中国的数字鸿沟和健康差距:来自全国调查的证据和政策启示

介绍

在过去十年中，全球对互联网和手机等移动技术的使用急剧增加。这种接入改变了人们接收信息和相互沟通的方式;事实上，先前的研究表明，那些能够使用移动技术的人有更好的心理健康、身体健康和医疗决策能力[1，2]。伴随“物联网”和“电子生活方式”而来的是持续存在的数字鸿沟，定义为能够获得新形式信息技术的人和无法获得新形式信息技术的人之间的差距。［3.-5]。即使在移动工具普及率很高的西方国家，数字不平等仍然很严重[6-8]，数字鸿沟与健康差距密切相关[9，10]。

关于数字鸿沟与健康差距关系的文献表明，个人的生活方式选择，包括移动技术的使用，并不是自主的，而是受到个人的社会地位以及获得经济和其他资源的机会的限制或推动[3.，4，11-13]。获得包括移动技术在内的资源，使个人、家庭或社会团体能够获得更多最新的健康信息，获得社会支持，采取健康行为，做出更明智的医疗决定，从而获得更好的健康结果;这反过来又重塑了他们的社会经济地位(SES;［3.，10，13])。实证数据证实了这一理论，并表明年龄较大、教育水平低、收入低、种族或少数民族身份以及农村居住都可以预测数字鸿沟和健康差距[3.-13]。

目前关于数字鸿沟与健康差距的文献存在三个方面的局限性。首先，关于数字鸿沟预测因素及其与健康差距关系的现有研究仅限于个人层面的社会经济地位因素，如年龄、种族/民族、性别、教育和收入;然而，对社区特征、社区资源等社区层面因素的研究却很少。社会学家早就记录了社区对个人健康和幸福的影响[14-16]。其次，只有少数针对老年人的数字鸿沟和健康差距的研究，老年人往往是最晚采用技术的群体，也更有可能面临健康差距[8，17，18]。在许多国家，老年人口是增长最快的人口，但却被排除在加速发展的“电子生活方式”运动之外[19-22]。第三，大多数关于数字鸿沟和健康差距的现有研究都是在西方国家进行的，来自发展中国家的数据有限，尽管这些国家的移动技术采用率很快[23，24]。例如，中国拥有世界四分之一的人口;截至2016年，中国拥有7.31亿互联网用户(渗透率:53%)和13亿手机用户(渗透率:95%);［25，26])。中国政府一直积极推动互联网和移动电话在卫生服务中的应用[27-29]。对特殊人群使用移动工具的研究可以追溯到十多年前，从2000年代开始[30.-32];最近的文献表明，互联网和移动电话都已被用于公共卫生应急响应[33]、传染病监测[34]，远程咨询[35]，干预交付[36，37]。尽管关于移动工具应用的文献越来越多，但到目前为止，还没有关于中国人口，特别是老年人的数字鸿沟的研究。

为了填补文献空白，本研究使用了2011年和2013年中国健康与退休纵向研究(CHARLS)的数据来检验数字鸿沟与健康差距之间的关系。我们的目标是回答以下研究问题:(1)在中国一般中老年人群(45岁及以上)中，移动工具(互联网使用和手机拥有)的普及程度如何?(2)个人和社区层面互联网使用和手机拥有量的预测因子是什么?(3)在控制了潜在的混杂因素后，健康结果与获得移动工具之间的关系是什么?

方法

数据源

CHARLS是一项具有全国代表性的针对中国45岁以上中老年人口的纵向调查。如以往报告所述[38-40]，由中国北京大学牵头，英国牛津大学和美国南加州大学合作，CHARLS是一系列国际纵向老龄化调查的一部分，这些调查包括美国的健康与退休研究(HRS)、欧洲的健康与退休调查(SHARE)以及其他国家类似的纵向老龄化调查。根据人口调查方案，CHARLS主要问卷由七个模块组成，包括人口统计、家庭背景、健康状况、社会经济状况和环境(社区问卷和县级政策问卷)。所有数据均通过面对面、计算机辅助个人访谈(CAPI;［38-40])。

样本大小

全国基线调查于2011年7月至2012年3月进行，涵盖了中国28个省150个县的45岁及以上人群。采用概率比例法随机抽取150个县级单位，按地区、城乡和县级国内生产总值(GDP)分层。在每个县级单位内，随机抽取3个村级单位(农村地区的村庄和城市地区的城市社区)作为初级抽样单位(PSUs)。在每个PSU中，从绘图或列表操作生成的完整住宅单元列表中随机选择80个住宅，使用增强的谷歌地球地图(Google Inc)以及大量的地面检查。在一个住宅单元中有多个符合年龄条件的家庭的情况下，随机选择一个。从每个PSU的样本中，确定了具有符合年龄要求的成员的家庭比例，以及空置住宅的比例。从这些比例和假设的回复率中，我们从原始的PSU框架中选择家庭，以获得每个PSU中24个符合年龄条件的家庭的目标数量。因此，PSU的最终家庭样本量取决于PSU的年龄资格和空置率。在每个家庭中，随机选择一名年龄在45岁及以上的人作为主要调查对象，该个人的配偶也自动包括在内。在此抽样程序的基础上，根据主要受访者的婚姻状况，每个家庭中有1或2个人接受采访。 The total sample size was 10,257 households and 10,481 individuals in the 2011 baseline. The sample size for the first follow-up in 2013 was 18,613 individuals [38-40]。

措施

通过互联网使用情况和手机拥有量来衡量移动技术的使用情况。互联网使用情况是通过这样一个问题来衡量的:“你在过去一个月里上过网吗?”手机使用情况是通过这样一个问题来衡量的:“你有手机吗?”这两项测试都分为是-否两种答案。

人口特征

人口统计特征包括年龄、性别、教育程度、婚姻状况、生活安排、城乡居住(户籍或户口)、就业状况和收入。在这项研究中，教育被分为四组:小学或以下，初中，高中或职业学校，以及一些大学或以上。生活安排有三种相互排斥的类别:空巢老人(独居或与配偶同住)、与子女同住以及与子女以外的人同住[41]。在收入方面，鉴于大多数农村居民没有固定收入，在发展中国家，支出是比收入更好的福利衡量标准[42]。因此，在本研究中，我们遵循CHARLS的其他已发表的研究，并使用家庭过去一年的人均支出(PCE)作为收入衡量标准;由于PCE的分布偏性，为了分析其与其他变量的关系，对其进行了对数变换[43-45]。

社区资源

社区资源是通过2011年进行的社区层面调查来衡量的，该调查向社区知情官员或人员询问CHARLS受访者所居住社区的特征。本研究采用社区设施、卫生保健设施和社区组织三个指标衡量社区资源。社区设施是一个综合衡量标准，通过汇总社区的以下服务得出:饮用水使用(自来水，井，河/泉)，烹饪燃料类型(天然气，煤炭和干草)，废物处理(用卡车运走，埋在村里，燃烧，倾倒到附近的河流，或没有管理)，和主要厕所系统(室内，室外，或露天;每一种都有或没有冲洗水)。综合得分范围为0到14，得分越高表明社区的城市化程度越高[41]。卫生保健设施通过汇总被调查者所在社区的卫生保健设施数量来衡量，包括综合医院、专科医院、中医院、社区卫生中心、乡镇卫生院、卫生所、村卫生室、私人诊所和药房。综合评分范围为0 ~ 8，数值越高表示医疗资源越多[41]。社区资源是指社区内篮球场、游泳池、户外运动设施、其他户外运动设施、棋牌室、乒乓球室、书画社、舞蹈队或其他运动社、其他娱乐设施、助老助残组织、居民活动中心、老年人协会等设施的总和。评分范围从0到12，分数越高表示社区资源越多[44]。

地理区域

地理区域是根据调查地点来衡量的，以反映中国在经济发展和医疗资源方面的巨大地理差异[45]。包括华东、华中、西部三大地区[46]。

健康结果

健康结果通过两个指标来衡量:自我报告的健康状况和是否有残疾。这种方法使我们能够衡量老年人对自己的健康状况的看法，无论是一般的还是具体的，与日常活动有关[45]。自我报告的健康状况是对一个人健康状况的主观衡量，并按以下等级报告:非常好、良好、一般、差或非常差。回答分为健康状况良好(好或非常好)和健康状况不佳(一般，不好或差)[43]。残疾通过两种量表进行测量:6项日常生活活动量表(ADL)，如穿衣和洗澡;5项日常生活工具性活动量表(IADL)，如做饭和服药。这11个项目是二分类编码的(是-否);无残疾定义为在所有ADL或IADL项目中没有困难[43，46]。

数据分析

首先，我们使用卡方(用于分类变量)和t-检验(对于连续变量)以检验获得移动工具与个人层面的社会经济地位、社区资源、健康结果和地理区域之间的关系。其次，由于CHARLS数据集具有自然的层次结构，个体嵌套在社区内，本文的目的是分析个人和社区特征对数字鸿沟和健康差异的影响，我们使用两级混合逻辑回归，控制社区和个人层面的未观察到的异质性，探索移动工具获取与SES、社区资源和地理区域之间的关系。41，44，45]。在控制其他协变量的同时，采用CI比值比(or)来描述结果变量与自变量之间的关系。最后，为了检验健康结果与获得移动工具之间的横断面关系，我们为健康结果的两个因变量(自我报告的健康状况和残疾)和两个感兴趣的自变量(互联网接入和手机拥有情况)建立了四个独立的多变量logistic回归模型，同时控制了社会地位、社区资源和地理区域的潜在混杂因素。所有分析，包括描述性表和回归分析，都使用个体抽样权重进行加权，并对家庭和个体无反应进行调整。采用Windows软件NORM对缺失数据的16个变量进行多重拟合[47]。所有分析均使用Stata 13 (StataCorp)进行。

结果

参与者特征:社会经济地位、健康结果和社区资源

在本研究纳入的18215名参与者中，44%的参与者来自华东，26%来自华中，30%来自西部。平均年龄为61岁，51%的参与者为女性。大约62%的参与者接受过小学或以下教育，22%完成了中学教育，13%接受过高中或职业学校教育，3%接受过大学教育或完成了大学教育。超过84%的参与者已婚;约59%的参与者独居或与配偶同住，6%与子女同住，35%与他人同住。大约70%的参与者是农村居民，39%的人失业。平均个人消费支出为每年15914.78元人民币(或2316.80美元)。超过26%的参与者报告健康状况不佳，约40%的参与者报告有残疾。社区便利设施的平均数量得分为7.10(范围:0-12);附近卫生保健机构平均数量为1.37个(范围0 ~ 6个)，社区资源平均数量为4.40个(范围0 ~ 14个)。

获取移动工具与SES、健康结果、社区资源和地理区域的二元关系

大约6.5%的中国中老年人使用互联网，83%的人拥有手机。如图所示表1互联网接入与社会经济地位的大部分变量(就业状况除外)、健康结果、社区资源和地理区域相关。具体来说，使用互联网和不使用互联网的人之间存在显著的年龄差异(54岁vs 61岁)。使用互联网的男性多于女性(7.8%比5.3%)，使用互联网还与较高的教育水平、已婚、有孩子的生活和城市居住有关;然而，这与就业状况无关。上网也与身体健康和无残疾有关。社区资源的三个指标也与互联网接入显著相关，地理区域也是如此。在移动电话拥有量与社会经济地位、健康结果、社区资源和地理区域之间的二元关系中也观察到类似的模式，但社区组织除外。

移动工具获取与社会经济地位、社区资源和地理区域的多元关系

在控制了潜在的混杂因素后，互联网使用与以下预测因素独立且显著相关:年龄、性别、教育水平、婚姻状况、居住安排、农村/城市居住、收入、社区设施和地理区域，但与就业状况、卫生保健设施和社区组织无关(见表2）.同样，手机拥有率与年龄、教育程度、婚姻状况、居住安排、城乡居住、收入和地理区域独立且显著相关，但与性别、就业状况、社区设施、卫生保健设施和社区资源无关。

移动工具获取与健康结果的多变量关系

表3描述关于获取流动工具与健康结果之间关系的四个模型的结果。互联网访问与自我报告的健康显著相关(调整优势比，aOR=1.73)，但在控制潜在混杂因素后与残疾无关。拥有移动电话与残疾显著相关(aOR=0.843)，但与自我报告的健康状况无关。自我报告良好健康状况的其他预测因素包括性别、教育、农村/城市居住、就业状况、社区便利设施和地理区域。其他残疾的预测因素包括年龄、教育程度、婚姻状况、生活安排、农村/城市居住、就业状况、社区设施、社区组织和地理区域。我们还使用健康结果作为连续变量来分析数据，结果相似。

讨论

主要研究结果

我们的数据分析显示，只有一小部分(6.5%)的中国中老年参与者上网，但有很高比例(83%)的参与者拥有手机。上网率远低于官方公布的一般人群上网率(53%;［25])。这种差异可能是由于三个可能的原因。首先，我们对互联网访问的衡量是基于这样一个问题——“你在过去一个月里访问过互联网吗?”，但其他关于互联网使用的调查通常是衡量终身使用情况。其次，许多老年人将“接入互联网”理解为只通过电脑上网;许多人使用手机进行网络活动，但没有报告。第三，以往的研究都是基于自愿方便抽样，中老年人和农村居民被纳入调查的可能性较小;然而，手机拥有率与一般人群相当(95%;［26])。

我们的研究结果通过增加来自中国中老年人群的新证据，证实了关于SES与数字鸿沟关系的现有文献。与其他国家类似，获得移动工具与年龄更小、教育水平更高、收入更高和居住在城市有关[4，8，11，12，17，20.，22]。我们的数据还显示了互联网接入和手机拥有率的不同SES预测指标;例如，女性上网人数明显少于男性，但性别并不是手机拥有率的重要预测因素。中国手机的高拥有率可能为女性获取信息提供了平等的机会[48]。相比之下，与单身或独居的人相比，已婚或有孩子或与其他人同住的人更有可能拥有手机，但互联网接入与婚姻状况或生活安排无关。这可能表明，手机已经成为人们与家人或他人生活的重要沟通工具。

我们的研究还考察了社区层面的社会经济地位对获取移动工具的影响。我们发现，互联网接入与社区设施(饮用水、厕所等)密切相关，但与卫生保健设施或社区组织无关;手机拥有量与社区资源的三种衡量标准中的任何一种都没有关联。社区便利设施是城市化的一个很好的指标[43]，它们与互联网接入的关联表明，互联网接入可能被视为一种社区资源。由于城市地区有更好的宽带接入设备，城市居民更有可能接入互联网。手机所有权与社区资源之间缺乏关系表明，手机作为一种便携式和个人通信工具具有更广泛的可及性，因为它不太可能受到社区一级设施或资源的限制。

在对数字鸿沟与健康差距关系的分析中，我们的数据显示，自我报告的健康状况与互联网使用显著相关，而拥有手机与没有残疾显著相关。这些发现与有关互联网接入与社会地位关系的文献一致[3.，13]。正如文献记载和上文所述，互联网接入和移动电话拥有量是个人和社区层面SES的重要指标;因此，互联网接入与健康状况的关系实际上是SES与健康结果的相互关系[4，10，17]。

我们还观察到参与者的显著健康差异;健康差异由社会经济地位、城乡居住、社区资源和地理区域预测，这与先前的CHARLS研究一致[41，43-46]。这种差异反映了城乡和区域间资源配置和经济发展的不平等。

以下政策含义与上述关于中国数字鸿沟和健康差距的实证研究结果有关。首先，中国的中老年用户很少使用互联网，这是SES和健康状况的一个强有力的预测指标。因为社区社会经济地位被认为是个人健康的一个强有力的预测指标[16]，建立社区资源一直被提倡为改善健康的一项重要战略[43，44]。中国推进“物联网”和“智慧医院”[27-29]，因此，在服务不足的社区和欠发达地区，改善对移动工具的使用，特别是互联网的使用，可能会显著改善健康结果。

其次，大多数中国老年人都拥有手机。手机的高拥有率表明，它可能成为一种超越社会阶层、触及弱势群体和服务不足群体的工具。如果福利包括食物和租金作为生活必需品，也可以考虑使用移动电话代金券，使老年人、残疾人士或独居人士可以使用这一基本通讯工具[8，10]。现有文献表明，缩小数字鸿沟有助于弥合健康鸿沟[49]。

第三，随着越来越多的人使用移动电话，可以最大限度地利用这种无处不在的接入来增强权能和提供保健服务。研究人员已经记录了移动电话健康干预效果的初步证据[50];然而，尽管移动电话拥有率很高，但这些移动医疗(mHealth)干预措施大多数是在西方国家进行的，来自中国等发展中国家的数据有限。近年来，一些科学家进行了基于移动设备的干预试验[36，37，51-53]。例如，最近的一项研究表明，短信可以有效地促进中国成年人戒烟[37]。由于预期寿命的提高和生育率的下降，中国正在迅速老龄化，这些努力对中国的老年人尤其有益。三十年的独生子女政策极大地影响了中国的养老模式，目前的资源无法跟上快速增长的老龄化人口[54]。一些专家呼吁在中国为慢性病管理和老年人护理提供创新的移动医疗解决方案[55]。广泛使用的移动电话和不断普及的互联网接入可能是解决方案的一部分。

优势与局限

我们的研究有以下优势。首先，它是基于中国老年人的全国概率样本，样本量很大;因此，我们的研究结果可以推广到中国其他老年人。其次，SES测量包括个人、家庭和社区层面的变量，从而为我们提供了一个全面的SES测量。第三，我们的健康结果是通过自我报告的健康和残疾来衡量的，使用了两个量表和11个与中国老年人相关的项目。

我们还注意到本研究的以下局限性。首先，研究设计本质上是横断面的，我们无法推断出因果关系。此外，2011年收集了社区资源(2013年没有数据)，但在2013年收集了健康结果、获得移动工具和其他协变量。社区资源和互联网接入与健康结果之间的关系可能具有预测性。其次，CHARLS仅包含2个关于移动工具使用的简单问题，因此我们只能测量互联网使用和手机拥有情况。移动工具使用的其他重要方面，包括使用时长、使用频率、使用目的以及是否使用智能手机，在这项研究中都没有被遗漏;然而，最近的一项调查显示，2016年中国智能手机用户占所有手机用户的53% [56]。人们是否以及如何为健康目的使用移动工具会影响数字鸿沟与健康差距之间的关系[57];因此，我们呼吁提供更多关于获取和使用移动工具的数据。第三，我们对健康结果的衡量也仅限于两个指标。此外，健康结果变量的二分性可能会限制我们对数字鸿沟与健康差距关系的分析。

结论

总而言之，据我们所知，这项研究是第一个关于中国数字鸿沟和健康差距的研究。我们的研究通过在社区资源中嵌入个人特征，提供了社会经济地位与数字鸿沟关系的数据，从而推动了文献的发展。较低的互联网接入率及其与社区便利设施和健康结果的密切关系表明，互联网接入可能是个人和社区层面社会经济状况的一个重要指标，更多的互联网接入可能导致个人社会经济状况和社区基础设施的升级。相比之下，手机的高拥有率和与社区资源的缺乏关系表明，手机可能超越社会阶层，成为普通的个人物品。手机的高拥有率为中国老年人提供了巨大的服务潜力，他们在快速老龄化的社会中面临着越来越多的护理挑战。我们呼吁对中国移动工具的使用及其与健康差距的关系进行更多的研究。