美国各州肥胖患病率的变异性:不同收入分位的肥胖增长率或恶化率是否保持恒定?

《Frontiers in Epidemiology》:Variability of obesity prevalence in US states: are obesity growth or deterioration rates constant for different income quantiles?

【字体: 大 中 小 】 时间:2026年07月08日 来源:Frontiers in Epidemiology 2.9

编辑推荐:

  摘要背景:肥胖仍然是美国一项重大的公共卫生问题,现有证据表明,其患病率在不同社会经济群体之间存在显著差异。本研究考察了2012—2020年间,美国各州不同收入分位的肥胖率年度变化如何存在差异。 摘要方法:研究人员构建了一个经验模型,在模型中纳入收入分位虚拟变

  
摘要背景:肥胖仍然是美国一项重大的公共卫生问题,现有证据表明,其患病率在不同社会经济群体之间存在显著差异。本研究考察了2012—2020年间,美国各州不同收入分位的肥胖率年度变化如何存在差异。

摘要方法:研究人员构建了一个经验模型,在模型中纳入收入分位虚拟变量和线性时间趋势,从而允许不同收入组在肥胖患病率平均年度变化方面存在差异。年度变化被定义为相对于前一年的年龄调整肥胖患病率(age-adjusted obesity prevalence)的同比百分比变化。分析基于州层面数据开展,以评估基线差异及其后续逐年肥胖患病率变化。

摘要结果:在基线年份,不同收入组之间的肥胖患病率存在显著差异,其中低收入组表现出更高的患病率水平。在整个研究期间,所有收入组的肥胖患病率年变化均为正。低收入和中等收入类别之间的年度变化差异幅度相对较小,而最高收入组(年收入高于$75,000)相对于其他组表现出更大的平均年度增幅。估计得到的时间趋势在统计学上不显著,表明不同收入组之间年度变化的差异随时间保持稳定。

摘要结论:研究结果强调了美国各州肥胖患病率中持续存在的社会经济差异。尽管低收入组承担了更高的总体肥胖负担,但肥胖患病率的上升见于整个收入分布。这些模式提示,公共卫生应对措施可从考虑与收入相关的肥胖患病率差异中获益,尤其可通过信息宣传、扩大健康食品可及性和身体活动机会,以及与建成环境(built environment)相关的倡议等自愿性方式加以实施。
这篇发表于《Frontiers in Epidemiology》的研究聚焦美国肥胖流行的社会经济分层特征,但与既有研究主要比较某一时点肥胖患病率水平不同,研究人员将分析重点转向肥胖患病率的“增长动态”。研究背景在于:美国肥胖问题长期严峻,且州际差异和群体差异明显。既往文献已充分证明,在美国内部,收入越低的人群通常具有更高的肥胖患病率;同时,教育程度、种族与族裔、居住地等因素也与肥胖分布密切相关。然而,现有证据大多描述肥胖负担的静态水平,对不同收入组肥胖患病率是否以相似速度持续上升,缺乏系统检验。若各收入组当前患病率接近,但增长速度不同,则未来疾病负担可能显著分化。因此,有必要从年度变化率角度重新审视收入相关的肥胖差异是否稳定、扩大或缩小。

为填补这一空白,研究人员利用美国疾病控制与预防中心(Centers for Disease Control and Prevention,CDC)发布的州层面数据,对2011—2020年美国各州、各收入组肥胖患病率进行面板分析。研究对象的基本分析单元为“州—收入组—年份”单元,使用按年龄调整后的州级肥胖患病率估计值,并构造2012—2020年的年度变化指标,即相对于上一年的同比百分比变化。研究结果显示:低收入群体在基线年份的肥胖患病率显著高于高收入群体,这种收入梯度清晰存在;但在增长率层面,几乎所有收入组的肥胖患病率都在上升,且低收入至中等收入组之间的年度增幅差异较小;最高收入组(≥$75,000)则表现出相对更高且具有统计学意义的平均年度增幅。与此同时,线性时间趋势项不显著,说明不同收入组之间增长差异在研究期内总体保持稳定,而非持续扩大或缩小。研究的重要意义在于,它提示美国肥胖不平等的核心首先体现在患病率水平差异上,而非截然分化的增长轨迹;同时,整个收入分布中均存在肥胖上升,提示防控策略不能仅局限于传统高风险低收入群体。

主要关键技术方法可概括如下:研究样本来源于CDC基于行为危险因素监测系统(Behavioral Risk Factor Surveillance System,BRFSS)的州级公开数据,覆盖53个辖区。研究以年龄调整后的分收入组肥胖患病率为基础,构建年度百分比变化(Δ)作为因变量;采用包含收入类别虚拟变量和线性时间趋势的线性回归模型,以普通最小二乘法(ordinary least squares,OLS)估计,并在州层面进行聚类稳健标准误(clustered standard errors)校正,以处理州内序列相关和异方差;另外还进行了纳入最低收入组、对极端值进行Winsorize处理、以及以年度百分点变化替代百分比变化的稳健性分析。

以下为论文主体内容的凝练解读。

在“2 Descriptive statistics”部分,研究人员首先对数据结构与变量构建进行了说明。数据覆盖2011—2020年,收入分类遵循BRFSS的标准分组。由于年度变化需要滞后值,2011年仅用于计算2012年的变化,因此正式估计样本为2012—2020年。研究最终估计样本量为2,355个观测,反映53个辖区、5个收入组和9个年度变化的重复观测。描述性统计结果显示,所有州和年份的平均肥胖患病率为31.58%,标准差为5.26个百分点,范围从12.1%到50.5%,表明州际差异明显。年度百分比变化Δ的均值为2.56%,但波动较大,最小值为?38.4%,最大值为91.7%。研究人员同时指出,百分比增长指标对较低基线值较为敏感,加之原始肥胖率来自调查数据,因此出现较大年度波动并不意外。

在同一部分,按收入组分层的扩展描述性统计进一步揭示了收入梯度与增长特征。各收入组的平均年度变化均为正,约在2.1%至3.0%之间;所有收入组的中位数均低于均值,提示分布右偏。最高收入组不仅平均年度增幅最大,而且偏度与峰度明显更高,提示该组偶尔出现较大的正向变化值。不过,研究人员通过后续稳健性分析证明,主要发现并非由少数极端值驱动。基线图示结果进一步表明,2011年肥胖患病率与收入呈明显负相关:最低收入组肥胖患病率为32.34%,而最高收入组为23.76%。而在2012—2020年的平均年度变化图中,所有收入组均表现为正增长,最高收入组增幅相对更高,低收入和中等收入组之间则较为接近。

在“3 Methodology”部分,研究人员定义了核心结局变量Δi,t,即州i在t?1年至t年间肥胖患病率的年度百分比变化,计算方式为当年患病率减去上一年患病率,再除以上一年患病率。模型设定采用线性回归框架,将收入类别虚拟变量作为主要解释变量,并加入线性时间趋势t=(Year?2012)。主模型以$15,000–$24,999收入组作为参照组,$25,000–$34,999、$35,000–$49,999、$50,000–$74,999及≥$75,000作为比较组;<$15,000收入组在主分析中排除,并在附录中单独检验。系数β用于衡量相对于参照组的平均年度变化差异,截距α表示参照组在2012年的模型隐含年度变化,γ则刻画共同线性时间趋势。研究人员说明,曾考虑收入特异性时间趋势,但探索性分析发现相关交互项无论单独还是联合检验均不显著,且因变量已采用一阶差分式增长率,长期平滑趋势已在较大程度上被消除,因此最终采用更为简约的模型。估计方法为OLS,并使用州层面聚类标准误进行推断。

在“4 Results”部分,核心回归结果集中呈现在Table 3。结果表明,相对于参照组$15,000–$24,999,$25,000–$34,999、$35,000–$49,999和$50,000–$74,999各组的年度肥胖增长差异虽为正,但幅度较小,且整体上彼此相近;其中在采用州层面聚类标准误后,这些组别系数达到统计学显著,但从实质解释上仍体现为低中收入组之间差异有限。相比之下,最高收入组(≥$75,000)的系数更大,且在不同模型设定下均具有统计学显著性,说明该组平均年度肥胖患病率增幅高于其他组。时间趋势项系数很小且不显著,支持收入组之间年度变化差异在整个样本期内保持稳定的结论。

“Predicted annual change in obesity prevalence by income category”结果进一步通过模型预测值可视化了上述模式。基于包含收入指示变量和时间趋势项的完整模型,低收入和中等收入组的预测年度变化轨迹高度重叠,而最高收入组在整个观察期内都呈现更高的预测增幅。采用逐步模型(stepwise specification)后,图形模式未发生实质改变,说明无论是否纳入时间趋势,结论均较稳健。以参照组为基准展示的差异图进一步显示,仅最高收入组相对参照组的年度增长差异明显偏离零值并具有统计学意义。

在“4.1 Sensitivity analyses including the lowest income category”部分,研究人员重新将<$15,000最低收入组纳入样本,并以其为参照组进行估计。结果显示,$15,000至$74,999各收入组与最低收入组相比,年度肥胖增长差异均较小且统计学上不显著;只有最高收入组依然表现出更大的平均年度增幅。模型中的线性时间趋势仍不显著。预测值图亦显示,<$15,000组与$15,000–$74,999组的增长轨迹几乎重合,提示最低收入组并未表现出不同于相邻低中收入组的独特增长路径。因此,主分析排除最低收入组主要是为了简化展示,而非因为其会改变经验结论。

在“4.2 Robustness to extreme annual changes”部分,研究人员考虑到Δ的分布存在右偏及极端值,特别是在高收入组中更为明显,因此对因变量按第1和第99百分位进行Winsorize处理后重新估计模型。无论是在包含全部收入组的样本中,还是在排除最低收入组的限制样本中,收入效应的符号、相对大小及统计学显著性均保持一致。这表明主要结论并非由少数极端年度变化所驱动。

在“4.3 Percentage-point changes in obesity prevalence”部分,研究人员进一步以年度百分点变化而非年度百分比变化作为因变量开展稳健性检验,以应对患病率有界性和百分比变化潜在异方差问题。结果显示,不同收入组系数的相对排序与主分析一致:低收入和中等收入组的年度增加较小且彼此差异不明显,最高收入组增幅最大,时间趋势项仍然不显著。虽然因变量量纲变化导致系数绝对值不同,但实质解释不变,说明研究发现不依赖于结局指标的具体形式。

在“5 Discussion and policy implications”部分,研究人员指出,研究期内低收入家庭始终承担更高的肥胖患病率负担,而所有收入组都经历了肥胖患病率上升。低中收入组之间在增长率上的差异相对有限,最高收入组虽存在统计学上更高的增长率,但其绝对幅度并不大,因此整体上应理解为肥胖患病率在整个收入分布中普遍上升,而不是局限于某一单独社会经济群体。另一个关键发现是缺乏显著时间趋势,这意味着收入相关的增长差异总体稳定,现有收入不平等并未通过显著不同的增长速度持续扩大或缩小。研究人员据此认为,社会经济不平等更多体现在当前患病率水平,而非剧烈分化的增长轨迹。政策上,研究结果更直接支持自愿性、非强制性干预路径,如信息与媒体宣传、扩大健康食品可及性、促进身体活动、以及改善建成环境等;对于针对不健康食品的财政工具,论文仅指出其涉及更复杂的效率和福利权衡,并未评估具体政策效果。

在“6 Summary and conclusions”部分,研究人员总结指出,本研究利用2011—2020年CDC州级数据,分析了美国不同州、不同收入层次肥胖患病率的变化速度。研究发现,几乎所有收入组的肥胖患病率平均年度变化均为正,包括最高收入组在内;最高收入组的增长幅度相对更高,但总体上低中收入组之间差异较小。研究同时强调多项局限性:其一,州层面生态学(ecological)数据无法识别个体层面的收入—肥胖机制,也不能刻画州内城乡或其他更细尺度差异;其二,公开CDC数据未能系统提供所有州—收入—年份单元的原始调查估计方差,因此后续回归中的不确定性可能被低估;其三,分析时段止于2020年,无法反映之后的延续性变化;其四,百分比变化对基线患病率敏感,但百分点变化稳健性分析得出相似结论;其五,聚合后的州—收入单元无法处理群体内部年龄结构、种族族裔构成、教育水平等随时间变化的混杂因素;其六,肥胖患病率基于自报身高和体重,尽管一阶差分有助于削弱时间不变的报告偏倚,但无法完全消除随时期或群体变化的测量误差。

研究结论部分可译为:本文分析了2011—2020年美国按州别和收入水平划分的肥胖患病率变化速度。使用州层面数据考察肥胖患病率年度变化的收入特异性差异的研究相对较少。本研究基于CDC数据,所提出模型纳入按收入分组定义的二元变量和时间变量,从而允许收入类别上的非线性。研究发现,几乎所有收入区间的肥胖患病率平均年度变化均为正,包括最高收入组在内。该分析未延伸至观察样本期之外的长期预测。研究结果应在州层面的生态学意义上解读,并可能受到构成性混杂和测量局限的影响。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号