美国和英国老年人健康寿命与寿命的衰老速度分析

2025-06-28 Sat
——基于“Pace of Aging”方法的群体纵向分析一、研究背景与科学意义随着全球人口老龄化进程的加速，如何客观衡量并改善老年人口的健康状况已成为各国社会政策及公共卫生领域的重要课题。传统上，衡量人口老龄化主要依赖“寿命（lifespan）”和“健康寿命（healthspan）”等指标，但这些指标存在一定局限，尤其无法有效区分“由出生早期因素（如孕期保健、早期营养）造成的健康差异”与“成年人及老年阶段、身体持续衰老过程中的可变健康变化”。传统指标难以及时或敏感地反映中晚年干预措施对健康的影响，也难剖析健康不平等等群体现象的内在机制。
为此，科研人员积极探索如何量化个体和人群“衰老速度（pace of aging）”，即生物学功能随时间的下滑速度。该指标更侧重捕捉器官、组织及功能性能力随年龄变化的动态过程，而非静态健康状况或寿命终点。通过衰老速度的度量，不仅能帮助政策制定者更精准地把握人口健康趋势，还能支持公共卫生干预政策的设计与评估，推动“健康长寿（healthy longevity）”科学进步。近期，多组研究开发了生物年龄（Biological Age）、表观遗传钟（Epigenetic Clock）等衡量方法，但它们多为静态测量，强调阶段性健康差距的积累，而非反映衰老过程的动态速度。
面对上述问题，本研究提出并验证了一种适用于大规模、全国性人群随访队列的“适应性衰老速度测量方法（adapted pace of aging method）”，目标是为当代人口健康科学、健康老龄化政策提供一项更具敏感性和应用价值的新工具。
二、论文来源和作者团队本文为一项原创性研究，题为《Pace of aging analysis of healthspan and lifespan in older adults in the US and UK》，发表于2025年6月的国际著名学术期刊《Nature Aging》。

作者团队来自包括Columbia University Mailman School of Public Health、Duke University、Stanford University、National Institute on Aging、Norwegian Institute for Public Health等多所世界顶尖科研机构，通讯作者为Daniel W. Belsky（Columbia Aging Center）。
三、研究流程及技术路线详解1. 研究总体结构与设计本研究通过对美国“Health and Retirement Study（HRS，健康与退休研究）”和英国“English Longitudinal Study of Aging（ELSA，英国老年纵向研究）”这两大人群代表性队列的长期随访数据，分别实施一套标准化、可推广的衰老速度量化方案。核心流程如下：
(1) 样本选择与收集HRS队列：纳入2006-2016年数据，选取起始年龄40岁以上、期间至少两次血液、体格和功能性指标测量，且覆盖六项及以上生物标志物（biomarkers）的个体，共13,358人。
ELSA队列：纳入2004-2012年数据，有效样本5,687人，执行流程与HRS基本一致。
两个队列均为全国性、人口代表性面板，研究对象具有较高的标志物测量覆盖率与生存、功能、疾病等后续健康结局数据。
(2) 生物标志物体系的整合与标准化根据衰老和健康科学共识，选择九项与年龄相关变化显著、且两大队列均长期追踪的血液、生理及功能测试指标，包括：
- C反应蛋白（C-reactive protein, CRP；炎症标记）
- 胱抑素C（Cystatin-C；肾功能标记，ELSA因未测，改用血红蛋白Hemoglobin）
- 糖化血红蛋白（HbA1c；糖代谢）
- 舒张压（Diastolic blood pressure）
- 腰围（Waist circumference）
- 肺活量（Peak flow）
- 平衡能力（Tandem balance）
- 握力（Grip strength）
- 步行速度（Gait speed）
所有指标经过性别、年龄分组标准化、反向/正向调整，使分值便于统一比较（日常功能下降型指标反向编码）。
(3) 纵向分析与“衰老速度”指标的计算利用线性混合效应模型（linear mixed-effects model），对每一标志物分别建立“个体-性别-随访年数-基线年龄”的多元模型，提取每位受试者各项标志物的时间变化斜率（即每年生物学功能下滑速度）。
将九项斜率综合，得出个人“衰老速度”得分（以65岁以下、同性别群体平均的年变化速度为参考，得分1表示刚好等于该均值，>1为衰老加快，为衰老减慢）。
并行开发并验证了ELSA队列的同类测量体系，实现跨国直接对比。
(4) 相关健康结局数据收集及追踪死亡率（Mortality）：HRS追踪至2021年。
慢性疾病发生（Chronic disease）：医生诊断/自报新发疾病。
残障发生（ADL/IADL）：每日生活活动能力/工具性活动能力受限。
认知障碍及痴呆（Cognitive impairment/Dementia）：基于认知测评及访谈。
ELSA因数据截至2018年，未涵盖部分死亡及痴呆分类，以认知表现评分为主。
(5) 指标有效性、敏感性与社会经济相关性检验检验“衰老速度”与死亡、疾病、残障、认知障碍等指标之间的预测关系（包括ROC曲线、风险比、相关性等）。
探究不同性别、年龄、种族、受教育程度等人群分层下的指标表现及趋势。
对比多种主流“生物年龄”度量（血液化学、生理年龄模型、表观遗传时钟）在健康预测能力上的异同，判断该方法的独特价值。
2. 数据分析及算法亮点(a) 独特的“适应性衰老速度”计算方法开创性地将生物标志物斜率（生物变化速度）而非绝对值纳入分析，直接度量个体衰老过程的动态性。
可灵活适配不同数据密度及指标体系，适用于全球多中心人口队列对比。
针对药物干预等因素导致的生理指标非线性变化，提前筛除不合适的指标（如血脂、收缩压等）。
(b) 统计模型的科学性与严谨性综合运用混合效应模型、泊松回归（Poisson regression）、Cox比例风险模型、ROC曲线等多类方法，确保结果经得住多角度反推与效应量量化。
对不可控混杂因素（如年龄、性别、吸烟史、身体质量指数、受教育程度等）系统调整，有效排除样本选择性偏倚影响。
四、主要研究发现与数据论证1. 衰老速度的群体分布特征HRS数据表明，13,358名美国中老年人中，衰老速度值总体呈正态分布。男性衰老速度高于女性，年长者高于年轻老年组（平均值1.49，标准差0.89）。
以“白人”为参考，黑人与西班牙裔美国人群体的衰老速度更快（Cohen’s d分别为0.20和-0.07）。
ELSA分析显示类似规律（数据指标之间的相关性亦非常高），但性别和种族差异幅度略低。
2. 衰老速度与健康结局的关联性衰老速度越快，未来10年死亡风险显著升高（风险比HR=1.83）。
慢性疾病发生率（IRR=1.08）、日常生活障碍（ADL IRR=1.58，IADL IRR=1.49）、认知障碍（IRR=1.57）等均随衰老速度升高而显著增加。
关联性跨不同人群（性别、年龄分组、教育水平、种族）均具一致性，且比表观遗传钟、传统生物年龄等主流度量更具预测力。
3. 指标敏感性与稳定性（稳健性）测试去除任一单项指标后的“leave-one-out”分析，整体预测能力基本稳定，说明方法对数据来源具较强鲁棒性。
体重指数等基线特征仅在个别结局（ELSA的认知能力）上产生显著影响，绝大多数情况指示衰老速度具有较强独立性。
4. 与生物年龄、表观遗传钟等方法的比较血液化学法计算的生物年龄与衰老速度相关性中等（r=0.3-0.4），但自身相关性更高（r=0.6-0.8）。
衰老速度对死亡、残障、认知损伤的预测能力优于（或持平于）其他方法。
表观遗传钟（DunedinPACE、pc Grimage）与衰老速度相关性为r=0.34和r=0.20，但衰老速度在健康结局预测、相对独立性等方面更具优势。
ROC曲线结果显示，除了慢性疾病以外，各项健康结局的AUC最高均由衰老速度度量取得。
5. 社会经济与种群差异发现受教育程度越低、种族为黑/西班牙裔、男性群体“衰老速度”显著加快，直接映射出社会健康不平等现象不仅体现在寿命终值，更体现在身体下滑速度上。
该发现揭示针对中老年人的干预措施对缩小群体健康差异具有实际价值。
五、结论解读及科学/应用价值1. 主要结论“适应性衰老速度”可作为一项新型、敏感、动态的生物衰老度量工具，适用于人口大样本、多民族、多社会经济层次背景下的老年健康研究。
其指标与死亡、慢性病、功能残障、认知障碍等老年健康结局紧密相关，显著优于传统生物年龄和表观遗传时钟度量。
“衰老速度”本身体现出强烈的社会分层与不平等，不仅能捕捉老龄化社会的共性趋势，更可量化干预措施的实际效果。
该方法为政府政策制定者、公共卫生从业者、生命科学研究人员评估和监控健康老龄化，提供了强大有效的工具支持。
2. 重要创新与研究亮点自适应测量体系：不依赖单一、高成本“组学”数据，只需血液/体格/功能测试长期随访，即可跨国家、跨 cohort 进行可比。
动态预测能力：率先将群体/个体“随时间变化的生物功能降速”引入政策人群健康监测，并取得优于静态生物年龄的方法学优势。
社会不平等量化进步：以生物指标为立基，更精确地揭示了社会结构、行为与健康老龄化路径的深层联系。
3. 其他有价值信息本研究数据库、分析代码已全面开放（GitHub地址见文末），便于国际同行复现、推广。
创新方法同时适用于未来全球几十个重大人口队列及政策决策需求，有望成为“健康老龄化”研究和评估的新标准。
团队成员为DunedinPACE等表观遗传时钟的发明人，具备丰富交叉大队列研究基础和方法创新经验。
六、展望与局限样本时间密度偏低（多为三次测量），数据更多后有望支持模型更加精细的非线性变化探索。
极高龄人群（80岁以上）所占比例偏低，后续需扩大样本验证广泛适用性。
生物标志物体系部分指标因药物干预等因素调整，但仍足以支撑多系统衰老速度的整体度量。
七、总结本研究为衰老速度的群体测量方法学体系提供了坚实理论与实证基础，解决了健康老龄化研究中的关键度量难题。该方法不仅预示着老年人健康差异可被动态量化、可针对性干预，而且为全球健康老龄化战略和精准公共卫生管理的科学决策提供了崭新工具。未来，随着队列观察覆盖时间延长和数据进一步丰富，衰老速度测量法有望成为衡量和促进人类“健康长寿”的重要基石。