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！
