教育程度集中度与匈牙利2007–2023年可预防的可避免死亡率的年龄别风险模式

《Frontiers in Public Health》:Concentration of educational attainment and age-specific risk patterns of preventable avoidable mortality in Hungary, 2007–2023

【字体: 大 中 小 】 时间:2026年07月13日 来源:Frontiers in Public Health 4.1

编辑推荐:

  教育程度是健康最重要的社会决定因素之一,从根本上塑造死亡率风险和健康不平等模式。国际文献广泛记录了社会经济劣势与不良健康之间的密切关联——这种关系在包括匈牙利在内的后社会主义国家尤为突出。匈牙利研究同样表明,社会剥夺(尤其是教育程度)不仅是背景决定因素,而是独

  
教育程度是健康最重要的社会决定因素之一,从根本上塑造死亡率风险和健康不平等模式。国际文献广泛记录了社会经济劣势与不良健康之间的密切关联——这种关系在包括匈牙利在内的后社会主义国家尤为突出。匈牙利研究同样表明,社会剥夺(尤其是教育程度)不仅是背景决定因素,而是独立的健康塑造因素,即使在定居点层面也能产生清晰可辨的可避免死亡率差异。死亡率风险与教育程度之间的关系采用具有对数链接函数的负二项回归进行建模,并使用对数转换的人口计数作为偏移变量。研究人员按年龄、性别和定居点类型检查了关联,从而对教育对可预防可避免死亡率(PAM)风险的影响进行了年龄特异性分析。研究结果证实,PAM与低教育人群的集中度关联最强,并由此出现显著的社会梯度。在低教育人群集中度最高的区域,死亡率风险比处于低教育集中度最低五分位数的定居点高出近40%,而高等教育高度集中与死亡率风险降低幅度相似。该梯度在所有教育水平上一致,且在受教育最少的人群中最强且最呈线性。年龄特异性模型显示,教育的影响在35–54岁年龄组达到峰值,并在老年人群中逐渐减弱,这与累积劣势理论和幸存者效应一致。虽然高等教育与较低的死亡率风险强相关,低教育与显著更高的死亡率风险相关,但职业培训群体的关联较弱且异质性。总体而言,可预防的死亡率对教育不平等高度敏感,强调教育投资——尤其是对弱势群体的培训——仍然是改善人口健康和减少社会差距的最有效策略之一。
**论文解读:教育程度集中度与匈牙利可预防可避免死亡率的年龄别风险模式(2007–2023)**

**研究背景与问题**
健康的社会决定因素中,教育程度与死亡率风险的关系已被广泛证实。国际文献表明,社会经济劣势与不良健康密切相关,尤其在匈牙利等后社会主义国家,这种关联尤为突出。匈牙利国内研究也指出,社会剥夺(尤其是教育程度)并非单纯背景因素,而是独立的健康塑造因子,甚至在定居点层面即可产生显著的可避免死亡率差异。然而,既往匈牙利研究虽探讨了可避免死亡率与社会经济地位的关系,但未聚焦于可通过初级预防(primary prevention)避免的可避免死亡率(preventable avoidable mortality, PAM),也未分析其与教育剥夺的年龄别动态。鉴于匈牙利在欧洲背景下PAM水平居高不下,且国内空间不平等显著,有必要系统分析教育集中度与PAM风险在不同生命阶段的关系。本研究旨在填补这一空白,为精准公共卫生干预提供实证基础。

**研究简介**
研究人员利用匈牙利2007–2023年定居点层面全因PAM死亡数据(数据来源:匈牙利中央统计局及内政部登记管理副国务秘书处),结合2022年人口普查教育结构数据,采用负二项回归模型(negative binomial regression),以教育集中度五分位数为自变量,探讨其与PAM风险的关联,并进一步按年龄(25–34、35–44、45–54、55–64、65–74岁)、性别及定居点类型(首都、州级市、小镇、村庄)进行分层分析。研究发现教育不平等深刻嵌入匈牙利PAM的年龄别模式,中年期(45–54岁)为效应最强阶段。论文发表在《Frontiers in Public Health》。

**主要关键技术方法**
本研究为生态学分析(ecological study),数据来源为匈牙利中央统计局提供的2007–2023年定居点层面死亡数据及2022年人口普查教育数据。采用负二项回归模型(具有对数链接函数),以对数转换的人口数作为偏移变量,控制性别、年龄组和定居点类型。教育集中度定义为定居点内特定教育程度人口的比例,按五分位法分类(Q1最低,Q5最高)。模型包括:(1)人口基线模型;(2)四个教育程度(低教育、职业培训、高中教育、高等教育)的基线模型;(3)每个教育程度内五个10岁年龄组的年龄特异性子模型(共20个)。模型拟合度通过Omnibus LRχ2和AIC评估,并进行了敏感性分析(调整性别和定居点类型后重新估计),结果稳健。

**研究结果**
(保留原文小标题)

**4.1 PAM风险与社会人口因素(性别、定居点类型及教育程度)的关联**
通过负二项回归分析发现,性别为最强决定因素:男性死亡率风险为女性的2.564倍(95% CI: 2.529–2.600; p<0.001)。定居点类型亦显著影响死亡率:首都居民风险比村庄低27%,州级市低12%,小镇低5%。教育集中度方面:低教育集中度最高(Q5)的定居点,其PAM风险显著高于低集中度(Q1)区域(风险降低40%,IRR=0.587)。职业培训群体仅Q1与Q5有显著差异(IRR=0.957)。高中教育群体,Q1超额风险达31.4%(IRR=1.314)。高等教育群体呈现线性梯度:Q4风险已高14.1%,Q1高40.0%(IRR=1.400)。模型拟合度以低教育群体最佳(LRχ2=1,344.827),职业培训群体最弱(LRχ2=26.917)。

**4.2 不同教育群体PAM风险与年龄类别的关联**
**4.2.1 低教育群体**:25–34岁已出现关联,但未完全结构化;35–44岁梯度清晰,Q1风险比Q5低56.6%(IRR=0.434);45–54岁梯度持续且显著(IRR=0.514);55–64岁类似(IRR=0.529);65–74岁效应减弱(IRR=0.639)。峰值为35–44岁(Omnibus LRχ2=363.261)和45–54岁(413.806)。

**4.2.2 职业培训群体**:25–34岁仅Q1显著(IRR=0.804);35–44岁Q1降低19.4%(IRR=0.806);45–54岁Q1 IRR=0.881;55–64岁Q1 IRR=0.914;65–74岁无显著关联(IRR=0.985)。峰值为35–44岁。

**4.2.3 高中教育群体**:25–34岁Q1超额风险47.7%(IRR=1.477);35–44岁最强,Q1高53.0%(IRR=1.530);45–54岁IRR=1.382;55–64岁IRR=1.343;65–74岁IRR=1.177。峰值为35–44岁(LRχ2=131.161)。

**4.2.4 高等教育群体**:25–34岁Q1风险高74.5%(IRR=1.745);35–44岁最强,Q1高83.8%(IRR=1.838),呈线性梯度;45–54岁IRR=1.617;55–64岁IRR=1.492;65–74岁IRR=1.318。峰值为35–44岁(LRχ2=296.571)和45–54岁(299.754)。

**总结讨论与结论**
讨论部分指出:教育不平等在匈牙利PAM年龄别模式中深度嵌入,中年期(45–54岁)效应最强,这与累积劣势理论(cumulative disadvantage)和幸存者效应(survivor effect)一致。性别差异显著(男性风险更高),城市化程度与低风险相关。低教育群体集中度是预测PAM最有力的指标,高等教育群体的保护效应虽强但非线性,职业培训群体关联弱且异质。研究局限性包括生态学性质、无法纳入个体层面因素及空间自相关。结论(第7节原文翻译):综上所述,研究结果提示,仅靠医疗干预无法降低可预防的死亡率。教育不平等、健康素养(health literacy)和地域剥夺构成了相互关联的健康决定因素,需要协调的政策响应。教育投资、针对性预防及减少地域不平等很可能为人口健康带来显著的长期益处,并有助于缩小匈牙利可避免死亡率差距。
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