Advanced Search
数据分析与知识发现, 2019, 3(4): 13-21
doi: 10.11925/infotech.2096-3467.2018.1026
互联网环境下公民健康素养对健康风险的抑制效应分析*——基于CHNS数据的慢性病实证研究
The Inhibition Effect of Health Literacy on Health Risk Under the Internet Environment: An Empirical Study of Chronic Diseases Based on CHNS Data
宋士杰1, 赵宇翔2,, 韩文婷3, 朱庆华1

摘要:

【目的】探究互联网背景下健康素养对健康风险的影响及对全民健康的意义。【方法】梳理健康素养对健康风险抑制的作用机理并提出相关假设, 利用“反事实”设计与倾向得分匹配的方法估计互联网环境对健康素养的处理效应, 并以分位数回归方法估计健康素养对于健康风险的抑制作用。【结果】实证结果表明: 接触互联网环境的个体更可能获得更高健康素养, 而更高的健康素养更能抑制慢性病的健康风险。【局限】二手数据限制, 无法从更微观的认知视角研究健康素养对健康风险抑制的心理效应。【结论】根据实证结果从优化信息环境、培育健康素养、识别健康风险等方面提出若干政策建议, 有利于“健康中国”战略目标的实现。

关键词: 信息环境 ; 健康素养 ; 健康风险 ; 倾向得分匹配 ; 分位数回归

Abstract:

[Objective] To explore the impact of health literacy on health risks and its implications for national health improvement under the Internet environment. [Methods] First, we reviewed the inhibition effect of health literacy on health risk and posited the related hypotheses. Then we estimated the effect of Internet environment on health literacy by using counterfactual design and propensity score matching methods. Finally, the quantile regression approach was used to estimate the heterogeneity inhibition effect of health literacy on health risk. [Results] The results of empirical study showed that individuals exposed on Internet environment are more likely to have higher health literacy, and individuals with higher health literacy could inhibit the health risks of chronic diseases. [Limitations] Due to the constraints of secondary data, this study can't further investigate the micro cognitive mechanism on how the health literacy can inhibit the health risk. [Conclusions] Based on the empirical results, we proposed some political implications from multiple perspectives such as information environment improvement, health literacy training, and health risk identification to facilitate the realization of the “Healthy China” national strategy.

Key words: Information Environment ; Health Literacy ; Health Risk ; Propensity Score Matching ; Quantile Regression

1 引 言

20世纪90年代以来, 健康素养(Health Literacy)在医疗卫生、人口经济、以及信息科学等领域引起广泛热议。健康素养一般指“个体获得、处理与理解基本健康信息与服务, 并利用这些健康信息与服务做出恰当健康决策的能力”[1]。中国卫生部于2008年发布《中国公民健康素养——基本知识与技能(试行)》, 该文件迅速成为各级医疗与教育机构传播健康信息的重要依据。2016年, 中共中央、国务院印发并实施了《“健康中国2030”规划纲要》, 纲要中将“健康素养水平持续提高”列为战略目标[2]

笔者认为健康素养之所以对公民健康有着重大战略意义, 是由于其对疾病预防, 尤其对慢性病预防的作用上。慢性病危害严重, 为社会造成巨大的负担, 但慢性病往往具有一些共同成因, 健康素养能帮助人们预防那些导致慢性病的高危因素, 如高血压、糖尿病、肥胖症、癌症等很大程度上可以通过提高营养健康知识、改善生活环境、改变生活习惯等措施提前预防。在此背景下, 国务院办公厅印发了《中国防治慢性病中长期规划(2017-2025年)》, 并突出强调“每个人是自己健康第一责任人”的健康素养核心理念。

信息科学与健康素养天然相关, 虽然在健康信息学领域已有相关学者分析了“互联网+”战略与全民健康结合的问题[3], 梳理了网络健康信息生态系统的要素构成[4], 对各类人群在网络环境下的健康信息获取建立了相关模型[5,6,7,8], 并从国家战略的角度分析了健康素养与健康信息传播利用的关系[9], 但在互联网信息背景下探索健康素养对公民健康风险抑制作用的实证研究还很少。鉴于此, 本研究以慢性病健康风险为例, 通过文献梳理就信息环境、健康素养与健康风险间的相关关系提出假设并构建相应实证模型, 利用中国营养健康调查数据对实证模型加以检验。

本文的创新性体现在如下方面: 首先所选样本源于权威调查数据, 具有较强的代表性。其次, 从方法论角度, 在计量模型的选择上, “反事实”设计与倾向得分匹配能降低选择性偏误带来的内生性问题, 从而提升模型的稳健性; 分位数回归有助于刻画解释变量对于被解释变量的影响在整个条件分布上的全貌。最后, 本文研究结论为慢性病预防与控制提供了基于健康信息学视角的理论启示, 对“健康中国”战略目标的实现具有一定现实意义。

2 理论基础

健康素养概念可追溯至20世纪70年代的健康教育研究[10], 由于健康素养概念涉及到医学、教育学、传播学、公共政策等诸多领域, 健康素养概念在发展过程中逐渐形成了多样化的定义, 目前世界卫生组织(WHO)、美国医学会(AMA)、美国医学研究院(IOM)对健康素养所做的定义接受度相对较高。本研究基于美国医学研究院的定义, 认为“健康素养是个体获得、处理与理解基本健康信息与服务, 并利用这些健康信息与服务做出恰当健康决策的能力”[1]。由于健康素养与信息的紧密联系, “健康素养”又与“信息素养”概念一起衍生出“健康信息素养”概念, 美国医学图书馆学会认为“健康信息素养指一系列识别健康信息需求、知晓如何获得健康信息并评估健康信息、并利用健康信息做出良好健康决策的能力总和”[11]。笔者认为因为健康素养概念与信息天然相关, 在术语层面较难对二者做本质区别, 考虑到在国际健康信息研究领域健康素养的提法更为常见, 因此在本文中统一使用“健康素养”一词。

根据媒体丰富度理论, 信息环境的差异带来媒体丰富度(或称信息丰富度)差异, 即不同信息环境在传递丰富信息时具有差异化的能力[12]。Web2.0的发展极大提升了互联网的媒体丰富性, 以健康信息传播为例, 互联网提供的搜索引擎、专业网站、列表服务等能让用户及时通过检索症状得知其疾病类型并调整自身的健康行为。此外, Web2.0下丰富的社会化媒体如在线社区、聊天群组、即时通讯工具、社会化问答网站等为用户拓展了比线下环境更广泛的人际网络, 能方便快捷地通过社会化问答平台和垂直在线社区找到有相似经历的网友进行深入的互动交流。与线下人际关系网络相比, 互联网环境的天然匿名性可使用户自由寻找一些日常生活中不便向他人透露的健康问题, 从而获得更频繁的信息交换机会。刘宸等[13]通过混合截面数据的实证研究发现互联网可以打破普通疾病的知识壁垒, 在互联网环境中医疗信息存在明显的溢出效应。Cotten等[14]认为相较于线下传播渠道, 互联网环境具有显著的健康信息传播优势。因此得到假设:

假设1: 互联网信息环境对健康素养培养具有正向影响。

健康素养之所以被广泛关注很大程度上因为其能对个体健康产生不同程度的健康影响(Outcomes)。Paasche-Orlow等[15]从理论上勾勒出健康素养到健康影响的因果关系路径, 认为健康素养可以通过影响个体健康医疗服务的使用、个体与医疗机构的互动以及个体的自我保健三方面, 从而产生不同程度的健康影响。近年, 各领域针对低健康素养对人群的不良健康影响进行了广泛研究。在医疗健康使用上, Berkman等[16]发现低健康素养人群往往更频繁地使用急诊与住院服务, 而较少进行疾病前期筛查与疫苗接种。在与医疗机构互动方面, 低健康素养者对于自身健康处境相对不明朗, 描述医疗需求和疾病症状时更加吃力[17], 疾病治疗时常表现出信心不足从而错失及时治疗机会[18]。在与慢性病(如高血压、糖尿病、心血管疾病等)有关的自我治疗与保健上, 低健康素养者对慢性病了解不足从而易引致更多不良健康影响的情况较为普遍[17,19]。如Schillinger等[20]以2型糖尿病为研究对象, 通过对400余名糖尿病人的追踪调查发现低健康素养患者比高健康素养患者更难有效地严格控制血糖, 并伴有更高的视网膜病变率, 低健康素养状况在不同程度上增加了糖尿病相关疾病的病患负担。基于此, 提出如下假设:

假设2: 健康素养对健康风险具有抑制作用。

3 模型与方法
3.1 模型设定

本研究以两个简化式(Reduced Form)模型分别描述信息环境对健康素养, 以及健康素养对健康风险的影响, 以验证假设1与假设2。

$Literac{{y}_{i}}=\alpha +\beta Onlin{{e}_{i}}+\gamma {{X}_{i}}+{{u}_{i}}$ (模型1)

$Ris{{k}_{i}}=\alpha +\beta Literac{{y}_{i}}+\gamma {{X}_{i}}+{{u}_{i}}$ (模型2)

其中, i指第i个受访者, Literacy代表个体健康素养, Online代表个体是否能接触到互联网信息环境, Risk代表个体健康风险, Xi中包含一系列可观测的控制变量, 包括年龄、性别、受教育水平、城乡属性、所在省份等, ui则是误差项。

3.2 估计方法

(1) 倾向得分匹配

为解决模型1可能包含的自选性偏差, 对模型1在使用“反事实”设计(Counterfactual Design)的基础上以倾向匹配得分(Propensity Score Matching, PSM)进行处理效应估计。PSM最早由Rosenbaum等[21]于1983年提出, 运用“反事实”设计思想通过建立“处理组”与“控制组”形成一个近似随机化实验场景, 处理组中包含已经发生的真实结果, 控制组中则包含实际上未发生的潜在结果。以模型1为例, 处理组包含日常能接触到互联网信息环境的个体, 控制组则包含实际上未能接触互联网信息环境但有潜在可能上网的个体, 如果从处理组中可以匹配到一个或多个和控制组中特征类似的个体, 其两者的健康素养差异就是因为事件能否接触互联网信息环境带来的平均处理效应(Average Treatment Effect on the Treated, ATT), 给实际发生的个体匹配具有相同特征但未发生处理事件的过程形成一个“反事实”过程。

用PSM构建“反事实”设计时首先使用Logistic回归模型来预测个体接触互联网信息环境的条件概率, 即样本的倾向得分值, 如公式(1)所示。

${{P}_{i}}=P\mathrm{(}Onlin{{e}_{i}}/{{Z}_{i}}\mathrm{)}=E(Onlin{{e}_{i}})=\frac{1}{1+{{e}^{-(\delta +\sigma {{Z}_{i}})}}}$ (1)

其估计式如公式(2)所示。

$\ln \frac{{{P}_{i}}}{1-{{P}_{i}}}=\delta +\sigma {{Z}_{i}}+\mu$ (2)

其中, Pi表示第i个被访者接触互联网信息环境的概率, σ为估计系数, Zi为个体可能接触互联网信息环境的影响因素, 包含年龄、性别、受教育水平、城乡属性、所在省份等, μ为误差项。通过极大似然估计计算出倾向得分值, 采用一定的匹配方法对倾向得分值进行处理, 从而得到与处理组相匹配的对照组。

Rosenbaum等[21]证明如果给定PSM条件下样本满足随机分布, 那么ATT就可以用以下方法估计, 如公式(3)所示。

$\begin{align} & AT{{T}_{PSM}}=E\left\{ {{Y}_{1i}}-{{Y}_{0i}}|{{D}_{i}}=1 \right\} \\ & =E\left\{ E\left[ {{Y}_{1i}}-{{Y}_{0i}}|{{D}_{i}}=1 \right],P({{X}_{i}}) \right\} \\ & =E\left\{ E\left[ {{Y}_{1i}}|{{D}_{i}}=1,P({{X}_{i}}) \right]-E\left[ {{Y}_{0i}}|{{D}_{i}}=1,P({{X}_{i}}) \right]|{{D}_{i}}=1 \right\} \\ & =E\left\{ E\left[ {{Y}_{1i}}|{{D}_{i}}=1,P({{X}_{i}}) \right]-E\left[ {{Y}_{0i}}|{{D}_{i}}=0,P({{X}_{i}}) \right]|{{D}_{i}}=1 \right\} \\ \end{align}$ (3)

其中, Di是处理变量, 取1时代表接受处理, 取0时代表未接受处理, 在本模型中取1即表示第i个访问者能接触互联网信息环境, 取0即表示第i个访问者未能接触互联网信息环境。Y1i表示个体接受处理后的结果, 在本模型中作为处于互联网信息环境个体的健康素养水平, Y0i表示个体未接受处理的结果, 在本模型中作为未处于互联网信息环境个体的健康素养水平, Xi是协变量。

(2) 分位数回归

为考察解释变量对于被解释变量的影响并刻画整个条件分布的全貌, 对于模型2使用Koenker等[22]于1978年提出的分位数回归(Quantile Regression)方法。分位数回归基于被解释变量的条件分位数进行回归, 是对基于均值的最小二乘估计的一种扩展。分位数回归假设随机变量Y的分布函数为${{F}_{Y}}(y)=P(Y\le y)$, q代表回归线以下的数据占全体数据的百分比, 则Y的分位数q可定义如公式(4)所示。

${{Q}_{Y}}(q)=F_{Y}^{-1}(q)=\inf \left\{ y:{{F}_{Y}}(y)\ge q \right\}$ (4)

其中, $0<q<1$。对于y的分布而言, y的整个分布被q截为两个部分, 存在比例为q的部分小于分位数Q(q)而比例(1-q)的部分大于分位数Q(q)。假设条件分布$y|x$的总体q分位数yq(x)是x的线性函数, 即${{y}_{q}}({{x}_{i}})={{{x}'}_{i}}{{\beta }_{q}}$, 其中${{\beta }_{q}}$被称为q分位数回归系数, 其估计量${{\hat{\beta }}_{q}}$由以下最小化问题定义并求解:

$\underset{{{\beta }_{q}}}{\mathop{\min }}\,\left\{ \sum\nolimits_{i:{{y}_{i}}\ge {{{{x}'}}_{i}}{{\beta }_{q}}}^{n}{q\left| {{y}_{i}}-{{{{x}'}}_{i}}{{\beta }_{q}} \right|}+\sum\nolimits_{i:{{y}_{i}}<{{{{x}'}}_{i}}{{\beta }_{q}}}^{n}{(1-q)\left| {{y}_{i}}-{{{{x}'}}_{i}}{{\beta }_{q}} \right|} \right\}$

综上, 从概念体系出发, 本文首先梳理了互联网信息环境、健康素养、健康风险间的可能关系, 从互联网信息环境与健康素养的概念关系得到假设1, 从健康素养与健康风险的概念关系得到假设2。继而分别构建了简化式模型1与模型2分别描述对应的两则假设。为解决自选性偏差, 对模型1的估计使用倾向得分匹配; 为考察解释变量对于被解释变量在整个条件分布上的影响, 对模型2的估计使用分位数回归。整体研究思路如图1所示。

图1 总体研究思路

4 数据来源与变量操作

本文采用中国营养健康调查(China Health and Nutrition Survey, CHNS)2015年度调查数据(①http://www.cpc.unc.edu/projects/china/.)。CHNS是由北卡罗来纳大学教堂山分校人口中心与中国疾病预防和控制中心共同完成的持续性调查项目, 旨在探索社会与经济转型如何影响人口的营养与健康状况。该调查采用多阶段分层整群随机抽样方法, 调查对象涵盖中国12省份或直辖市, 一万多个被调查个体。调查内容涉及被调查者的人口学特征、收入状况、健康状况、医疗保健利用、医疗保险、个体生活习惯等内容。

Nutbeam[23]指出健康素养的测量可以包含健康知识、健康态度、行为意图、个人能力以及自我效能等方面; Spronk等[24]也认为膳食知识是健康素养的基本组成部分, 因此本文用居民对膳食知识的了解程度作为健康素养的代理变量, 用平时是否“在家上网”或“通过智能手机/iPad或类似的设备”上网作为网络信息环境的代理变量。相关研究表明高油、高盐摄入与高血压患病风险显著相关[25], 而高糖的摄入与超重肥胖、2型糖尿病与心血管疾病等显著相关[26]。本研究以“富贵病”为例, 使用居民对高油(披萨、汉堡包等快餐), 高盐(薯条、炸土豆片、脆饼干等咸的零食), 高糖(软饮料及含糖的果汁饮料)食物的整体偏好作为慢性病健康风险的代理变量, 所有实证分析的健康风险皆指与慢性病相关的健康风险。

此外, 本文亦包含若干控制变量, 如年龄、受教育水平、性别、城乡属性、所在省份。其中年龄为被调查者于调查年份时的实际年龄; 受教育水平为分类有序变量, 取值1-5分别代表小学毕业、初中毕业、中专或高中毕业、大专或大学毕业、硕士以上学历毕业; 性别、城乡属性、所在省份皆为虚拟变量。考虑到青少年与老年人健康状况的特殊性, 只选取实际年龄为20-80岁的样本。各变量描述性统计结果如表1所示。

表1 变量描述性统计(N=12 274)

5 实证结果与分析
5.1 倾向得分匹配分析

运用PSM方法估计平均处理效应时, 首先使用不同协变量组合得到倾向得分, 使用Logistic模型得到研究对象处于网络信息环境时(Online=1)的概率, 协变量组合包含教育水平、年龄、性别及其他外生控制变量, 并用Logistic模型估计倾向得分值对样本进行匹配。再利用Stata 15软件分别做1:1, 1:2, 1:3的最小近邻匹配, 测算匹配后接触网络信息环境与不接触网络信息环境两组样本的处理组平均处理效应ATT, 并计算出相应的95%水平置信区间, ATT结果如表2所示。

表2 最小近邻匹配ATT结果

匹配结果表明, 在三种最小近邻匹配中, 处理组平均处理效应都在0.1%水平上高度显著, 在1:1最小近邻匹配时, 处理组的平均处理效应比控制组高出0.79, 在1:2以及1:3最小近邻匹配时, 该效应分别为0.85与0.83, 因此网络信息环境对个体的健康素养提高具有显著正向处理效应, 假设1得到数据支持。

为检验匹配结果的稳健性, 以1:1最小近邻匹配为例, 计算匹配前后处理组与控制组的倾向得分, 绘制箱线图如图2所示, 发现在匹配前两组样本的差异极为显著, 匹配后两组样本在倾向得分值上几乎不存在系统性差异, 即匹配后的样本具有较优的平衡性, 匹配后ATT的结果具有较好的稳健性。

图2 匹配样本平衡性检验

5.2 分位数回归分析

使用最小二乘估计(Ordinary Least Square, OLS)估计健康素养变化对于健康风险的平均效应作为研究基准。为全面刻画健康素养对健康风险的分布状况, 本文对10%至90%各个分位数进行回归, 由于篇幅所限, 10%、30%、50%、70%、90%分位点的结果如表3所示, 包含其余各分位点的完整结果如图3所示。分位数回归的估计基于Bootstrap密集算法通过不断进行有放回的抽样而获得样本的置信区间, 由于所使用的数据集样本量较大, Bootstrap的次数不会对结果产生显著影响, 因此只选用20次迭代后的估计结果。

表3 分位数回归结果

图3 健康素养对健康风险的边际抑制效应

OLS回归发现, 在控制其他因素不变时个体健康素养每上升1个单位, 健康风险就下降0.154个单位。分位数回归结果与OLS回归结果一致, 分位数回归显示健康素养对健康风险在10%至90%的各个分位点上的回归系数都在0.1%的显著水平上为负, 说明健康素养的提高不论对处于哪个分位点上的人群来说都有显著的健康风险抑制效应。

图3描述了健康素养对健康风险在不同分位点上的边际贡献。阴影部分为估计量的95%置信区间。如果以50%分位点将人群平均划分为右侧的高风险人群以及左侧的低风险人群, 则发现健康素养对高风险人群健康风险的边际抑制效应显著大于低健康风险人群, 然而也应该注意到边际效应曲线并非单调递减, 即健康素养对健康风险的抑制效应并非单调递增, 对于最高风险的10%人群, 健康素养对健康风险的边际贡献略微有所下降, 从而使边际效应曲线呈现右偏的V形。笔者认为, 出现这样现象的原因可能是这部分最高风险的人群其高风险的原因往往是内生的, 如出于个体异质性对某类食物的强烈偏好等, 在这样的情况下健康素养提高依然可以在很大程度上抑制其饮食带来的健康风险, 但由于存在不受控的内生变量, 最高0.1边际效应与上一个十分位的人群比却略微有所减小。

值得注意的是在控制变量中受教育程度对慢性病健康风险有正向影响, 这与倪国华等[29]的研究结论一致, 他们发现在中国高血压、糖尿病、肥胖等富贵病的健康威胁存在鲜明的社会阶层差异, 高级技术人员或管理者身份对于这些健康威胁的增加具有显著正向作用。在本研究中受教育水平越高可能意味着有更大概率从事高技术或管理工作, 由于职业特质导致的饮食习惯可能会加重慢性病健康风险。

6 政策建议

根据以上实证结果, 本文提出如下政策建议:

(1) 优化信息环境, 积极开展互联网健康信息服务, 推动“互联网+健康医疗”的建设。本文研究结果表明日常能接触到互联网环境的个体更有可能获得更高的健康素养。因此, 利用互联网的优势开展健康服务, 对于提升全民的健康素养而言, 很可能具有积极的推动作用。建议各级政府:

①加强基础设施建设, 扩大互联网的覆盖区域, 为公民获取健康信息提供便利的信息环境, 提高医疗健康信息的可及性;

②支持医疗机构搭建互联网信息平台, 鼓励在线健康社区等社会化平台的发展, 以便于大范围地开展在线问诊、健康咨询、病友交流、自我健康管理等服务;

③重视行业监管与安全保障, 加强医疗信息与医疗数据的规范管理, 以防范健康信息在互联网传播中可能带来的负面影响。

(2) 重视健康素养的培养, 将全民健康放在优先战略地位。本文已经验证健康素养对健康风险具有一定的抑制作用, 因此重视提升公民的健康素养, 将有利于“健康中国”这一国家战略的实现。建议各级政府积极响应国家战略, 将全民健康的战略目标融入日常决策中:

①积极开展各类健康知识宣传与科普服务, 如发放膳食营养知识的宣传册、开展慢病知识小讲堂等, 丰富公民的健康知识, 提升公民基础素养;

②利用新媒体等各类传播手段, 定期开展健康咨询、问诊等活动, 拓宽公民获取健康知识的渠道, 提高公民获取健康知识的意识, 提升公民的沟通素养;

③加强健康知识传播过程中的监管, 开展健康知识辟谣等活动, 帮助公民识别科学的健康知识、进行正确的健康管理, 提升批判思考素养。

(3) 注意识别健康风险, 健全疾病预防体系, 尤其是慢性病的预防体系。慢性病的治疗费用在社会医疗总支出中占有较大比重, 而利用一系列的预防措施可有效避免这一巨大支出。因此, 健全疾病预防体系, 尤其是慢性病的预防体系, 对于促进全民健康、改善社会福利而言, 具有重要意义。建议各级政府:

①出台健康风险、疾病指标等一系列基础标准, 如血糖、血压、血脂等相关指标, 帮助公民进行自我疾病排查与健康管理;

②定期组织免费健康体检等活动, 了解全民健康状况, 帮助公民提前识别健康风险并采取相应的预防措施, 提供个性化健康服务;

③建设疾病知识管理平台、疾病知识交流社区等, 提高公民健康素养, 引导公民之间的相互监督, 以有效抑制健康风险。

7 结 语

由于膳食结构和生活方式的变化, 慢性疾病日益成为发展中国家和新晋发达国家中残疾和早逝的重要根源, 于个体而言这些疾病给患者造成了深重的不便与苦难, 于国家而言则进一步加剧了原本就沉重的国家健康预算负担[30]。然而这些慢性疾病并非不可控制, 具备健康素养的公民完全可以通过健康自我管理在很大程度上抑制并减轻健康风险, 因此对公民健康素养的投资是一件花费较少但收益巨大的事情。

本文从健康素养的概念范畴出发, 从理论上梳理了健康素养对健康风险抑制的作用机理并提出相关假设, 以计量经济模型构建模型, 并利用中国营养健康调查数据, 以“反事实”设计与倾向得分匹配验证了互联网环境对健康素养的促进作用, 以分位数回归验证了健康素养对于健康风险的抑制作用, 并在此基础上提出相关政策建议。

本文也存在一些不足之处。使用公开调查数据, 虽从个体层面揭示了信息环境、健康素养、健康风险间的关系, 却囿于二手数据的局限性无法从更微观的认知层面探究以上三者之间作用的心理机制。未来研究可以在二手数据研究基础之上辅以一手数据调查、实验等定量方法, 以焦点小组、深度访谈等质性方法作为方法补充, 进一步探究健康素养对健康风险调节的心理作用机制以及信息环境在其中所起的调节作用。

作者贡献声明

宋士杰: 提出研究思路, 设计研究方案, 清洗数据, 分析数据, 撰写论文;

赵宇翔: 修订研究思路, 确定研究框架, 部分论文撰写;

韩文婷: 数据采集, 论文修订;

朱庆华: 修订研究思路, 论文最终版本修订。

利益冲突声明

所有作者声明不存在利益冲突关系。

支撑数据

支撑数据由作者自存储, E-mail: ssong@smail. nju.edu.cn。

[1] 宋士杰. CrossSectionData.dta. CHNS 2015年截面数据.

参考文献

[1] Kindig D A, Panzer A M, Nielsen-Bohlman L.Health Literacy: A Prescription to End Confusion[M]. National Academies Press, 2004.
[本文引用:2]
[2] 中共中央, 国务院. “健康中国2030”规划纲要[M]. 北京: 人民出版社, 2016.
[本文引用:1]
(The Central Committee of the Communist Party of China, The Sate Council. “Healthy China 2030” Planning Outline[M]. Beijing: People's Publishing House, 2016.)
[3] 周晓英. “互联网时代的医疗健康信息传播与利用”专题导语[J]. 图书与情报, 2015(4): 1.
正我们所处的时代是互联网时代,也是全民健康时代,互联网时代造成信息发布和接入成本下降,全民健康时代造成人人注重健康。互联网时代和全民健康时代两者结合的后果,用比较褒义的说法便是互联网健康信息成为了网络流传最广、使用频率最高、最受民众关注的信息种类之一,互联网医疗健康服务异彩纷呈,发展迅猛;用比较贬义的说法,就是互联网医疗健康信息泛滥,互联网医疗健康服务鱼龙混杂、良莠不齐。
URL     [本文引用:1]
(Zhou Xiaoying.Special Topic Introduction to the Dissemination and Utilization of Health Care Information in the Internet Era[J]. Library & Information, 2015(4): 1.)
[4] 宋丹, 周晓英, 郭敏. 网络健康信息生态系统构成要素分析[J]. 图书与情报, 2015(4): 11-18.
文章利用信息生态学相关理论,以网络健康信息为研究对象,分析网络健康信息生态系统内涵,对网络健康信息生态系统的构成要素——信息、信息节点、信息链和信息环境进行分析。最后,选取北京市30家三级甲等医院网站为对象,分析北京市三甲医院信息生态系统的构成要素。
DOI:10.11968/tsyqb.1003-6938.2015077      URL     [本文引用:1]
(Song Dan, Zhou Xiaoying, Guo Min.Analysis of the Essentials in Network Health Information Ecology System[J]. Library & Information, 2015(4): 11-18.)
[5] 周晓英, 蔡文娟. 大学生网络健康信息搜寻行为模式及影响因素[J]. 情报资料工作, 2014(4): 50-55.
文章采用案例分析和半结构化访谈法研究大学生网络健康信息搜寻行为,通过开放编码和描述性统计对调查结果进行定性和定量分析,研究用户网络健康信息搜寻行为。根据访谈和案例分析结果,提出了大学生网络健康信息搜寻行为的三种行为模式,即偶遇获取型、问题解答型、长期关注型,并分析了各种模式的特征以及影响因素。
DOI:10.3969/j.issn.1002-0314.2014.04.009      URL     [本文引用:1]
(Zhou Xiaoying, Cai Wenjuan.Universities Students Online Health Information Seeking Behavior Patterns and Influencing Factors[J]. Information and Documentation Services, 2014(4): 50-55.)
[6] 周晓英, 张璐. 基于活动理论的非线性信息搜寻行为模型研究[J]. 图书情报知识, 2018(1): 4-15.
随着信息环境复杂化和个人信息搜寻途径多样化趋势的发展,信息搜寻行为的非线性特征愈加明显。本文依据动态、复杂的非线性思维,分析影响信息搜寻行为的认知、情境和任务三个层面因素,并在此基础上结合活动理论中列昂捷夫的活动、行动、操作层级结构和恩格斯托姆活动理论模型,构建由三层级和六要素共同作用下的非线性信息搜寻行为概念模型,以要素分析为主描述信息搜寻行为。最后以健康信息搜寻行为为例,对相应活动层级结构以及主体、客体、工具、规则、共同体、劳动分工等具体模型要素加以阐释。研究表明,将用户认知层面的内在因素与情境、任务层面的外部因素,融入活动理论模型的各要素分析中,能够综合地描述信息搜寻行为过程,以期为后续非线性信息搜寻行为的研究、信息服务的提供以及交互式信息系统设计的优化提供理论支持。
DOI:10.13366/j.dik.2018.01.004      URL     [本文引用:1]
(Zhou Xiaoying, Zhang Lu.A Research on the Non-linear Information Seeking Behavior Model Based on Activity Theory[J]. Documentation, Information & Knowledge, 2018(1): 4-15.)
[7] 邓胜利, 付少雄. 定性比较分析(QCA)在图书情报学中的应用——以网络社区健康信息搜寻影响因素研究为例[J]. 情报理论与实践, 2017, 40(12): 23-28, 11.
[目的/意义]文章将定性比较分析(QCA)引入到国内图书情报领域,对于创新图书情报领域的实证研究方法,提升学科水平都是大有裨益的。[方法/过程]对QCA的概念及原理进行详细阐述,运用QCA方法与相关性分析研究了网络社区健康信息搜寻影响因素,对比了QCA方法与相关性分析的差异性。[结果/结论]结果显示,作为一种社会科学研究工具,QCA方法结合定量与定性分析的优势,打破了传统图书情报领域实证分析中对案例孤立化的研究,有利于探索同类案例中的潜在机制与问题成因。[局限]文章作为研究方法的引入,以网络健康社区健康信息搜寻影响因素研究为例,并未探究QCA在图情领域其他主题的运用。
DOI:10.16353/j.cnki.1000-7490.2017.12.005      URL     [本文引用:1]
(Deng Shengli, Fu Shaoxiong.Applying Qualitative Comparative Analysis to Library and Information Science: A Case Study of Influencing Factors of Network Community Health Information Seeking[J]. Information Studies: Theory & Application, 2017, 40(12): 23-28, 11.)
[8] 邓胜利, 付少雄, 陈晓宇. 信息传播媒介对用户健康信息搜寻的影响研究——基于健康素养和信息检索能力的双重视角[J]. 情报科学, 2017, 35(4): 126-132.
【目的/意义】旨在探索信息传播媒介在用户健康信息搜寻过程中的影响。【方法/过程】通过网络问卷收集了341位用户的数据,借助相关统计分析,分别从健康信息质量与用户满意度、不同情境下健康信息搜寻的媒介选择、用户健康素养及其信息检索能力与传播媒介三者关系的角度,分析了传播媒介在用户健康信息搜寻中的作用。【结果/结论】研究结果发现:健康信息质量与用户对健康信息的满意度呈显著的正相关关系;不同情境(紧急情况与非紧急情况)下用户的信息传播媒介选择存在差异,用户的媒介选择会受到信息质量、信息满意度、便利程度等因素的影响;用户的健康素养也会影响用户选择相应的媒介;同时,信息传播媒介会对用户信息检索能力和信息搜寻行为之间产生交互影响,并且不同媒介的影响作用存在差异。
URL     [本文引用:1]
(Deng Shengli, Fu Shaoxiong, Chen Xiaoyu.The Role of Information Media on User Health Information Seeking——Based on Health Literacy and Information Retrieval Capability Perspectives[J]. Information Science, 2017, 35(4): 126-132.)
[9] 周晓英, 宋丹, 张秀梅. 健康素养与健康信息传播利用的国家战略研究[J]. 图书与情报, 2015(4): 2-10.
文章论述了健康素养的概念内涵,分析了健康素养与健康信息传播利用的关系,陈述了需要从战略高度认识健康素养的原因。在研究了美国国家改善健康素养行动计划之后,分析了我国健康素养发展的现状,提出了提升我国国民健康素养的对策建议。
DOI:10.11968/tsyqb.1003-6938.2015076      URL     [本文引用:1]
(Zhou Xiaoying, Song Dan, Zhang Xiumei.National Strategic Study of Health Literacy and Health Information Dissemination and Utilization[J]. Library & Information, 2015(4): 2-10.)
[10] Simonds S K.Health Education as Social Policy[J]. Health Education & Behavior, 1974, 2(S1): 1-10.
URL     [本文引用:1]
[11] Eriksson-Backa K, Ek S, Niemelä R, et al.Health Information Literacy in Everyday Life: A Study of Finns Aged 65-79 Years[J]. Health Informatics Journal, 2012, 18(2): 83-94.
Abstract This article examines the health information literacy of elderly Finns. The results are based on a survey conducted in January 2011. The questionnaire was distributed to 1000 persons that were randomly drawn from the Finnish Population Register. The respondents were aged 65-79 years (mean age 70 years) and lived in the Turku region in Finland. A total of 281 questionnaires (28%) were returned. 脧聡(2) analyses were used to find possible relationships between demographic factors, as well as interest, seeking activity, current self-rated health and different dimensions of health information literacy, including needs, seeking and use of health-related information. Significant relationships were found between education level, interest in health information, seeking activity, self-rated current health and dimensions of health information literacy. Some categories of elderly people are more vulnerable regarding obtaining and use of health information: those with lower levels of education, those with poor health, and those who are not interested in and active at seeking information. For people who are found in any of these categories, it is important that available health-related information is understandable and can be accessed without too much effort-something that information providers should take into account.
DOI:10.1177/1460458212445797      PMID:22733677      URL     [本文引用:1]
[12] Daft R L, Lengel R H. Organizational Information Requirements, Media Richness and Structural Design[J]. Management Science, 1986, 32(5): 554-571.
This paper answers the question, "Why do organizations process information?" Uncertainty and equivocality are defined as two forces that influence information processing in organizations. Organization structure and internal systems determine both the amount and richness of information provided to managers. Models are proposed that show how organizations can be designed to meet the information needs of technology, interdepartmental relations, and the environment. One implication for managers is that a major problem is lack of clarity, not lack of data. The models indicate how organizations can be designed to provide information mechanisms to both reduce uncertainty and resolve equivocality.
DOI:10.1287/mnsc.32.5.554      URL     [本文引用:1]
[13] 刘宸, 周向红. 互联网医疗信息溢出与中国居民就诊选择——基于CHNS混合截面数据的实证研究[J]. 公共管理学报, 2017, 14(4): 78-90, 156-157.
制度、价格、医疗保险是分级诊疗的研究焦点,而"信息"的价值未被足够重视。在互联网时代,医疗信息呈现溢出态势。本文关注了互联网医疗信息溢出与居民就诊选择的关联。研究基于医疗知识的异质性构建了理论假设,而后利用2006—2011年CHNS混合截面数据和多项Logit模型进行了实证分析。结果显示,互联网医疗信息溢出引发了个体就诊选择的两极化,突出表现为自我诊疗、高等级医院对基层医疗卫生机构患者的分流。互联网打破了普通疾病的知识壁垒,产生了自我诊疗对基层医疗卫生机构的替代效应,不过疑难杂症及重大疾病的知识垄断不会被消解,自我诊疗无法替代高等级医院。信息供给的增加也为决策带来了"噪音",加剧了正规医疗机构就诊的"趋高倾向"。本文不仅将"信息"纳入了医疗卫生需求的研究分支,也为分级诊疗诱导机制的设计提供了"互联网+"的思考方向。
URL     [本文引用:1]
(Liu Chen, Zhou Xianghong. Medical Information Spillovers and Health Care Choice of Chinese Residents in the Internet Era——An Empirical Research Based on CHNS[J]. Journal of Public Management, 2017, 14(4): 78-90, 156-157.)
[14] Cotten S R, Gupta S S.Characteristics of Online and Offline Health Information Seekers and Factors That Discriminate Between Them[J]. Social Science & Medicine, 2004, 59(9): 1795-1806.
Increasing number of individuals are using the internet to meet their health information needs; however, little is known about the characteristics of online health information seekers and whether they differ from individuals who search for health information from offline sources. Researchers must examine the primary characteristics of online and offline health information seekers in order to better recognize their needs, highlight improvements that may be made in the arena of internet health information quality and availability, and understand factors that discriminate between those who seek online vs. offline health information. This study examines factors that differentiate between online and offline health information seekers in the United States. Data for this study are from a subsample ( n=385) of individuals from the 2000 General Social Survey. The subsample includes those respondents who were asked Internet and health seeking module questions. Similar to prior research, results of this study show that the majority of both online and offline health information seekers report reliance upon health care professionals as a source of health information. This study is unique in that the results illustrate that there are several key factors (age, income, and education) that discriminate between US online and offline health information seekers; this suggests that general “digital divide” characteristics influence where health information is sought. In addition to traditional digital divide factors, those who are healthier and happier are less likely to look exclusively offline for health information. Implications of these findings are discussed in terms of the digital divide and the patient–provider relationship.
DOI:10.1016/j.socscimed.2004.02.020      PMID:15312915      URL     [本文引用:1]
[15] Paasche-Orlow M K, Wolf M S. The Causal Pathways Linking Health Literacy to Health Outcomes[J]. American Journal of Health Behavior, 2007, 31(S1): S19-S26.
DOI:10.5993/AJHB.31.s1.4      URL     [本文引用:1]
[16] Berkman N D, Sheridan S L, Donahue K E, et al.Low Health Literacy and Health Outcomes: An Updated Systematic Review[J]. Annals of Internal Medicine, 2011, 155(2): 97-107.
Abstract BACKGROUND: Approximately 80 million Americans have limited health literacy, which puts them at greater risk for poorer access to care and poorer health outcomes. PURPOSE: To update a 2004 systematic review and determine whether low health literacy is related to poorer use of health care, outcomes, costs, and disparities in health outcomes among persons of all ages. DATA SOURCES: English-language articles identified through MEDLINE, CINAHL, PsycINFO, ERIC, and Cochrane Library databases and hand-searching (search dates for articles on health literacy, 2003 to 22 February 2011; for articles on numeracy, 1966 to 22 February 2011). STUDY SELECTION: Two reviewers independently selected studies that compared outcomes by differences in directly measured health literacy or numeracy levels. DATA EXTRACTION: One reviewer abstracted article information into evidence tables; a second reviewer checked information for accuracy. Two reviewers independently rated study quality by using predefined criteria, and the investigative team jointly graded the overall strength of evidence. DATA SYNTHESIS: 96 relevant good- or fair-quality studies in 111 articles were identified: 98 articles on health literacy, 22 on numeracy, and 9 on both. Low health literacy was consistently associated with more hospitalizations; greater use of emergency care; lower receipt of mammography screening and influenza vaccine; poorer ability to demonstrate taking medications appropriately; poorer ability to interpret labels and health messages; and, among elderly persons, poorer overall health status and higher mortality rates. Poor health literacy partially explains racial disparities in some outcomes. Reviewers could not reach firm conclusions about the relationship between numeracy and health outcomes because of few studies or inconsistent results among studies. LIMITATIONS: Searches were limited to articles published in English. No Medical Subject Heading terms exist for identifying relevant studies. No evidence concerning oral health literacy (speaking and listening skills) and outcomes was found. CONCLUSION: Low health literacy is associated with poorer health outcomes and poorer use of health care services. PRIMARY FUNDING SOURCE: Agency for Healthcare Research and Quality.
DOI:10.7326/0003-4819-155-2-201107190-00005      PMID:21768583      URL     [本文引用:1]
[17] Williams M V, Baker D W, Parker R M, et al.Relationship of Functional Health Literacy to Patients' Knowledge of Their Chronic Disease: A Study of Patients with Hypertension and Diabetes[J]. Archives of Internal Medicine, 1998, 158(2): 166-172.
DOI:10.1001/archinte.158.2.166      URL     [本文引用:2]
[18] Kalichman S C, Ramachandran B, Catz S.Adherence to Combination Antiretroviral Therapies in HIV Patients of Low Health Literacy[J]. Journal of General Internal Medicine, 1999, 14(5): 267-273.
OBJECTIVE: To test the significance of health literacy relative to other predictors of adherence to treatment for HIV and AIDS.
DOI:10.1046/j.1525-1497.1999.00334.x      PMID:1496573      URL     [本文引用:1]
[19] Gazmararian J A, Williams M V, Peel J, et al.Health Literacy and Knowledge of Chronic Disease[J]. Patient Education and Counseling, 2003, 51(3): 267-275.
We sought to examine the relationship between health literacy and knowledge of disease among patients with a chronic disease. A total of 653 new Medicare enrollees aged 65 years or older who had at least one chronic disease (115 asthma, 266 diabetes, 166 congestive heart failure, 214 hypertension), completed both the in-person and telephone survey. Health literacy measured by the short test of functional health literacy in adults (S-TOFHLA) and demographic information were collected during the in-person survey. Knowledge of disease was assessed by questions based on key elements in educational materials during a telephone survey. Overall, 24% of patients had inadequate and 12% had marginal health literacy skills. Respondents with inadequate health literacy knew significantly less about their disease than those with adequate literacy. Multivariate analysis indicated that health literacy was independently related to disease knowledge. There are many opportunities to improve patients knowledge of their chronic disease(s), and efforts need to consider their health literacy skills.
DOI:10.1016/S0738-3991(02)00239-2      PMID:14630383      URL     [本文引用:1]
[20] Schillinger D, Grumbach K, Piette J, et al.Association of Health Literacy with Diabetes Outcomes[J]. Journal of the American Medical Association, 2002, 288(4): 475-482.
DOI:10.1001/jama.288.4.475      URL     [本文引用:1]
[21] Rosenbaum P R, Rubin D B.The Central Role of the Propensity Score in Observational Studies for Causal Effects[J]. Biometrika, 1983, 70(1): 41-55.
DOI:10.1093/biomet/70.1.41      URL     [本文引用:2]
[22] Koenker R, Bassett Jr G.Regression Quantiles[J]. Econometrica: Journal of the Econometric Society, 1978, 46(1): 33-50.
DOI:10.2307/1913643      URL     [本文引用:1]
[23] Nutbeam D.Health Literacy as a Public Health Goal: A Challenge for Contemporary Health Education and Communication Strategies into the 21st Century[J]. Health Promotion International, 2000, 15(3): 259-267.
DOI:10.1093/heapro/15.3.259      URL     [本文引用:1]
[24] Spronk I, Kullen C, Burdon C, et al.Relationship Between Nutrition Knowledge and Dietary Intake[J]. British Journal of Nutrition, 2014, 111(10): 1713-1726.
The present systematic review examined the relationship between nutrition knowledge and dietary intake in adults (mean age ≥0218 years). Relevant databases were searched from the earliest record until November 2012. Search terms included: nutrition; diet or food knowledge and energy intake; feeding behaviour; diet; eating; nutrient or food intake or consumption. Included studies were original research articles that used instruments providing quantitative assessment of both nutrition knowledge and dietary intake and their statistical association. The initial search netted 10219302393 potentially relevant articles, of which twenty-nine were eligible for inclusion. Most of them were conducted in community populations (n22) with fewer (n7) in athletic populations. Due to the heterogeneity of methods used to assess nutrition knowledge and dietary intake, a meta-analysis was not possible. The majority of the studies (65·502%: community 63·602%; athletic 71·402%) reported significant, positive, but weak (r<020·5) associations between higher nutrition knowledge and dietary intake, most often a higher intake of fruit and vegetables. However, study quality ranged widely and participant representation from lower socio-economic status was limited, with most participants being tertiary educated and female. Well-designed studies using validated methodologies are needed to clarify the relationship between nutrition knowledge and dietary intake. Diet quality scores or indices that aim to evaluate compliance to dietary guidelines may be particularly valuable for assessing the relationship between nutrition knowledge and dietary intake. Nutrition knowledge is an integral component of health literacy and as low health literacy is associated with poor health outcomes, contemporary, high-quality research is needed to inform community nutrition education and public health policy.
DOI:10.1017/S0007114514000087      PMID:24621991      URL     [本文引用:1]
[25] 何明月, 丁凌玉, 武晓岩, . 哈尔滨市成年居民膳食模式与高血压患病关系[J]. 中国公共卫生, 2017, 33(10): 1430-1433.
目的了解中国北方城市哈尔滨居民饮食习惯和膳食模式与高血压患病关系。方法采用多阶段分层随机整群抽样方法共抽取哈尔滨市42个社区,使用食物频率表对12 865名20~74岁常住居民进行膳食调查,有效调查8 591人,使用因子分析方法建立膳食模式,应用logistic回归模型分析不同膳食模式与高血压的关系。结果 8 591名居民中,高血压患者3 386例,总患病率为39.4%,其中男性患病率为47.4%(1 447/3 051),女性为35.0%(1 939/5 540);因子分析得到5种膳食模式、即主食模式、植物食物模式、均衡膳食模式、豆类食物模式、动物食物模式;经logistic回归分析,均衡膳食模式为高血压患病的保护因素(OR=0.86,95%CI=0.81~0.92,P0.000 1),能降低高血压患病风险;对年龄、性别、教育、BM I、吸烟、饮酒、运动、高血压家族史和总能量摄入进行校正,高盐摄入组患病风险为低盐摄入组的1.62倍(OR=1.62,95%CI=1.29~2.04,P0.000 1);食用油摄入油腻组高血压的患病风险为清淡组的1.10倍(OR=1.10,95%CI=1.01~1.43,P=0.004)。结论高盐和油腻的饮食习惯,以及不均衡的膳食模式能增加我国北方居民高血压患病风险,应该调整膳食结构和饮食习惯,预防和控制高血压的发生。
DOI:10.11847/zgggws2017-33-10-04      URL     [本文引用:1]
(He Mingyue, Ding Lingyu, Wu Xiaoyan, et al.Association of Dietary Pattern with Hypertension Prevalence Among Residents in Northern China[J]. Chinese Journal of Public Health, 2017, 33(10): 1430-1433. )
[26] 李冬华, 赵丽云, 于冬梅. 添加糖摄入状况及与健康关系的研究进展[J]. 卫生研究, 2014, 43(2): 328-331.
添加糖是指在食品生产和制备过程中被添加到食品中的糖和糖浆,不包括食物天然含有的糖。添加糖主要包括白砂糖、红糖、玉米糖浆、高果糖玉米糖浆、糖蜜、蜂蜜、吃烤薄饼所用的糖浆、浓缩果汁和葡萄糖。添加糖与人体健康关系密切,目前尤其关注添加糖与微量营养素、超重肥胖、2型糖尿病与心血管疾病等关系的研究。本文就国内外对添加糖的摄入及与健康的关系研究现状进行综述。
URL     [本文引用:1]
(Li Donghua, Zhao Liyun, Yu Dongmei.Research on the Relationship Between Sugar Intake and Health[J]. Journal of Hygiene Research, 2014, 43(2): 328-331. )
[27] Abadie A, Drukker D, Herr J L, et al.Implementing Matching Estimators for Average Treatment Effects in Stata[J]. The Stata Journal, 2004, 4(3): 290-311.
This paper presents an implementation of matching estimators for average treatment effects in Stata. The nnmatch command allows you to estimate the average effect for all units or only for the treated or control units; to choose the number of matches; to specify the distance metric; to select a bias adjustment; and to use heteroskedastic-robust variance estimators. Copyright 2004 by StataCorp LP.
DOI:10.1198/jbes.2009.07333      URL     [本文引用:1]
[28] Abadie A, Imbens G W.Bias-corrected Matching Estimators for Average Treatment Effects[J]. Journal of Business & Economic Statistics, 2011, 29(1): 1-11.
In Abadie and Imbens (2006), it was shown that simple nearest-neighbor matching estimators include a conditional bias term that converges to zero at a rate that may be slower than N1/2. As a result, matching estimators are not N1/2-consistent in general. In this article, we propose a bias correction that renders matching estimators N1/2-consistent and asymptotically normal. To demonstrate the methods proposed in this article, we apply them to the National Supported Work (NSW) data, originally analyzed in Lalonde (1986). We also carry out a small simulation study based on the NSW example. In this simulation study, a simple implementation of the bias-corrected matching estimator performs well compared to both simple matching estimators and to regression estimators in terms of bias, root-mean-squared-error, and coverage rates. Software to compute the estimators proposed in this article is available on the authors web pages (http://www.economics.harvard.edu/faculty/imbens/software.html) and documented in Abadie et al. (2003).
DOI:10.1198/jbes.2009.07333      URL     [本文引用:1]
[29] 倪国华, 郑风田. 健康的阶层差异: 肥胖流行背景下“富贵病”成因研究[J]. 中国软科学, 2014(10): 71-82.
本文运用CHNS数据,以高血压和糖尿病两种常见“富贵病”为例,综合运用分位数回归、logit回归,Probit回归等方法分析了中国社会不同社会群体面临的差异性健康威胁,即所谓健康的阶层差异及其背后的原因。分析表明:中国存在健康的阶层差异,但与美国等发达国家不同,在中国,管理者身份对于被观察者是否患有高血压和糖尿病有显著正向影响,农民身份则会显著降低被观察者罹患高血压和糖尿病的可能性;而后本文又通过实证分析求证了导致中国社会健康阶层差异的证据链条,即:不同社会群体的差异性生活方式导致其面临不同的肥胖流行风险,不同的肥胖流行风险导致了中国社会的健康阶层差异。
DOI:10.3969/j.issn.1002-9753.2014.10.008      URL     [本文引用:1]
(Ni Guohua, Zheng Fengtian.Healthy Hierarchy: The Study on the Cause of “Disease of Affluence” in the Context of Ubiquitous Obesity[J]. China Soft Science, 2014(10): 71-82. )
[30] 世界卫生组织, 联合国粮农组织. 膳食、营养和慢性疾病预防[EB/OL]. [2018-08-27]. http://www.who.int/nutrition/ publications/obesity/WHO_TRS_916/zh/
[本文引用:1]
(World Health Organization, United Nations Food Agriculture Organization. Diet, Nutrition and Chronic Disease Prevention[EB/OL]. [2018-08-27]. http://www.who.int/nutrition/publications/obesity/ WHO_TRS_916/zh/.
资源
PDF下载数    
RichHTML 浏览数    
摘要点击数    

分享
导出

相关文章:
关键词(key words)
信息环境
健康素养
健康风险
倾向得分匹配
分位数回归

Information Environment
Health Literacy
Health Risk
Propensity Score Matching
Quantile Regression

作者
宋士杰
赵宇翔
韩文婷
朱庆华

Song Shijie
Zhao Yuxiang
Han Wenting
Zhu Qinghua
版权所有 © 2015 《数据分析与知识发现》编辑部
地址:北京市海淀区中关村北四环西路33号 邮编:100190
电话/传真:(010)82626611-6626,82624938
E-mail:jishu@mail.las.ac.cn