《Frontiers in Public Health》：Latent profile analysis of adolescent quality of life and its associations with lifestyle behaviors
编辑推荐：
背景：青少年生活质量对其发展至关重要，但其异质性尚未得到充分探索。本研究旨在识别潜在的QoL剖面，并检验其与生活方式行为的关联。
方法：研究人员对7244名中国青少年（49.3%为男孩）采用儿童青少年生活质量量表进行潜在剖面分析（LPA）。通过多项逻辑回归检验
背景：青少年生活质量对其发展至关重要，但其异质性尚未得到充分探索。本研究旨在识别潜在的QoL剖面，并检验其与生活方式行为的关联。
方法：研究人员对7244名中国青少年（49.3%为男孩）采用儿童青少年生活质量量表进行潜在剖面分析（LPA）。通过多项逻辑回归检验QoL剖面与睡眠时长（SD）、体力活动（PA）、屏幕时间（ST）、超加工食品（UPF）和最低限度加工食品（MPF）之间的关联，并对人口统计学变量进行调整。
结果：共识别出五个剖面：低QoL组（C1）、健康优势组（C2）、中等QoL组（C3）、低身心健康组（C4）和高QoL组（C5）。以C3为参照，较长SD与C1（OR=0.83）和C2（OR=0.74）的较低概率相关，但与C4（OR=1.26）和C5（OR=1.27）的较高概率相关。较高PA与C2（OR=0.71）的较低概率以及C4（OR=1.41）和C5（OR=1.62）的较高概率相关。ST与C2的较低概率和C4的较高概率相关。较高MPF摄入与C1（OR=0.70）和C2（OR=0.61）的较低概率相关，与C4（OR=1.78）和C5（OR=1.35）的较高概率相关。较高UPF摄入与C1（OR=0.25）、C2（OR=0.54）和C5（OR=0.56）的较低概率相关，与C4（OR=1.45）的较高概率相关。
结论：相对于中等QoL类别，生活方式行为与不同的QoL剖面显示出独特的关联。SD、PA和MPF摄入与健康优势类别的较低概率以及低身心健康和高QoL类别的较高概率相关。UPF摄入与低QoL、健康优势和高QoL类别呈负相关，与低身心健康类别呈正相关。这些发现凸显了青少年QoL的异质性，并表明干预措施应针对特定的QoL剖面制定。
一、研究背景与研究问题
生活质量（QoL）是个体基于自身文化价值体系对其当前生活状况的主观感知，不仅反映身心健康状态，还影响社会适应与长期发展。大量证据表明，低QoL个体承受更大的社会心理压力，表现为睡眠质量差、不健康饮食模式以及严重的内化问题（如焦虑、抑郁）；而高QoL个体则表现出更好的心理健康、睡眠质量和更强的社会支持。青春期是生长发育的关键期，QoL不仅影响青少年当下的身心健康，还可能对其成年后的发展产生长远影响。
在众多影响QoL的因素中，饮食、睡眠时长（SD）、屏幕时间（ST）和体力活动（PA）均扮演重要角色。超加工食品（UPF）和最低限度加工食品（MPF）与青少年身心健康密切相关：长期摄入UPF会增加肥胖率及精神障碍风险，导致QoL评分降低；而基于天然成分的MPF对青少年QoL具有保护作用。SD不足或质量差会降低QoL，充足SD则是良好QoL的前提。过长的ST不仅挤占睡眠和PA时间，还会引发社交媒体压力和网络成瘾风险，损害心理健康并降低QoL。规律PA有助于维持健康体重和心血管功能，促进大脑发育，预防精神障碍，并与高QoL呈正相关。
然而，既往研究大多将青少年视为同质群体，考察这些生活方式变量与QoL之间的独立线性关系，忽视了内部潜在的异质性——即不同亚群在各QoL维度上可能呈现独特模式和分布特征。因此，有必要采用以人为中心的方法来识别QoL的异质性亚群，并进一步探讨这些亚群与生活方式因素之间的关联。
二、研究方法与技术路线
研究人员利用来自DYH（青少年健康数据库）的数据，该数据库是中国公开共享的青少年健康及健康相关行为纵向数据集，涵盖山东省17个城市186所中学。本研究采用2020—2021波次的横截面数据，最终分析样本为7244名受访者（男生3571人，女生3673人）。研究使用儿童青少年生活质量量表（QLSCA）评估QoL，该量表包含49个条目，映射至13个方面层面的分数，覆盖四个领域：心理社会功能（PF）、身心健康（PPH）、生活环境（LE）和生活满意度（SWL）。采用PAQ-C问卷评估PA，依据NOVA食品分类系统评估UPF和MPF摄入频率，通过自我报告评估每日非学业电子屏幕使用时长和平均每日SD。协变量包括性别、居住地、独生子女状况和社会经济地位（SES）。
统计分析方法如下：首先，运用Mplus 8.3进行潜在剖面分析（LPA），以49个QLSCA条目作为连续型剖面指标，依次拟合1至6个类别的模型，综合比较AIC、BIC、ABIC、熵值、Lo-Mendell-Rubin似然比检验（LMR）和Bootstrap似然比检验（BLRT）等拟合指标，并结合实质可解释性选择最优模型。其次，采用卡方检验和方差分析（ANOVA）检验各变量在组间的差异。最后，以中等QoL类别为参照，应用多项逻辑回归检验生活方式行为与QoL类别归属之间的关联，连续预测因子（SD、ST、MPF、UPF、PA）和SES被标准化为Z分数。
三、主要研究发现
3.1 最优潜在剖面模型的选择
研究人员通过比较1至6类模型的拟合指标，最终保留五类解决方案。该方案具有高熵值（0.961），LMR检验显著（p<0.01），而四类模型（p=0.093）和六类模型（p=0.762）的LMR检验不显著。从实质上看，五类模型产生了五个理论上一致且清晰可辨的QoL剖面。
3.2 最优潜在剖面模型的界定
基于QoL特征，共识别出五个潜在类别：C1为“低QoL”组，在所有维度得分最低；C2为“健康优势”组，身心健康维度得分仅次于高QoL组，但其他维度得分很低；C3为“中等QoL”组，各维度得分处于中等水平；C4为“低身心健康”组，身心健康维度得分很低（仅高于C1），但其他三个维度得分很高；C5为“高QoL”组，所有维度得分最高。
3.3 不同QoL类别的人口学特征差异
不同QoL类别在性别、独生子女状况、居住地和SES方面均存在显著差异。低QoL组和高QoL组中男孩比例均达到约64%，高于总体样本的49.30%。低QoL组中非独生子女比例仅为27.27%，远低于总体平均的68.26%。低身心健康组中居住在城市比例为47.51%，显著高于总体平均的39.05%。
3.4 敏感性分析
排除119个多变量异常值后（n=7125），五类结构稳健保留，熵值为0.974，整体五剖面配置在性质上与基线分析相同。放宽跨类别残差方差约束后（n=7244），五类模型收敛良好，熵值为0.971，剖面排序和实质性特征完全保持。
3.5 不同QoL类别的健康行为差异
各组在SD、ST、PA、MPF和UPF方面均存在显著差异。高QoL组SD最长（M=7.68），健康优势组SD最短（M=6.91）。低身心健康组ST最长（M=6.36），健康优势组和高QoL组ST最短。高QoL组PA水平最高（M=2.67），健康优势组最低（M=1.86）。高QoL组MPF摄入最高（M=43.27），健康优势组最低（M=33.78）。低身心健康组UPF摄入最高（M=22.92），低QoL组最低（M=13.07）。
3.6 健康行为与QoL类别归属的关联
以中等QoL组（C3）为参照，多项逻辑回归结果显示：
较长SD与低QoL组（OR=0.83）和健康优势组（OR=0.74）的较低概率相关，但与低身心健康组（OR=1.26）和高QoL组（OR=1.27）的较高概率相关。
较长ST与健康优势组（OR=0.78）的较低概率和低身心健康组（OR=1.43）的较高概率相关。
较高MPF摄入与低QoL组（OR=0.70）和健康优势组（OR=0.61）的较低概率相关，与低身心健康组（OR=1.78）和高QoL组（OR=1.35）的较高概率相关。
较高UPF摄入与低QoL组（OR=0.25）、健康优势组（OR=0.54）和高QoL组（OR=0.56）的较低概率相关，但与低身心健康组（OR=1.45）的较高概率相关。
较高PA与健康优势组（OR=0.71）的较低概率相关，与低身心健康组（OR=1.41）和高QoL组（OR=1.62）的较高概率相关。
四、讨论与结论
讨论部分指出，本研究的发现揭示了青少年QoL的异质性，以及生活方式行为与特定QoL剖面之间复杂的关联模式。PA与C2的低概率和C4、C5的高概率相关，这与规律PA有益于身体功能和心理健康的既有证据一致。较长SD与C1和C2的低概率及C4和C5的高概率相关，表明睡眠与QoL的关系取决于具体剖面。ST与C2的低概率和C4的高概率相关，提示低身心健康青少年可能因应对机制而花费更多屏幕时间。UPF摄入呈现出独特模式：与常规线性假设相反，较高UPF摄入与C1、C2和C5的低概率相关，但与C4的高概率相关，这可能与UPF的低成本、高能量密度以及C4较高的SES有关。MPF摄入与C1和C2的低概率及C4和C5的高概率相关，但C1原始MPF摄入较高却在调整模型中显示负向关联，提示可能存在SES等混杂因素，如父母过度控制饮食可能剥夺青少年饮食自主权并导致心理问题。
研究结论：本研究通过LPA识别出五个异质性的青少年QoL亚组。相对于中等QoL类别，较长SD、较高PA和较大MPF摄入与健康优势类别的较低概率以及低身心健康和高QoL类别的较高概率相关。UPF摄入与低QoL、健康优势和高QoL类别呈负相关，与低身心健康类别呈正相关。这些发现强调了青少年QoL的异质性，并表明干预措施应针对特定剖面量身定制。
