中国的数字鸿沟和健康差距:来自全国调查的证据和政策含义

简介

在过去的十年里，互联网和手机等移动技术在全球范围内的使用大大增加。这种接入改变了人们接收信息和彼此交流的方式;事实上，先前的研究已经表明，那些拥有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，它被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鸿沟。［3.-5］．即使是在移动工具渗透率很高的西方国家，数字不平等仍然很严重。6-8]，而数字鸿沟与健康差距密切相关[9，10］．

关于数字鸿沟和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］．通过使用包括移动技术在内的资源，个人、家庭或社会群体能够获得更多最新的健康信息，获得社会支持，采取健康的行为，并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、种族或少数民族地位以及农村居住都可以预测数字鸿沟和健康差距[3.-13］．

目前关于数字鸿沟和健康差距的文献有三个方面的局限。首先，现有的关于数字鸿沟及其与健康差距关系的预测因素的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，社区层面的因素，如邻里特征和社区资源，却很少被考察。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，在老年人中进行的关于数字鸿沟和健康差距的研究很少，而老年人往往是最后一个采用技术的群体，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，现有的大多数关于数字鸿沟和健康差距的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高[23，24］．例如，中国拥有世界四分之一的人口;截至2016年，中国互联网用户7.31亿人(普及率53%)，手机用户13亿人(普及率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提供方面的应用[27-29］．关于特殊人群使用移动工具的研究可以追溯到十多年前，也就是21世纪初。30.-32];最近的文献表明，互联网和移动电话都被用于应对突发公共卫生事件[33]、传染病监察[34]、远程谘询[35]，以及干预递送[36，37］．尽管关于移动工具应用的文献越来越多，但迄今为止，还没有关于中国人口，尤其是老年人口中的数字鸿沟的研究。

为了填补文献空白，在本研究中，我们使用了2011年和2013年中国健康与退休纵向研究(CHARLS)的数据，来研究数字鸿沟与健康差距之间的关系。我们旨在回答以下研究问题:(1)在中国普通中老年人(45岁及以上)中，移动工具(互联网使用和手机拥有)的普及率如何?(2)在个人和社区层面上，互联网使用和手机拥有率的预测因素是什么?(3)在控制了潜在混杂因素后，健康结果与使用移动工具之间的关系是什么?

方法

数据源

CHARLS是对中国45岁以上中老年人口进行的具有全国代表性的纵向调查。详见以往报告[38-40]，由中国北京大学牵头，与英国牛津大学和美国南加州大学合作，CHARLS被设计为一套国际纵向老龄化调查的一部分，其中包括美国的健康与退休研究(HRS)，欧洲的健康与退休调查(SHARE)，以及其他国家的类似纵向老龄化调查。根据人力资源调查的方案，CHARLS主要问卷包括七个模块，包括人口统计、家庭背景、健康状况、社会经济地位和环境(社区问卷和县级政策问卷)。所有数据都是通过面对面、计算机辅助的个人访谈(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个省份150个县45岁及以上的人群。采用与规模成比例的概率(PPS)随机选取了150个县级单位，并按地区、城乡和县级国内生产总值(GDP)进行分层。在每个县级单位内，以PPS为主要抽样单位(PSUs)，随机选取3个村级单位(农村地区的村庄和城市地区的城市社区)。在每个PSU中，使用增强的谷歌地球地图(谷歌Inc)以及大量的地面检查，从地图或列表操作生成的完整住宅单元列表中随机选择了80个住宅。在一个住宅单元中有一个以上符合年龄的家庭的情况下，随机选择一个。从每个PSU的样本中，确定了具有符合年龄的成员的家庭比例，以及空置住宅的比例。根据这些比例和假设的回复率，我们从原始PSU框架中选择了家庭，以获得每个PSU的24个符合年龄的目标数量。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，随机选择一个年龄在45岁或以上的人作为主要受访者，这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到2个人接受了采访。 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

对移动技术的使用是通过互联网使用和手机拥有来衡量的。互联网使用情况的衡量标准是这个问题:“你在过去一个月里上网了吗?”手机使用情况是通过以下问题来衡量的:“你有手机吗?”这两项测试都被分为“是”和“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、居住安排、农村/城市居住(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。居住安排有三种相互排斥的类别:空巢老人(独居或与配偶居住)、与子女居住及与子女以外的人居住[41］．在收入方面，由于发展中国家大部分农村居民没有固定收入，支出是比收入更好的福利措施[42］．因此，在这项研究中，我们遵循了CHARLS的其他已发表的研究，并使用过去一年的家庭人均支出(PCE)作为收入衡量标准;PCE由于分布偏倚，故对其进行对数变换，以分析其与其他变量的关系[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，该调查向知情的社区官员或人员询问了CHARLS受访者所居住社区的特征。本研究从社区设施、卫生保健设施和社区组织三个方面衡量社区资源。社区设施是一项综合指标，由以下社区服务得出:饮用水使用情况(自来水、水井和河流/泉水)、烹饪燃料类型(煤气、煤和干草)、废物处理(用卡车运走、埋在村里、焚烧、倾倒到附近河流或没有管理)和主要厕所系统(室内、室外或露天);以及每种类型有或没有冲厕水)。综合得分范围为0到14，得分越高，表明社区设施越城市化[41］．卫生保健设施是通过将受访者所在社区的卫生保健设施数量相加来衡量的，包括综合医院、专科医院、中医院、社区卫生中心、乡镇医院、保健站、村诊所、私人诊所和药房。创建了一个从0到8的综合评分，数值越高表示医疗资源越多[41］．社区资源是将社区内的篮球场、游泳池、户外运动设施、其他户外运动设施、棋牌室、乒乓球室、字画社、舞蹈队或其他运动俱乐部、其他娱乐设施、助老助残组织、居民活动中心、老年人协会等设施综合而成的综合指标。评分范围从0到12，数值越高表示社区资源越多[44］．

地理区域

地理区域由调查地点来衡量，以捕捉中国经济发展和医疗资源的巨大地理差异[45］．包括华东、华中和西部三个主要地区[46］．

健康结果

健康结果由两个指标衡量:自我报告的健康状况和有无残疾。这种方法使我们能够衡量老年人对他们的健康状况的看法，无论是一般的还是具体的，都与日常活动有关[45］．自我报告健康状况是对一个人健康状况的主观衡量，报告的等级如下:非常好、良好、一般、很差或很差。回答被分为健康状况良好(良好或非常好)和健康状况不佳(一般、不好或很差)[43］．研究人员用两个量表来衡量残疾程度:穿衣、洗澡等6项日常生活活动量表(ADL)和做饭、服药等5项工具性日常生活活动量表(IADL)。这11个项目被一分为二编码(是-否);无残疾定义为在ADL或IADL的所有项目中没有困难[43，46］．

数据分析

首先，我们使用卡方(用于分类变量)和t-测试(用于连续变量)，以检查移动工具的获取与个人层面的社会经济状况、社区资源、健康结果和地理区域之间的关系。其次，由于CHARLS数据集具有自然的分层结构，其中个人嵌套在社区内，而本文的目的是分析个人和社区特征对数字鸿沟和健康差距的影响，我们使用了两级混合逻辑回归，控制社区和个人层面上未观察到的异质性，以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情况下，采用比值比(or)与CI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移动工具使用之间的横断面关系，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(互联网访问和移动电话所有权)建立了四个独立的多元逻辑回归模型，同时控制了SES、社区资源和地理区域等潜在混杂因素。所有的分析，包括描述性表格和回归，均使用个体抽样权重进行加权，并对家庭和个体无响应进行了调整。用Windows NORM软件对缺失数据的16个变量进行多重估算[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

在这项研究的18215名参与者中，44%的参与者来自中国东部，26%来自中国中部，30%来自中国西部。平均年龄为61岁，51%的参与者为女性。大约62%的参与者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%的参与者独自生活或与配偶一起生活，6%与孩子一起生活，35%与他人一起生活。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15,914.78元人民币(合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。社区设施的平均数量得分为7.10(范围:0-12);附近卫生保健设施的平均数量为1.37个(范围:0-6)，社区资源为4.40个(范围:0-14)。

移动工具获取与社会经济状况、健康结果、社区资源和地理区域的二元关系

约6.5%的中老年人使用互联网，83%拥有手机。如表1，互联网接入与社会经济地位(除就业状况外)、健康状况、社区资源和地理区域的大多数变量相关。具体来说，上网的人和不上网的人之间存在着显著的年龄差异(54岁对61岁)。使用互联网的男性多于女性(7.8% vs 5.3%)，互联网使用还与较高的教育水平、已婚、有孩子生活和城市居住有关;然而，这与就业状况无关。互联网接入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。在手机拥有率与社会经济地位、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SES、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、生活安排、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表2)．同样，手机拥有率与年龄、教育程度、婚姻状况、生活安排、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元关系

表3描述了四个模型在获取移动工具与健康结果关系方面的结果。互联网接入与自我报告的健康显著相关(调整后的优势比，aOR=1.73)，但在控制潜在混杂因素时，与残疾无关。拥有手机与残疾显著相关(aOR=0.843)，但与自我报告的健康状况无关。自我报告健康状况良好的其他预测因素包括性别、教育程度、农村/城市居住、就业状况、社区设施和地理区域。其他预测残疾的因素包括年龄、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。我们还将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访问互联网，但较高比例(83%)的参与者拥有手机。互联网接入率远低于官方报告的普通人群互联网接入率(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衡量的是终生使用。第二，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便利抽样，中老年人和农村居民参与调查的可能性较小;然而，手机拥有率与普通人群相当(95%;［26])。

我们的研究结果通过增加来自中国中老年人的新证据，证实了现有文献中关于社会经济地位和数字鸿沟关系的研究。与其他国家类似，获得移动工具与年轻、高教育水平、高收入和城市居住有关[4，8，11，12，17，20.，22］．我们的数据也表明了不同的SES预测互联网接入和手机拥有量;例如，上网的女性明显少于男性，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，已婚或有孩子的人比单身或独自生活的人更有可能拥有手机，但上网与否与婚姻状况或生活安排无关。这可能表明，手机已经成为与家人或他人生活在一起的人的重要沟通工具。

我们的研究还考察了社区层面的社会经济地位对移动工具使用的影响。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;手机拥有率与社区资源的三项指标中任何一项都无关。社区便利设施是城市化的良好指标[43]，而它们与互联网接入的联系表明，互联网接入可以被认为是一种社区资源。由于城市地区宽带接入设备较好，城市居民更有可能接入互联网。手机拥有率与社区资源之间的关系不明显，说明手机作为一种便携的个人通讯工具，其可及性更广，不太可能受到社区设施或资源的限制。

在对数字鸿沟和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率是个人和社区层面社会经济地位的重要指标;因此，互联网接入与健康状况之间的关系实际上是SES与健康结果之间的相互关系[4，10，17］．

我们还观察到参与者之间存在显著的健康差异;健康差异由SES、农村/城市居住、社区资源和地理区域预测，这与之前的CHARLS研究一致[41，43-46］．这种差距反映了城乡、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，中国的中老年人很少使用互联网，这是社会经济地位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]，建立社区资源是改善健康的一项重要策略[43，44］．中国推进“物联网”和“智能医院”[27-29因此，改善移动工具的使用，特别是服务不足的社区和欠发达地区的互联网，可能会显著改善健康状况。

其次，大多数中国老年人都拥有一部手机。手机的高拥有率表明，它可以成为一种工具，超越社会阶层，触及弱势群体和服务不足的群体。如果福利包括食物和租金作为生活必需品，那么也可以考虑使用手机代金券，让长者、残疾人士或独居人士也能使用这项基本的通讯工具[8，10］．现有文献表明，缩小数字差距有助于弥合健康问题[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卫生服务。研究人员已经记录了手机健康干预效果的初步证据[50];然而，这些移动健康(mHealth)干预措施大多是在西方国家进行的，来自中国等发展中国家的数据有限，尽管移动电话的拥有率很高。近年来，一些科学家尝试了基于移动设备的干预[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，这种努力对中国老年人尤其有益。30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］．一些专家呼吁为中国的慢性病管理和老年人护理提供创新的移动健康解决方案。55］．移动电话的广泛普及和互联网接入的持续普及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，它基于中国老年人的全国概率样本，样本量大;因此，我们的研究结果可以推广到中国其他老年人。其次，社会经济地位的衡量包括个人、家庭和社区层面的变量，从而为我们提供了对社会经济地位的全面衡量。第三，我们的健康结果通过自我报告的健康和残疾来衡量，使用两种量表和11个与中国老年人相关的项目。

我们还注意到我们的研究存在以下局限性。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2013年收集了健康结果、移动工具的获取和其他协变量。社区资源和互联网接入与健康结果之间的关系可能是可预测的。其次，CHARLS只包括2个关于使用移动工具的简单问题，所以我们只能衡量互联网使用和移动电话的拥有量。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，以及他们是否使用智能手机，在这项研究中没有提及;然而，最近的一项调查显示，2016年中国智能手机用户占手机用户总数的53% [56］．人们是否以及如何为健康目的使用移动工具影响数字鸿沟和健康差距之间的关系[57];因此，我们呼吁获得更多关于移动工具获取和使用的数据。第三，我们对健康结果的衡量也仅限于两个指标。此外，健康结果变量的两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

总之，据我们所知，这项研究是中国第一个关于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体特征，提供了关于社会经济地位和数字鸿沟关系的数据，从而推进了文献的发展。较低的互联网接入率及其与社区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SES的重要指标，更多的互联网接入可能导致个人SES和社区基础设施的升级。相比之下，手机的高拥有率和它与社区资源的缺乏关系表明，手机可能超越社会阶层，成为一个普通的个人物品。手机的高拥有率为中国老年人赋权和服务提供了巨大的潜力，在快速老龄化的社会中，他们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异的关系进行更多研究。