中国医疗卫生人员超重/肥胖危险因素研究

doi:10.12114/j.issn.1007-9572.2023.0582

中国全科医学 ›› 2025, Vol. 28 ›› Issue (03): 320-329.DOI: 10.12114/j.issn.1007-9572.2023.0582

• 论著·肥胖防控专题研究 • 上一篇下一篇

中国医疗卫生人员超重/肥胖危险因素研究

郭馨月¹, 巩少青², 侯晓辉³, 孙桐⁴, 文建强⁵, 王志耀⁶, 何景阳⁷, 孙雪竹⁸^,⁹, 王素芳¹, 田向阳¹^,³^,^*(), 冯雪⁸^,⁹^,^*()

1．230031　安徽省合肥市，安徽医科大学公共卫生学院营养与食品卫生系
2．462002　河南省漯河市，漯河医学高等专科学校
3．100011　北京市，中国健康教育中心
4．250013　山东省济南市，山东省疾病预防控制中心
5．741020　甘肃省兰州市，甘肃省中医药发展中心
6．830000　新疆维吾尔自治区乌鲁木齐市，新疆维吾尔自治区卫生健康宣传教育中心
7．450003　河南省郑州市，河南省疾病预防控制中心健康教育所
8．100037　北京市，中国医学科学院阜外医院心脏康复中心
9．100037　北京市，国家心血管病中心健康生活方式医学中心

收稿日期:2024-02-10 修回日期:2024-08-16 出版日期:2025-01-20 发布日期:2024-10-28
通讯作者: 田向阳, 冯雪
郭馨月和巩少青为共同第一作者

作者贡献：
郭馨月、巩少青提出主要研究目标，负责研究的构思与设计，研究的实施，撰写论文；郭馨月、巩少青、侯晓辉、孙桐、文建强、王志耀、何景阳、孙雪竹、王素芳进行数据的收集与整理，统计学处理，图、表的绘制与展示；田向阳、冯雪进行论文的修订；田向阳、冯雪负责文章的质量控制与审查，对文章整体负责，监督管理。

Predictors for Overweight/Obesity of Chinese Healthcare Workers

GUO Xinyue¹, GONG Shaoqing², HOU Xiaohui³, SUN Tong⁴, WEN Jianqiang⁵, WANG Zhiyao⁶, HE Jingyang⁷, SUN Xuezhu⁸^,⁹, WANG Sufang¹, TIAN Xiangyang¹^,³^,^*(), FENG Xue⁸^,⁹^,^*()

1. Department of Nutrition and Food Hygiene, School of Public Health, Anhui Medical University, Hefei 230031, China
2. Luohe Medical College, Luohe 462002, China
3. Chinese Center for Health Education, Beijing 100011, China
4. Shandong Center for Disease Control and Prevention, Jinan 250013, China
5. Gansu Province Traditional Chinese Medicine Development Center, Lanzhou 741020, China
6. Xinjiang Uygur Autonomous Region Health Promotion and Education Center, Urumqi 830000, China
7. Health Education Institute of Henan Center for Disease Control, Zhengzhou 450003, China
8. Cardiac Rehabilitation Center, Fuwai Hospital, Chinese Academy of Medical Sciences, Beijing 100037, China
9. Center for Healthy Lifestyle Medicine, National Cardiovascular Center, Beijing 100037, China

Received:2024-02-10 Revised:2024-08-16 Published:2025-01-20 Online:2024-10-28
Contact: TIAN Xiangyang, FENG Xue
About author:
GUO Xinyue and GONG Shaoqing are co-first authors

分享到

摘要/Abstract

摘要： 背景医疗卫生人员在预防和控制COVID-19大流行方面发挥了关键作用。高感染风险和密集的工作不仅导致医疗卫生人员职业倦怠，并且严重影响了他们的心理健康和生活方式，大量国外研究表明，新型冠状病毒感染疫情导致医疗卫生人员出现膳食不合理、运动减少、睡眠障碍等情况，增加了超重和肥胖的风险。截至目前，有关新型冠状病毒感染疫情对中国医疗卫生人员体重及生活方式变化影响的研究较少，影响体重变化的主要生活方式因素尚不清楚。目的通过构建贝叶斯网络模型，分析新型冠状病毒感染疫情对中国医疗卫生人员超重/肥胖的影响及其危险因素，为重大传染病疫情期间预防和控制超重/肥胖提供科学依据。方法于2022年8月，随机抽取5个省/自治区/直辖市的100家医疗卫生机构中的医疗卫生人员，采用课题组自行编写的调查问卷[Cronbach's α=0.820，公因子累积方差贡献率（AVCR）=63.55%]，调查对象通过扫描"问卷星"平台生成的电子问卷二维码，填写并提交问卷。使用SPSS 25.0软件进行描述性统计分析，使用R 4.3.0软件的"bnlearn"包构建贝叶斯网络模型，并使用Netica 6.09软件进行贝叶斯网络模型概率预测。结果本研究共调查医疗卫生人员20 261名，其中女性占67.57%（13 690/20 261）；平均年龄（40.2±9.2）岁；文化程度为大专或本科的占73.28%（14 848/20 261）。2019、2022年超重/肥胖率分别为43.06%（8 726/20 261）和45.71%（9 262/20 261）。2019—2022年，12.64%（1 458/11 535）的调查对象BMI由消瘦/正常变为超重/肥胖。贝叶斯网络模型共纳入15个节点，其中，吃蔬菜水果、吃早餐频次、饮酒、饭量为调查对象BMI由消瘦/正常变为超重/肥胖的父节点，当吃蔬菜水果"有所减少"、吃早餐频次"无变化"、饮酒"无变化"且饭量"增加很多"时，BMI由消瘦/正常变为超重/肥胖的风险最高，为75.00%。当吃蔬菜水果为"增加很多"、吃早餐频次为"有所增加"、饮酒为"从不或很少"且饭量为"有所减少"时，BMI由消瘦/正常变为超重/肥胖的风险最低，为2.04%。贝叶斯网络概率预测模型发现，当调查对象熬夜及持续性压力/焦虑/抑郁情绪"有所增加"、睡眠时间及吃蔬菜水果"有所减少"、吃早餐频次"减少很多"、饮酒"无变化"且饭量"有所增加"时，BMI由消瘦/正常变为超重/肥胖的风险为26.70%，如果该研究对象吃早餐频次"增加很多"时，则BMI由消瘦/正常变为超重/肥胖的发生风险降低为14.30%。结论吃蔬菜水果、吃早餐频次、饮酒以及饭量是医疗卫生人员超重/肥胖的直接预测因素，新冠疫情等重大传染病疫情期间，在确保医疗卫生机构正常运转的前提下，实行合理的轮休制度，提供心理支持和生活方式行为干预服务，有利于医疗卫生人员肥胖防控。

关键词: 超重, 肥胖, 医疗卫生人员, 生活方式, 贝叶斯网络

Abstract:

Background

Healthcare workers have played a crucial role in preventing and controlling the COVID-19 pandemic. However, the heightened risk of infection and intense work schedules have not only induced occupational burnout among them but also significantly impacted their mental health and lifestyles. A large number of foreign studies have shown that the COVID-19 pandemic has led to unreasonable diet, reduced exercise, irregular work and rest, and decreased sleep quality among HCWs, increasing the risk of overweight and obesity. Despite this, research on weight and lifestyle changes among Chinese healthcare workers during the pandemic is limited, and the key lifestyle factors contributing to these weight changes remain unclear.

Objective

To analyze the predictors of overweight and obesity in Chinese healthcare workers by constructing a Bayesian network model, and to provide a scientific basis for the prevention and control of overweight and obesity.

Methods

In August 2022, Chinese healthcare workers in 100 medical institutions from five provinces/autonomous regions/municipalities were randomly sampled, and the questionnaire (Cronbach's α=0.820, AVCR=63.55%) was prepared by the researchers to collect data. All respondents were required to scan QR code generated by the "Wenjuanxing" to answer the e-questionnaire and submit. The "bnlearn" package of R 4.3.0 software was used to construct a Bayesian network model, and Netica 6.09 software was used for Bayesian network risk prediction.

Results

The study surveyed a total of 20 261 healthcare workers, of whom females accounted for 67.57% (13 690/20 261) ; The average age was (40.2±9.2) years old; 73.28% (14 848/20 261) had a college or undergraduate education level. In 2019 and 2022, the overweight/obesity rates were 43.06% (8 726/20 261) and 45.71% (9 262/20 261), respectively. From 2019 to 2022, 12.64% (1 458/11 535) of survey respondents' BMI changed from underweight/normal to overweight/obese. The Bayesian network model included a total of 15 nodes, and the amount of consumption of vegetables and fruits, breakfast frequency, alcohol drinking, and appetite were the parent nodes of BMI changing from underweight/normal to overweight/obesity, and when there were "a reduction" in the consumption of vegetables and fruits, "no change" in frequency of eating breakfast, alcohol drinking consumption "no change", and "a great increase" in the appetite the risk of BMI changing from underweight/normal to overweight/obese was the highest (75.00%). And when there were "a great increase" in consumption of vegetables and fruits, "an increase" in the frequency of eating breakfast, "never or rarely" in alcohol drinking and "a reduction" in appetite, the risk of becoming overweight/obese was the lowest (2.04%) .

Conclusion

Consumption of vegetables and fruits, eating breakfast frequently, drinking alcohol and appetite are the direct predictors of overweight/obesity of Chinese healthcare workers. During the epidemic of major infectious diseases such as the COVID-19, on the premise of ensuring the normal operation of medical and health institutions, a reasonable rotation system is implemented to provide psychological support and lifestyle behavior intervention services, which is conducive to the prevention and control of obesity of healthcare workers.

Key words: Overweight, Obesity, Healthcare worker, Lifestyle, Bayesian network

郭馨月,巩少青,侯晓辉,等. 中国医疗卫生人员超重/肥胖危险因素研究[J]. 中国全科医学, 2025, 28(03): 320-329. DOI: 10.12114/j.issn.1007-9572.2023.0582.
GUO Xinyue,GONG Shaoqing,HOU Xiaohui, et al. Predictors for Overweight/Obesity of Chinese Healthcare Workers[J]. Chinese General Practice, 2025, 28(03): 320-329. DOI: 10.12114/j.issn.1007-9572.2023.0582.

图/表 7

参考文献 41

[1]	GONZÁLEZ-MUNIESA P，MÁRTINEZ-GONZÁLEZ M A，HU F B，et al. Obesity[J]. Nat Rev Dis Primers，2017，3：17034. DOI：10.1038/nrdp.2017.34.
[2]	POLOZ Y，STAMBOLIC V. Obesity and cancer，a case for insulin signaling[J]. Cell Death Dis，2015，6（12）：e2037. DOI：10.1038/cddis.2015.381.
[3]	CHAKRABORTI C K. Role of adiponectin and some other factors linking type 2 diabetes mellitus and obesity[J]. World J Diabetes，2015，6（15）：1296-1308. DOI：10.4239/wjd.v6.i15.1296.
[4]	PARIKESIT D，MOCHTAR C A，UMBAS R，et al. The impact of obesity towards prostate diseases[J]. Prostate Int，2016，4（1）：1-6. DOI：10.1016/j.prnil.2015.08.001.
[5]	ROEVER L S，RESENDE E S，DINIZ A L D，et al. Abdominal obesity and association with atherosclerosis risk factors：the uberlândia heart study[J]. Medicine，2016，95（11）：e1357. DOI：10.1097/MD.0000000000001357.
[6]	HAN T S，LEAN M E. A clinical perspective of obesity，metabolic syndrome and cardiovascular disease[J]. JRSM Cardiovasc Dis，2016，5：2048004016633371. DOI：10.1177/2048004016633371.
[7]	FELLINGER P，FUCHS D，WOLF P，et al. Overweight and obesity in type 1 diabetes equal those of the general population[J]. Wien Klin Wochenschr，2019，131（3/4）：55-60. DOI：10.1007/s00508-018-1434-9.
[8]	CHEN Z M，IONA A，PARISH S，et al. Adiposity and risk of ischaemic and haemorrhagic stroke in 0.5 million Chinese men and women：a prospective cohort study[J]. Lancet Glob Health，2018，6（6）：e630-640. DOI：10.1016/S2214-109X(18)30216-X.
[9]	VALLIS M. Quality of life and psychological well-being in obesity management：improving the odds of success by managing distress[J]. Int J Clin Pract，2016，70（3）：196-205. DOI：10.1111/ijcp.12765.
[10]	TONNON S C，ROBROEK S R J，VAN DER BEEK A J，et al. Physical workload and obesity have a synergistic effect on work ability among construction workers[J]. Int Arch Occup Environ Health，2019，92（6）：855-864. DOI：10.1007/s00420-019-01422-7.
[11]	REBER K C，KÖNIG H H，HAJEK A. Obesity and sickness absence：results from a longitudinal nationally representative sample from Germany[J]. BMJ Open，2018，8（6）：e019839. DOI：10.1136/bmjopen-2017-019839.
[12]	PIHLAJAMÄKI M，UITTI J，AROLA H，et al. Self-reported health problems and obesity predict sickness absence during a 12-month follow-up：a prospective cohort study in 21 608 employees from different industries[J]. BMJ Open，2019，9（10）：e025967. DOI：10.1136/bmjopen-2018-025967.
[13]	KUDEL I，HUANG J C，GANGULY R. Impact of obesity on work productivity in different US occupations：analysis of the national health and wellness survey 2014 to 2015[J]. J Occup Environ Med，2018，60（1）：6-11. DOI：10.1097/JOM.0000000000001144.
[14]	中共中央政治局常务委员会召开会议习近平主持[EB/OL].（2020-04-08）[2023-07-14].
[15]	NGUYEN L H，DREW D A，GRAHAM M S，et al. Risk of COVID-19 among front-line health-care workers and the general community：a prospective cohort study[J]. Lancet Public Health，2020，5（9）：e475-483. DOI：10.1016/S2468-2667(20)30164-X.
[16]	ALANAZI T N M，MCKENNA L，BUCK M，et al. Reported effects of the COVID-19 pandemic on the psychological status of emergency healthcare workers：a scoping review[J]. Australas Emerg Care，2022，25（3）：197-212. DOI：10.1016/j.auec.2021.10.002.
[17]	HUANG Y E，ZHAO N. Generalized anxiety disorder，depressive symptoms and sleep quality during COVID-19 outbreak in China：a web-based cross-sectional survey[J]. Psychiatry Res，2020，288：112954. DOI：10.1016/j.psychres.2020.112954.
[18]	ZHANG W R，WANG K，YIN L，et al. Mental health and psychosocial problems of medical health workers during the COVID-19 epidemic in China[J]. Psychother Psychosom，2020，89（4）：242-250. DOI：10.1159/000507639.
[19]	MOJTAHEDZADEH N，NEUMANN F A，ROHWER E，et al. The health behaviour of German outpatient caregivers in relation to the COVID-19 pandemic：a mixed-methods study[J]. Int J Environ Res Public Health，2021，18（15）：8213. DOI：10.3390/ijerph18158213.
[20]	ZHANG J，LAI S R，LYU Q J，et al. Diet and nutrition of healthcare workers in COVID-19 epidemic-hubei，China，2019[J]. China CDC Wkly，2020，2（27）：505-506. DOI：10.46234/ccdcw2020.121.
[21]	GOMES C M，FAVORITO L A，HENRIQUES J V T，et al. Impact of COVID-19 on clinical practice，income，health and lifestyle behavior of Brazilian urologists[J]. Int Braz J Urol，2020，46（6）：1042-1071. DOI：10.1590/S1677-5538.IBJU.2020.99.15.
[22]	OLIVER T L，SHENKMAN R，DIEWALD L K，et al. A year in the life of U.S. frontline health care workers：impact of COVID-19 on weight change，physical activity，lifestyle habits，and psychological factors[J]. Nutrients，2022，14（22）：4865. DOI：10.3390/nu14224865.
[23]	张红茹，吴文，赵丽英，等. 突发性耳聋相关危险因素分析[J].中国耳鼻咽喉颅底外科杂志，2017，23（2）：129-132. DOI：10.11798/j.issn.1007-1520.201702010.
[24]	伍梦秋，沈欣然，杨佳. 医学院校大学生习惯性熬夜现状及影响因素分析[J]. 中国健康教育，2022，38（2）：164-167. DOI：10.16168/j.cnki.issn.1002-9982.2022.02.014.
[25]	WANG Y F，ZHAO L，GAO L W，et al. Health policy and public health implications of obesity in China[J]. Lancet Diabetes Endocrinol，2021，9（7）：446-461. DOI：10.1016/S2213-8587(21)00118-2.
[26]	SULLIVAN G M，JR ARTINO A R. Analyzing and interpreting data from likert-type scales[J]. J Grad Med Educ，2013，5（4）：541-542. DOI：10.4300/JGME-5-4-18.
[27]	问卷星[Z].（2022-05-08）[2023-07-14].
[28]	SCUTARI M. Learning Bayesian networks with the bnlearn R Package[J]. J Stat Soft，2010，35（3）：1-22. DOI：10.18637/jss.v035.i03.
[29]	NORSYS. Netica [Z].（1995）[2023-07-14].
[30]	钟誉，陈晨，赵玺，等. 天津市基层医疗卫生机构医务人员超重和肥胖现状及影响因素分析[J]. 中国社区医师，2021，37（35）：162-163. DOI：10.3969/j.issn.1007-614x.2021.35.079.
[31]	国家体育总局. 国家国民体质监测中心发布《第五次国民体质监测公报》[EB/OL].（2022-06-07）[2023-07-14].
[32]	KUNYAHAMU M S，DAUD A，JUSOH N. Obesity among health-care workers：which occupations are at higher risk of being obese?[J]. Int J Environ Res Public Health，2021，18（8）：4381. DOI：10.3390/ijerph18084381.
[33]	TIAN X，WANG H. Projecting national-level prevalence of general obesity and abdominal obesity among Chinese adults with aging effects[J]. Front Endocrinol，2022，13：849392. DOI：10.3389/fendo.2022.849392.
[34]	HERNÁNDEZ-YUMAR A，ABÁSOLO ALESSÓN I，GONZÁLEZ LÓPEZ-VALCÁRCEL B. Economic crisis and obesity in the Canary Islands：an exploratory study through the relationship between body mass index and educational level[J]. BMC Public Health，2019，19（1）：1755. DOI：10.1186/s12889-019-8098-x.
[35]	PIGEYRE M，ROUSSEAUX J，TROUILLER P，et al. How obesity relates to socio-economic status：identification of eating behavior mediators[J]. Int J Obes（Lond），2016，40（11）：1794-1801. DOI：10.1038/ijo.2016.109.
[36]	SAFAEI M，SUNDARARAJAN E A，DRISS M，et al. A systematic literature review on obesity：understanding the causes & consequences of obesity and reviewing various machine learning approaches used to predict obesity[J]. Comput Biol Med，2021，136：104754. DOI：10.1016/j.compbiomed.2021.104754.
[37]	BOHAN BROWN M M，MILANES J E，ALLISON D B，et al. Eating versus skipping breakfast has no discernible effect on obesity-related anthropometric outcomes：a systematic review and meta-analysis[J]. F1000Research，2020，9：140. DOI：10.12688/f1000research.22424.3.
[38]	WICHERSKI J，SCHLESINGER S，FISCHER F. Association between breakfast skipping and body weight-a systematic review and meta-analysis of observational longitudinal studies[J]. Nutrients，2021，13（1）：272. DOI：10.3390/nu13010272.
[39]	DUBNOV-RAZ G，BERRY E M. Dietary approaches to obesity[J]. Mount Sinai J Medicine，2010，77（5）：488-498. DOI：10.1002/msj.20210.
[40]	PRINZ P. Sleep，appetite，and obesity—what is the link?[J]. PLoS Med，2004，1（3）：e61. DOI：10.1371/journal.pmed.0010061.
[42]	GIORGI G，LECCA L I，ALESSIO F，et al. COVID-19-related mental health effects in the workplace：a narrative review[J]. Int J Environ Res Public Health，2020，17（21）：7857. DOI：10.3390/ijerph17217857.
[43]	GREENBERG N，DOCHERTY M，GNANAPRAGASAM S，et al. Managing mental health challenges faced by healthcare workers during covid-19 pandemic[J]. BMJ，2020，368：m1211. DOI：10.1136/bmj.m1211.
[44]	COSTA A，CALDAS DE ALMEIDA T，FIALHO M，et al. Mental health of healthcare professionals：two years of the COVID-19 pandemic in Portugal[J]. Int J Environ Res Public Health，2023，20（4）：3131. DOI：10.3390/ijerph20043131.
[45]	SARAGIH I D，TONAPA S I，SARAGIH I S，et al. Global prevalence of mental health problems among healthcare workers during the COVID-19 pandemic：a systematic review and meta-analysis[J]. Int J Nurs Stud，2021，121：104002. DOI：10.1016/j.ijnurstu.2021.104002.
[46]	CHWASTIAK L A，ROSENHECK R A，KAZIS L E. Association of psychiatric illness and obesity，physical inactivity，and smoking among a national sample of veterans[J]. Psychosomatics，2011，52（3）：230-236. DOI：10.1016/j.psym.2010.12.009.
[47]	ADAM T C，EPEL E S. Stress，eating and the reward system[J]. Physiol Behav，2007，91（4）：449-458. DOI：10.1016/j.physbeh.2007.04.011.
[48]	YAU Y H C，POTENZA M N. Stress and eating behaviors[J]. Minerva Endocrinol，2013，38（3）：255-267.
[49]	KIM E J，DIMSDALE J E. The effect of psychosocial stress on sleep：a review of polysomnographic evidence[J]. Behav Sleep Med，2007，5（4）：256-278. DOI：10.1080/15402000701557383.
[41]	TRAVERSY G，CHAPUT J P. Alcohol consumption and obesity：an update[J]. Curr Obes Rep，2015，4（1）：122-130. DOI：10.1007/s13679-014-0129-4.

社会人口学特征	例数	消瘦	正常	超重	肥胖	χ²（χ²_趋势）值	P值
性别						2 100.008	<0.001
男	6 571	97（1.48）	2 132（32.45）	2 999（45.64）	1 343（20.44）
女	13 690	923（6.74）	8 383（61.23）	3 538（25.84）	846（6.18）
年龄						1 341.985^a	<0.001
24~33岁	5 474	663（12.11）	3 504（64.01）	962（17.57）	345（6.30）
34~43岁	7 109	261（3.67）	3 791（53.33）	2 281（32.09）	776（10.92）
44~53岁	6 239	79（1.27）	2 686（43.05）	2 620（41.99）	854（13.69）
54~63岁	1 246	12（0.96）	469（37.64）	569（45.67）	196（15.73）
≥64岁	193	5（2.59）	65（33.68）	105（54.40）	18（9.33）
主要工作和生活地区						469.298	<0.001
城镇	12 417	778（6.27）	7 035（56.66）	3 594（28.94）	1 010（8.13）
乡村	7 844	242（3.09）	3 480（44.37）	2 943（37.52）	1 179（15.03）
文化程度						423.519^a	<0.001
初中或以下	206	7（3.40）	78（37.86）	91（44.17）	30（14.56）
高中或中专	4 555	87（1.91）	1 880（41.27）	1 890（41.49）	698（15.32）
大专或本科	14 848	901（6.07）	8 173（55.04）	4 360（29.36）	1 414（9.52）
硕士研究生以上	652	25（3.83）	384（58.90）	196（30.06）	47（7.21）
合计	20 261	1 020（5.03）	10 515（51.90）	6 537（32.26）	2 189（10.81）

社会人口学特征	例数	消瘦	正常	超重	肥胖	χ²（χ²_趋势）值	P值
性别						2 100.008	<0.001
男	6 571	97（1.48）	2 132（32.45）	2 999（45.64）	1 343（20.44）
女	13 690	923（6.74）	8 383（61.23）	3 538（25.84）	846（6.18）
年龄						1 341.985^a	<0.001
24~33岁	5 474	663（12.11）	3 504（64.01）	962（17.57）	345（6.30）
34~43岁	7 109	261（3.67）	3 791（53.33）	2 281（32.09）	776（10.92）
44~53岁	6 239	79（1.27）	2 686（43.05）	2 620（41.99）	854（13.69）
54~63岁	1 246	12（0.96）	469（37.64）	569（45.67）	196（15.73）
≥64岁	193	5（2.59）	65（33.68）	105（54.40）	18（9.33）
主要工作和生活地区						469.298	<0.001
城镇	12 417	778（6.27）	7 035（56.66）	3 594（28.94）	1 010（8.13）
乡村	7 844	242（3.09）	3 480（44.37）	2 943（37.52）	1 179（15.03）
文化程度						423.519^a	<0.001
初中或以下	206	7（3.40）	78（37.86）	91（44.17）	30（14.56）
高中或中专	4 555	87（1.91）	1 880（41.27）	1 890（41.49）	698（15.32）
大专或本科	14 848	901（6.07）	8 173（55.04）	4 360（29.36）	1 414（9.52）
硕士研究生以上	652	25（3.83）	384（58.90）	196（30.06）	47（7.21）
合计	20 261	1 020（5.03）	10 515（51.90）	6 537（32.26）	2 189（10.81）

社会人口学特征	例数	消瘦	正常	超重	肥胖	χ²（χ²_趋势）值	P值
性别						1 932.420	<0.001
男	6 571	81（1.23）	2 027（30.85）	3 127（47.59）	1 336（20.33）
女	13 690	746（5.45）	8 145（59.50）	3 855（28.16）	944（6.90）
年龄						944.595^a	<0.001
24~33岁	5 474	503（9.19）	3 356（61.31）	1 199（21.90）	416（7.60）
34~43岁	7 109	220（3.09）	3 664（51.54）	2 413（33.94）	812（11.42）
44~53岁	6 239	88（1.41）	2 593（41.56）	2 723（43.64）	835（13.38）
54~63岁	1 246	11（0.88）	491（39.41）	549（44.06）	195（15.65）
≥64岁	193	5（2.59）	68（35.23）	98（50.78）	22（11.40）
主要工作和生活地区						408.674	<0.001
城镇	12 417	620（4.99）	6 819（54.92）	3 889（31.32）	1 089（8.77）
乡村	7 844	207（2.64）	3 353（42.75）	3 093（39.43）	1 191（15.18）
文化程度						321.309^a	<0.001
初中或以下	206	5（2.43）	78（37.86）	95（46.12）	28（13.59）
高中或中专	4 555	91（2.00）	1 835（40.29）	1 934（42.46）	695（15.26）
大专或本科	14 848	712（4.80）	7 890（53.14）	4 747（31.97）	1 499（10.10）
硕士研究生以上	652	19（2.91）	369（56.60）	206（31.60）	58（8.90）
合计	20 261	827（4.08）	10 172（50.21）	6 982（34.46）	2 280（11.25）

社会人口学特征	例数	消瘦	正常	超重	肥胖	χ²（χ²_趋势）值	P值
性别						1 932.420	<0.001
男	6 571	81（1.23）	2 027（30.85）	3 127（47.59）	1 336（20.33）
女	13 690	746（5.45）	8 145（59.50）	3 855（28.16）	944（6.90）
年龄						944.595^a	<0.001
24~33岁	5 474	503（9.19）	3 356（61.31）	1 199（21.90）	416（7.60）
34~43岁	7 109	220（3.09）	3 664（51.54）	2 413（33.94）	812（11.42）
44~53岁	6 239	88（1.41）	2 593（41.56）	2 723（43.64）	835（13.38）
54~63岁	1 246	11（0.88）	491（39.41）	549（44.06）	195（15.65）
≥64岁	193	5（2.59）	68（35.23）	98（50.78）	22（11.40）
主要工作和生活地区						408.674	<0.001
城镇	12 417	620（4.99）	6 819（54.92）	3 889（31.32）	1 089（8.77）
乡村	7 844	207（2.64）	3 353（42.75）	3 093（39.43）	1 191（15.18）
文化程度						321.309^a	<0.001
初中或以下	206	5（2.43）	78（37.86）	95（46.12）	28（13.59）
高中或中专	4 555	91（2.00）	1 835（40.29）	1 934（42.46）	695（15.26）
大专或本科	14 848	712（4.80）	7 890（53.14）	4 747（31.97）	1 499（10.10）
硕士研究生以上	652	19（2.91）	369（56.60）	206（31.60）	58（8.90）
合计	20 261	827（4.08）	10 172（50.21）	6 982（34.46）	2 280（11.25）

社会人口学特征	例数	BMI由消瘦/正常变为超重/肥胖	χ²值	P值
性别			82.845	<0.001
男	6 571	410（18.39）
女	13 690	1048（11.26）
年龄			4.858	0.302
24~33岁	5 474	516（12.38）
34~43岁	7 109	514（12.69）
44~53岁	6 239	371（13.42）
54~63岁	1 246	48（9.98）
≥64岁	193	9（12.86）
主要工作和生活地区			8.819	0.003
城镇	12 417	938（12.01）
乡村	7 844	520（13.97）
文化程度			0.747	0.862
初中或以下	206	9（10.59）
高中或中专	4 555	257（13.07）
大专或本科	14 848	1139（12.55）
硕士研究生以上	652	53（12.96）
合计	20 261	1 458（12.64）

中国医疗卫生人员超重/肥胖危险因素研究

Predictors for Overweight/Obesity of Chinese Healthcare Workers

RichHTML

PDF

可视化

摘要/Abstract

引用本文

使用本文

图/表 7

参考文献 41

相关文章 15

编辑推荐

Metrics

留言

生活方式行为	增加很多		有所增加		无变化		有所减少		减少很多		从不或很少		χ²值	P值
生活方式行为	例数	消瘦正常变为超重/肥胖	例数	消瘦正常变为超重/肥胖	例数	消瘦正常变为超重/肥胖	例数	消瘦正常变为超重/肥胖	例数	消瘦正常变为超重/肥胖	例数	消瘦正常变为超重/肥胖	χ²值	P值
锻炼身体	4 051	215（5.31）	4 527	315（6.96）	5 456	388（7.11）	3 062	239（7.81）	2 302	224（9.73）	863	77（8.92）	49.779	<0.001
熬夜	4 002	328（8.20）	4 935	394（7.98）	5 564	402（7.23）	2 607	155（5.95）	1 607	87（5.41）	1 546	92（5.95）	27.921	<0.001
吃外卖食品	1 346	141（10.48）	2 505	216（8.62）	5 062	343（6.78）	2 819	215（7.63）	2 753	209（7.59）	5 776	334（5.78）	49.358	<0.001
吃蔬菜水果	3 160	190（6.01）	5 043	356（7.06）	8 638	621（7.19）	2 392	196（8.19）	1 027	95（9.25）			16.801	0.002
吃早餐频次	2 015	134（6.65）	2 171	171（7.88）	12 650	870（6.88）	2 076	172（8.29）	1 018	89（8.74）	331	22（6.65）	11.810	0.037
吃油炸食品	378	45（11.90）	1 180	127（10.76）	8 953	655（7.32）	4 297	305（7.10）	2 970	179（6.03）	2 483	147（5.92）	47.412	<0.001
吃零食甜点	464	52（11.21）	1 551	161（10.38）	8 929	664（7.44）	3 894	274（7.04）	2 894	156（5.39）	2 529	151（5.97）	55.462	<0.001
喝含糖饮料	434	52（11.98）	1 365	133（9.74）	8 330	644（7.73）	3 440	240（6.98）	2 778	162（5.83）	3 914	227（5.80）	51.139	<0.001
吸烟	428	36（8.41）	569	54（9.49）	5 566	406（7.29）	690	41（5.94）	583	41（7.03）	12 425	880（7.08）	7.400	0.193
饮酒	268	33（12.31）	568	46（8.10）	5 743	423（7.37）	1 308	85（6.50）	1 777	126（7.09）	10 597	745（7.03）	12.868	0.025
压力/焦虑/抑郁情绪	3 699	310（8.38）	6 693	494（7.38）	4 832	334（6.91）	968	69（7.13）	1 209	68（5.62）	2 860	183（6.40）	15.899	0.007
饭量	689	103（14.95）	2 674	318（11.89）	13 404	851（6.35）	3 085	169（5.48）	409	17（4.16）			184.023	<0.001
睡眠时间	428	37（8.64）	2 109	158（7.49）	8 513	558（6.55）	6 761	521（7.71）	2 450	184（7.51）			9.859	0.043

[1]	张家鸣, 王欣宇, 王道荣, 孙晓芳. 17~45岁肥胖门诊患者的6分钟步行试验距离参考方程研究[J]. 中国全科医学, 2025, 28(03): 330-334.
[2]	卢冬磊, 谭思洁, 杨风英. 最大脂肪氧化强度运动改善超重或肥胖人群身体成分、心肺耐力和脂质代谢的Meta分析[J]. 中国全科医学, 2025, 28(03): 335-345.
[3]	吕垚, 周伊恒, 刘力滴, 杨荣, 张鹏, 朱雅文, 代华, 廖晓阳, 雷弋, 杨梓钰. 美国肥胖医学协会《肥胖和高血压临床实践声明》解读[J]. 中国全科医学, 2025, 28(03): 272-279.
[4]	罗宇, 罗丹, 唐彬秩. 肠道菌群：儿童肥胖的重要参与者[J]. 中国全科医学, 2024, 27(33): 4182-4189.
[5]	张冰青, 胡馨云, 欧阳煜钦, 向心月, 汤文娟, 冯文焕. 非肥胖2型糖尿病患者肌肉量减少危险因素的列线图预测模型研究[J]. 中国全科医学, 2024, 27(33): 4139-4146.
[6]	林依溪, 潘莎莎, 张有捷. 初中生肥胖防控资源评估的质性研究[J]. 中国全科医学, 2024, 27(33): 4176-4181.
[7]	张瑜, 于硕, 王冰清, 冉青青, 张夏芸. 2018—2023年上海市普陀区7~18岁儿童青少年中心性肥胖变化趋势分析[J]. 中国全科医学, 2024, 27(33): 4168-4175.
[8]	熊畅, 李志娟, 王锦铭, 俞筠, 虞瑛青, 钱红丹. 基于食材统一配供体系分析6~15岁儿童青少年超重肥胖趋势及BMI差异变化研究[J]. 中国全科医学, 2024, 27(31): 3890-3895.
[9]	赵瑞, 陈乐琴, 吴依妮, 李倩倩. 有氧运动对超重肥胖儿童执行功能影响的Meta分析[J]. 中国全科医学, 2024, 27(30): 3817-3824.
[10]	傅方琳, 潘姚佳, 韩正, 孙梦, 顾怀聪, 王为强. 不同性别老年人群身体圆度指数与体质量正常代谢异常表型的相关性研究：以三酰甘油葡萄糖乘积指数为潜在影响因素[J]. 中国全科医学, 2024, 27(30): 3746-3752.
[11]	徐丽丽, 郑薇, 袁仙仙, 马恺文, 张浦杨, 李光辉. 孕前正常BMI孕妇孕早期体成分与妊娠期糖尿病关系的研究[J]. 中国全科医学, 2024, 27(29): 3602-3607.
[12]	张瑾, 张蕊, 池晶晶, 李亚, 白文佩. 孕前超重/肥胖孕妇胎盘中长链非编码RNA肺腺癌转移相关转录本1对母婴代谢的影响研究[J]. 中国全科医学, 2024, 27(27): 3383-3387.
[13]	冯钰惠, 李珊珊, 陶剑文, 黄延焱. 老年人认知功能障碍调查及其影响因素研究[J]. 中国全科医学, 2024, 27(26): 3297-3303.
[14]	侯钦钏, 张芮, 李炳宏, 张辉望, 张蓓蓓, 雍涛, 刘玉萍, 帅平. 三酰甘油-葡萄糖指数及肥胖指标与成年人慢性肾脏病关系的回顾性队列研究[J]. 中国全科医学, 2024, 27(22): 2731-2738.
[15]	任英, 汪潮湖, 张南南, 包贇, 漆松涛, 邓瑛瑛. 颅咽管瘤相关下丘脑性肥胖危险因素及饮食运动干预研究进展[J]. 中国全科医学, 2024, 27(21): 2672-2678.