條文本
PDF
摘要
客觀的分析針對性別的衛生行為是否可以解釋為什麼女性比男性長壽，但發病率卻更低，這被稱為發病率-死亡率或性別悖論。
設置瑞典的工作人口。
參與者納入了1993-2004年期間住院的年齡在40-59歲的瑞典婦女和男子的30%隨機樣本。用於分析的樣本包括233 274個人(115 430名男性和117 844名女性)，總共有1 867 013次病假觀察。
幹預18種疾病類別的住院人數。
主要結果測量主要結局指標為缺勤(發病率)和死亡率。個體水平的縱向數據允許我們使用差異中的差異回歸分析來研究男性和女性住院後病假的變化。Cox回歸模型用於研究入院後死亡率的差異。
結果女性每年住院後的病假天數比男性多約5天(95%可信區間5.25至6.22)。與此同時，在分析的18個診斷類別中，男性的死亡率更高。在17個不同的診斷類別中，女性更多的疾病缺勤模式是相同的。對於腫瘤，男性的死亡風險高57%(54.18%-59.89%)，結果取決於死者疾病的歸責方法。通過使用疾病缺勤的死亡前方法，男性的缺勤天數增加了14.47天(-16.30 - -12.64)，而在歸責為零的情況下，女性的缺勤天數增加了1.6天(0.05-3.20)。有或沒有協變量的分析揭示了一幅連貫的圖景。
結論婦女缺勤(發病率)增加和死亡率降低的模式提供了證據，說明婦女的預防行為比男子更積極主動，從而可以解釋發病率-死亡率悖論。
- 人口登記數據
- 病假
- 死亡率
- 健康、性別差異
- 法設計
這是一篇開放獲取的文章，按照創作共用署名非商業性(CC BY-NC 4.0)許可發布，該許可允許其他人以非商業性的方式發布、混編、改編、構建本作品，並以不同的條款授權他們的衍生作品，前提是原創作品被正確引用，給予適當的榮譽，任何更改都被注明，且使用是非商業性的。看到的:http://creativecommons.org/licenses/by-nc/4.0/．
來自Altmetric.com的統計
本研究的優勢和局限性
實證分析基於社會科學中常用的差異設計，在醫學科學中越來越多地應用。
我們數據的縱向特征使我們能夠考慮到群體在健康、工作條件和其他時不變因素(如家務責任的差異)方麵的差異，這可能會混淆缺勤和針對性別的健康行為之間的關係。
入院後，女性的缺勤比男性增加更多，這一結論並不依賴於協變量調整。
簡介
在許多國家，婦女因健康原因缺勤的情況相對多於男子。1此外，在醫療保健利用和自我報告健康狀況等其他常見的發病率衡量指標中也存在類似的性別差異。2然而，雖然最常用的觀察到的健康指標顯示婦女比例過高，但這一規則有一個主要例外——剩餘預期壽命。關於性別差異，一個經常被引用的事實是，女性比男性長壽。事實上，在世界上幾乎所有地區的所有年齡段，婦女的剩餘預期壽命都高於男子。2010年，全球平均預期壽命的性別差異約為4歲，並且在很長一段時間內一直如此。3.這使得一些學者將這種關係稱為發病率-死亡率或性別悖論．4
一種對這種明顯不一致的模式的解釋是健康行為的性別差異。行為上的差異可能與吸煙、飲酒、飲食等有關，但也可能表現在發病率的共同指標上。例如，婦女可能會主動更多地利用保健服務，並可能請更多病假以保持健康，從而延長其壽命(參考文獻)4 - 7)．這種對所謂發病率-死亡率悖論的特殊解釋在17世紀就有人討論過;英國人口統計學家約翰·格蘭特8觀察到，男性的出生率和死亡率都高於女性，而與此同時，“(醫生)兩個女病人比一個男病人”。
這種行為差異的猜想在社會科學的實驗研究中得到了支持9)．特別是，人們經常注意到，一般而言，婦女在涉及自己和其他家庭成員健康的問題上更積極主動，她們往往比男子更不願承擔風險。其含義是，如果婦女更多地注意未來可能出現的疾病，通過更頻繁地使用醫療服務或健康保險，就可以在較早階段發現健康狀況不佳，加以補救，從而延長她們相對於男子的預期壽命。預期壽命的巨大跨國家差異(參見參考文獻)10)還表明，婦女比男子長壽的總體情況在某種程度上源於基於文化規範差異的針對性別的衛生行為。
這篇文章通過使用住院後男性和女性的發病率(生病缺席)和死亡率的演變，以經驗檢驗行為的性別差異作為理解發病率-死亡率悖論的因素。如果婦女比男子采取更積極的行動，我們就會發現，在發生類似的健康變化後，婦女請假的時間比男子多，而與此同時，婦女的死亡率並不高。因此，如果我們在我們的數據中發現了這樣一種模式，這就支持了一個猜想，即發病率-死亡率難題是由婦女更積極主動的健康行為造成的。另一方麵，如果我們發現缺勤率增加，而且住院後婦女死亡率更高，我們就會得出結論，很可能是男女之間的實際健康差異造成了缺勤率的增加。
由於對發病率的衡量幾乎都是從不利的角度來討論的，因此，對於衛生政策來說，一個重要的問題是，結果的性別差異是否以及在多大程度上反映的是行為差異而不是健康差異。因此，我們的目的是研究發病率-死亡率悖論，並分析性別特定的健康行為是否可以解釋為什麼女性比男性長壽，但發病率結果更糟糕。
方法
研究設計和參與者
我們的實證分析利用了來自行政人口登記的關於缺勤、住院、死亡率和社會經濟變量的微觀數據。1993-2004年涵蓋16-65歲年齡段的整個瑞典人口的社會經濟變量數據來自瑞典統計局。這些數據分別通過瑞典社會保險局和瑞典國家衛生和福利局的登記與同一時期的病假和住院護理數據相聯係。關於病假的數據包括瑞典法定疾病保險規定的所有個人帶薪病假。全國病人登記冊涵蓋公立醫院的所有住院醫療接觸者。由負責的高級顧問在出院時作出診斷，並根據世衛組織的《疾病和相關健康問題國際統計分類》(ICD-10)進行分類。
對1993年40-59歲、在1994年至2004年期間住院的就業人員進行了30%的隨機抽樣分析。樣本共233274人，其中49.5%為男性。40-44歲、45-49歲、50-54歲和55-59歲年齡組的個體比例分別為20%、25%、28%和27%。該樣本約占該年齡段就業者的37%。與同期沒有住院的人相比，年齡分布是相當的，但他們的收入略低。30%的人口樣本(住院和非住院)的描述性統計資料載於在線補充附錄表1和表2．我們隻使用了第一次住院。對於1999年首次住院的樣本患者，我們觀察了他們在入院前5年和入院後5年的病假情況。在其他年份，我們沒有觀察領先和落後的完整數量，導致了一個不平衡的麵板。為了考慮潛在的樣品組成影響，我們的經驗規範中包括了年齡和年份的因素(或固定影響)。
住院前對年齡和就業加以限製的原因是，隻有在個人有資格領取疾病津貼，即有工作(或正在找工作但以前有過工作)的情況下，病假才是有效的發病率衡量標準。資格取決於是否屬於勞動力大軍，以及是否低於65歲的法定退休年齡。因此，由於一般人在65歲之前離開勞動力市場，我們將分析限製在60歲以下的人。
統計分析
在分析中，我們使用了回歸分析，並根據年齡、受教育程度(三個級別:低於中學、中學和中學以上)、自己和配偶的收入、個人或配偶的收入是否超過疾病保險上限的一個因素以及入院年份、職業部門和疾病類別的因素進行了調整。
回歸分析可以用差中差設計表示。這個想法是1855年由約翰·斯諾提出的，11他利用倫敦的蘭伯斯公司將其自來水廠遷到上遊，相對沒有汙水的地方，作為一種實證檢驗水質影響霍亂理論的手段。他將蘭伯斯公司供水係統遷移前後服務的人群中霍亂的發生變化與另一家沒有改變供水係統的公司服務的人群中霍亂的發生變化進行了比較。通過利用隨時間的兩個差異(即差異中的差異)，他控製了水質變化不是隨機分配的事實。要了解有關此想法的易於評估的討論，以分析醫療保健政策，請參閱參考12．
差異中的差異設計允許我們在入院前調整未觀察到的對缺病重要性的混雜因素，這些混雜因素可能在男性和女性之間存在差異。對入院前的性別差異進行調整後，我們使用普通最小二乘估計估計了入院女性與男性的相對影響。我們將死者死前一年的病假計算為死後的每一年。如果男子的死亡率高於婦女，作為一種檢驗婦女是否比男子更積極主動行為的手段，這一戰略是保守的。另一方麵，如果男性和女性的死亡率相近，則將其死後每年的缺勤天數歸為零，這是一種保守的檢驗方法，可以檢驗婦女是否有更積極的行為。兩種imputation方法均用於分析。然而，第一個結果采用了平均imputation策略。此外，疾病和傷殘保險是社會保險製度的組成部分，因此是相互關聯的。領取全職殘疾津貼的個人不能領取疾病津貼，但兼職殘疾人可以。因此，在分析中，我們將疾病缺勤天數定義為某一年內享受疾病津貼和/或殘疾津貼的天數。
在死亡率分析中，我們使用了每日數據和估計離散時間Cox比例風險回歸模型最大似然。
患者和公眾的參與
患者沒有參與這項大型觀察性、基於登記的研究的設計或實施。由於所有的分析都是在非個性化數據上完成的，因此不可能直接將結果傳播給相關的個人。因此，研究結果將通過發表在科學和大眾科學雜誌上向公眾傳播。
結果
與性別有關的疾病缺失
圖1顯示男子和婦女在住院前後生病缺席的平均天數。左圖顯示總體差異，右圖顯示四大類疾病的平均值:腫瘤(ICD-10=C00-D48)、循環係統疾病(ICD-10=I00-I99)、肌肉骨骼疾病(ICD-10= M00-M99)以及精神和行為障礙(ICD-10= F00-F99)。
1993-2004年40-59歲就業人口(住院前)在(首次)住院之前和之後的男女缺勤天數。左圖顯示的是平均水平，右圖顯示的是癌症、心肌梗死、肌肉骨骼和精神疾病。
從左邊的麵板可以看出，在入院前的幾年裏，男性和女性的病假都增加了，但這種增加在女性中更大。在住院後的一段時間內，男性和女性的病假都急劇增加，但女性的增加幅度要大得多。右邊的麵板圖1四大類疾病入院前的變化規律相同。然而，住院後，這些類別之間有一些差異。對於腫瘤，男性在入院後1-4年的無病率更高。對於其他疾病，在整個隨訪期間，女性的缺勤率高於男性。對於循環係統疾病，在住院期間這種差異很小，而對於其他兩種疾病，最初的性別差異很大，但後來逐漸減小。
與性別有關的死亡率
圖2報告住院後5年內死亡的男性和女性的特定疾病比例，按每年隨訪的死亡率類別劃分，共針對18種不同的疾病類別。一個顯著的模式被展示出來;對於所有疾病類別，男性在住院後死亡的概率(也在隨訪類別內)更高。
1993-2004年40-59歲就業人口(入院前)按診斷類別分列的住院後男子和婦女五年死亡風險。
對於腫瘤，在5年隨訪期間，男性的死亡風險比女性高22個百分點(42%比20%)。在循環係統疾病、精神和行為疾病(以下為精神疾病)和肌肉骨骼疾病方麵，男性的風險分別相應增加了4個百分點(14%-10%)、4個百分點(12%-8%)和1.5個百分點(6%-4.5%)。
對於缺勤數據，我們將死者死亡前一年的缺勤計算在內。因此，死亡率的性別差異可能解釋一些與病假有關的醫院後入院模式。這一解釋很可能是腫瘤最重要的解釋。
回歸估計結果
表1介紹了入院後5年隨訪期間病假和死亡率的性別差異的回歸分析結果。關於缺勤和死亡率的結果與以前的結果一致圖1及2．的A組第(3)列表1，可以看出，在住院後的5年抽樣窗口中，女性每年比男性多使用了統計上顯著的5.73天的病假(95% CI 5.25至6.22)。因腫瘤、循環係統疾病、肌肉骨骼疾病和精神障礙住院的患者，其性別差異分別為−14.47、7.44、5.77和5.30天(−16.30 ~−12.64、5.91 ~ 8.96、3.63 ~ 7.91和1.96 ~ 8.64)。最後，從B組的第(3)欄中可以看出，女性約有27% (
)比男性低(24.18%-29.62%)。腫瘤、循環係統、肌肉骨骼和精神疾病的死亡風險分別降低57%、38%、27%和45%(54.18%-59.89%、30.73%-43.94%、13.02%-38.40%和33.89%-54.98%)。
18種疾病類別的病假分析結果載於表2．從這些分析得出的一般結論與從整體性別差異分析得出的結論相似:除了住院後5年的腫瘤外，女性在所有類別中缺乏症的增加更多(其中12個類別有統計學意義)。
為了找出平均數的重要性，我們進行了一種分析，即我們在死者死後將其歸為零。該靈敏度分析的結果顯示在表3．總體結果基本未受影響，但在敏感性分析中發現，在包括腫瘤在內的16種疾病類別中，婦女缺病的情況在統計上顯著增加。對於這種疾病，在入院後的5年隨訪期間(0.05-3.20)，女性的缺勤天數比男性多1.6天。
先前的研究報道了急性心肌梗死(AMI)住院護理訪問後死亡率的性別差異(如參考文獻)13日14而且15)．出於這個原因，我們對AMI住院護理訪問進行了額外的分析。我們使用AMI樣本重新估計了我們的模型(1)5年總死亡率，(2)住院死亡(即患者在出院前死亡)，(3)1年隨訪期(以出院為條件)和(4)住院護理訪問後1- 5年的隨訪期。我們估計了總的影響，但也分別對40-44歲、45-49歲、50-54歲和55-59歲年齡組進行了評估。
表4提供回歸的結果，其中我們對前麵分析中相同的變量進行了調整。從列(1)可以看出，該人群中男性在5年內死亡的風險較高，且最老階層的男性是這種影響的主要驅動因素。對於其他結果，我們沒有發現統計學上顯著的性別差異。
討論
發病率的度量常常被用作人口健康的度量，以及在按人頭支付保健費用時根據報酬進行調整的投入。理想情況下，這些措施不應受到患者對醫療保健的偏好的影響。如果這些發病率指標不能反映真正的健康狀況，按人頭支付的報酬將具有誤導性和效率低下。例如，最近發表的一項研究表明，在按服務收費的醫療保險受益人中，慢性病的地區診斷頻率與病死率之間存在負相關關係。16本研究的重點是兩性之間的差異，以及觀察到的發病率結果的性別差異在多大程度上反映了行為差異而不是健康差異。我們使用一種新的設計來檢驗這一假設，這種設計是通過提供一組工作男女的發病率測量(缺勤)的縱向數據而實現的。我們發現，在住院前，尤其是住院後，女性的病假時間相對更長，同時死亡風險也比男性低。這為女性比男性更積極主動的預防行為提供了有力證據。
例和帕克森17和卡娜等18無法證實性別偏好差異的假設，即婦女的行為比男子更積極主動，或[18，第2251頁]"男子更堅忍，婦女更願意使用保健服務，報告健康問題，並在評估自己的健康時將不太嚴重的疾病考慮在內"。18作為發病率測量Case和Paxson17而Singh-Manoux等18使用自評健康、長期疾病、呼吸係統疾病、缺勤、高血壓和冠心病(CHD)患病率。死亡率和發病率之間的相關性缺乏係統的統計上的顯著差異被作為反對這一理論的證據。然而，我們應該注意到，兩項研究都有支持這一理論的模式。例如，11項發病率指標中有8項與男性死亡率的相關性強於女性，其中一項(缺勤)的差異在統計上具有顯著性。凱斯和帕克森的研究發現，患有呼吸係統癌症、心血管疾病和支氣管炎的男性比患有同樣自我報告疾病的女性有更高的住院發生率和死亡率。17這表明，這一理論可能是對觀察到的性別模式的一種解釋，但樣本量需要很大，需要對未測混雜因素不敏感的方法。本文中使用的策略最初是由Avdic和Johansson提出的，19他們對年齡在40-45歲的瑞典工作男女進行了抽樣調查。本文通過對更大的人群進行研究和對診斷編碼進行更詳細的分析，對這一研究進行了擴展。然而，兩篇論文的結果是一致的。
我們關於住院後死亡率的結果與關於急性心肌梗死住院後死亡率的性別差異的研究有所不同。例如，以前的一些研究13 - 15研究發現，與男性相比，年輕女性(65歲及以下，75歲及以下)在AMI住院治療後的死亡風險更高。然而，這些分析是以出院數據為基礎的，這意味著死亡率取決於病人的入院情況，死亡發生在出院之前。此外，其他研究表明，患有AMI的女性患者平均住院時間比男性更長。20 21這意味著，如果在特定的健康狀況下，婦女住院時間更長(例如，由於偏好的差異)，那麼這可以解釋婦女死亡率較高的原因。我們分析的一個優點是它不限於在醫院死亡。為了闡明這個潛在的問題，我們重新評估了我們對AMI患者亞樣本的分析。此子分析不能證實先前研究的結果。13 - 15
限製
基於觀察數據的結果總是會受到混雜偏差的影響。我們通過一種在社會科學中普遍使用且越來越多地應用於醫學科學的差異設計，實證分析了男性和女性住院後生病缺勤的變化。12我們數據的縱向特征使我們能夠考慮到群體在健康、工作條件和其他時不變因素(如家務責任的差異)方麵的差異，這可能會混淆缺勤和針對性別的健康行為之間的關係。在這方麵，我們需要強調的是，所有顯示的結果對是否包括觀察到的協變量並不敏感。這一結果在研究設計中是意料之中的。如果有的話，協變量的調整增加了而不是減少了影響的幅度(比較沒有調整的第(1)列和中的第(3)列表1 - 3)．因此，考慮到納入這些協變量在一定程度上反映了入院前的健康狀況，這一經驗模式表明，平均而言，女性在入院前的健康狀況優於男性。這就意味著，與男性相比，觀察到的住院後病假的性別差異是女性更積極主動和預防行為的下限。
另一個限製是，我們的結果反映了1991年就診的年齡在40-59歲的瑞典就業個體的代表性樣本的發現。目前還不清楚這些結果是否適用於其他人群。
影響
根據發病率的衡量標準按人頭計算薪酬可能會產生誤導和效率低下。原因是發病率指標不一定反映真實的健康狀況。相反，更有效的策略可能是影響死亡率高的群體的態度和規範。其中一項策略是告知男性更積極地利用醫療服務。
在瑞典進行的個人數據處理仍然必須遵守《個人數據法》的規定。這意味著，隻有在瑞典的數據控製者遵守了《個人數據法》的其他要求時，數據才能被轉移，例如關於個人數據處理的基本要求和關於總體上何時允許這種處理的規則。
*在《個人數據法案》(以及歐共體關於數據保護的指令)中，有關於你在評估個人數據保護水平時必須考慮的指導方針。所有有關轉讓的情況都應予以考慮。應特別考慮到數據的性質、處理的目的、處理的期限、原產國、最終目的地國以及在第三國進行處理的現行規則。
歐盟委員會分析了一些國家的數據保護規則，認為這些國家的保護水平是足夠的。這些決定涉及阿根廷、根西島的貝利威克、法羅群島、曼澤西島和瑞士。
此外，歐盟委員會還評估了下列國家的某些部門或某些條件下的保護水平是足夠的:
加拿大(如果其保護私營部門個人資料的立法適用於收件人處理個人資料)。
美國(如果接收人遵守所謂的安全港原則)。
歐盟委員會的決定載於《個人資料條例》的附件內。該條例明確指出，在這些情況下允許轉讓。
“安全港”原則是由美國商務部製定和決定的一套有關保護私隱和數據的自願規則。在美國的機構可通知商務部他們遵守這些規則。歐盟委員會評估，這些規則(包括附帶的問題和回答)構成了適當的保護水平。因此，它被允許將個人數據從歐盟/歐洲經濟區轉移到遵守規則的美國組織。在美國商務部的網站上，有一份遵守“安全港”原則的公司和組織名單。更多信息請參見http://www.datainspektionen.se/in-english/in-focus-transfer-of-personal-data/．
參考文獻
腳注
貢獻者DA和合作者一起完成了所有的數據分析和解釋。他已經批準了將要出版的那個版本的手稿。PH與合著者一起對數據進行了解釋並起草了手稿。他已經批準了將要出版的那個版本的手稿。BL與合著者一起對數據進行了解釋，起草了部分稿件，並對重要的知識內容進行了修改。他已經批準了將要出版的那個版本的手稿。PJ與合著者一起設計研究，解釋數據，並起草數據手稿。他已經批準了將要出版的那個版本的手稿。
資金PJ感謝瑞典健康、工作生活和福利研究委員會(FORTE)的資助。
相互競爭的利益沒有宣布。
病人同意發表不是必需的。
倫理批準該研究獲得了烏普薩拉地區倫理審查委員會的批準(批準號為2005:126)。
來源和同行評審不是委托;外部同行評議。
數據可用性聲明數據可能從第三方獲得，但不公開。