Pag-aaral ng disenyo at mga kalahok
Ginamit namin ang cohort data mula sa HRS, isang nationally representative na longitudinal survey ng mga nasa hustong gulang na 50 taong gulang at mas matanda sa USA [17, 18]. Nangongolekta ang HRS ng impormasyon sa mga demograpiko, katayuang sosyo-ekonomiko, kalusugang pisikal at mental, at higit pa. Ang mga karagdagang detalye sa sample na disenyo at mga pamamaraan ay makikita sa profile ng cohort [17]. Tiniyak ng standardized at validated na mga sukat ng mga abala sa pagtulog, mga sintomas ng depresyon, at mga limitasyon sa pagganap ang pagiging maaasahan at bisa ng pag-aaral ng HRS. Ang pag-uulat ng pag-aaral na ito ay umaayon sa mga patnubay sa Pagpapalakas ng Pag-uulat ng mga Pag-aaral sa Obserbasyonal sa Epidemiology.
Kasama sa aming pag-aaral ang mga kalahok na hindi tahasang na-diagnose na may kapansanan sa pag-iisip, dementia, o Alzheimer’s disease, ngunit may data sa mga kondisyon ng pagtulog, depressive status, functional na limitasyon, at multimorbidity status sa apat na round ng pagsusuri noong 2002, 2004, 2006, at 2010. Kami ginamit ang data na ito para matukoy ang 8-taong trajectory ng mga abala sa pagtulog, mga sintomas ng depresyon, mga limitasyon sa pagganap, at multimorbidity status. Ang mga kalahok ay sinundan para sa cognitive impairment hanggang 2018, na may mga pagtatasa na isinasagawa tuwing 2 taon. Ang pag-aaral na ito ay gumamit ng data mula sa apat na pagtatasa ng mga kalahok upang makabuo ng mga modelo ng tilapon para sa iba’t ibang kondisyon ng kalusugan. Sa baseline, may kabuuang 23,212 kalahok na may edad na 60 taong gulang o mas matanda ang kasama. Matapos ibukod ang 329 kalahok na may Alzheimer’s disease at ang mga kulang sa impormasyon sa Alzheimer’s disease (n = 14,447), 366 kalahok na may demensya, at 2150 kalahok na may kapansanan sa pag-iisip bago ang 2010, higit pa naming ibinukod ang 710 kalahok na walang sapat na impormasyon sa mga abala sa pagtulog, 294 kalahok na walang sapat na impormasyon sa mga sintomas ng depresyon, at 506 kalahok na walang sapat na impormasyon sa katayuan ng multimorbidity, bilang pati na rin ang mga may nawawalang impormasyon sa covariates (n= 91). Sa wakas, isinama namin ang 4319 na kalahok sa pag-aaral ng cohort na ito (Larawan 1).
Ang HRS ay nakatanggap ng pag-apruba mula sa University of Michigan Institutional Review Board (IRB Protocol: HUM00061128). Lahat ng kalahok ay nagbigay ng oral informed consent.
Pagtatasa ng mga abala sa pagtulog, mga sintomas ng depresyon, mga limitasyon sa pagganap at katayuan ng multimorbidity
Ang mga abala sa pagtulog ay tinasa gamit ang isang binagong bersyon ng Jenkins Sleep Scale, na nagpakita ng mahusay na pagiging maaasahan (Cronbach’s alpha) na hindi bababa sa 0.7 [19]. Apat na bagay, kabilang ang kahirapan sa pagtulog, kahirapan sa pagtulog, paggising ng masyadong maaga sa gabi, at pakiramdam ng pahinga kapag nagising sa umaga, ay isinasaalang-alang. Ang mga kalahok ay hiniling na i-rate ang kanilang mga tugon sa isang sukat na 1 hanggang 3, na may “1 = bihira o hindi kailanman,” “2 = minsan,” at “3 = kadalasan.” Pagkatapos ng reverse coding sa huling aytem, ang mga marka ay na-summed, na nagreresulta sa kabuuang iskor mula 3 hanggang 12 [20]. Ang mas mataas na marka ay nagpahiwatig ng mas mataas na antas ng mga abala sa pagtulog [20].
Ang mga sintomas ng depresyon ay tinasa gamit ang 8-item na Centers for Epidemiologic Research Depression (CES-D) scale, na sinusukat ang dalas ng mga damdamin sa walong dichotomous na mga item noong nakaraang linggo, kabilang ang “depressed,” “lahat ay isang pagsisikap,” “masaya ,” “masaya ang buhay,” “malungkot,” at “hindi na makatuloy” [21, 22]. Ni-reverse-code namin ang mga item sa “happy” at “life was enjoyable” at pagkatapos ay summed ang lahat ng item. Ang kabuuang mga marka ay mula 0 hanggang 8, na may mas mataas na mga marka na nagpapahiwatig ng mas matinding sintomas ng depresyon.
Ang mga limitasyon sa pag-andar ay nasuri sa pamamagitan ng paggamit ng mga aktibidad ng pang-araw-araw na pamumuhay (ADLs) at IADLs, ayon sa pagkakabanggit. Ang mga limitasyon ng ADL ay tinasa sa anim na aktibidad ng pang-araw-araw na pamumuhay, kabilang ang paglalakad sa isang silid, pagbibihis, pagligo, pagkain, pagpasok o paglabas ng kama, at paggamit ng banyo [23]. Ang mga limitasyon ng IADL ay tinasa sa limang instrumental na aktibidad ng pang-araw-araw na pamumuhay, na kinabibilangan ng paggamit ng telepono, pamamahala ng pera, pag-inom ng mga gamot, pamimili ng mga pamilihan, at paghahanda ng mainit na pagkain. [23]. Kung ang respondent ay nag-ulat ng walang kahirapan sa item, ito ay naka-code bilang 0. Kung nag-ulat sila ng kahirapan, ito ay naka-code bilang 1. Ang mga ADL ay mula 0 hanggang 6, at ang mga IADL ay mula 0 hanggang 5, na may mas mataas na mga marka na nagpapahiwatig ng mas malalaking limitasyon ng mga ADL at Mga limitasyon ng IADL.
Nasuri ang katayuan ng multimorbidity sa pamamagitan ng pagkalkula ng kabuuan ng marka ng 8 self-reported physician-diagnosed na kondisyon: type 2 diabetes, stroke, hypertension, sakit sa puso, malalang sakit sa baga, arthritis, sikolohikal na sakit, at cancer [23].
Pagtatasa ng kapansanan sa pag-iisip
Ang cognitive function ay nasuri sa bawat survey wave gamit ang 27-point HRS cognitive scale. Ang sukat na ito ay binubuo ng agaran at naantala na 10-pangngalan na libreng paggunita upang masuri ang memorya, serial sevens subtraction upang masuri ang gumaganang memorya, at pagbibilang pabalik upang masuri ang bilis ng pagproseso ng isip. [19, 24]. Ang kabuuang mga marka ay mula 0 hanggang 27, na may markang 11 o mas mababa na nagpapahiwatig ng kapansanan sa pag-iisip [23, 24].
Covariates
Sinuri namin ang mga covariate gamit ang impormasyon mula sa pagsusulit noong 2010. Kasama sa mga sumusunod na hakbang ang edad (<70 taon, 70 ~ 79 taon, ≥ 80 taon), kasarian (babae, lalaki), antas ng edukasyon (mas mababa sa high school, high school o associate degree, ilang kolehiyo o associate degree, degree sa kolehiyo o sa itaas), marital status (may asawa, walang asawa), paninirahan (rural, urban), kabuuang kita ng yaman (ang pinakamababang quartile, Quartile 2, Quartile 3, ang pinakamataas na quartile), self-reported body mass index (BMI; kulang sa timbang, normal, labis na katabaan, sobra sa timbang) [25]pisikal na aktibidad (hindi, oo), pag-inom (hindi, oo), at paninigarilyo (hindi, oo) ay isinasaalang-alang.
Pagsusuri ng istatistika
Gumamit kami ng latent class trajectory models (LCTM) para matukoy ang mga trajectory ng mga abala sa pagtulog, mga sintomas ng depresyon, mga limitasyon ng ADL, mga limitasyon ng IADL, at multimorbidity status sa paglipas ng panahon [12]. Ang LCTM, bilang isang finite mixture model, ay maaaring tumukoy ng mga nakatagong klase ng mga indibidwal na nagpapakita ng magkatulad na pag-unlad ng isang determinant sa paglipas ng panahon o sa edad. [12]. Gumamit ang aming mga modelo ng mga second-order polynomial at kinakalkula ang posterior probabilities para sa bawat trajectory, na isinasaalang-alang ang antas ng edad. Ang bawat kalahok ay itinalaga sa tilapon na may pinakamataas na posibilidad. Ang pinakamahusay na angkop na bilang ng mga tilapon ay pinili batay sa pinakamababang Bayesian Information Criterion (BIC), habang tinitiyak ang posterior probabilities ayon sa klase (> 0.70) at laki ng klase (≥ 2% ng populasyon). Para mapadali ang interpretability, nagtalaga kami ng mga label sa mga trajectory batay sa batayan ng kanilang namodelong mga graphic pattern.
Upang masuri ang panganib ng kapansanan sa pag-iisip, ang petsa ng pagsusuri ng ika-apat na pagsusuri (2010) ay itinuturing na time zero para sa modelo ng kaligtasan. Ang oras hanggang sa kaganapan (kapinsalaan sa pag-iisip) ay tinukoy bilang mga sumusunod: ang mga kalahok ay sinundan mula sa petsa ng pagsisimula ng mga pagsusuri sa kaligtasan (2010) at na-censor sa petsa ng kapansanan sa pag-iisip, pagkamatay, o pagkawala sa pag-follow-up. Na-censor ang mga kalahok sa petsa kung kailan sila huling nakita o nakipag-ugnayan noong nawala sila sa follow-up. Pagkatapos masuri ang pagsunod sa proporsyonal na palagay ng mga panganib sa pamamagitan ng pag-plot ng mga nalalabi sa Schoenfeld laban sa oras, walang mga paglabag sa palagay. Ang hazard ratio (HR) para sa cognitive impairment ay nakalkula sa pamamagitan ng paggamit ng Cox proportional hazard models, batay sa nakatalagang trajectory. Para sa lahat ng pagsusuri, naglagay kami ng tatlong modelo: ang modelo 1 ay isang univariate na modelo; modelo 2 na isinaayos para sa edad, kasarian, antas ng edukasyon, katayuan sa pag-aasawa, paninirahan, kabuuang kita ng yaman, self-reported BMI, pisikal na aktibidad, pag-inom, at paninigarilyo; at ang modelo 3 ay isang buong modelo na nagdaragdag ng lahat ng mga tilapon. Bukod dito, kung isasaalang-alang na ang mga malalang sakit ay maaaring makapinsala sa parehong functional independence at cognitive performance, mas nag-adjust kami para sa iba’t ibang sakit, kabilang ang cardiovascular disease (stroke, hypertension, heart disease) at iba pang sakit (type 2 diabetes, chronic lung disease, arthritis, psychological disease, at cancer), upang subukan ang katatagan ng mga resulta.
Nagsagawa kami ng pagsusuri ng subgroup batay sa edad, kasarian, antas ng edukasyon, katayuan sa pag-aasawa, paninirahan, kabuuang kita ng yaman, self-reported BMI, pisikal na aktibidad, pag-inom, paninigarilyo, at lahat ng mga trajectory. Upang ganap na tuklasin ang pinagsama-samang epekto ng mga variable na ito, pumili kami ng mga makabuluhang trajectory ng panganib at kinakalkula ang kanilang kabuuang mga marka. Pagkatapos ay naobserbahan namin ang epekto ng kabuuang mga marka sa kinalabasan. Ang lahat ng pagsusuri ay ginawa gamit ang R software, bersyon 4.2.1 para sa Windows. Dalawang panig Pang mga halagang mas mababa sa 0.05 ay itinuturing na makabuluhan sa istatistika.
