联合数据库，申请出战！新指标“超级老人”揭示老年健康新视角，仅用logistic分析发文二区...

说到老年数据库，大家最熟悉的肯定是Charls，实际上类似免费好用的老年数据库还有很多，在没有思路的时候我们不妨看一下其他数据库的文章，说不定能找到新的思路或者切入点。

今天介绍的这篇文章就提出来一个新的概念-“超级老人”，并联合了多个数据库发文二区！让我们一起往下看吧！

2024年6月1日，外国学者做了一项研究，在期刊《Journals of Gerontology Series B-psychological Sciences And Social Sciences》（医学二区top，IF=6.2）发表了题为：“Correlates of SuperAging in Two Population-Based Samples of Hispanic Older Adults”的研究论文，联合两个公共数据库发文，旨在探讨“超级老人”的特征，并研究可能影响成为“超级老人”的认知、身体和心理弹性指标。

“Superman”不一定存在，但“SuperAging（超级老人）”真的存在。“超级老人”的状态比同龄的普通老人要年轻30岁，记忆清晰，认知明确，他们的大脑似乎并没有留下“岁月的痕迹”。虽然已有研究发现相较于普通老人，“超级老人”大脑的皮质层更厚，明显的混乱更少，拥有更充沛的神经元。但“超级老人”的特征，以及成为“超级老人”影响因素目前尚不明确。

主要研究结果

1.研究设计

数据来源于两个公共数据库：以西班牙裔老年人为基础的研究(波多黎各老年人:健康状况[PREHCO]研究)的数据和美国健康与退休研究 (HRS)的数据，“超级老年人”定义为：

(1)年龄≥80岁；

(2)回忆分数≥55-64岁西班牙裔受访者的中位数；

(3)观察期间无认知障碍。

最终纳入640名PREHCO参与者和180名HRS参与者，其中45名(7%)和31名(17%)符合SuperAging标准。

在现有研究的基础上，研究团队选取了三个与“超级老龄化”相关的因素：

• 认知弹性：由于教育和日常生活工具活动(IADLs)与认知功能密切相关，因此被用作认知弹性的替代指标。

• 身体弹性：日常生活活动(ADLs)被用来概括身体弹性，得分越多说明身体素质越差。

• 心理弹性：心理弹性的测量使用抑郁症状、焦虑症状和感知压力三个指标，抑郁症状使用西班牙版的缩短老年抑郁症量表(GDS)进行测量，焦虑症状使用HRS社会心理问卷中的贝克焦虑量表来测量，感知压力使用四项感知压力量表进行测量，量表得分越高症状越严重。

2.相较于普通人，“超级老人”有什么不同？

在控制年龄和性别后，分别对两个数据库使用Logistic回归，研究结果如下所示。

在PREHCO数据库中，更长的教育年限、更低的IADLs和ADLs指数以及更少的抑郁症状与“超级老人”相关。

• 在控制了年龄和性别后，研究结果显示，每增加一年的教育，成为“超级老人”的几率增加20%(优势比[OR] = 1.20, 95% CI: 1.09-1.31;P < 0.001)；

• 而每增加一个额外的IADL限制，成为超级老年人的几率降低了21% (OR = 0.79, 95% CI: 0.65-0.96;P = .019)；

• 同样每增加一个ADL限制，成为超级老年人的几率降低28% (OR = 0.72, 95% CI: 0.54-0.97;P = .031)；

• 最后，每增加一个抑郁症状，成为超级老年人的几率降低16% (OR = 0.84, 95% CI: 0.72-0.97;P = 0.015)。
  

模型1：认知弹性，控制年龄和性别；

模型2：身体弹性；

模型3：心理弹性。

在HRS数据库中，研究团队发现logistic回归结果几乎与PREHCO数据库一致。

• 每多接受一年教育，成为超级老人的几率增加14% (OR = 1.14, 95% CI: 1.00-1.29;p = 0.045)，并随每一次IADL限制下降42% (OR = 0.59,95% CI: 0.32-1.06;P = .079)，但后者的结果没有达到统计学意义。

• 每增加一个ADL限制，成为超级老年人的几率降低34% (OR = 0.66, 95% CI: 0.43-1.02;P = .063)，但是这个结果也没有统计学意义。

• 而每增加一个抑郁症状，成为超级老年人的几率降低32% (OR = 0.68, 95% CI: 0.52-0.90;P = .007)。

统计方法

本文是一篇多数据库联合的纵向研究，使用的统计学方法并不难，但文章的创新思路很值得学习！

• 首先使用卡方检验比较比例，使用t检验比较均值差异。

• 在主要分析中，对两个数据库分别使用多变量logistic回归，以确定与年龄相关三个的弹性因素是否会影响成为超级老人的几率。

• 分别对认知、身体和心理恢复力进行模型估计。

• 在双尾α = 0.05水平上表示具有统计学意义的结果。

后   记

看完这篇文章，大家有没有get到发文的新思路？本文的统计学方法并不难，最大的创新点是引入了一个新的人群-超级老人，在先前研究的基础上使用了两个数据库，在对年龄和性别进行调整后，使用多变量logistic回归分析与成为“超级老人”相关的因素，研究结果表明，高等教育、IADLs、ADLs和抑症状与成为“超级老人”有关。

“不想做实验，手头也没有数据，可以发SCI吗？”当然可以，试试公共数据！公共数据库挖掘的热度越来越大，想发文章的一定要牢牢把握住这个机会，不要等想写的选题都被发完了才后悔......

如果你有需要，欢迎点击下方的链接，郑老师团队可以根据你的要求，给予你个性化定制服务！

本公众提供各种科研服务了！