不良童年经历对个体的影响非常深远，先前就有研究表明，童年时期目睹父母间存在的身体暴力会影响其成年后的心血管健康和心理健康。
然而，尚未有研究证实童年时期目睹父母间身体暴力与成年后患心血管疾病（CVD）风险增加之间的具体关联。
研究结果表明，与未目睹过父母间身体暴力的群体相比，17岁之前目睹过父母间身体暴力的群体在成年后患心血管疾病风险显著升高。此外，成人抑郁症状在该关联中起到了11%的介导作用。
研究团队基于中国健康与退休纵向研究（CHARLS）数据库2011年~2020年的数据，经过纳排，最终纳入了10,424名年龄≥45岁的符合条件的参与者，平均年龄为58.1岁，女性占51.2%。其中，有872名参与者在17岁之前曾目睹父母间身体暴力。
图1 参与者的筛选流程图
研究团队首先使用多变量Cox比例风险回归模型，以诊断心血管疾病（CVD、心脏病和卒中）、死亡或随访结束时间为终点事件，评估童年时期目睹过父母间身体暴力与成年后患CVD的关联。其中，值得一提的是，研究团队基线和随访结束时的达到年龄被用作Cox比例风险回归分析的时间尺度。
其次，研究者还通过中介分析评估成人抑郁症状在该关联中的中介作用，并计算了与CVD风险相关的时间依赖性人群归因分数（PAF）。
主要研究结果
√多变量Cox比例风险回归分析
研究结果显示，在对模型进行调整后，与未目睹过父母间身体暴力的群体相比，童年时期目睹过父母间身体暴力的人群患CVD、心脏病和卒中的风险分别增加了36%、36%、和28%。
其中，心脏病包括心肌梗塞、心绞痛、冠心病、心力衰竭或其他心脏问题。
同时，该群体成年后患CVD累计发病率显著升高（从每1000人中29.0人上升至38.9人）。
该群体成年后患CVD的累积危害如下图。
图2 童年时期目睹过父母间身体暴力对CVD风险的生存曲线
表1 童年时期目睹过父母间身体暴力与成年后患CVD、心脏病和卒中的关联
模型1：根据年龄和性别进行了调整；
模型2：根据年龄、性别、居住地、受教育程度、吸烟状况和当前饮酒状况进行调整。
接着，研究团队进一步探究了父母间身体暴力发生频率与CVD风险的关联。
结果显示，父母间身体暴力发生的频率越高，个体在成年后患CVD的风险越大。
表2 父母间身体暴力发生频率与CVD风险的关联
此外，研究团队还进一步进行了亚组分析和敏感性分析，结果与上述保持一致。
√交互作用
并且，乘法交互作用的结果显示，童年时期目睹过父母间身体暴力与性别、童年时期受到父母的身体虐待以及成人抑郁症状这三个变量之间均没有显著的交互作用（P for interaction > 0.1）。
√人群归因分数
此外，为了评估童年时期目睹过父母间身体暴力与心血管疾病风险在人群水平上的相关性，研究团队计算了人群归因分数（PAF），并比较了父母间暴力与抑郁症状之间的程度。
结果显示，在50岁的群体中，童年时期目睹过父母间身体暴力导致CVD风险增加了2.8%，而成人抑郁症状则将该风险增加7.0%。
图3 童年时期目睹过父母间身体暴力以及成人抑郁症状导致的CVD之间关联的归因比例
√中介分析
在进行中介分析之前，研究团队还探讨了童年时期目睹过父母间身体暴力与成人抑郁症状的关联。结果显示，与未目睹过父母间身体暴力者相比，该风险明显升高。
随后，进一步的中介分析结果显示，成人抑郁症状介导了童年时期目睹过父母间身体暴力与成年后患CVD之间的关联，介导比例达到11%。
图4 中介分析
综上所述，研究团队发现在17岁之前，个体目睹过父母间身体暴力与成年时期患心血管疾病以及抑郁症风险均显著增加。并且，成人抑郁症状在该关联中起到了11%的介导作用。
统计知识点汇总
1. 数据来源
中国健康与退休纵向研究（CHARLS）数据库：
是一项持续的纵向调查，旨在调查中国45岁及以上中老年人社会、经济和健康状况，用以分析我国人口老龄化问题。
2.研究设计思路：
P（Population）参与者：2011年~2020年，10,424名CHARLS数据库中符合条件的年龄≥45岁的中老年人；
E（exposure）暴露因素：参与者在17岁之前曾目睹过父母间身体暴力；
O（outcome）结局：成年后心血管疾病的发生；
S（Study design）研究类型：队列研究。
3. 统计方法
Cox比例风险回归模型
Cox比例风险回归模型是一种半参数回归模型，专门用于分析生存数据。该模型能够同时探讨多个风险因素与事件结局（包括发生情况与发生时间）之间的关系。
该模型的因变量为生存时间和二分类的事件结局，而自变量则为连续变量或分类变量（包括多分类变量）。
以本研究为例，研究团队采用Cox比例风险回归模型，评估童年时期目睹过父母间身体暴力及其频率与成年后患CVD的关联，结果通过风险比（HRs）和95%置信区间（95% CI）表示。并根据参与者不同的特征建立了两个调整模型，模型如下：
模型1：根据年龄和性别进行了调整；
模型2：根据年龄、性别、居住地、受教育程度、吸烟状况和当前饮酒状况进行调整。
值得一提的是，在Cox回归分析中，本研究使用了基线年龄和随访结束时的年龄作为时间尺度。与大家熟知的以时间间隔为尺度不太一样。
在干预性的临床研究中，结局事件的发生风险与接受干预的时间密切相关，采用治疗开始到结局出现的时间间隔（即随访时间）作为Cox模型的时间尺度，是十分自然、合理的。
但在大多数观察性的流行病学前瞻性研究，如队列研究中，研究起始的时间与观察结局之间一般来说并不存在直接关联，使用随访时间作为时间尺度可能并不完全合适。因此，现阶段很多研究采用年龄作为模型的时间尺度。
因此，本文以年龄为尺度开展生存分析是可取的，诸位可以借鉴。
√统计学Tips
风险比（HR）：用于量化自变量对生存时间的影响程度。它表示在给定时间点，一个单位的自变量变化对应的危险率（或风险率）的变化比例。
如果HR大于1，表示随着协变量增加，事件发生的风险增加；
如果HR小于1，表示随着协变量增加，事件发生的风险减少
如果HR等于1，表示协变量对事件发生风险没有影响。
95%置信区间（95% CI）：95% CI是围绕HR的一个范围，表示我们相信真实的风险比有95%的概率落在这个区间内。
如果95% CI包含1，表示我们不能拒绝原假设，即协变量对事件发生风险没有显著影响；
如果95% CI不包含1，表示我们可以拒绝原假设，即协变量对事件发生风险有显著影响。
敏感性分析
敏感性分析通常包括重复分析、调整分析模型、应用不同的统计方法等手段，旨在评估主要关联结果是否受到某些假设、统计方法或数据缺失等因素的影响，从而确保结果的可靠性和稳健性
本文中，研究者进行了三种类型的敏感性分析：
基于完整数据（n=10,105），未缺失协变量。根据年龄、性别、居住地、教育程度、吸烟状况和当前饮酒情况进行调整；
根据年龄、性别、居住地、教育程度、吸烟状况、目前饮酒、肥胖状况、高血压、糖尿病、血脂异常和药物使用情况进行调整；
采用逆概率加权（IPTW）对年龄、性别、居住地、教育程度、吸烟状况和当前饮酒情况进行加权。
亚组分析
亚组分析是将研究人群按照某种特征划分为不同的亚组，然后分别对每个亚组进行分析，以探究该特征是否会对主要关联结果产生影响。
在本文中，通过亚组分析，可以更加细致地了解不同人群间的差异，以及这些差异如何影响童年时期目睹过父母间身体暴力与成年后患心血管疾病风险之间的关联。
交互作用分析
交互作用是指当存在两个或多个自变量（独立变量）影响一个因变量时，这些自变量之间的相互影响关系。简单来说，如果一个自变量对因变量的影响依赖于另一个自变量的水平或值，就可以认为这两个自变量之间存在交互作用。
在本文的交互作用分析中，研究团队探讨了童年时期目睹过父母间身体暴力与性别、童年时期受到父母的身体虐待以及成人抑郁症状这三个变量之间的交互作用。
人群归因分数（PAF）
是指假设人群的风险暴露降低至理想水平，预计可减少的患病人口数占实际患病人口数的比例。
以本研究为例，研究团队通过计算PAF，量化并比较不同风险因素（童年时期目睹过父母间身体暴力和成人抑郁症状）对CVD风险的贡献。
中介分析
中介分析旨在探究某一变量（自变量）如何通过另一个变量（中介变量）对另一个变量（因变量）产生影响的作用机制。它试图阐明自变量对因变量的影响是否以及是如何通过中介变量间接发生，而不仅仅是直接的因果关系。
在本文的研究中，为了研究童年时期目睹过父母间身体暴力与心血管疾病之间的关联，是否会因成人抑郁症状的存在而改变，研究者进行了中介分析。并通过计算中介的超额风险百分比（PERM）来量化中介效应的比例。
其中，PERM计算方式如下：
这篇文章的研究思路顺畅、方法全面，是一篇值得借鉴的好文章。大家在做观察性研究时，可以考虑采用年龄作为模型的时间尺度，让其成为文章的一大亮点。当然，没有数据的可以考虑挖掘公共数据库！想要通过挖掘公共数据库实现快速发表高分文章的朋友，不妨考虑一下郑老师的统计课程！
-gqWJ.jfif)
