这篇文档属于类型a，即报告了一项原创性研究的科学论文。以下是针对该研究的学术报告：

《健康生活方式和社会经济地位与死亡率和心血管疾病发病率的关联：两项前瞻性队列研究》学术报告

第一作者及机构
本研究由华中科技大学同济医学院公共卫生学院流行病与生物统计学系的Yan-Bo Zhang（第一作者）和An Pan（通讯作者）领衔，合作作者包括来自美国密歇根大学、范德堡大学、哈佛大学公共卫生学院、瑞士伯尔尼大学社会与预防医学研究所等机构的学者。研究成果于2021年发表于《BMJ》（英国医学杂志），DOI: 10.1136/bmj.n604。

学术背景

研究领域与科学问题
本研究聚焦于公共卫生与社会流行病学交叉领域，探讨社会经济地位（socioeconomic status, SES）与健康结局（全因死亡率、心血管疾病发病率和死亡率）的关联机制，并量化健康生活方式在这一关联中的中介作用。研究背景基于以下关键科学共识：
1. SES的健康不平等现象：既往研究表明，低SES人群的死亡率和心血管疾病（cardiovascular disease, CVD）风险显著高于高SES人群，但中介因素（如生活方式）的贡献比例尚存争议。
2. 生活方式的潜在作用：吸烟、饮酒、体力活动和饮食等行为可能部分解释SES与健康结局的关联，但现有研究多局限于单一行为或单一SES指标（如收入或教育），缺乏对综合SES和整体生活方式的评估。

研究目标
1. 评估综合SES（通过潜在类别分析构建）与健康结局的关联强度；
2. 量化健康生活方式（综合评分）在SES-健康关联中的中介比例；
3. 探索生活方式与SES的交互作用及联合效应。

研究设计与方法

数据来源与样本
研究纳入两项大型队列：
1. 美国国家健康与营养调查（US NHANES, 1988–2014）：44,462名≥20岁成年人，平均随访11.2年，记录8,906例死亡。
2. 英国生物银行（UK Biobank, 2007–2010）：399,537名37–73岁成年人，平均随访8.8–11.0年，记录22,309例死亡和6,903例CVD事件。

关键变量定义与测量
1. SES评估：
- 潜在类别分析（latent class analysis）整合家庭收入、职业/就业状态、教育水平和医疗保险（仅美国），生成低、中、高三个SES类别。
- 英国队列额外纳入地区剥夺指数（Townsend deprivation index）以验证个体与区域SES的一致性。
2. 健康生活方式评分：
- 包含四项行为：不吸烟、适度饮酒（女性≤1杯/天，男性≤2杯/天）、高体力活动（前三分之一）、高质量饮食（基于HEI-2015或英国心血管健康饮食建议）。
- 每项赋1分（健康）或0分（不健康），总分0–4分。

统计分析流程
1. 中介分析：
- 使用Cox比例风险模型计算SES与结局的关联（HR），通过差异法估计生活方式的中介比例（对比调整与未调整生活方式评分的模型）。
2. 交互与联合效应：
- 检验生活方式评分与SES的乘法和加法交互作用（通过乘积项和相对超额风险交互作用指数，RERI）。
- 联合分组分析：按SES（低/中/高）和生活方式（0–1/2/3–4分）分为9组，以高SES+健康生活方式（3–4分）为参照。

主要结果

1. SES与健康结局的关联

   • 低SES人群的全因死亡率风险显著高于高SES人群（美国：HR=2.13，95%CI 1.90–2.38；英国：HR=1.96，1.87–2.06），CVD死亡率和发病率风险同样升高（英国：HR=2.25和1.65）。
     
   • 年龄调整率：美国低SES人群的全因死亡率达22.5/1000人年，而高SES人群为11.4/1000人年。
     

2. 生活方式的中介作用

   • 生活方式仅解释SES-死亡率关联的3.0%–12.3%（美国全因死亡率中介比例最高，为12.3%）。
     
   • 个体SES因素分析：教育水平的中介比例最高（22.2%），而收入的中介作用最小（%）。
     

3. 交互与联合效应

   • 英国队列发现显著交互作用：健康生活方式对低SES人群的保护作用更强（全因死亡率HR=0.56 vs. 高SES人群的0.86）。
     
   • 联合风险：低SES+不健康生活方式（0–1分）人群的全因死亡率风险是高SES+健康生活方式人群的2.65–3.53倍。
     

结论与价值

1. 科学意义

   • 首次在两大国家级队列中量化综合SES与生活方式对健康结局的独立及联合影响，证实生活方式仅部分中介SES的不平等效应（<15%），提示需关注更广泛的社会决定因素（如医疗可及性、环境压力）。
     
   • 发现生活方式对低SES人群的保护效应更强，支持针对弱势群体的精准健康干预。
     

2. 应用价值

   • 政策层面：需超越个体行为干预，通过改善社会结构（如收入分配、教育资源）减少健康不平等。
     
   • 临床实践：低SES人群的健康促进计划应优先纳入生活方式管理，以最大化健康收益。
     

研究亮点

1. 方法学创新：
   
   • 采用潜在类别分析构建综合SES指标，优于单一SES变量的传统方法。
     
   • 开发加权生活方式评分以校正不同行为的异质性效应。
     
2. 跨队列验证：美英队列结果的一致性增强了结论的外部有效性。
   
3. 分层分析：揭示年龄（年轻人群风险更高）、性别（男性不平等更显著）的修饰作用，为精准干预提供依据。
   

其他重要发现

• 敏感性分析：排除基线慢性病患者或前3年事件后，结果保持稳健。
  
• 区域SES vs. 个体SES：英国数据显示个体SES的效应强于地区剥夺指数，强调个体层面评估的重要性。
  

此研究为理解健康不平等的机制及制定干预策略提供了高质量证据，未来需进一步探索基因-环境交互作用及生命周期SES轨迹的影响。