可挖掘的免费公共数据库有很多,如果在中国老年数据库Charls没有思路,不妨看看英国老牌数据库——ELSA!
今天,就为大家详细介绍这个英国最具代表性的老年人数据库——英国老龄化纵向研究(ELSA)。同时分享一篇基于该数据库发表的JAMA子刊文章。
什么是英国老龄化纵向研究(ELSA)
英国老龄化纵向研究(ELSA)是一个涵盖了英国50岁及以上人口健康、社会、福利和经济状况动态信息的公开免费的数据库,旨在通过这些数据来深入了解英国老龄化的各个方面。
官网:https://www.elsa-project.ac.uk/
该数据库最初的样本来自于1998年至2001年间参与英格兰健康调查(HSE)的家庭,自2002年启动以来,已经吸引了超过19,000名参与者加入。
ELSA的数据信息
ELSA的数据收集工作每两年进行一次,称为“一波”或“一期”,至今已完成11波数据收集,形成了一个跨越长时间的数据集,使研究者能够追踪同一人群随时间的变化。
同时,为了确保样本能够持续代表英国老年人口的实际情况,研究团队会适时地引入新的、相对年轻的个体来替换或补充到样本组中。
ELSA包括但不限于以下数据:家庭和个人人口统计数据、健康(身体和社会心理)、社会关怀、工作和养老金、收入和资产、住房情况、认知功能、社会参与、志愿工作和护理、期望以及体重等。
√可行的选题方向
详细搜索了ELSA现有的文章,发现其现有的研究主要聚焦于老年人的健康(包括身体和认知)、社会参与、经济状况、福利政策、长期照护需求以及养老模式等方面。
根据上述研究方向,结合ELSA的数据库特点,为大家提供以下几点可供参考的新选题方向:
数字鸿沟与老年人社会融入:研究老年人在数字时代面临的信息获取障碍,以及这如何影响他们的社会参与和心理健康;
跨代际关系与家庭支持:深入分析老年人与子女、孙辈等家庭成员之间的跨代际关系,以及这种关系如何影响老年人的生活质量、心理健康和养老安排;
老龄化背景下的社会政策创新:基于ELSA数据,评估现有社会政策在应对老龄化挑战中的效果,并提出创新性的政策建议;
跨文化比较研究:将ELSA数据与其他国家的老年数据库进行比较,分析不同文化背景下老年人生活状况的差异和共性;
总而言之,英国老龄化纵向研究(ELSA)数据库作为一个免费公开的老年数据库,我们可以用其挖掘与老年人相关的健康问题。
今天,我们就来看看近期挖到的一篇ELSA数据库好文!
基于ELSA数据发表的JAMA子刊文章
随着全球人口老龄化趋势的加剧,老年人的社会联系作为积极老龄化的重要内容,在国际社会一直受到高度重视。先前的许多研究都表明,社会联系对长寿以及各种健康和福祉结果都有影响。
因此,在本项研究中,研究团队从社会结构(社交范围和联系频率)、社会功能(在社交中的活跃度和满足感)和社会质量(是否从社交中获得正面反馈)三个方面,探究老年人的社会联系模式与健康之间的关联。
2024年12月23日,外国学者用英国老龄化纵向研究(ELSA)数据库,在顶级期刊JAMA子刊《JAMA Network Open》(医学一区top,IF=10.5)发表题为:“Patterns of Social Connection Among Older Adults in England”的研究论文,旨在探索老年群体的社会联系模式及其与健康和福祉结果的关联。
研究结果表明,拥有强大的社会结构连接、高功能和高质量的社交关系的老年群体,健康状态最好。其次是在社交结构上存在缺失,但社交功能很高,且社交质量也较好的老年群体。
在公共数据库与孟德尔随机化公众号回复“原文”即可获得文献PDF等资料。
研究团队基于英国老龄化纵向研究第四波(2008-2009)的数据,经过纳排,最终纳入了7,706名年龄≥50岁的参与者,平均年龄为64.7岁,女性占比55.1%。
团队将这7,706名参与者作为聚类分析的样本,并进一步将其中6,983名参与者作为回归分析的样本。
图1 研究对象的筛选流程
暴露:由聚类分析划分的社会联系聚类。
主要结局:该研究考虑了五种与健康相关的结果,具体包括心理健康(抑郁)、享乐(生活满意度)、幸福(自我实现)、健康状况(自评健康状况)和健康行为(中等或高强度身体活动)。
研究团队通过机器学习聚类分析(KAMILA算法),将参与者分为不同的社会联系聚类。随后,团队进一步使用线性回归和logistic回归模型,检验新生成的聚类变量与健康相关结果之间的关联。
线性回归模型被用于分析连续型结果变量(如生活满意度、自我实现等);
而logistic回归模型则被用于分析二元结果变量(如抑郁症状、自评健康状况、是否进行中等或高强度身体活动等)。
主要研究结果
√聚类分析结果
研究团队通过KAMILA算法,根据不同的社会联系模式将参与者划分为5个社会联系聚类。其特征如下:
聚类1(断开连接聚类):这个聚类的老年人在社会结构、功能和质量方面都存在明显的缺失;
聚类2(结构缺失且功能低聚类):该聚类的老年人在社交结构和功能上都存在缺失,但社交质量相对较好;
聚类3(结构缺失但功能高聚类):该聚类的老年人在社交结构上存在缺失(如可能独居或社交圈子较小),但他们的社交功能很高,且社交质量也较好;
聚类4(功能低且质量混合聚类):这个聚类的老年人拥有强大的社交结构基础,但社交功能很低,且社交质量参差不齐;
聚类5(高度连接聚类):这个聚类的老年人拥有强大的社会结构连接、高功能和高质量的社交关系。
图2 聚类特征
√回归分析结果
回归分析的结果显示,与聚类5相比,其他聚类的健康状态均较差,其中聚类3与其差异最小。并且许多风险在控制了基线结果后仍然存在。
以抑郁为例,与聚类5相比,聚类1中的个体患抑郁风险增加了1.73倍。并且在控制了基线结果后,风险还是增加了0.95倍。
此外,在与聚类5相比的四组中,聚类3增加的抑郁风险最小,仅增加了0.34倍。并且在控制了基线的结果后,风险依旧最小(增加了0.28倍)。
表1 回归分析的结果
模型1:控制了所有协变量,包括年龄、性别、种族、教育程度、社会阶层和财富;
模型2:在模型1的基础上,还控制了在基线时测量的相应结果
综上所述,研究团队认为社会联系的结构、功能或质量的缺陷均与较差的健康相关结果相关。因此,团队强调在探究社交联系时,要认识到社会联系模式的多样性及复杂性。
公共数据库千千万,今天分享的这篇文章中,研究者们就通过英国的老年数据库ELSA发了JAMA子刊!值得一提的是,这篇文章中聚类分析的结果图简约大方,让人眼前一亮。在先前的文章解读中,我们详细解读过聚类分析,并提供了相应的代码。感兴趣的小伙伴可以点击下方链接查看!
JAMA子刊 | 基于NHANES公共数据库 聚类分析揭示活动与抑郁衰老的关系
如果你想了解更多免费的公共数据库,不妨看看郑老师团队推出的NHANES及GBD数据库的一对一指导课程,让你轻松掌握这些数据库的使用技巧。专业统计师在线指导统计分析,发文更加不用愁!