《International Journal of Environmental Research and Public Health》:Demographic and Socioeconomic Factors Associated with Fitbit Ownership in the NIH All of Us Cohort
编辑推荐:
可穿戴健身追踪器日益流行用于监测健康相关指标,但其在不同社会经济、人口统计学和性别多样化人群中的所有权模式仍缺乏人群层面的充分探索。本研究利用美国国立卫生研究院(NIH)的“全民健康研究计划”(All of Us Research Program)数据,调查区
可穿戴健身追踪器日益流行用于监测健康相关指标,但其在不同社会经济、人口统计学和性别多样化人群中的所有权模式仍缺乏人群层面的充分探索。本研究利用美国国立卫生研究院(NIH)的“全民健康研究计划”(All of Us Research Program)数据,调查区域水平的社会经济地位(SES)、种族和性别认同如何影响可穿戴设备所有权。方法:分析了来自All of Us数据集的633,547名参与者的数据。Fitbit所有权通过四个二元逻辑回归模型进行建模:仅人口统计学模型、ZIP3水平社会经济指标模型、结合模型(纳入四个人口统计学×家庭收入中位数的交互项,即种族、性别、年龄和西班牙裔/拉丁裔 ethnicity),以及交叉模型(增加种族×性别交互项)。连续型社会经济预测因子经过重新缩放以便于解释(家庭收入中位数每10,000美元;区域水平比例每10个百分点)。社会经济调整后的模型限制在606,414名具有可用ZIP3链接数据的参与者中。Fitbit所有权定义为数据库中存在Fitbit记录。结果:研究人群中8.34%的参与者拥有Fitbit记录。逻辑回归分析揭示了显著的人口统计学差异:女性参与者和性别多样化身份的所有权概率显著高于男性(比值比(OR)=1.25–2.2)。非裔美国人(OR=0.38)和夏威夷原住民/太平洋岛民或中东/北非(NHPI/MENA)参与者(OR=0.82)的所有权概率低于白人参与者,而亚裔(OR=1.13)、多种族(OR=1.25)和西班牙裔或拉丁裔参与者(OR=1.25)的所有权概率更高。ZIP3家庭收入中位数每增加10,000美元,总体所有权概率降低12.5%(OR=0.875),但这种梯度因种族而异:对于非裔美国人参与者,关系发生逆转(每10,000美元的OR=1.08)。种族×性别交互作用进一步显示,女性所有权优势在不同种族间并不一致,其中非裔美国人参与者中最高(OR=2.27),而亚裔参与者中方向逆转(OR=0.87)。由于All of Us计划针对小规模人群的ZIP3聚合政策,所有美洲印第安人或阿拉斯加原住民(AIAN)参与者的ZIP3社会经济数据结构性缺失,因此未能纳入社会经济调整模型。结论:本分析表明可穿戴健身追踪器所有权存在显著的性别、种族和社会经济差异,女性和性别多样化个体的设备使用率显著更高,但某些种族群体的使用率较低,且较高社会经济水平呈现出看似矛盾的负向所有权率。尽管如此,所有权模式似乎比消费者队列更加公平,这可能反映了NIH实施的设备提供计划。
**研究背景、存在问题及研究目的**
近年来,可穿戴健身追踪器(如Fitbit)在公共卫生研究和临床实践中被广泛用于监测身体活动、心率、能量消耗等健康指标。然而,不同社会经济地位(SES)、种族、性别及性别多样化人群中的设备所有权模式尚未在人群层面得到系统描述。现有文献存在若干不足:消费者调查显示收入低于25,000美元的群体拥有率较低,但种族/民族与所有权之间的关系结论不一(如Chandrasekaran等人报告白人使用率更高,而Shandhi等人未发现显著差异);性别差异虽被多次报道(女性使用率约为男性的1.2–1.3倍),但对性别多样化个体(如非二元、跨性别者)几乎未涉及;此外,多数研究未能同时检验社会经济因素与人口学变量的交互效应。美国国立卫生研究院(NIH)的“全民健康研究计划”(All of Us)通过WEAR倡议向代表性不足社区免费提供Fitbit设备,同时允许自备设备参与者捐赠数据,为评估可穿戴设备在多样化人群中的所有权提供了独特的数据基础。本研究利用该大型队列(633,547人)系统评估性别、种族、民族及区域社会经济水平如何影响Fitbit所有权,并揭示以往研究中被忽视的交互效应,为可穿戴数据的人群代表性提供实证依据。论文发表在《International Journal of Environmental Research and Public Health》上。
**主要关键技术方法**
研究人员使用All of Us研究计划受控层级数据集v8,纳入633,547名具有完整人口学信息的参与者。通过Google BigQuery从安全分析环境提取数据。构建了四个二元逻辑回归模型:模型1仅纳入年龄、性别、种族和西班牙裔/拉丁裔 ethnicity;模型2仅纳入五个ZIP3水平社会经济指标(家庭收入中位数、高中毕业比例、无健康保险比例、贫困比例、空置住房比例);模型3在模型1和2基础上添加四个家庭收入中位数交互项(分别与种族、性别、年龄、ethnicity);模型4进一步增加种族×性别交互项。连续型社会经济预测因子按10,000美元或10个百分点缩放。因ZIP3社会经济数据对美洲印第安人或阿拉斯加原住民(AIAN)参与者结构性缺失(n=8,973),社会经济调整模型仅对606,414名具有可用数据的参与者拟合。分析使用SAS软件。
**研究结果**
**3.1 参与者特征**:在633,547名参与者中,52,860人(8.34%)拥有至少一条Fitbit记录。Fitbit拥有者平均年龄略高(57.1岁 vs. 56.5岁),所在ZIP3区域家庭收入中位数更高(65,999美元 vs. 64,848美元),高中毕业比例更高(88.4% vs. 87.0%),贫困比例更低(14.5% vs. 15.7%)。种族内部拥有率:亚裔最高(11.2%),多种族(11.7%)和白人(10.3%)次之,非裔美国人最低(4.1%)。
**3.2 队列构建与缺失的ZIP3社会经济数据**:27,133名参与者(4.28%)缺少ZIP3社会经济链接数据,其中100%的AIAN参与者(n=8,973)和57.4%的多种族参与者(n=17,760)被排除,导致这些群体无法纳入社会经济调整模型。
**3.3 逻辑模型**
**3.3.1 模型1(仅人口学)**:模型显著(似然比χ2=8,517.0,p<0.0001,c=0.613)。女性所有权概率比男性高26%(OR=1.255);非二元(OR=2.207)、跨性别(OR=1.504)及其他性别类别(OR=2.160)概率显著更高;拒绝回答性别者概率更低(OR=0.480)。相比白人,非裔美国人(OR=0.381)、未指明种族(OR=0.320)和NHPI/MENA(OR=0.824)概率更低;亚裔(OR=1.133)和多种族(OR=1.248)概率更高;西班牙裔/拉丁裔(OR=1.247)高于非西班牙裔。
**3.3.2 模型2(仅社会经济指标)**:模型显著(χ2=4,229.3,p<0.0001,c=0.589)。家庭收入中位数每增加10,000美元,所有权概率降低12.5%(OR=0.875)。其余四个指标效应极小(OR接近1)。
**3.3.3 模型3(结合模型含交互项)**:模型显著改善(χ2=10,342.7,p<0.0001,c=0.630)。种族×收入交互显著:对于多数种族,高收入区域与低所有权相关,但非裔美国人中方向逆转(OR=1.08)。性别×收入交互显著:女性收入负斜率(OR=0.874)比男性(OR=0.927)更陡。年龄和ethnicity与收入的交互不显著。
**3.3.4 模型4(交叉模型含种族×性别交互)**:模型最佳(χ2=10,814.5,p<0.0001,c=0.632)。种族×性别交互显著(Wald χ2=440.9,p<0.0001)。女性 vs. 男性所有权概率:非裔美国人中最大(OR=2.265),白人中1.227,多种族中1.560;亚裔中方向逆转(OR=0.867);未指明种族和NHPI/MENA中不显著。
**讨论与结论**
讨论部分指出,本研究发现与现有文献一致之处(女性使用率更高),同时也揭示了新颖的交互效应:区域收入对所有权的影响在不同种族间方向相反,尤其非裔美国人中高收入区域反而与更高所有权相关。该反向梯度可能与WEAR倡议的免费设备分配策略有关,即低收入非裔美国人更可能获得设备,从而掩盖了社会经济梯度。此外,性别多样化个体所有权显著较高,体现了All of Us数据集在性别分类上的优势。局限性包括:AIAN和部分多种族参与者因ZIP3聚合政策被排除;社会经济指标在区域水平而非个体水平,存在生态谬误;无法区分WEAR提供与自备设备路径;分析仅针对Fitbit设备,可能不推广至其他品牌;性别分类中跨性别未区分男/女亚类等。尽管如此,该数据集相比消费者队列更公平,适合人群水平研究。
研究结论部分翻译如下:
总之,本分析表明,All of Us队列中的可穿戴设备所有权受个体人口学身份和区域社会经济因素的共同影响。女性参与者、性别多样化个体以及西班牙裔或拉丁裔参与者的Fitbit所有权概率更高,而非裔美国人、NHPI/MENA及其他代表性不足的种族群体概率更低。区域家庭收入中位数是所有权的重要预测因子,但该效应的方向和幅度因种族而异,最显著的是非裔美国人参与者的收入-所有权关系与其他所有群体方向相反。综合这些发现,强调了纳入包容性人口学分类、在社会经济模型中明确检验人口学调节效应,以及持续关注结构性数据缺失(其不成比例地影响历史代表性不足人群)的必要性。未来研究应超越初始设备所有权,转向持续参与指标,并考察交叉调节因素,以进一步指导公平的可穿戴设备分发和研究策略。