挪威HUNT研究：基于工具变量分析的BMI与长期病假风险因果关联研究

　　本研究通过创新的工具变量(IV)分析方法，利用子代BMI作为工具变量，揭示了高体重指数(BMI)与长期病假(尤其是肌肉骨骼疾病相关病假)之间的因果关联。研究人员基于挪威HUNT队列21,918名成年人的数据，结合国家登记系统，发现BMI每增加1个标准差(SD)，男性肌肉骨骼病假风险增加17%(HR=1.17)，而工具变量分析进一步验证了这一因果关联。该研究为肥胖相关职业健康政策制定提供了高级别证据。

　　

在现代职场健康管理中，肥胖与工作能力的关系始终存在"鸡生蛋还是蛋生鸡"的困惑：究竟是高体重指数(BMI)导致病假增加，还是健康问题引发体重变化？这个因果难题困扰着流行病学家和职业健康专家。随着全球肥胖率持续攀升（Ng et al., 2014），厘清这一关系对公共卫生政策制定至关重要。挪威HUNT研究团队在《European Journal of Epidemiology》发表的最新研究，通过创新的工具变量(Instrumental Variable, IV)分析方法，为这一争论提供了新的证据。

研究团队利用挪威HUNT3(2006-2008)和HUNT4(2017-2019)两期人群队列，纳入21,918名20-60岁成年人，通过国家登记系统追踪其长期病假(≥31天)记录。创新性地采用子代BMI作为工具变量，克服传统观察性研究中反向因果(即病假导致体重变化)的干扰。研究同时分析了全病因病假及肌肉骨骼(M00-M99)、心理健康(F00-F99)两类主要病假原因。

关键技术方法包括：1) 基于HUNT队列的跨代设计，将参与者与子代BMI数据(来自Young-HUNT)通过国民身份证号链接；2) 工具变量分析中的两阶段法：第一阶段建立子代BMI与父母BMI的关联(F统计量达607-855)，第二阶段估算BMI对病假的因果效应；3) Cox比例风险模型分析年龄标准化BMI z分数与病假风险；4) 通过偏倚成分图评估残余混杂。

主要结果呈现三个重要发现：

【BMI与病假的常规分析】

显示明确的剂量反应关系：BMI每增加1个SD，男性肌肉骨骼病假风险显著增加(HR=1.17, 95%CI 1.13-1.22)，女性全病因病假风险增加10%(HR=1.10, 1.08-1.13)。但存在J型曲线特征，提示低BMI群体可能受未测量疾病干扰。

【工具变量分析结果】

支持BMI的因果效应：IV估计值显示，BMI每SD增加导致女性肌肉骨骼病假风险上升17%(HR=1.17, 1.04-1.32)，男性全病因病假风险增加11%(HR=1.11, 0.97-1.26)。线性关系特征提示常规分析中的J型曲线可能源于反向因果偏倚。

【性别差异现象】

仅在女性中发现BMI与心理健康病假的正关联(HR=1.04, 0.99-1.08)，男性则无显著关联。作者推测这可能反映社会对女性体型的压力差异，或男性心理健康问题的异质性病因。

讨论部分强调三个关键突破：首先，通过子代BMI作为基因和环境因素的"自然实验"，有效规避了传统研究中最棘手的反向因果问题。其次，偏倚成分图分析揭示工具变量虽不能完全消除社会行为因素的残余混杂（如吸烟、教育等），但相比常规分析更能抵御健康选择偏倚。最后，研究证实肌肉骨骼疾病是BMI影响职业健康的核心通路，这对针对性 workplace intervention 设计具有指导价值。

该研究的局限包括：子代BMI可能通过家庭压力等非生物学途径影响父母病假风险；BMI未能区分脂肪/肌肉组成；样本代表性问题（需同时参与HUNT和拥有子代数据）。尽管如此，这项研究为理解肥胖与劳动能力的关系提供了方法学创新和实质性证据，提示体重管理应纳入职业健康促进的核心靶点。未来研究可结合多基因风险评分等工具，进一步分解遗传与环境因素的贡献。