在老龄化日益加剧的今天，理解健康相关因素如何随时间相互影响，变得尤为关键。CHARLS 作为我国重要的中老年追踪调查数据库，积累了丰富的多期面板数据。然而，若仅用常规回归分析，很难捕捉变量间的动态关系和双向影响。交叉滞后面板模型（CLPM）恰好能解决这一问题——它利用纵向结构，区分稳定特质与时间效应，揭示变量间的跨期影响。近年来，已有研究借助该方法在 CHARLS 中取得高质量成果。
本文结合实例，介绍这一方法的核心思路与应用价值。
什么是交叉滞后面板模型？
基本原理：在控制同一时间点内变量之间相关性和变量跨时间稳定性的情况下，探讨一个变量对另一个变量的预测效应。
不同类型：若两个暴露变量分别为 x1 和 x2，两个因变量分别为 y1 和 y2，那么 CLPM 可以探索的关系包括三类：
-
同一时间点上两个变量之间的关系：即 x1 和 y1 或 x2 和 y2 的关系；
-
不同时间点上同一变量的关系：即 x1 和 x2 或 y1 和 y2 的关系；
-
不同时间点不同变量的关系：即 x1 和 y2 或 x2 和 y1 的关系。
与传统回归分析比较的优势
-
CLPM 可以揭示变量之间是如何随着时间的推移相互作用和共同发展的；
-
CLPM 可以通过考察变量之间影响的时间先后顺序，为变量间的因果方向性提供证据；
-
CLPM 可以帮助判断两个或多个变量是否相互影响，形成一个动态的反馈循环。
应用场景
健康与功能的动态关联分析：如慢性病与功能障碍的双向影响或身体功能与心理健康的交互作用分析；
认知-心理健康的纵向互动：如抑郁与认知功能的时序关系或孤独感与认知/心理健康的动态关联；
社会-经济因素与健康的相互作用：如社会参与与健康的双向影响或经济状况与健康的动态关系；
生活方式和健康的时序因果：如健康行为的相互影响或睡眠与其他健康因素的动态关联。
扩展方法
随机截距交叉滞后面板模型（RI-CLPM）：通过引入随机截距潜变量，明确分离个体间稳定差异（随机截距部分）和个体内动态变化（交叉滞后部分），有助于识别哪些效应源于个体间的持久差异，哪些反映随时间的真实变化，为个性化干预提供更精准的靶点；
交叉滞后面板网络分析（CLPN）：通过结合网络分析与交叉滞后设计，形成更复杂的网络结构，在每个时间点内构建指标间的同期网络，同时估计跨时间的滞后连接，有助于分析指标的中心性（哪些指标对系统影响最大）和跨时间的影响流，识别关键枢纽变量。
案例文章
典型案例一：交叉滞后面板
标题：Bidirectional association between clustering of health-related behaviours and depression in mid- and older-aged adults: A longitudinal study in China and Japan（中科院二区，IF=4.9）
背景：为了厘清东亚地区健康相关行为（HRB）与抑郁症之间的因果关系，作者分别按性别考察了中国和日本老年人群中 HRB 聚集与抑郁症的双向纵向关系。
方法：数据来源于中国健康与养老追踪调查（CHARLS）（N = 18,739）（2011-2015 年）和日本老龄化与退休研究（JSTAR）（N = 7116）（2007-2011 年）。采用交叉滞后面板模型（CLPM）评估高危行为聚集与相邻两期抑郁症之间的双向纵向关系，并按队列和性别进行分层。此外，还进行了敏感性分析，以探索高危人群中的关键风险因素。
结果：中国基线抑郁症患病率约为 20%，日本约为 4%，超过 70%的参与者属于高危人群。仅在中国女性中观察到高危人群与抑郁症之间存在单向负相关（标准化 β = -0.039，95%CI：-0.054 , -0.024，P < 0.001）。然而，在日本女性和男性中均未发现这种关联。进一步的敏感性分析表明，这种关联主要由超重/肥胖人群驱动。敏感性分析还发现，在中国女性中，抑郁症对吸烟和饮酒人群有正向影响，对超重/肥胖人群有负向影响。
结论：研究结果显示，高危人群与中国女性抑郁症之间存在单向负相关关系，但不同国家和性别之间存在显著差异。
典型案例二：交叉滞后面板
标题：Interactive effects of abdominal obesity and insulin resistance on cardiometabolic risk（中科院二区，IF=4.9）
背景：腹型肥胖（AO）和胰岛素抵抗（IR）均为心血管代谢疾病（CMD）的预测因子。该研究旨在评估 AO 和 IR 之间的时间关系及其对 CMD 风险的联合影响。
方法：该研究纳入了具有全国代表性的 9234 名参与者，最长随访时间为 9 年。采用甘油三酯-葡萄糖（TyG）指数作为胰岛素抵抗（IR）的指标，并以腰围（WC）测量年龄（AO）。采用 Cox 回归分析评估 AO 和 TyG 对心血管疾病（CMD）风险（包括高血压、糖尿病、心脏病和卒中）的联合影响。使用交叉滞后面板模型分析其时间关系。评估了 AO 与胰岛素抵抗之间的乘性交互作用和加性交互作用，以及 TyG 的中介效应。
结果：同时患有 AO 且 TyG 水平较高（≥8.6 [中位数]）的个体，其高血压（HR，1.46；95%CI，1.25-1.69）、糖尿病（HR，1.99；95%CI，1.65-2.41）和卒中（HR，1.76；95%CI，1.22-1.94）的风险最高。观察到 AO 和 IR 对糖尿病存在生物学交互作用，交互作用的归因比例为 29%。WC 和 TyG 之间存在双向时间关系，WC 对 TyG 的影响比 TyG 对 WC 的影响更为显著。高 TyG 在 AO 与高血压（19%）、糖尿病（25%）和卒中（24%）的关联中起中介作用。
结论：研究结果揭示了动脉粥样硬化（AO）和胰岛素抵抗（IR）之间的时间关系，以及二者对高血压、糖尿病和中风的联合影响，并揭示了胰岛素抵抗在其中的中介作用。应强调同时针对这两个因素的策略，以预防心血管疾病。
典型案例三：交叉滞后面板+随机截距滞后面板
标题：The Interaction Among Depressive Symptoms, Pain, and Frailty in Middle-Aged and Older Adults: A Longitudinal Cross-Lagged Panel Analysis（中科院二区，IF=3.3）
背景：抑郁症状、疼痛和衰弱在中老年人群中的相互作用已有纵向研究支持，但现有证据仍不足以对其进行全面理解。该研究旨在探讨它们之间的相互关系及其潜在机制。
方法：该研究利用中国健康与养老追踪调查（CHARLS）的数据，该调查包含 7 年间四次抑郁症状、疼痛和衰弱的评估。纳入了 4961 名 45 岁及以上的参与者进行分析。采用交叉滞后面板模型（CLPM）和随机截距交叉滞后面板模型（RI-CLPM）分析个体间和个体内部的双向时间关系。
结果：交叉滞后面板分析显示抑郁症状与疼痛之间存在双向关联。衰弱与疼痛之间也存在互惠预测关系。在采用 RI-CLPM 控制个体差异后，抑郁症状在后续时期仍然能够正向预测疼痛。然而，疼痛对后续抑郁症状的预测作用不再显著。尽管疼痛与虚弱之间仍存在交叉滞后关系，但这种关系呈现下降趋势。
结论：该研究区分了个体内部效应和个体间效应，揭示了疼痛、抑郁和虚弱程度在不同水平上的不同滞后效应。 它强调了共同评估这些情况并整合个体内部和个体之间的差异以制定和执行有针对性的干预措施的重要性。
典型案例四：交叉滞后面板网络分析
标题：Bidirectional relationships between cognitive decline and depression: A study of middle-aged and older adults using cross-lagged panel network analysis（中科院二区，IF=4.9）
背景：认知衰退和抑郁症状在中老年人群中十分常见。两种相互竞争的理论——疤痕理论和脆弱性理论——为理解二者之间的关系提供了新的视角。疤痕理论认为抑郁症会导致认知障碍，而脆弱性理论则认为认知缺陷会使个体更容易患上抑郁症。理解这些机制对于制定有效的干预措施至关重要，尤其是在像中国这样资源匮乏的地区。
方法：对来自中国健康与养老追踪调查（CHARLS）的三波数据（2015 年、2018 年和 2020 年）进行了交叉滞后面板网络（CLPN）分析，这些数据包含 14961 名年龄 ≥45 岁的参与者。认知功能采用简易精神状态检查量表（MMSE）各子量表进行评估，抑郁症状采用抑郁自评量表 -10（CESD-10）进行评估。分别对男性和女性进行了分析，并使用网络中心性指标来识别关键的桥梁症状。
结果：研究结果表明，认知功能（尤其是记忆力和定向力）在早期阶段即可预测抑郁症状，而绝望感和低能量感则进一步加剧了认知衰退。中心性分析发现，记忆力和绝望感是关键的桥梁症状。此外，还观察到性别差异：认知到抑郁的通路在女性中更为显著，而抑郁到认知的影响在男性中更为明显。
结论：这些发现为疤痕和脆弱性假设提供了实证支持，并强调了早期针对特定症状的干预措施（特别是针对记忆和绝望的干预措施）在减轻中国老龄化人口抑郁症和认知能力下降的相互风险方面的重要性。
结论
总体而言，在 CHARLS 数据库中，我们不一定要采用常见的回归分析的方法（如逻辑回归或 Cox 回归），我们还可以利用多种不同的数据类型采用交叉滞后面板及其扩展模型帮助进一步探索变量之间的动态关联或双向影响。但我们在采用这些方法之前，都需要基于我们拟解决的科学问题，并利用数据中能够探索的指标来确定，达到能解决公共卫生或临床问题的目的。
评论列表