今天，就为大家详细介绍这个英国最具代表性的老年人数据库——英国老龄化纵向研究（ELSA）。同时分享一篇基于该数据库发表的JAMA子刊文章。
什么是英国老龄化纵向研究（ELSA）
该数据库最初的样本来自于1998年至2001年间参与英格兰健康调查（HSE）的家庭，自2002年启动以来，已经吸引了超过19,000名参与者加入。
ELSA的数据信息
同时，为了确保样本能够持续代表英国老年人口的实际情况，研究团队会适时地引入新的、相对年轻的个体来替换或补充到样本组中。
ELSA包括但不限于以下数据：家庭和个人人口统计数据、健康（身体和社会心理）、社会关怀、工作和养老金、收入和资产、住房情况、认知功能、社会参与、志愿工作和护理、期望以及体重等。
根据上述研究方向，结合ELSA的数据库特点，为大家提供以下几点可供参考的新选题方向：
数字鸿沟与老年人社会融入：研究老年人在数字时代面临的信息获取障碍，以及这如何影响他们的社会参与和心理健康； 跨代际关系与家庭支持：深入分析老年人与子女、孙辈等家庭成员之间的跨代际关系，以及这种关系如何影响老年人的生活质量、心理健康和养老安排； 老龄化背景下的社会政策创新：基于ELSA数据，评估现有社会政策在应对老龄化挑战中的效果，并提出创新性的政策建议； 跨文化比较研究：将ELSA数据与其他国家的老年数据库进行比较，分析不同文化背景下老年人生活状况的差异和共性；
总而言之，英国老龄化纵向研究（ELSA）数据库作为一个免费公开的老年数据库，我们可以用其挖掘与老年人相关的健康问题。
今天，我们就来看看近期挖到的一篇ELSA数据库好文！
基于ELSA数据发表的JAMA子刊文章
本公号回复“ 原文”即可获得文献PDF等资料。
团队将这7,706名参与者作为聚类分析的样本，并进一步将其中6,983名参与者作为回归分析的样本。
暴露：由聚类分析划分的社会联系聚类。
主要结局：该研究考虑了五种与健康相关的结果，具体包括心理健康（抑郁）、享乐（生活满意度）、幸福（自我实现）、健康状况（自评健康状况）和健康行为（中等或高强度身体活动）。
线性回归模型被用于分析连续型结果变量（如生活满意度、自我实现等）； 而logistic回归模型则被用于分析二元结果变量（如抑郁症状、自评健康状况、是否进行中等或高强度身体活动等）。
主要研究结果
√聚类分析结果
聚类1（断开连接聚类）：这个聚类的老年人在社会结构、功能和质量方面都存在明显的缺失； 聚类2（结构缺失且功能低聚类）：该聚类的老年人在社交结构和功能上都存在缺失，但社交质量相对较好； 聚类3（结构缺失但功能高聚类）：该聚类的老年人在社交结构上存在缺失（如可能独居或社交圈子较小），但他们的社交功能很高，且社交质量也较好； 聚类4（功能低且质量混合聚类）：这个聚类的老年人拥有强大的社交结构基础，但社交功能很低，且社交质量参差不齐； 聚类5（高度连接聚类）：这个聚类的老年人拥有强大的社会结构连接、高功能和高质量的社交关系。
√回归分析结果
回归分析的结果显示，与聚类5相比，其他聚类的健康状态均较差，其中聚类3与其差异最小。并且许多风险在控制了基线结果后仍然存在。
以抑郁为例，与聚类5相比，聚类1中的个体患抑郁风险增加了1.73倍。并且在控制了基线结果后，风险还是增加了0.95倍。 此外，在与聚类5相比的四组中，聚类3增加的抑郁风险最小，仅增加了0.34倍。并且在控制了基线的结果后，风险依旧最小（增加了0.28倍）。
表1 回归分析的结果
模型1：控制了所有协变量，包括年龄、性别、种族、教育程度、社会阶层和财富；
公共数据库千千万，今天分享的这篇文章中，研究者们就通过英国的老年数据库ELSA发了JAMA子刊！值得一提的是，这篇文章中聚类分析的结果图简约大方，让人眼前一亮。在先前的文章解读中，我们详细解读过聚类分析，并提供了相应的代码。感兴趣的小伙伴可以点击下方链接查看！
如果你想了解更多免费的公共数据库，不妨看看郑老师团队推出的NHANES及GBD数据库的一对一指导课程，让你轻松掌握这些数据库的使用技巧。专业统计师在线指导统计分析，发文更加不用愁！
关于郑老师团队及公众号
大型医学统计服务公众号平台，专注于医学生、医护工作者学术研究统计支持，我们是你们统计助理
我们开展对临床预测模型、机器学习、医学免费数据库NHANES、GBD数据库、孟德尔随机化方法、MIMIC一对一R语言指导开展统计分析（一年内不限时间，周末、晚上均统计师一对一指导）。
①指导学习R语言基本技巧
②全程指导课程学习
③课程R语言代码运行bug修复
④支持学员一篇SCI论文的数据分析
