社会脆弱性是一个多维概念，涵盖多个社会维度，如社会行为（例如参与群体活动）、社会资源（例如与配偶/伴侣共同生活）以及基本的社会需求（例如获得社会支持网络）[1]、[2]。它被定义为个体在生命周期中逐渐丧失或无法获得满足基本社会需求所需资源的状态[1]、[3]。研究表明，预社会脆弱性的患病率约为24.9%，而社会脆弱性影响了7.9%的中老年人[4]。流行病学证据表明，社会脆弱性与较高的残疾风险[5]、抑郁风险[6]和死亡风险[5]显著相关，这凸显了其在公共卫生领域的意义。
最近的纵向研究表明，社会脆弱性与认知功能障碍有关，例如运动认知风险综合征[7]和阿尔茨海默病[8]。横断面研究也提供了社会脆弱性与认知障碍之间关联的额外证据[9]、[10]。值得注意的是，研究发现不同的社会因素对认知健康有不同的影响[11]、[12]、[13]。例如，先前的研究发现，强大的社会联系（而不仅仅是社会支持）与较慢的认知衰退速度相关[12]。同样，积极的社会健康状态（表现为社会联系、支持和参与休闲活动）也与较低的认知衰退率相关[11]。各种社会因素可能贯穿整个生命周期，并且每个因素与认知功能的不同方面存在差异性关联。一个综合评估这些社会因素的方法（包括社会脆弱性）可以更准确地理解个体的社会背景及其对认知健康的潜在影响。
迄今为止，只有一项研究揭示了社会脆弱性与长期认知轨迹之间的关联，且该研究使用的是美国人群的数据[14]。由于社会文化、经济和医疗系统的差异[15]，美国的研究结果可能无法直接应用于中国。因此，在中国人群中进行类似的研究可以提供更具体的证据，以了解社会脆弱性与认知健康之间的关联。此外，上述研究中使用的线性混合效应模型虽然能够捕捉基线认知水平和衰退率的个体差异，但无法解释不同亚组中的独特发展轨迹[16]。相比之下，基于组的轨迹建模（GBTM）可以识别不同亚组中的独特认知功能轨迹，而不仅仅是模拟平均趋势[17]。这种方法的优势在于它可以揭示潜在的异质性，从而避免因依赖组平均效应而掩盖亚组间的差异[17]。然而，针对中国中老年人社会脆弱性与认知轨迹之间关联的研究仍然很少。
虽然传统的统计方法通过将社会脆弱性和认知结果视为独立变量或累积得分来研究它们之间的关联[7]、[14]，但这些方法往往忽略了社会脆弱性各个组成部分之间的复杂相互作用和内在结构依赖性。社会脆弱性量表中的每个项目代表一个不同的维度，这些维度可能与其他维度动态相关[1]。网络分析提供了一种新颖而强大的方法论框架，用于捕捉这些微妙的相互关系[18]。这种方法的价值在于它补充了纵向轨迹建模的功能，因为轨迹分析可以阐明认知结果的时间演变过程，而网络分析则可视化了风险暴露的微观结构。通过将症状或风险因素建模为相互连接的节点，这种方法能够识别在整体结构中起关键作用的核心或中介元素。因此，在认知衰老的背景下应用网络分析于社会脆弱性，可以更细致地理解社会脆弱性的具体方面如何与认知健康相关联，为假设生成和未来干预研究的重点目标提供重要见解[19]。
因此，本研究旨在评估中国中老年人的社会脆弱性与整体及特定认知功能长期发展轨迹之间的关联。此外，还利用网络分析来识别潜在的干预研究目标。
