《Lifestyle Medicine》：Conditional Associations Among Chronic Disease Indicators, Risk Behaviors, Health Habits, and Disability Indicators in an Analytic ENDES Sample of Peruvian Adults: A Secondary Analysis Using Exploratory Network Analysis, 2021–2023
编辑推荐：
背景：多领域健康指标，包括慢性疾病指标、风险行为、健康习惯、抑郁症状、残疾指标和医疗保健可及性指标，可能通过条件性关联的复杂模式相互连接。网络分析（Network Analysis）提供了一个探索性框架，用于估计这些相互依赖性，而不暗示因果关系或临床确认的共病
背景：多领域健康指标，包括慢性疾病指标、风险行为、健康习惯、抑郁症状、残疾指标和医疗保健可及性指标，可能通过条件性关联的复杂模式相互连接。网络分析（Network Analysis）提供了一个探索性框架，用于估计这些相互依赖性，而不暗示因果关系或临床确认的共病模式。目标：估计2021–2023年秘鲁成人分析性样本中选定ENDES健康相关指标的条件性关联网络结构，并描述性探索性别特异性模式。方法：研究人员使用ENDES 2021–2023数据进行了二次分析。共纳入92,101名18岁及以上、完成健康问卷模块且选定变量数据完整的受访者。研究人员从五个领域（慢性疾病指标、行为风险、健康习惯、残疾/抑郁症状、医疗保健可及性/人体测量背景）先验选择了21个指标，使用混合图形模型（Mixed Graphical Model, MGM）进行建模。添加了自助法（Bootstrapped）边权重准确性和预期影响力（Expected Influence, EI）稳定性诊断。研究人员描述性检查了性别特异性网络，未进行正式的网络比较检验（Network Comparison Test）。结果：整体网络显示，吸烟指标与饮酒之间、残疾指标之间，以及年龄与高血压、糖尿病、视力残疾和运动残疾之间存在正向条件性关联。每日吸烟与健康保险覆盖率和水果消费之间，以及抑郁症状与水果基指标之间存在负向条件性关联。在性别特异性网络中，男性显示出描述性更密集的残疾相关聚类，但这些视觉差异未经过推断性检验。结论：选定的多领域ENDES健康相关指标在分析性样本中条件性相互关联。研究结果应视为探索性和假设生成性的，不暗示因果关系、方向性、全国加权网络估计、统计确认的性别差异或临床确认的共病模式。
**研究背景与问题**
非传染性疾病（Noncommunicable Diseases, NCDs）在拉丁美洲构成重大公共卫生挑战，影响区域经济。糖尿病、高血压、超重/肥胖等疾病在成人中高发，且与烟草使用、不健康饮食、低体力活动及心理健康问题等可改变行为相关。在秘鲁背景下，已有研究显示饮食模式、酒精和烟草消费等行为与高血压、2型糖尿病（Type 2 Diabetes Mellitus, T2DM）和肥胖等临床状况存在关联，且这些状况可能与其他不良健康结局共存。此外，性别差异在疾病表现、风险因素控制及并发症发展方面具有重要作用。然而，目前尚缺乏对慢性疾病指标、风险行为、健康习惯、抑郁症状、残疾指标及医疗保健可及性指标之间复杂条件性关联的系统性探索。传统分析方法难以同时处理多领域混合类型变量并估计其相互依赖关系。因此，研究人员开展此项研究，旨在利用网络分析（Network Analysis）这一探索性框架，在秘鲁成人分析性样本中估计这些健康相关指标的条件性关联结构，并描述性探讨性别特异性模式。该论文发表在《Lifestyle Medicine》。
**主要技术方法概述**
研究人员使用秘鲁国家人口与家庭健康调查（Demographic and Family Health Survey, ENDES）2021–2023年数据，共纳入92,101名18岁及以上、完成健康问卷且数据完整的受访者。样本来源为秘鲁国家统计与信息学研究所（National Institute of Statistics and Informatics, INEI）开展的全国性调查。研究方法采用混合图形模型（Mixed Graphical Model, MGM）估计21个先验选定指标之间的条件性关联，这些指标涵盖慢性疾病、行为风险、饮食健康习惯、残疾/抑郁症状及医疗保健可及性/人体测量等五个领域。研究人员使用自助法（Bootstrapped）评估边权重准确性，并通过案例丢弃自助法（Case-dropping Bootstrap）计算预期影响力（Expected Influence, EI）的稳定性系数（Correlation Stability Coefficient, CS-coefficient）。性别特异性网络分别估计，但未进行正式网络比较检验。
**研究结果**
**3.1.1 整体条件性关联网络**
整体网络共识别出210个可能连接中的67个非零边。吸烟相关指标（每月吸烟、每年吸烟、每日吸烟）间存在强正向条件性关联，且前两者与每月饮酒条件性关联。残疾指标（视力、听力、沟通、运动、认知、社交残疾）形成正向条件性关联聚类。年龄与高血压、糖尿病、视力残疾和运动残疾正向相关。抑郁症状与视力残疾和运动残疾条件性关联，腰围与运动残疾也存在相关关系。负向条件性关联包括：每日吸烟与健康保险覆盖率和水果消费之间，以及抑郁症状与水果消费和水果沙拉消费之间。预期影响力（EI）中心性指数显示，每月吸烟、认知残疾和社交残疾为网络中连接最强的节点。
**3.1.2 网络准确性与中心性稳定性诊断**
自助法边权重准确性和案例丢弃中心性稳定性诊断表明，应谨慎解释较弱边和中心性排名，中心性结果仅作为探索性相对连接性指标，而非因果或临床优先性的确认证据。
**3.1.2.1 性别特异性条件性关联网络**
男性网络显示46个非零边，女性网络40个非零边，但未进行推断性比较。主要描述性对比出现在残疾相关聚类：男性网络中社交残疾、沟通残疾、认知残疾、视力残疾、听力残疾和运动残疾之间视觉上呈现更多条件性连接；女性网络中残疾聚类视觉上较稀疏，并包含听力与运动残疾之间的额外连接。抑郁症状、每年吸烟、蔬菜沙拉消费、糖尿病、每日吸烟和年龄等边缘在性别特异性网络中呈现描述性差异，但缺乏正式检验，无法得出统计显著性别差异的结论。
**3.1.2.2 性别特异性网络中心性模式**
在男性和女性网络中，节点4（每月吸烟）均显示最高EI中心性值。女性网络中，节点8（每年吸烟）和9（每日吸烟）也显示较高描述性中心性值；男性网络中，节点11（听力残疾）、14（认知残疾）和15（社交残疾）显示较高描述性中心性值。这些模式仅作为探索性视觉描述，不应视为统计确认的性别差异或干预优先性。
**讨论与结论总结**
讨论部分指出，多领域健康指标在相同人群群体中可能共存并统计交互。每月吸烟在整体网络中具有最高EI中心性，与烟草相关指标及饮酒强条件性关联，这与烟草使用与饮酒常见共现的文献一致。每日吸烟与水果消费的负向条件性关联，与吸烟者水果摄入较低的研究相符；每日吸烟与健康保险覆盖率的负向关联，可能反映医疗保健参与度或社会经济特征差异。抑郁症状与水果沙拉消费的负向条件性关联，与拉丁美洲关于抑郁与水果消费负相关的多项研究一致。残疾指标形成的条件性关联聚类，提示运动、视力残疾可能通过影响日常功能能力与心理情绪脆弱性相关。性别特异性网络描述性显示，男性残疾指标连接更密集，而女性存在听力与运动残疾的视觉连接，可能与雌激素等性激素作用有关。男性网络中还观察到抑郁症状与蔬菜沙拉消费的描述性负向关联。女性网络中每日吸烟与糖尿病的描述性正向条件性关联，与吸烟可能通过抗雌激素效应影响糖尿病的文献一致。研究局限性包括：未纳入体力活动、教育程度等潜在决定因素；变量基于自我报告；部分变量二分法导致信息损失；某些残疾指标低患病率增加估计不确定性；未控制复杂调查设计；未进行正式网络比较检验等。实践意义方面，研究结果强调采取整合性、多部门策略同时解决吸烟、饮食和心理健康等生活方式因素的重要性，以及将残疾指标与抑郁症状纳入综合护理模式的必要性。研究结论如下：探索性网络分析结果显示，选定的慢性疾病指标、风险行为、健康习惯、抑郁症状、残疾指标及医疗保健可及性/人体测量指标在秘鲁成人分析性ENDES样本中条件性相互关联。烟草相关行为、饮食指标和残疾相关变量在网络结构中表现为相对连接的节点。性别特异性分析提示男性和女性之间可能存在不同的描述性视觉条件性关联模式，但这些差异未经过正式网络比较检验。这些发现应视为假设生成性的，不暗示因果关系、方向性、时间顺序、全国加权网络估计、统计确认的性别差异或临床确认的共病模式。未来需要纵向、调查加权、稳定性检验和确认性研究来检验这些探索性模式是否随时间稳健且具有临床意义。
