中老年人群高血压患病的空间分布及影响因素分析

·论著·中老年人群高血压患病的空间分布及影响因素分析谭利明，陈露，龙鸣燕，符昌艳，周璐璐，张天成

南华大学公共卫生学院社会医学与卫生事业管理教研室，湖南衡阳

421001

摘要：目的了解我国45岁及以上人群高血压患病的空间分布及其影响因素，为预防和控制中老年人群高血压提供依）抽取150个县（）据。方法从CHARLS数据库中2015年调查的30个省（市、自治区市、区，再采用概率比例规模）中抽取3个村（）抽样法从各县（市、区居委会，并从各村（居委会）随机抽取80户家庭≥45岁居民的健康资料进行分析。以省级作为空间分析单位，以中国省界矢量地图作为基础地图，采用Geoda和ArcGIS10.2软件对各省（市、自治区）进行高血压患病及影响因素的空间分析。结果

）14880名中老年人的健康资共纳入28个省（市、自治区

料，其中高血压4203例，占28.25%；高血压前期5408例，占36.34%。局部空间分析显示，高血压患者的聚集区域主要在中国东北部和东部。空间回归分析显示，男性、高龄老人和超重是高血压患病的主要危险因素（均P＜0.05），且存在空间分布差异性，分别对中国中部，北部和东北部，以及东部和北部地区危险更大。结论超重是我国中老年人高血压患病的主要危险因素，我国高血压重点防控区域在中国东部、东北部。关键词：中老年人；高血压；空间分析；地理信息系统中图分类号：R544.1

文献标识码：A

文章编号：2096-5087（2019）03-0236-07

男性、高龄老人和

Spatialdistributionandinfluencingfactorsamongmiddle-agedandelderlypatientswithhypertensionTANLi-ming，CHENLu，LONGMing-yan，FUChang-yan，ZHOULu-lu，ZHANGTian-cheng

DepartmentofSocialMedicineandHealthManagement，SchoolofPublicHealth，UniversityofSouthChina，Hengyang，

Hunan421001，China

Abstract：Objective

Toinvestigatethespatialdistributionandtheinfluencingfactorsofhypertensivepatientsaged45years

andabove，andtoprovideevidenceforthepreventionandcontrolofhypertensionamongmiddle-agedandelderlypopulation.MethodsMulti-stagestratifiedrandomsamplingmethodwasusedtocollect150counties（citiesordistricts）from30provinces（municipalitiesorautonomousregions）fromCHARLSdatabasein2015accordingtothepercapitaGDPindifferentareas.Thentheprobabilityproportionatetosizesamplingmethodwasusedtoselectthreevillages（neighborhoodcommittees），80familieswererandomlyselectedfromeachvillage（neighborhoodcommittees），andresidentsaged45yearsandabovewereinterviewed.SpatialanalysiswasbasedonthevectormapofChina'sprovincialboundaries，GeodaandArcGIS10.2softwarewereusedtoanalyzetheprevalenceandinfluencingfactorsofhypertensionatprovinciallevels.ResultsThehealthdataof14880peopleaged45yearsandabovein28provinces（municipalitiesorautonomousregions）wereobtained，including4203patientswithhypertension（28.25%）and5408peoplewithpre-hypertension（36.34%）.TheresultsoflocalspatialanalysisshowedthattheclusteringregionsofhypertensionpatientswereinnortheastandeasternpartsofChina.Theresultsofspatialregressionanalysisshowedthatmales，ageof80yearsandaboveandoverweightwerethemainriskfactorsforhypertension（allP＜0.05），whichhadgreaterinfluenceonthemiddlepartofChina，northandnortheastofChina，andtheeastandnorthofChina，respectively.Conclusion

Males，ageof80yearsandaboveandoverweightwerethemainriskfactorsforhypertensioninmiddle-agedand

DOI：10.19485/j.cnki.issn2096-5087.2019.03.005

基金项目：空气污染对人群健康影响（国家监测点）衡阳市人群健

康调查项目（2017RHX07）；南华大学研究生科学基金项目（2018KYY232）

作者简介：谭利明，硕士在读，主要从事流行病与卫生统计学工作通信作者：张天成，E-mail：teric@163.com

预防医学2019年3月第31卷第3期PrevMed，Mar.2019，Vol.31，No.3

elderlypopulationinChina.ThemainpreventionandcontrolareasofhypertensionwereeasternandnortheastChina.Keywords院Middle-agedandelderlypopulation曰Hypertension曰Spatialanalysis曰Geographicinformationsystem

窑237窑我国中老年人群高血压发病率呈上升趋势［1-4］，高血压导致的脑卒中、心力衰竭等并发症导致中老年人群生活质量和健康水平下降，给家庭和社会造成沉重负担。地理信息系统（geographicinformationsystem，GIS）常用于流行病预防控制、疾病监测和卫生服务研究等［5-6］。近年来，采用GIS技术研究高血压等慢性非传染性疾病（慢性病）流行病学的报道逐渐增多［7-10］。本研究采用GIS技术分析我国中老年人群高血压患病的空间聚集性及其影响因素，为中老年人群高血压防控提供依据。1资料与方法1.1

资料来源

研究资料来源于中国健康与养老追

踪调查（ChinaHealthandRetirementLongitudinalStudy，CHARLS）数据库中2015年调查我国30个省市、自治区）（除外、澳门、和）≥45岁中老年人群健康资料，包括年龄、性别、文化程度、婚姻状况、腰围、体质指数（BMI）、居住地和高血压患病情况等。1.2

方法

按各地区人均GDP分层，从30个省

市、自治区）抽取150个县（市、区），再采用概率比例规模抽样法（PPS）从各县（市、区）各抽取3个村（社区），从每个抽中的村（社区）各抽取80户家庭，纳入≥45岁者的资料，并以省级作为空间分析单位，以中国省界矢量地图作为基础地图，采用Geoda和ArcGIS10.2软件对各省（市、自治区）进行高血压患病及影响因素的空间分析。1.2.1

空间聚集分析

空间聚集分析［11］包括全局

自相关、局部自相关和局部热点分析。Moran'sI指数是全局自相关分析指标，用于估计整个研究区域内空间自相关的程度。当Moran'sI指数为0时，说明无聚集；当Moran'sI指数＞0，说明存在空间正自相关，否则为空间负自相关；若P＞0.05，说明不存在全局相关性

［12-13］。局部自相关分析采用LISA

Anselin'slocalMoran'sI）评价研究属性值的局部空间自相关强度，可探索局部自相关性。通过LISA分布图，可以获得高-高、低-低、高-低和低-高4种局部空间自相关模式，其中高-高模式，即高发病率聚集区反映了疾病发病热点地区，为研究者主要关注的分析结果。热点分析采用Getis-OrdGi指数G*），通过局部空间自相关统计量的估计，在空间上

发现热点。1.2.2

空间回归分析

空间回归分析［14］包括全局

回归分析和地理加权回归分析。全局回归模型系数为常数，地理加权回归模型具有地理空间效应的空间变系数，可以具体分析每个因素对不同省域的影响。模型回归残差的空间自相关分析，当P＞0.05表示回归残差的空间分布具有随机性。拟合系数R2值的可能范围为0~1，R2值越大，表示拟合效果越好。1.2.3

指标评价标准

参照《中国成人超重和肥胖症

预防控制指南》［15］，体重过低：BMI＜18.5kg/m2；正常：18.5kg/m2≤BMI＜24.0kg/m2；超重：24.0kg/m2≤BMI＜28.0kg/m2；肥胖：BMI≥28.0kg/m2。高血压：收缩压≥140mmHg和（或）舒张压≥90mmHg。高血压前期：130mmHg≤收缩压≤140mmHg，80mmHg≤舒张压≤90mmHg。中心性肥胖［16］：男性腰围≥85cm，女性腰围≥80cm。高龄老人：年龄逸80岁。1.3统计分析

采用SPSS20.0软件统计分析。定量

资料以均数±标准差（x依s）描述；定性资料以相对数描述，组间比较采用字2检验。采用ArcGIS10.2和Geoda软件进行空间分布描述和空间回归分析。以P＜0.05为差异有统计学意义。2结果

2.1

基本情况

共纳入28个省（市、自治区

）（除外海南、宁夏

）中老年人14880人，其中男性7086人，占47.62%；女性7794人，占52.38%。年龄最大105岁，最小45岁，平均（60.51±9.83）岁。高血压4203例，占28.25%；高血压前期5408例，占36.34%。不同性别、年龄、婚姻状况、BMI和中心性肥胖的中老年人血压正常、高血压前期和高血压构成比较，差异均有统计学意义（P＜0.05）。见表1。2.2中老年人群高血压和高血压前期患病的空间分布

28个省（市、自治区）中老年人群高血压患病

率在21.16%~38.11%之间，其中福建、江西、上海、重庆和甘肃为中老年人群高血压患病率较低地区，患病率分别为21.16%、22.14%、22.45%、23.08%和24.44%；黑龙江、天津、贵州、山东和青海为中老年人群高血压患病率较高地区，患病率分别为38.11%、37.33%、36.67%、36.16%和34.74%。见图1。

（（（（窑238窑项目年龄（岁）45~60~70~80~105性别男女婚姻状况未婚已婚丧偶/离异文化程度小学及以下中学/中专大专及以上不详BMI（kg/m）

2

预防医学2019年3月第31卷第3期PrevMed，Mar.2019，Vol.31，No.3

［n表1中老年人群血压状况分布情况（%）］

正常3046（42.68）1600（32.34）517（23.22）106（18.63）2321（32.75）2948（37.82）33（31.73）4787（36.88）449（24.99）880（33.81）361（38.45）30（44.12）3996（35.46）434（52.73）2908（41.16）1450（30.10）372（19.62）2477（45.73）2792（29.50）1294（34.60）3960（35.69）

高血压前期2579（36.14）1822（36.82）812（36.46）195（34.27）25（37.33）2763（35.45）34（32.69）4718（36.35）656（36.51）948（36.42）319（33.97）22（32.35）4119（36.55）231（28.07）2500（35.39）17（37.14）794（41.88）1809（33.39）3599（38.03）1374（36.74）4020（36.23）

高血压1511（21.17）1526（30.84）8（40.32）268（47.10）

43.924

2120（29.92）2083（26.73）

142.928

37（35.58）3474（26.77）692（38.51）

10.800

775（29.77）259（27.58）16（23.53）3153（27.98）

528.665

158（19.20）1657（23.45）1578（32.76）730（38.50）

440.080

1131（20.88）3072（32.46）

1.482

1072（28.66）3115（28.08）

0.477＜0.001＜0.0010.095＜0.001＜0.001

字2值584.460

P值＜0.001

＜18.518.5～24.0～≥28.0中心性肥胖否是居住地城镇农村

28个省（市、自治区）中老年人群高血压前期患病率在21.43%~41.09%之间，其中北京、青海、甘肃和贵州为中老年人群高血压前期患病率较低的地区，患病率分别为21.43%、27.78%、31.60%和32.00%；广西、江苏、山东、辽宁、上海和天津为中老年人群高血压前期患病率较高地区，患病率分别为41.09%、40.28%、39.62%、38.90%、38.78%和38.67%。见图2。2.3

空间聚集分析

全局空间自相关分析结果显示，

Moran'sI指数为0.224，P＞0.05，中老年人群高血压患病率不存在聚集性；局部空间自相关分析结果显示，高-高聚集区域有江苏和吉林（G*=0.042、0.039，均P＜0.05），即中国东部（江苏、河南、山）和东北部（东、安徽、浙江和上海吉林、黑龙江、）为中老年人群高血压主要聚集区域。内蒙和辽宁2.4空间回归分析2.4.1

全局回归分析

以高血压患病率为应变量，以

高龄老人比例、性别比（男/女）、超重率、中心性

肥胖率、城镇人口比例和丧偶/离异率为自变量进行（茁=13.363）高全局回归分析。结果显示，男女性别比、龄老人比例（茁=-103.801）和超重率（茁=31.998）是高血压患病率的危险因素（P＜0.05）。2.4.2

地理加权回归分析

以高血压患病率为应变

量，以全局回归分析得出的主要危险因素男女性别比、高龄老人比例和超重率作为自变量，进行地理加权回归分析。结果显示，GeneralG值为1.112（P=0.266），R2=0.925。男女性别比越高，高血压患病率也越高，对中部地区影响明显，见图3；高龄老人比例越高，高血压患病率越高，对北部和东北地区影响明显，见图4；超重率越高，高血压患病率越高，对东部和北部地区影响明显，见图5。3讨

论

分析结果显示，我国中老年人群高血压患病率为28.25%，高血压前期患病率为36.34%，提示超过50%的中老年人受到高血压的威胁或危害，我国高血

预防医学2019年3月第31卷第3期PrevMed，Mar.2019，Vol.31，No.3

高血压

患病率（%）

空

21.15~22.440

495

990

1980km

22.45~25.0025.01~28.1228.13~32.1432.14~38.12

图12015年中国不同省（市、自治区）中老年人群高血压患病率

高血压前期

患病率（%）

空

21.42~27.7727.78~35.0804959901980km

35.09~35.7635.77~38.7238.73~41.09

图22015年中国不同省（市、自治区）中老年人群高血压前期患病率

窑239窑窑240窑预防医学2019年3月第31卷第3期PrevMed，Mar.2019，Vol.31，No.3

男女性别比

回归系数

空7.43

7.44~10.8710.88~13.7213.73~14.9814.99~16.16

04959901980km

图3地理加权回归分析-男女性别比回归系数分布图

高龄老人比例回归系数

0

495

990

1980km

空

9.63~34.6634.67~57.7257.73~86.1086.11~107.26107.27~117.77

图4地理加权回归分析-高龄老人比例绝对值回归系数分布图

预防医学2019年3月第31卷第3期PrevMed，Mar.2019，Vol.31，No.3

窑241窑超重率

回归系数

空1.88

1.~22.1122.12~28.5328.54~33.5333.54~40.01

04959901980km

图5地理加权回归分析-超重率回归系数分布图

压防治任务十分艰巨。建议加强高血压前期患者社区干预，控制高血压前期向高血压进展［17］。

空间分布显示，黑龙江、天津、贵州、山东和青海为高血压高患病地区，应重点关注这些地区的中老年人群；广西、江苏、山东、辽宁、上海和天津为高血压前期高患病地区，应广泛开展健康教育。空间聚集分析显示，中国东部和东北部为高血压患者主要聚集区域，提示应针对聚集区域加强高血压防控措施。地理加权回归分析显示，男女比高是高血压患病的危险因素，即男性相对于女性发生高血压的可能性更大，与范吉祥等［18］研究结果一致，这可能与女性平常更多关注自身健康有关，提示应该更多针对男性中老年人群加强健康知识宣传，提高男性中老年人群健康素养水平。高龄老人比例是高血压患病的危险因素，与杨丽等［19］研究结果一致；高龄是高血压公认的危险因素，伴随着年龄增长，人体各器官衰老、各系统调节功能减退和血液容量变化等原因都可以使血压上升；提示关注高龄老人的血压变化。本文还提示超重是高血压患病的危险因素，即超重的中老年人患高血压的可能性大，与胡熠等［20］报告结果一致，应特别关注超重老人高血压的预防。

高血压患病率的影响因素存在空间异质性，高血压重点防控区域主要集中在东部、东北部和西南部地

）要针对高血压的危险因素区，不同省（市、自治区开展健康教育和健康促进工作，如中部地区，应重点关注男性中老年人群高血压防控；北部和东北地区，应重点关注高龄老人高血压防控；而在东部和北部地区，应重点关注超重老人高血压防控，使该地区的高血压患病率得到有效控制。本文存在以下不足：（1）由于客观和抽样原因，造成6个省级单位的高血压数据缺失。（2）被调查者测量血压时，服降压药后测量血压为正常，使高血压和高血压前期患病率被低估。（3）由于CHARLS未调查中国中老年人的社会经济、饮食和地理环境等信息，导致无法分析这三方面因素对高血压的影响，在后续研究中会改进以完善结论。

志谢特别感谢北京大学中国社会科学调查中心、北京大学国学发展研究院与北京大学团委提供了2015年中国健康与养老追踪调查数据参考文献

［1］李芳健，王增武，王家骥，等.广州市高血压社区规范化管理患

者血压控制状况及影响因素分析［J］.中华疾病控制杂志，2015，19（3）：222-225.

［2］王桦，赵晟，曾尔亢，等.中国人口老龄化社会发展与应对策

略［J］.中国社会医学杂志，2014，31（2）：75-77.［3］贾勇，梅

，潘雅洁，等.丹东市≥15岁农村居民高血压现状

渊下转第245页冤

预防医学2019年3月第31卷第3期PrevMed，Mar.2019，Vol.31，No.3

［3］MACIELEL，PANW，DIETZER，etal.Spatialpatternsof

pulmonary

tuberculosis

incidence

and

their

relationship

to

socio-economicstatusinVitoria，Brazil［J］.IntJTubercLungDis，2010，14（11）：1395-1402.

［4］AGARWALS，NGUYENDT，TEETERLD，etal.Spatial-temporaldistributionofgenotypedtuberculosiscasesinacountywithactivetransmission［J］.BMCInfectDis，2017，17（1）：378.［5］SERAPHINMN，LAUZARDOM，DOGGERRRT，etal.

Spatio-temporalclusteringofMycobacteriumtuberculosiscomplexgenotypesinFlorida：geneticdiversitysegregatedbycountryofbirth［J］.PLoSOne，2016，11（4）：e0153575.

［6］CURTISA，CURTISJW，SHOOKE，etal.Spatialvideo

geonarrativesandhealth：casestudiesinpost-disasterrecovery，crime，mosquitocontrolandtuberculosisinthehomeless［J］.IntJHealthGeogr，2015，14：22.

［7］LUIZRDOSS，SUFFYSP，BARROSOEC，etal.Genotyping

anddrugresistancepatternsofMycobacteriumtuberculosisstrainsobservedinatuberculosishigh-burdenmunicipalityinNortheast，Brazil［J］.BrazJInfectDis，201317（3）：338-345.

［8］KULLDORFFM.SaTScanUserGuideforversion9.3［EB/OL］.

［2018-11-30］.http：//www.satscan.org.［9］赵飞，王黎霞，成诗明，等.中国2008—2010年结核病空间分

布特征分析［J］.中华流行病学杂志，2013，34（2）：168-172.［10］STELLINGJ，YIHWK，GALASM，etal.Automateduseof

WHONETandSaTScantodetectoutbreaksofShigellaspp.usingantimicrobialresistancephenotypes［J］.EpidemiolInfect，2010，138（6）：873-883.

［11］YANGC，LUOT，SHENX，etal.Transmissionofmultidrug-re-

窑245窑sistantMycobacteriumtuberculosisinShanghai，China：aretro-spectiveobservationalstudyusingwhole-genomesequencingandepidemiologicalinvestigation［J］.LancetInfectDis，2017，17（3）：275-284.

［12］CASALIN，NIKOLAYEVSKYYB，BALABANOVAY，etal.

Evolutionandtransmissionofdrug-resistanttuberculosisinaRussianpopulation［J］.NatGenet，2014，46（3）：279-286.［13］CASALIN，BRODAA，HARRISSR，etal.Wholegenome

sequenceanalysisofalargeisoniazid-resistanttuberculosisoutbreakinLondon：aretrospectiveobservationalstudy［J］.PLoSMed，2016，13：e1002137-32.

［14］WUBULIA，XUEF，JIANGDB，etal.Socio-demographic

predictorsanddistributionofpulmonarytuberculosis（TB）inXinjiang，China：aspatialanalysis［J］.PLoSOne，2015，10（12）：e0144010.

［15］LIXX，WANGLX，ZHANGH，etal.Spatialvariationsof

pulmonarytuberculosisprevalenceco-impactedbysocio-economicandgeographicfactorsinPeople'sRepublicofChina，2010［J］.BMCPublicHealth，2014，14：257.

［16］高谦，梅建.传播才是造成我国结核病高耐药率的主要原因［J］.

中国防痨杂志，2015，37（11）：1091-1096.

［17］张国钦，钟达.耐药肺结核发生和流行的危险因素［J］.中国慢

性病预防与控制，2017，25（7）：557-560.

［18］高会霞，侯军良，张志，等.346例肺结核患者结核分枝杆菌耐

药性调查及耐多药结核病影响因素分析［J］.中国防痨杂志，2015，37（11）：1130-1135.

收稿日期：2018-11-16修回日期：2018-12-24本文编辑：徐文璐

渊上接第241页冤

及影响因素分析［J］.中国公共卫生，2016，32（6）：736-739.［4］罗艳侠，石晶，周涛，等.社区中老年人高血压患病及血压控制

情况调查分析［J］.中国全科医学，2013，16（25）：3015-3018.

［5］李冰，毛辉曙，王萍，等.江山市手足口病空间聚集性分析

［J］.预防医学，2018，30（7）：707-710.

［6］张永强，刘泽军.地理信息系统（GIS）在公共卫生中的应用

［J］.中国公共卫生，2005，21（5）：632-633.

［7］热伊拉·吾斯曼.应用地理信息系统技术分析糖尿病的空间

分布［D］.乌鲁木齐：医科大学，2015.

［8］吴林雄.昆明市官渡区农村居民高血压患病的GIS空间统计分析

［D］.昆明：昆明医学院，2010.

［9］蒋玲玲.吉林省成人高血压与糖尿病的空间分布特点及影响因素

分析［D］.长春：吉林大学，2016.

［10］郭剑.基于WebGIS的云南省高血压数据调查分析系统［D］.昆

明：云南大学，2013.

［11］胡雪芸，何宗宜，苗静.疾病数据的时空聚集分析及可视化

［J］.测绘通报，2015（11）：106-111.

［12］罗慧，农艺，唐忠.广西医疗卫生资源配置的空间分布及聚集性

分析［J］.中国卫生资源，2017，20（2）：114-117.

［13］庄勋，陆青云，陆峰.基于GIS的南通市肺结核发病空间分布研

究［J］.中国卫生统计，2011，28（4）：384-386.

［14］黄秋兰，唐咸艳，周红霞，等.应用空间回归技术从全局和局部

两水平上定量探讨影响广西流行性乙型脑炎发病的气象因素［J］.中华疾病控制杂志，2013，17（4）：282-286.

［15］中国肥胖问题工作组.中国成人超重和肥胖症预防与控制指南

（节录）［J］.营养学报，2004，26（1）：1-4.

［16］刘卫东，俞清，刘林飞，等.江苏省淮安市常住居民高血压影响

因素分析［J］.健康教育与健康促进，2014，9（4）：269-272.［17］李洋.社区高血压前期生活方式群组干预模式研究［D］.南京：

东南大学，2017.

［18］范吉祥，刘鑫，张昭，等.2013年吉林省成人超重和肥胖流行

现状及与高血压的关系［J］.中国卫生工程学，2018（5）：678-681.

［19］杨丽，俞蔚，徐小玲，等.高血压患病及相关因素的现况研究

［J］.浙江预防医学，2013，25（4）：14-17.

［20］胡熠，郑艳玲.高血压患者实施社区规范化管理措施及治疗效果

观察［J］.中国社区医师，2018，35（3）：11-13.收稿日期：2018-09-17

修回日期：2018-11-28

本文编辑：姜安琪