纵向数据探索 HLit 与健康结局的因果关系，为优化资源配置和政策效果评估提供更深入的证据支持。

这项研究不仅为韩国改善健康公平性奠定了重要基础，其方法学思路和结论对具有类似医保体系的国家亦具有参考价值，彰显了 HLit 研究在全球公共卫生领域的普适意义。