摘要
背景/目的
本研究旨在探讨使用普查区（CT）指标评估社区劣势的实用性，并探索其对视觉障碍和失明（VDB）指标的影响。
研究对象/方法
这项横断面研究使用了2018至2022年美国社区调查（American Community Survey）和全国社区数据档案（National Neighbourhood Data Archive）中的社区社会经济状况及人口统计特征数据。社区劣势、VDB以及人口统计数据的指标均通过描述性统计量（均值、标准差（SD）进行了总结。主要结果是报告VDB的普查区数量及其与社区劣势的关联（该指标范围为0到1，分数越高表示劣势越严重），并通过逻辑回归进行分析。
结果
共有83,388个普查区被纳入研究，其中2.53%的居民报告有VDB（标准差=2.62），平均社区劣势程度为0.18（标准差=0.12）。调整了包括中位年龄、女性人口比例、自认为是有色人种的人口比例、普查区人口规模以及所在州在内的社区人口统计因素后，社区劣势与VDB的发生几率增加2.9%相关（比值比（OR）：1.029；95%置信区间（CI）：1.029,1.029；p<0.001）。
结论
研究表明，社区劣势与更多居民报告VDB的情况有关。临床医生可以利用这一指标来识别视觉障碍较严重且社区资源匮乏的地区，从而针对高风险人群实施眼部疾病筛查和护理措施。
引言
视觉障碍，即视力下降或失明，会影响社区健康，干扰人们的工作、阅读、驾驶、完成日常任务及保持独立生活的能力[1,2,3]。视力丧失与抑郁、糖尿病、跌倒、中风、认知能力下降甚至早逝等负面健康后果相关。在一项针对2000多名成年人的调查中，近一半受访者认为失明是最糟糕的健康后果——甚至比听力丧失或肢体丧失更严重[1, 4]。最近的一项荟萃分析显示，美国有超过700万人存在视觉障碍，而其他估计则接近2100万人[1, 5, 6]。视觉障碍带来了巨大的经济负担。在美国，直接和间接成本（包括生产力损失）估计超过1340亿美元[7]。
可改变的健康因素与视觉障碍有关[8]。生活在经济和社会资源较少地区的美国人，其视觉障碍发生率及眼科护理利用率均高于资源更丰富的地区[9,10,11]。由于早期发现和治疗眼部疾病可以缓解视觉障碍，因此确保高风险人群能够获得护理至关重要；然而，资源匮乏的群体往往缺乏获得护理的便利条件（如资金、交通、私人保险、儿童看护或当地诊所），因此更难以及时获得眼科治疗，导致视力结果更差[12]。
导致视觉障碍的眼部疾病在地理分布上并不均匀，在资源更匮乏的地区（教育水平较低、收入较低、住房条件较差或失业率较高）更为常见[13, 14]。糖尿病视网膜病变患者的病情严重程度与居住在社区资源匮乏地区有关[15]。生活在资源匮乏地区的患者距离眼科诊所较远，且更容易发展为增殖性视网膜病变[16]。在微生物性角膜炎患者中，居住在资源匮乏地区的患者中，最佳矫正视力低于20/40的比例更高[17]。
《社区地图集》（Neighbourhood Atlas）中的“社区匮乏指数”（ADI）是一种广泛用于眼科和视觉研究的指标，专为普查区块组数据设计，并未针对普查区或邮政编码（ZIP code）进行验证[16,17,18,19,20,21,22,23,24,25]。区块组和普查区是由美国人口普查局定义的地理单位。一个普查区块组由多个相邻的区块组成，通常包含600至3000人。相比之下，普查区是一个更大的单位，通常包含1200至8000人，理想人口规模约为4000人。最小的单位是区块组内的单个区块（例如一个城市街区[26]。与这些由人口普查定义的区域不同，邮政编码是由美国邮政服务部门为邮件投递创建的，不代表基于人口的边界[27, 28]。在本研究中，我们评估了全国社区数据档案中称为“社区劣势”的指标在普查区层面的实用性及其与视觉障碍和失明（VDB）的关系——该指标由美国社区调查收集，并也在普查区层面进行报告[28]。
伦理审查
密歇根大学医学院将这项横断面研究归类为无需伦理审查，因为它涉及对公开数据的二次分析。该研究符合《赫尔辛基宣言》的要求。
数据
本研究使用了两个数据来源：全国社区数据档案（NaNDA）和美国社区服务调查（ACS）。暴露变量是“社区社会经济劣势”，数据来自NaNDA，涵盖2018至2022年的普查区级别数据。NaNDA是一个开放数据存储库，由密歇根大学社会研究所社会环境与健康项目的研究人员创建，提供公开的数据集以促进关于社区与健康关系的研究。NaNDA中的“社区社会经济劣势”指标是三个2018–2022年ACS关键经济指标的平均值，包括收入低于40,000美元的家庭比例、年收入低于贫困线的人口比例以及接受公共援助或食品券的家庭比例[29,30,31]。该指标适用于2008–2012年、2013–2017年、2016–2020年和2018–2022年的数据。2016–2020年的数据使用了与本分析相同的指标。2008–2012年和2013–2017年的指标是五个ACS指标的平均值，包括低于贫困线的家庭、接受公共援助的家庭、失业的成年人以及非西班牙裔黑人居民[32]。从2016–2020年的数据开始更新指标，因为之前的ACS指标与社区劣势的关联逐渐减弱，表明经济因素现在是导致劣势的主要因素。当更详细的普查区层面数据不可用时，该指标也可用于邮政编码层面。该指标是一个汇总指标，范围为0到1，数值越高表示劣势越严重[33]。
结果变量来自2018–2022年美国社区调查（ACS）中的视觉障碍和失明（VDB）数据。ACS通过电话或面对面访谈的方式收集有视觉障碍的个体参与调查。ACS调查了自我报告有VDB的平民非机构化人口，问题为“您是失明吗？或者即使戴眼镜也看不清楚吗？”[30]。ACS根据普查区内的回答数据计算出VDB的患病率。
2018至2022年ACS普查区数据的人口统计信息包括中位年龄、自认为是女性的居民比例、自认为是少数族裔的居民比例、普查区人口规模以及普查区所在的州[31,32,33,34]。视觉障碍/失明数据和普查区人口统计信息来自PolicyMap[35]。VDB变量的误差范围来自人口普查网站[36,37,38,39,40]。本研究遵循了《加强流行病学观察性研究报告》（STROBE）指南（图1）。
统计分析
主要分析涵盖了所有具有VDB指标的普查区。敏感性分析排除了被认为不可靠的普查区，具体是指VDB指标的方差系数超过40%的普查区（计算方法为（标准误差（SE）/估计值）× 100）。社区劣势、VDB以及人口统计数据（年龄、性别、种族/民族和人口规模）的指标均通过描述性统计量（均值、标准差（SD）、中位数和四分位数范围（IQR）进行了总结。使用皮尔逊卡方检验（r）评估了VDB连续指标的单变量关联。逻辑回归模型用于评估普查区劣势指标与VDB事件发生可能性之间的关系。将ACS报告的普查区VDB患病率转换为VDB概率的方法已在先前研究中描述过[41,42,43]。我们利用这种方法通过计算VDB事件相对于人口规模的频率来估计每个普查区的VDB概率[41,42,43]。普查区劣势的模型结果以比值比（OR）、95%置信区间（CI）和双侧P值报告，显著性阈值设为P<0.05。多变量逻辑回归模型调整了普查区内的人口统计因素，包括中位年龄、自认为是女性的居民比例、自认为是有色人种的人口比例的对数（以考虑偏态）、人口规模的对数（以考虑偏态）以及所在州。这些变量是根据先前关于社区不平等和健康的文献选定的[42,43,44]。统计分析使用R 4.4.2版本（R统计计算基金会）进行。
数据分析于2025年2月完成。根据人口普查数据，2020年的普查区共有84,414个，其中83,440个（98.85%）有VDB数据（图1）。在有VDB指标的普查区中，83,388个（99.94%）也有社区劣势指标（表1），这些数据被纳入总体分析。平均社区劣势程度为0.18（标准差=0.12），范围为0到1（四分位数范围：0.10–0.24）。普查区的平均人口规模为3965人（标准差=1706人），平均年龄为40.12岁（标准差=8.25岁），女性比例平均为50.43%（标准差=4.97%），少数族裔比例平均为40.35%（标准差=29.50%）（表1）。普查区的VDB患病率与劣势程度呈中等程度相关（r=0.39；95% CI：0.38–0.39；p<0.001）。VDB与人口统计因素的相关性较弱：自认为是少数族裔的居民比例（r=0.10；95% CI：0.09, 0.11；p<0.001）、年龄（r=0.08；95% CI：0.08, 0.09；p<0.001）和女性比例（r=0.03；95% CI：0.02, 0.03；p<0.001），以及人口规模较小（r=-0.15；95% CI：0.882, 0.885；p<0.001）（表1）。共有22,330个（26.5%）普查区被纳入敏感性分析（图1）。敏感性分析中也观察到了类似的关联（表1）。
表1 显示了普查区级别变量的描述性统计信息和敏感性分析结果。
表2展示了普查区劣势指标与VDB之间关联的逻辑回归模型。在单变量模型中，社区劣势增加0.01单位与VDB发生几率增加2.6%相关（OR：1.026；95% CI：1.026, 1.026；p<0.001）。调整普查区人口统计因素后，社区劣势增加0.01单位与VDB发生几率增加2.9%相关（OR：1.029；95% CI：1.029,1.029；p<0.001）。敏感性分析（表2）显示，社区劣势增加0.01单位与VDB发生几率增加2.2%相关（OR：1.022；95% CI：1.022, 1.022；p<0.001），并且在调整普查区人口统计因素后仍具有统计学意义（OR：1.021；95% CI：1.020, 1.021；p<0.001）。未经调整和调整后的社区劣势OR均具有统计学意义，但幅度有所下降。
讨论
在这项横断面研究中，我们使用了普查区的社区劣势指标，发现在该地理范围大于普查区块级别的层面上，社区劣势与VDB相关。本研究发现，即使考虑到包括中位年龄、女性比例、自认为是有色人种的比例、普查区域的人口规模以及普查区域所在的州在内的人口统计因素，社区劣势每增加0.01个单位，患视觉缺陷障碍（VDB）的风险也会增加2.9%（见表2）。在调整了相同社区人口统计特征的敏感性分析中，这一发现仍然成立，尽管风险增加的幅度有所下降（见表2）。本研究的结果与先前的研究一致，这些研究表明，在普查区块层面测量的社区劣势与不良的眼部和视力健康结果有关。
通过区域贫困指数（ADI）衡量的社区贫困与多种眼疾及视力问题有关[16, 19, 45]。Awidi等人发现，接受白内障手术的患者中，居住在贫困程度较高的地区（国家ADI四分位数较高）的患者术前视力明显较差，与居住在较富裕社区的患者相比（国家ADI四分位数4，即贫困程度最高），这些患者的视力平均低一个等级；β = 0.95，p < 0.001[21]。同样，患有微生物性角膜炎的患者，每增加10个单位的国家ADI，视力低于Snellen 20/40的风险增加30%（OR：每增加10个单位，OR = 1.30；95% CI：1.25–1.35；p < 0.001）[17]。此外，州ADI每增加1个单位，青光眼的严重程度（以平均偏差衡量）也会增加（β = −0.31，95% CI = −0.41至−0.22，P < 0.001）[46]。在患有裂孔性视网膜脱离的患者中，每增加10个单位的社区ADI平均值，视力低于20/40的风险增加14%（OR：1.14；95% CI：1.04–1.24；p = 0.004），以及发生黄斑区脱离的风险增加13%（OR：1.13；95% CI：1.04–1.22；p = 0.005）[45]。贫困还与医疗服务的延迟有关。居住在贫困程度最高地区的人群，接受青光眼手术的时间比居住在贫困程度最低地区的人群长68%（国家ADI四分位数4；时间比：1.68；95% CI：1.20–2.36；p = 0.002）[47]。
虽然ADI可以有效地了解社区贫困状况，但它可能并不适用于所有临床和研究环境。ADI大致对应于非常小的地理区域，即普查区块组（从未跨越州、县或普查区域的地理边界），而这正是“邻里地图集”（Neighbourhood Atlas）认为其有效的范围。然而，在这一地理层面上关联患者或居民信息可能不可行。患者或居民数据可能无法在普查区块组层面获得或收集。电子健康记录或居住地址通常在更大的范围内可用，例如普查区域。此外，详细的地理信息可能会引发隐私问题，尤其是在处理罕见的眼部疾病时。当区块组数据不可用时，使用普查区域层面的数据（如NaNDA社区劣势得分）可以提供一种定位患者地理信息的方法。
社区贫困的社会经济因素会影响视力障碍[48]。根据疾病控制与预防中心（Centres for Disease Control and Prevention）的全国健康访谈调查数据，收入较低的患者（通过贫困收入比率定义）不太可能去看眼科医生（p < 0.05），并且更有可能在支付眼镜费用方面遇到困难（p < 0.001）[49]。年收入低于35,000美元的人患严重视力障碍的风险更高（OR：1.22；95% CI：1.10–1.34；p < 0.001）[50]。Su等人发现，拥有医疗补助（Medicaid）等公共援助计划的人以及在经济上难以获取药物的人，视力困难的风险更高（OR：1.44；95% CI：1.23–1.67；p < 0.05）[51]。
未来的研究可以探讨NaNDA社区劣势指标中的某些特定组成部分（如家庭年收入低于40,000美元、家庭接受公共援助以及家庭生活在贫困线以下）是否会影响个体的视觉缺陷障碍（VDB）。社区贫困与VDB之间的关系可能更为复杂，这可能有助于制定有针对性的干预措施或更新相关政策。同样，对患有眼疾的患者进行定性研究可以提供关于他们的经历、认知、社区因素与眼科护理和视力健康结果之间关系的见解。此外，随着时间的推移，NaNDA指标的组成部分已经发生变化，经济因素现在比早期的社会指标（如女性户主、非西班牙裔黑人种族、失业率和贫困）发挥着更大的作用[32]。监测社区贫困的潜在组成部分的演变非常重要，以便根据需要调整筛查方法和干预措施。
本研究存在一些局限性。首先，研究数据来自2018-2022年的普查区域，因为数据来源于5年的ACS（American Community Survey）和NaNDA社区劣势指标，这是当时可获得的最新数据[52]。因此，本研究的结果仅适用于这一时间范围。未来的研究应评估这些关联在后续数据更新中是否仍然成立。其次，ACS中的视力数据是患者自我报告的，而非临床视力测试结果，因此可能存在社会期望偏差。第三，研究中排除了缺少VDB测量数据的普查区域，因此研究结果可能不适用于这些普查区域。
本研究发现了普查区域层面的社区贫困与视觉缺陷障碍（VDB）之间的关联，这与使用普查区块（即区域贫困指数）的研究结果一致。NaNDA社区劣势指标可以帮助临床医生了解他们服务的患者所在的社区，帮助识别贫困程度较高且VDB风险较高的区域。它还可以指导流行病学家和政策制定者确定需要实施视力相关干预措施的优先区域。研究人员可以使用这种普查区域或邮政编码层面的社区劣势指标，来匹配来自不同来源的社区级数据。通过早期发现和治疗，通常可以减轻眼部疾病的影响。本研究的结果表明，普查区域层面的社区贫困指标可以为针对VDB高风险人群的筛查方法提供依据，并识别出可以从早期发现和治疗中受益的人群，从而改善眼睛健康和视力结果。
补充材料可在Eye的网站上找到。
**总结：**
- 之前已知：
- 区域贫困指数（ADI）与眼疾有关。
- ADI与微生物性角膜炎有关。
- ADI也与青光眼筛查阳性结果有关。
- ADI仅适用于普查区块组层面。
- 对于患者地址只能编码到邮政编码的数据，ADI无法使用；同样，对于患者地址只能编码到普查区域的数据，ADI也无法使用。
**本研究的新发现：**
- 国家邻里数据档案（National Neighbourhood Data Archive）中的社区劣势指标对眼科和视力研究非常有用。
- 该指标既适用于普查区域也适用于邮政编码层面，这对于仅在这些地理层面上可获得的眼科护理和视力健康数据非常有用，因为ADI在这些层面尚未得到验证。
- 社区贫困与视力困难和失明有关。
- 社区贫困与视觉缺陷障碍（VDB）的风险增加2.9%相关（比值比（OR）：1.029；95%置信区间（CI）：1.029–1.029；p < 0.001）。
- 即使考虑了社区人口统计因素后，这种正向关联仍然存在。
打赏
