Nature Medicine | 综合多个数据库，应用固定效应模型和Meta分析发文一区 IF=82.9

2023年9月，《Nature Medicine》（一区，IF=82.9）杂志发表题为：" Hobby engagement and mental wellbeing among people aged 65 years and older in 16 countries“ 的研究论文。

这是一项纵向研究。利用中国健康与养老追踪调查(CHALRS)、英国老龄化纵向研究（ELSA）、日本老年学评估研究（JAGES）、美国健康与退休研究（HRS）、欧洲健康老龄化和退休调查（SHARE）五个国家的养老数据集，该项目旨在协调五项纵向研究中代表的 65 个国家 65+ 岁成年人的爱好参与和心理健康措施，并探讨与心理健康的关系、关联方向和国家发现的差异。结果表明，有爱好与较少的抑郁症状、更高水平的自我报告健康、幸福感和生活满意度有关。

摘要与主要结果

一、摘要

背景：不断增长的老龄化人口对全球健康构成威胁，因为他们所经历的社会和心理挑战。为了缓解这种情况，许多国家提倡爱好参与，以支持和改善心理健康。然而，尚不清楚不同国家环境中的惠益是否一致。

方法：我们在五项纵向研究中协调了16个国家的爱好参与度和心理健康的多个方面的测量（N = 93,263）。各国的业余爱好参与率差异很大，从西班牙受访者的51.0%到丹麦受访者的96.0%不等。应用固定效应模型和多国meta分析来比较爱好与心理健康之间的纵向关联。

结果：与混杂因素无关，有爱好与较少的抑郁症状（汇总系数= -0.10;95%置信区间（CI）= -0.13，-0.07）和更高水平的自我报告健康（汇总系数= 0.06;95%CI = 0.03,0.08），幸福感（汇总系数= 0.09;95%CI = 0.06,0.13）和生活满意度（汇总系数= 0.10;95%CI = 0.08,0.12）相关。进一步的分析表明存在时间关系。这些关联的强度和爱好参与的普遍性与预期寿命和国民幸福水平等宏观因素相关，但总体而言，国家层面的因素（<9%）解释的研究结果差异很小。

结论：鉴于研究结果的相对普遍性，确保国家内部和国家之间爱好参与的平等应该是促进健康老龄化的优先事项。

二、研究结果

1.基线特征

不同国家受访者的平均年龄在71.7岁至75.9岁之间。总体而言，参与调查的女性比例较高（中国、日本和德国除外）。除居住在中国、日本和西班牙的人外，十分之七以上的人已退休。超过 60% 的参与者长期存在精神或身体健康问题（表 1）。在爱好参与度方面，丹麦（96.0%）、瑞典（95.8%）和瑞士（94.4%）的参与度最高，其次是德国（91.0%）、奥地利（90.0%）和日本（90.0%）。意大利（54.0%）、西班牙（51.0%）和中国（37.6%；尽管只关注社交爱好）的参与度最低（图1和表1）。

2.爱好参与与心理健康之间的纵向关联

总体而言，爱好参与度与抑郁症状呈负相关（汇总系数 = −0.10；95% CI = −0.13, -0.07；I2 = 69.5%；H2 = 3.28；其中I2是所引起的效应大小的变异百分比 （通过研究间异质性，而不是抽样误差，H2 统计量描述了观察到的变异与抽样误差引起的预期方差的比率），与自我报告的健康呈正相关（汇总系数 = 0.06；95% CI = 0.03, 0.08; I2 = 48.1%; H2 = 1.93)，与幸福感呈正相关(汇总系数 = 0.09; 95% CI = 0.06, 0.13; I2 = 67.0%; H2 = 3.03)，与生活呈正相关满意度（汇总 系数 = 0.10；95% CI = 0.08、0.12；I2 = 33.6%；H2 = 1.51）（图2）。

3.方向性

爱好参与与随后较少的抑郁症状（汇总系数 = −0.14；95% CI = −0.19, -0.09；I2 = 70.7%；H2 = 3.41）和更好的自我报告健康状况相关（汇总系数 = 0.09；95% CI = 0.07, 0.12; I2 = 18.0%; H2 = 1.22)、幸福感(汇总系数 = 0.11; 95% CI = 0.08, 0.14; I2 = 17.7%; H2 = 1.21)和生活满意度(汇总系数 = 1.21) = 0.10；95% CI = 0.07、0.13；I2 = 21.8%；H2 = 1.28）（扩展数据图1）。

4.国家级别的因素

爱好参与的流行率与世界幸福指数得分（r = 0.63）、按人均国内生产总值衡量的国家财富（r = 0.49）和预期寿命 （r = 0.39）呈正相关，与衡量一个国家 内收入不平等的基尼指数（r = -0.63）呈负相关（图3）。

4.敏感性分析

当使用多重插补来解释缺失数据时，结果在很大程度上是重复的（补充表2）。当包括55 +的受访者时（日本除外，所有参与者均为65 +），爱好参与与各国结果之间纵向关联的证据变得更强，可能是因为受访者人数增加（补充表3）。

当分析按性别分层时，我们发现各国之间存在一些差异。然而，来自meta分析的汇总效应量显示，从事爱好仍然对女性（抑郁症状：汇总系数= -0.10;95%CI = -0.15，-0.06;自我报告的健康：汇总系数= 0.06;95%CI = 0.03,0.08;幸福感：汇总系数= 0.08;95%CI = 0.03,0.12;生活满意度：汇总系数= 0.10;95%CI = 0.07,0.14）和男性（抑郁症状：汇总系数= -0.09;95%CI = -0.12， −0.06;自我报告的健康状况：合并系数 = 0.06;95% CI = 0.03， 0.09;幸福：汇总系数 = 0.10;95% CI = 0.07， 0.12;生活满意度：合并系数 = 0.09;95% CI = 0.06， 0.11）（女性的扩展数据图8和男性的扩展数据图9）有益。

当仅考虑退休的受访者时，爱好参与的潜在积极影响仍然存在（抑郁症状：汇总系数= -0.09;95%CI = -0.12，-0.06;自我报告的健康：汇总系数= 0.06;95%CI = 0.03,0.09;幸福：汇总系数= 0.09;95%CI = 0.05,0.13;生活满意度：汇总系数= 0.09;95%CI = 0.07,0.11）（扩展数据图10）。此外，多层次模型分析也显示国家养老金年龄没有调节作用（扩展数据图2f）。

为了评估所测量的爱好类型（二元测量或从选项列表创建的指数）是否是研究之间效应大小差异的原因，进行了亚组meta分析。汇总分析显示，测量值之间没有亚组差异;爱好继续与所有结局相关（P > 0.05;补充表4）。我们还在合并数据集的多级模型中包括了一个捕获爱好测量类型的变量，但结果不受影响，这表明测量偏差不是研究结果的基础（扩展数据图2）。即使在我们探索方向性的分析荟萃分析中排除CHARLS数据（仅关注社交爱好而不是孤独爱好），结果也是一致的（扩展数据图1）。

设计与统计学方法

一、研究设计

P（Population）参与者：五个大型队列研究（英国老龄化纵向研究（ELSA）、日本老年学评估研究（JAGES）、美国健康与退休纵向研究（HRS）、欧洲健康老龄化和退休调查（SHARE）和中国健康与养老追踪调查（CHARLS））中65 +年龄的参与者

E（exposure）暴露因素：爱好，定义为人们在闲暇时间从事的娱乐活动，比如说搞艺术、做手工艺、阅读、玩游戏、运动、搞园艺、做志愿服务、参加各种社团/俱乐部等等活动

O（outcome）结局：心理健康

S（Study design）研究类型：纵向研究

二、统计方法

1.首先，使用固定效应回归分别分析每个国家的数据

2.使用随机效应模型将我们的发现合并到多国meta分析中，以估计所有结局的总体效应大小。报告了汇总效应量和95%CI。使用限制最大似然算法估计研究间异质性，并使用I 2 和H 2 统计量进行评估。

3.抽样变异性较低，估计值更精确，因此对meta分析进行了加权

4.还通过爱好测量进行了亚组分析，以探索效应大小的差异是否可能归因于每项纵向研究中提出爱好问题的方式

5.进一步运行了meta回归，以使用五个国家级因素来探索meta分析中的异质性方差

6.运行OLS回归，估计在时间1测量的爱好与在时间2测量的结果之间的关联，同时控制基线结果和协变量

7.使用不同的统计方法（使用Arellano-Bond估计器模型的滞后固定效应模型）在ELSA数据集上测试了发现的一致性，其中有足够的重复波（九个可用）

8.对于固定效应和回归分析，应用列表删除来处理缺失的数据

9.最后，我们进行了一组敏感性分析，以探索爱好参与与心理健康之间关联的稳健性：①通过链式方程使用多重插补来插补所有包括波的爱好参与度、心理健康结果和时变协变量的缺失数据后，重新进行了分析。②使用ELSA，HRS，SHARE和CHARLS这四个数据集复制了分析，并将受访者范围扩大到年龄在55 +的人。③按性别（女性和男性）对受访者进行分层

10.Stata v.17用于分析

一个专门做公共数据库的公众号，关注我们