Page 36 - 南京医科大学社科版
P. 36

南
                                                    南京医科大学学报（社会科学版）京医科大学学报（社会科学版）                 第1期 总第126期
              · 30  ·
                                             Journal of Nanjing Medical University（Social Sciences）of Nanjing Medical University（Social Sciences）  2025年2月
                                             Journal
               也有研究表明，健康且居住在社区的老年人，学习                                变量具体赋值见表1。
               使用互联网并未显著改善其认知功能                   ［16］ 。一项对                       表1   变量说明
               照实验表明，学习互联网使用对健康老年人生活质                                变量描述                   变量赋值
               量的影响有限      ［17］ 。此外，目前大多数研究均以西方                   自变量数字排斥 0=上网，1=不上网
               国家为背景，对发展中国家的研究，尤其是结合中                             因变量认知能力 0~21分，由情景记忆和心智状况组成
               国国情的相关研究较为欠缺。                                      控制变量
                   综上，数字排斥对老年人认知能力的影响已引                             社会人口变量
               起学界广泛关注，相关机制研究较为深入。然而，                                 性别        0=男性，1=女性
               现有研究仍有扩展空间。首先，关于数字排斥，即                                 年龄        问卷调查年份减去出生年份得到年龄（岁）
               微观层面上的互联网使用，其与认知能力的关系仍                                 居住地       0=农村，1=城市
               存在争议；其次，由于各国的数字化水平差异很大，                                婚姻状况      0=否，1=已婚
               低收入国家和高收入国家之间数字排斥与认知能                                  受教育水平 1=文盲，2=未读完小学、私塾毕业及小学
               力的关联模式可能不同；最后，许多研究采用横断                                           毕业，3=初中毕业，4=高中及以上
                                                                    健康行为变量
               面设计，样本量较小，限制了其普遍性。基于此，本
                                                                      喝酒        0=否，1=喝酒
               文选取中国健康与养老追踪调查（CHARLS）2011—
                                                                      抽烟        0=否，1=抽烟
               2018 年数据，采用广义估计方程（GEE），解决重复
                                                                      睡觉时长      0~24小时
               测量带来的相关性问题，探讨老年人数字排斥与认
                                                                      运动        0=否，1=运动
               知功能的关系。
                                                                    健康状况变量
                              一、资料与方法                                 抑郁        10~40分，分值越高表示越抑郁
                                                                      ADL       0~6分，分值越高自理能力越差
                  （一）数据来源与研究对象
                                                                      高血压       0=否，1=是
                   本研究基于 CHARLS 2011、2013、2015、2018 年
                                                                      糖尿病       0=否，1=是
               调查的数据，重点关注 60 岁及以上的老年人。在
                                                                      心脏病       0=否，1=是
               96 628例参与者的总样本中，有47 326例年龄在60岁
                                                                      中风        0=否，1=是
               及以上。在剔除 24 333 例自变量缺失和认知功能
                                                                      癌症        0=否，1=是
               评分缺失的个体后，进一步去除控制变量缺失值
               11 956例，最终样本包括13 006例参与者。                             （三）统计分析方法
                  （二）变量选择                                            使 用 Excel 软 件 进 行 数 据 清 洗 ，Stata17.0 和
                   1. 因变量                                        R4.4.1 进行统计分析。首先，对协变量进行描述性
                   认知功能采用简易智力状态检查量表（MMSE），其                      统计，其中分类变量用频数（n）和百分比（%）表示，连
               分值范围为 0~21 分，由情景记忆和心智状况组成，                        续性变量用均数±标准差（x±s）来表示，并利用卡方
               得分越高表明认知功能越强。其中情景记忆测量                             检验及 t 检验分析组间差异。其次，为解决每个队
               是由词组即时回忆和词组延迟回忆两部分组成，共                            列因重复测量造成的相互相关性，采用广义估计方
               10 分。心智状况测评通过要求受访者回答 11 个反                        程，并设立 4 个模型。模型 1 只包含自变量数字排
               映他们精神状态的问题，包括计算、绘图以及对时                            斥；模型 2 加入人口学变量，包括性别、年龄、居住
               间的认知，共11分。                                        地、婚姻状况、受教育水平；模型 3 在前基础上增加
                   2. 自变量                                        健康行为变量，包含喝酒、抽烟、睡觉时长、运动；模
                   关于数字排斥的数据是通过自我管理的问卷                           型 4 进一步添加健康状况变量，如抑郁症状、ADL、
               收集的。在 CHARLS，使用“您在过去一个月中使用                        高血压、糖尿病、心脏病、中风、癌症，检验数字排斥
               过互联网吗？”来评估数字排斥。回答“否”被归类为                          与老年人认知能力的关系。考虑到年龄、教育、居
               数字排斥，而回答“是”被视为数字包容 。                              住地等控制变量可能会引起差异，本研究进行亚组
                                                ［9］
                   3. 控制变量                                       分析并做森林图，比较不同亚组的结果。最后，进
                   本文将控制变量划分为三个部分。首先，人口                          行稳健性检验。
               学变量包括性别、年龄、居住地、婚姻状况和受教育                               广义估计方程模型公式构建具体如下：
               水平。其次，健康行为变量包括喝酒、抽烟、睡觉时                               模型 1，E（Yit）=g（β 0+β 1X1it），X1 为数字排斥；
                                                                                    -1
               长和运动。最后，健康状况变量包括抑郁症状、日                                模型 2，E（Yit）=g （β 0+β 1X1it+β 2X2it），X2 为人口
                                                                                    -1
               常生活活动能力（ADL）、高血压、糖尿病、心脏病、中                        学变量；
               风和癌症。                                                 模型 3，E（Yit）=g（β 0+β1X1it+β2X2it+β3X3it），X3 为
                                                                                   -1
   31   32   33   34   35   36   37   38   39   40   41