首页 百科知识 居住安排变化与高龄老人死亡风险

居住安排变化与高龄老人死亡风险

时间:2022-03-08 百科知识 版权反馈
【摘要】:不同住组老人的死亡风险较高而同住组老人的死亡风险较低。具体表现为在加入frailty因子之前,相对于一直不同住的低龄老人而言,“同住变为不同住”老人的死亡风险是其154%,“不同住变为同住”老人的死亡风险是其37%,“一直同住”老人的死亡风险是其35%。模型2中的frailty因子显著增加了低龄老年人的死亡风险。
居住安排变化与高龄老人死亡风险_代际关系对老年人死亡风险影响研究

前文的文献回顾揭示,老年人的年龄与是否与子女同住息息相关,年龄越大越倾向于与子女同住(Sibai et al,2007;焦开山,2011)。因此,这里分为低龄和高龄两个样本,考察不同年龄阶段下老人的同住变化对其死亡风险的影响。

一、分年龄样本下的同住变化及样本分布描述

在总样本9 273个个案的基础上,这里细分为低龄(3 240个)和高龄(6 033个)两个样本进行分析。关于低龄老人的死亡情况,2002年中有345位老年人在2005年调查之前死亡,有358位老年人在2008年调查之前死亡。因此在观察窗口期,共有703位低龄老年人死亡,2 032位在世,505位失访。高龄老人的相应情况则是:2002年中有3 303位老年人在2005年调查之前死亡,有1 249位在2008年调查之前死亡。因此在观察窗口期,共有4 552位高龄老年人死亡,951位在世,530位失访。

由于本章主要讲述居住安排变化对老人死亡风险的影响,因此,在不同年龄样本下我们也列出各种居住安排变化情况,得到表6.4的结果。

表6.4 不同年龄下2002—2005、2005—2008年老年人中居住安排变化情况

表6.4显示,低龄老人无论是在2002—2005年阶段还是2005—2008年阶段,都是“一直不同住”和“一直同住”占的比例较多,都占到三成以上,其中“一直不同住”的比例在上升,而“一直同住”的比例在下降。在高龄阶段,明显可以看出先是在2002—2005年以“不同住变为同住”为主,而在2005—2008年以“一直同住”为主。从不同年龄阶段的同住变化可以看出随着年龄的增长老人们逐渐趋于与子女同住且绝大多数不再分住。

如果将“一直不同住”和“同住变为不同住”的比例相加,可以看出低龄样本在两次两个年份的不同住比例都达到五成以上,而高龄样本的比例都在三成略多。这也说明了高龄老人较低龄老人同住的比例高。这一点与之前学者们的研究结果相一致。

同样,为了对不同年龄段下的样本分布情况做一个了解,表6.5给出了相应的分布情况。

从表6.5可以看出,在2002年的样本分布中,低龄老人与子女同住的比例较高龄老人的高。在社会人口特征方面,与高龄老人相比,低龄老人更多地以有配偶、受过教育、房主为自己为主。两个年龄组的老人在城乡比例上相差不大。在健康状况方面,除了患慢性病的比例在两个样本中相差不大以外,低龄老年人日常活动受损程度更低、健康自评更好。在生活方式方面,虽然两个样本都是以不抽烟、不喝酒、当前不进行体育锻炼和无社交活动的老年人为主,但高龄老人较低龄老人更少地抽烟、喝酒、锻炼身体以及参加社会活动。

表6.5 分年龄的样本基期(2002年)变量分布单位:%

二、分年龄样本下同住变化与老年人死亡风险

与前一章类似,考虑到不同年龄阶段的老人会对其居住情况做出不同安排,而这种居住安排的变化可能会对其死亡风险带来不同影响,因此,这里分低龄(65~79岁)和高龄(80岁及以上)两个样本进行深入考察。

我们先就两个样本中同住变化是否对老年人的死亡风险起到显著作用做一个统计检验,同时做相应的Kaplan-Meier生存函数图,随后再做frailty Coxmodel,得到同住变化对两个样本老人死亡风险的影响。

图6.2 低龄/高龄同住变化生存函数图
(a)低龄样本;(b)高龄样本

从卡方检验的结果来看,低龄和高龄样本中,同住变化变量都在0.001水平上显著。通过做Kaplan-Meier生存函数图,得到图6.2(a)和(b)的结果,其中(a)是低龄样本下得到的结果,(b)是高龄样本下得到的结果。图6.2(a)和(b)揭示,无论是低龄样本还是高龄样本,都表现为“一直不同住”和“同住变为不同住”老人的死亡风险较高,“一直同住”和“不同住变为同住”老人的死亡风险较低,而且前两类和后两类在高龄老人中明显地区分为两组,即当前不同住组和当前同住组。不同住组老人的死亡风险较高而同住组老人的死亡风险较低。在这四类同住变化中,无论是低龄还是高龄样本,死亡风险最高的都是“同住变为不同住”类,死亡风险最低的是“一直同住”和“不同住变为同住”类。

按照惯例,接下来我们逐步将社会人口特征、健康状况以及生活方式等变量分模块引入模型考察这些因素对老人死亡风险的影响作用。表6.6是模型运行的部分结果,限于篇幅,这里也没有列出标准误。表6.6各模型的设置如下:模型1是低龄样本下包含同住变化、控制变量的模型;模型2是低龄样本下包含同住变化、控制变量、虚弱度因子的模型;模型3是高龄样本下包含同住变化、控制变量的模型;模型4是高龄样本下包含同住变化、控制变量、虚弱度因子的模型。

表6.6 2002—2011/2012年居住安排变化对老年人死亡风险的影响—年龄样本

续表

注:+<0.1;∗<0.05;∗∗<0.01;∗∗∗<0.001;为节省篇幅,LL值只精确到小数点后1位。

对比模型2和模型1,可以看到,是否加入frailty因子对核心自变量系数的方向和显著程度影响不大,只是加入了frailty因子以后三个核心自变量系数绝对值更大。具体表现为在加入frailty因子之前,相对于一直不同住的低龄老人而言,“同住变为不同住”老人的死亡风险是其154%,“不同住变为同住”老人的死亡风险是其37%,“一直同住”老人的死亡风险是其35%。在加入frailty因子之后,相对于一直不同住的低龄老人而言,“同住变为不同住”老人的死亡风险是其2 325%,“不同住变为同住”和“一直同住”老人的死亡风险都是其4%。可以看到,如果没有加入frailty因子(即采用普通Cox比例风险模型),“同住变为不同住”对老人死亡风险的效应将降低2 171%(=2 325%-154%),也即低估了它对因变量的效应。“不同住变为同住”对老人死亡风险的效应将高估33%(=37%-4%)、“一直同住”的效应将高估31%(=35%-4%)。模型2中的frailty因子显著增加了低龄老年人的死亡风险。另外,通过模型间的卡方检验,我们得知加入了frailty因子以后的模型2更能拟合数据。

模型4和模型3的结果来自高龄样本。这里我们也同样看到,是否加入frailty因子对核心自变量系数的方向和显著程度影响不大,只是加入了frailty因子以后三个核心自变量系数绝对值更大。具体表现为在加入frailty因子之前,相对于一直不同住的高龄老人而言,“同住变为不同住”老人的死亡风险是其131%,“不同住变为同住”和“一直同住”老人的死亡风险都是其23%。在加入frailty因子之后,相对于一直不同住的高龄老人而言,“同住变为不同住”老人的死亡风险是其485%,“不同住变为同住”和“一直同住”老人的死亡风险都不足其1%(分别为0.41%和0.33%)。由此可以看到,如果没有加入frailty因子,“同住变为不同住”对老人死亡风险的效应将低估354%(=485%-131%),“不同住变为同住”和“一直同住”对老人死亡风险的效应都将高估23%(=23%-0%)。此外,我们看到模型4中的frailty因子显著增加了高龄老年人的死亡风险。通过模型间的卡方检验,同样证明模型4更能拟合数据。

对比模型1和模型2、模型3和模型4,我们也可以看到整体上没有加入frailty因子的模型中,各变量更容易显著。

这里不对其他控制变量对老人的死亡风险作用做出解释。但是我们仍然看到,无论是低龄样本还是高龄样本,总体而言,加入了frailty因子以后绝大多数变量系数的绝对值都有所变大。

免责声明:以上内容源自网络,版权归原作者所有,如有侵犯您的原创版权请告知,我们将尽快删除相关内容。

我要反馈