社会人口统计学因素与多种慢性疾病风险之间的关联：一项系统评价

《PLOS One》：Sociodemographic intersections and risk of multiple long-term conditions: A systematic review

　　多病共存（MLTC）的交叉社会人口学因素研究揭示，MLTC结果在性别、收入、种族等维度交叉时存在显著差异，但现有研究多为横断面且缺乏纵向数据。收入的影响因交叉因素（如性别、种族）而异，美国研究显示残疾与种族的交叉加剧医疗风险，南非教育水平与种族的交叉未显现累积劣势。研究建议未来需采用纵向数据及解决方案变量进行干预设计。

　　多病共存（Multimorbidity，即多个长期疾病）已成为公共卫生领域日益关注的问题，其影响不仅限于个体生活质量的下降，还涉及到医疗资源的使用、社会系统的压力以及过早死亡的风险。当前研究通常将社会人口学特征（如性别、种族、收入、教育水平等）视为独立预测因素，但这种做法忽视了这些因素之间复杂的相互作用关系，以及它们如何共同塑造健康不平等的模式。本文通过系统综述的方法，探讨多病共存结果在社会人口学因素交汇背景下的变化，强调了对健康不平等进行更深入理解的必要性。

在社会人口学因素与多病共存结果之间的关系中，许多研究发现，这些因素并不是孤立地影响健康状况，而是通过相互交织的方式共同作用。例如，收入较低的人群往往面临更高的多病共存风险，但这种影响可能因其他社会人口学特征的存在而有所不同。在西班牙阿拉贡地区的两项横断面研究中，收入水平对多病共存的预后影响在不同性别之间存在差异。对于女性而言，低收入水平与多病共存的高发生率更为显著，而男性在所有收入层次中，多病共存的死亡率均高于女性。这表明，收入这一变量在与性别、迁移状态、居住地等其他因素结合时，其对多病共存的影响会呈现出不同的模式。因此，仅关注单一变量可能无法全面揭示多病共存的复杂机制，需要更细致地分析这些因素的交汇点。

此外，种族和残疾之间的相互作用也对多病共存结果产生了显著影响。在美国的一项研究中，残疾与种族的交汇被发现对多病共存相关的急诊访问、住院和死亡率有显著的叠加效应。具体而言，黑人和拉丁裔群体在残疾的情况下，多病共存相关的不良结果发生率显著高于白人群体。这一现象可能与种族间的结构性不平等有关，即某些种族群体在社会资源获取、医疗服务质量、社会支持等方面处于不利地位，从而加剧了多病共存带来的健康风险。这种叠加效应凸显了社会人口学因素之间相互作用的重要性，表明对某些群体而言，单一的社会经济劣势可能不足以解释其较高的多病共存风险，而需要考虑多种因素的共同作用。

在南非的一项研究中，教育水平被普遍视为多病共存的风险因素，但当教育水平与种族结合时，其对预期寿命的影响并未呈现出明显的累积劣势。研究发现，尽管较低的教育水平与较高的多病共存风险相关，但在种族差异的背景下，这种影响并未显著地转化为更短的预期寿命。这可能与南非历史上种族与社会经济地位之间的深刻联系有关，即某些种族群体即使拥有较高的教育水平，仍可能因历史遗留的不平等而面临额外的健康挑战。这种现象表明，社会人口学因素的交汇不仅影响多病共存的发生率，还可能影响其对健康结局的长期影响，尤其是在结构性不平等持续存在的社会环境中。

性别与多病共存结果之间的关系也呈现出一定的复杂性。在多病共存与预期寿命的研究中，女性通常比男性拥有更高的预期寿命，但她们在多病共存状态下的健康状况可能更为恶化。这种“发病率-死亡率悖论”在某些研究中被部分观察到，即女性虽然寿命更长，但其在多病共存状态下的生活质量可能低于男性。然而，这种现象是否普遍，以及是否能够推广到其他社会背景，仍需进一步研究。此外，研究中发现的性别与居住地之间的差异也提示，居住环境对多病共存的影响可能因性别而异，例如农村地区的居民虽然多病共存的发生率较低，但其死亡率却较高。这可能与农村地区医疗资源的可及性、健康教育水平、社会支持网络等因素有关。

本研究的局限性主要体现在两方面。首先，所纳入的研究大多为横断面研究，缺乏纵向数据，这限制了我们对多病共存结果如何随时间演变的理解。纵向研究能够追踪个体在不同生命阶段的健康状况变化，分析社会人口学因素如何在长期中影响多病共存的发展轨迹。其次，现有研究中较少涉及“解决方案相关变量”（solution-linked variables），即那些可以被干预或改变的变量，以减轻多病共存中的健康不平等。这意味着，尽管我们能够识别出多病共存结果与社会人口学因素之间的关系，但缺乏针对这些关系的干预策略，使得研究成果在实际应用中受到一定限制。

综上所述，多病共存是一个涉及社会、经济、文化、环境等多重因素的复杂现象，其结果在不同社会人口学因素的交汇背景下呈现出显著的差异。现有的研究虽然提供了一些关键的见解，但仍然存在诸多局限，尤其是在数据类型和研究方法上。因此，未来的研究应更加注重采用纵向数据，以全面捕捉多病共存的发展过程，并探索如何通过干预措施改善特定群体的健康结局。同时，研究应更多地关注那些能够被改变的社会因素，以制定更具针对性和实效性的干预策略。只有通过深入理解社会人口学因素的相互作用，才能更有效地应对多病共存带来的健康挑战，促进健康公平。