睡眠时长与体力活动对中老年人群多重疾病患病率及共病模式的影响：基于关联规则挖掘的CHARLS数据分析

《BMC Public Health》：Physical activity, sleep duration, and multimorbidity: a cross-sectional study of prevalence associations and association rule mining of multimorbidity patterns

　　

摘要

背景

多重疾病已成为全球老龄化社会面临的主要公共卫生挑战。睡眠时长和体力活动（PA）被广泛认为是多重疾病可改变的行为决定因素；然而，它们与特定多重疾病模式之间的关联仍不清楚。本研究旨在检查多重疾病模式如何随由睡眠时长和体力活动定义的亚组而变化。

方法

利用中国健康与退休纵向研究（CHARLS）2020 年波次数据，分析了 18,664 名年龄≥45 岁的参与者。多重疾病被定义为存在评估的 15 种慢性病中的两种或更多。使用多变量逻辑回归检查与多重疾病患病率的关联，并调整社会人口统计和行为协变量。应用关联规则挖掘（ARM）识别跨睡眠时长、体力活动分层亚组及组合亚组的多重疾病模式和强关联规则。

结果

在完全调整后的模型中，短睡眠（OR = 1.640, 95% CI: 1.505–1.788）和体力活动不足（OR = 1.187, 95% CI: 1.060–1.329）独立与多重疾病更高的可能性相关；两者的组合与最高的可能性相关（OR = 2.148, 95% CI: 1.818–2.539）。在探索性、未调整的 ARM 分析中，所有亚组中支持度最高的多重疾病模式始终围绕心脏代谢和骨关节 - 消化系统疾病聚集，以高血压为中心枢纽。共病网络在亚组间存在差异：体力活动不足且短睡眠的组别表现出最高的网络密度，产生了最多的关联规则（54 条），而体力活动充足且睡眠时长最佳的组别表现出最低的网络密度，产生的关联规则最少（8 条）。强关联规则显示出显著的亚组特异性：{哮喘} → {慢性肺病} 仅出现在短睡眠或体力活动不足的亚组中；{高血压，糖尿病} → {血脂异常} 在长睡眠亚组中不存在；而以胃部或其他消化系统疾病为结果的规则仅在短睡眠亚组中被识别。

结论

由体力活动和睡眠时长定义的亚组间多重疾病患病率和模式存在差异。ARM 对于识别这些行为亚组中的多重疾病模式是有益的。这些亚组差异可能有助于产生假设，并为多重疾病行为分层预防策略的研究提供方向。