CHARLS数据库能联合哪些数据库做研究？

CHARLS数据库

CHARLS（China Health and Retirement Longitudinal Study，中国健康与养老追踪调查）是由北京大学国家发展研究院主导的全国性追踪调查项目，旨在研究中国中老年人（≥45岁）的健康状况、社会经济因素与老龄化问题。

需要具体了解CHARLS数据库，可点击文章查看全文：CHARLS数据库的数据结构解读

CHARLS数据库主要涵盖以下内容：

基本信息：年龄、性别、教育水平、户籍类型（城镇/农村）等；
健康状况：自评健康、慢性病、心理健康等；
体检数据：身高、体重、血压、握力、血脂等；
实验室检查数据：血常规、血生化等血检数据等；
社会资源：经济相关数据、个人/家庭收入、社会与家庭关系、就医频率、医疗费用、医保覆盖情况等。

HRS数据库

HRS（Health and Retirement Study，健康与退休研究）是美国重要的老龄化纵向研究，由美国国家老龄化研究所和社会保障局支持，自1992年起追踪50岁以上美国人的健康、经济和劳动市场行为。

HRS数据库主要涵盖三大数据类型：

健康体检数据：身高、体重、血压、口腔健康等；
实验室检测数据：血液指标、尿液指标、激素水平等；
问卷调查数据：年龄、性别、种族、收入、教育、健康行为、疾病史及药物使用情况等。

CHARLS数据库不仅可以独立挖掘做研究，还可以结合其他数据库，比如CHARLS数据库+HRS数据库、CHARLS数据库+ELSA数据库、CHARLS数据库+SHARE数据库、CHARLS数据库+NHANES数据库，我们一起通过SCI文章实例看看CHARLS数据库如何联合其他数据库一起做研究。

CHARLS数据库和HRS数据库结合

CHARLS与HRS数据库的联合研究为东西方老龄化比较提供了独特视角。作为发展中国家和发达国家的代表性老龄化追踪数据库，两者在核心变量设计上保持高度一致，涵盖健康、经济、社会支持等多维度指标。CHARLS完整记录了中国快速老龄化进程中的城乡差异特征，HRS则系统收集了成熟市场经济下的健康-财富动态关系。这种联合不仅能验证健康老龄化指标的跨文化适用性，更能揭示不同发展阶段社会的老龄化模式差异，为中国应对“未富先老”挑战提供政策参考。

案例文章

标题：Associations of estimated glucose disposal rate with frailty progression: results from two prospective cohorts

方法：研究使用的CHARLS（2011-2018年）和HRS（2006-2020年）数据。自变量是估算葡萄糖处置率（eGDR）。因变量是“衰弱指数（FI）”。基线及随访中重复测量 FI 以评估进展。采用线性回归分析eGDR与基线衰弱的关系，采用线性混合效应模型分析eGDR与衰弱随时间的进展关系，辅以敏感性分析和分层分析。

结果：较高的eGDR与衰弱进展的减缓相关。与eGDR最低三分位的参与者相比，最高三分位者的FI进展明显减缓（CHARLS：β=-0.294[-0.390,-0.198]；HRS：β=-0.378[-0.474,-0.281]）。每升高1个标准差的eGDR，也观察到FI进展显著减缓（CHARLS：β=-0.142[-0.181,-0.103]；HRS：β=-0.170[-0.209,-0.130]）。在排除基线虚弱人群后，该关联依然稳健，且在有无糖尿病人群中结果一致。

ELSA数据库

ELSA（English Longitudinal Study of Ageing，英国老龄化纵向研究）是由英国大学和研究机构联合发起的一项大型纵向调查项目，旨在系统收集50岁及以上人群的健康、经济、社会及生活方式信息。自2002年起，ELSA每两年进行一次数据收集，至今已完成11波，数据涵盖多个维度，旨在为英国社会政策和老龄化研究提供重要依据，支持对老龄化过程及其影响因素的深入分析。

ELSA数据库主要涵盖以下内容:

人口统计学数据：年龄、性别、种族、文化程度、婚姻状态等。
健康数据：慢性病情况、认知功能、心理健康等。
社会关怀数据：家庭和社会支持情况等。
经济数据：工作和养老金、收入和资产、住房情况等信息。
其他：社会参与、志愿工作和护理等。

CHARLS数据库和ELSA数据库结合

CHARLS与ELSA的联合研究特别关注社会福利制度对老年健康的影响机制。两个数据库均包含详细的心理健康、社会支持网络和医疗服务利用数据。CHARLS呈现了传统家庭养老模式下的代际支持特征，ELSA则记录了福利国家制度下的社会化养老服务。通过对比分析，可以评估不同养老支持体系对老年抑郁、慢性病管理等健康结局的影响，为中国探索家庭-社会协同养老模式提供实证依据。

案例文章

标题：Social isolation and risk of mortality in middle-aged and older adults with arthritis: a prospective cohort study of four cohorts

方法：研究使用的NHATS（2011-2018年）、ELSA（2002-2012年）、CHARLS(2011-2020年）和CLHLS（2002-2018年）数据，研究对象为在基线时被诊断患有关节炎的个体。使用Cox比例风险回归模型分析社会孤立与死亡风险之间的关系，采用随机效应模型进行荟萃分析，并进行敏感性分析（排除1年内死亡者）和分层分析探讨不同人群中的稳健性。

结果：研究共纳入16035名关节炎患者。荟萃分析显示，社会孤立者的死亡风险显著增加（HR=1.42[1.26,1.59]）。在NHATS、ELSA和CLHLS三个队列中也观察到类似结果。随着社会孤立评分的升高，死亡风险也逐渐升高，呈剂量反应关系（HR=1.19[1.15,1.24]）。亚组分析表明，该关联在不同性别、生活方式和慢性病状态人群中均一致。

SHARE数据库

SHARE（Survey of Health, Ageing and Retirement in Europe，欧洲健康、老龄化和退休调查）是针对欧盟、瑞士和以色列所有27个国家的50岁及以上人群及其配偶的一项跨国研究。该研究旨在探讨健康、社会经济状况及老龄化对欧洲老年人生活的多维影响。自2004年启动以来，SHARE累计对超过14万名50岁及以上的个体进行了53万次详尽访谈，成为欧洲规模最大、最具代表性的社会科学微观数据库。

SHARE数据库主要涵盖以下内容：

人口学信息：年龄、性别、教育、婚姻状况、家庭结构
健康状况：自评健康、疾病、身体功能、认知能力、心理健康
行为风险：吸烟、饮酒、营养、体育活动
医疗服务：医生就诊、住院、手术、自费支出
经济状况：就业状态、收入来源、养老金、资产、消费支出
社会支持：家庭照顾、社会关系、财务赠与
住房环境：房屋类型、抵押贷款、租赁情况
社会活动：志愿工作、俱乐部、宗教活动

CHARLS数据库结合SHARE数据库

CHARLS与SHARE数据库的联合为老龄化研究提供了独特的跨文化视角。SHARE覆盖欧洲28国的多样化样本，与CHARLS的中国本土数据形成互补，使研究者能够探索不同社会文化背景下老龄化进程的共性与差异。这种联合特别有助于分析社会政策、医疗保障体系等因素对老年健康的影响，为制定符合各国国情的健康老龄化策略提供重要参考。通过标准化数据比对，可以识别具有普遍性的健康决定因素和区域特异性风险，为全球老龄化研究贡献多元证据。

案例文章

标题：Self- and interviewer-reported cognitive problems in relation to cognitive decline and dementia: results from two prospective studies

方法：该分析利用了来自CHARLS 2011-2018年数据和SHARE 2011–2019年数据。广义估计方程（GEE）模型用于检查SCP（自我报告的认知问题）和ICP（采访者报告的融资问题）的独立和组合状态与认知下降之间的关联。Logistic回归分析估计CHARLS中认知问题与痴呆发病的关联。Cox比例风险回归分析SHARE中的认知问题对痴呆发生风险的影响。

结果：在CHARLS和SHARE的数据中，SCP和ICP共存的参与者表现出最快的认知下降（β=-0.035[-0.061,-0.009]），SCP和ICP共存的参与者在CHARLS中的痴呆风险最高（OR=1.77[1.42,2.20]），SCP和ICP共存的参与者在SHARE中的痴呆风险最高（HR=2.94[2.42,3.59]）。

NHANES数据库

NHANES（National Health and Nutrition Examination Survey，美国国家健康和营养检查调查）由美国疾病控制和预防中心（CDC）主导，通过访谈和移动体检收集美国全国代表性样本的健康与营养数据。每年约有5,000名参与者，数据涵盖人口统计、生活方式、慢性病、饮食习惯、身体检查、生物标志物等。NHANES数据为疾病风险因素和健康指标研究提供了重要支持，是美国公共卫生研究和政策制定的关键资源。

NHANES数据库主要涵盖以下内容：

人口统计学数据：性别、年龄、种族、教育水平等；
饮食数据：个人摄入营养、总营养素摄入、营养添加剂等；
实验室检查数据：血液检测、尿液检测、各种生理生化指标等；
问卷调查数据：生活方式、社会经济调查和健康状况等；
体格检查数据：身高、体重、血压、骨密度等。

CHARLS数据库结合NHANES数据库

CHARLS数据库通过长期追踪中国中老年人群的健康及生理指标，提供本土化的纵向数据；NHANES数据库则提供美国人群的横断面健康、营养及生化指标信息。尽管研究设计不同，但两者在核心健康指标（如代谢参数、衰老标志物）上可相互补充。这种联合分析能够在不同人群背景下验证生物标志物的普适性，为精准健康管理提供跨种族证据支持。

案例文章