农村老年慢性病共病患者服药依从性作用机制的潜在剖面类别及其影响因素

Latent profile types and influencing factors of medication adherence mechanisms among rural older adults with multiple chronic conditions

摘要

目的 农村老年慢性病共病(multiple chronic conditions，MCC)患者比普通老年群体的服药依从性更差。考虑个体间的异质性有助于实施以亚组为单位的精准干预。本研究旨在基于能力、机会、动机-行为(capability, opportunity, motivation-behavior，COM-B)模型分析农村老年MCC患者服药依从性作用机制的潜在剖面类别及其影响因素，并探究其服药依从性的影响因素。 方法 采用多阶段抽样法，于2024年7至9月纳入湖南省永州市江华瑶族自治县10个行政村的349名农村老年MCC患者作为调查对象。采用一般资料调查表、慢性病病人健康素养量表、服药信念特异性问卷、多维领悟社会支持量表及Morisky服药依从性量表进行调查。基于COM-B模型对农村老年MCC患者的服药依从性作用机制进行潜在剖面分析，采用单因素分析和Logistic回归分析识别不同剖面类别、不同服药依从性的影响因素。 结果 33.5%的农村老年MCC患者服药依从性良好，患病率最高的前5个慢性病分别是高血压(86.5%)、糖尿病(36.7%)、关节炎或风湿病(34.4%)、脑卒中(21.8%)及心脏病(17.5%)。农村老年MCC患者的服药能力、机会和动机较好，其服药依从性作用机制可分为3类：“家庭支持约束型”(5.2%)、“家庭支持驱动型”(52.1%)及“综合优势型”(42.7%)。3类患者在受教育程度、婚姻状况、居住状况及家庭人均月收入等方面的差异均具有统计学意义(均P<0.05)。进一步的多元Logistic回归分析发现较高的受教育水平是患者归属于“综合优势型”而非“家庭支持驱动型”的保护因素[OR=0.277，95% CI (PL) 0.126~0.614，P=0.002]。此外，服药依从性良好与不佳者在受教育程度、自觉健康状况及服药依从性作用机制的潜在剖面类别方面差异均有统计学意义(均P<0.05)。进一步的二元Logistic回归分析显示：自觉健康状况每提升一个等级，服药依从性不佳的风险增加293.9%[OR=3.939，95% CI (PL) 1.610~9.636，P=0.003]；与“家庭支持约束型”相比，“综合优势型”患者服药依从性不佳的风险降低96.8%[OR=0.032，95% CI (PL) 0.008~0.123，P<0.001]。 结论 中国农村老年MCC患者服药依从性的作用机制具有异质性。基层医护人员应重点关注“家庭支持约束型”老年MCC患者，加强构建社会支持网络，提高其服药依从性。

Abstract

Objective Older adults in rural areas with multiple chronic conditions (MCC) generally exhibit poorer medication adherence than the general elderly population. Considering individual heterogeneity helps to design precise subgroup-based interventions. This study aims to identify latent profile types of medication adherence mechanisms among rural older adults with MCC based on the capability-opportunity-motivation-behavior (COM-B) model, and to explore factors influencing medication adherence. Methods A multistage sampling method was used to recruit 349 rural older adults with MCC from 10 administrative villages in Jianghua County, Yongzhou City, Hunan Province, between July and September, 2024. Participants were surveyed using a general information questionnaire, the Health Literacy Scale for Chronic Patients, the Beliefs about Medicines Questionnaire-Specific, the Multidimensional Scale of Perceived Social Support, and the Morisky Medication Adherence Scale. Latent profile analysis based on the COM-B model was conducted to identify subgroups of medication adherence mechanisms. Univariate and Logistic regression analyses were used to identify influencing factors associated with different latent profiles and adherence levels. Results Among the participants, 33.5% demonstrated good medication adherence. The 5 most prevalent chronic diseases were hypertension (86.5%), diabetes (36.7%), arthritis or rheumatism (34.4%), stroke (21.8%), and heart disease (17.5%). Overall, rural older adults with MCC exhibited relatively good medication capability, opportunity, and motivation. Their medication adherence mechanisms were classified into 3 latent profiles: “family-support restrained type” (5.2%), “family-support driven type” (52.1%), and “comprehensive advantage type” (42.7%). Significant differences were observed among the three profiles in terms of education level, marital status, living arrangement, and per capita monthly household income (all P<0.05). Multivariate Logistic regression revealed that higher education level was a protective factor for belonging to the “comprehensive advantage type” rather than the “family-support driven type” [OR=0.277, 95% CI (PL) 0.126 to 0.614, P=0.002]. Furthermore, significant differences in education level, self-rated health status, and latent profile type were found between participants with good and poor adherence (P<0.05). Binary Logistic regression indicated that with each one-level increase in self-rated health status, the risk of poor adherence increased by 293.9% [OR=3.939, 95% CI (PL) 1.610 to 9.636, P=0.003]. Compared with the “family-support restrained type”, individuals classified as the “comprehensive advantage type” had a 96.8% [OR=0.032, 95% CI (PL) 0.008 to 0.123, P<0.001] lower risk of poor medication adherence. Conclusion The mechanisms underlying medication adherence among rural older adults with MCC show clear heterogeneity. Primary healthcare providers should focus on the “family-support restrained type” subgroup, strengthen social support networks, and implement targeted interventions to improve medication adherence.

Graphical abstract

关键词

服药依从性 / 慢性病共病 / 潜在剖面分析 / COM-B模型 / 老年人

Key words

medication adherence / multiple chronic conditions / latent profile analysis / COM-B model / older adults

中国已快速进入中度老龄化社会，截至2023年末，全国60周岁及以上老年人口有29 697万人，占总人口的21.1%^[1]。老年人因机体功能下降、免疫功能减退等显著增加了罹患多种慢性病的风险，导致共病现象高发。慢性病共病(multiple chronic conditions，MCC)是指同一个体同时发生2种或2种以上的慢性健康问题并持续1年及以上^[2]。目前中国约1.8 亿老年人患有慢性病，老年MCC患者占比超过1/3^[3]。相比于单一的慢性病，MCC不仅会增加老年人身体功能衰退、残疾甚至死亡的风险^[4-5]，还会增加再入院率和国家卫生财政负担^[6-7]。药物治疗是MCC治疗的主要方法，良好的服药依从性是控制病情进展的关键^[8]。因此，提高老年MCC患者的服药依从性至关重要。

研究^[9]指出，老年MCC患者的服药依从性具有城乡差异，农村老年MCC患者的服药依从性更差。《中国防治慢性病中长期规划(2017—2025年)》^[10]强调，要根据不同地区、不同人群的慢性病流行特征确定针对性的防治策略。然而，现有研究多聚焦于城市社区和医疗机构的老年MCC群体，对农村地区老年MCC患者服药依从性的影响因素关注不足。此外，目前针对服药行为的干预较少考虑个体间的异质性，常采取“一刀切”的干预方式，例如未根据个体在服药能力、社会支持水平或服药信念等因素的差异调整干预细节，所有患者接受一致的干预方案，这是导致服药依从性干预效果有限的原因之一^[11]。

个体的服药依从性受到多种因素的影响，能力、机会、动机-行为(capability, opportunity, motivation-behavior，COM-B)模型常用于对目标行为的作用机制分析，是指导慢性病用药依从性管理的核心理论框架，在慢性病群体中具有良好的适用性^[12]。该模型认为只有当个体具备能力、机会及动机时才能实现某种行为的改变，其中，能力是指个体参与行为改变所具备的能力；机会即环境，是指促进个体行为改变的外部因素；动机是指激励和引导个体行为改变的信念。健康素养是指个体获得、处理和理解基本健康信息和服务，并利用这些信息和服务做出适当健康决定的能力^[13]，是影响MCC患者服药依从性的1b类证据^[14]。社会支持是个体体会到的来自家庭、朋友和他人的尊重、支持和帮助^[15]，社会支持水平正向影响患者的服药依从性^[16]。服药信念可反映个体对服用药物的必要性认知和不良反应顾虑的利弊权衡结果，积极的服药信念可促进患者持续服药^[17]。因此，本研究将农村老年MCC患者的健康素养水平归纳为能力类型影响因素，将其感知的社会支持水平归纳为机会类型影响因素，将服药信念归纳为动机类型影响因素，框架见图1。

既往研究^[18-19]多侧重于将COM-B模型的某一或某几个部分的整体得分或特定维度作为服药依从性的预测指标。然而，此类传统的以变量为中心的方法存在明显的局限性：首先，它假定研究对象是同质群体，掩盖了患者内部可能存在多种不同的“能力-机会-动机”作用模式；其次，单独考察某一维度或简单使用总分进行统计分析，无法捕捉多个维度之间的交互效应。潜在剖面分析(latent profile analysis，LPA)作为一种以人为本的分析方法，能够依据个体在多个外显变量(如健康素养、社会支持、服药信念)上的反应模式，识别出内在特征相似的潜在亚组^[20]。该方法恰好克服了传统方法的不足，有助于护理人员实施以亚组为单位的精准干预。因此，本研究基于COM-B模型，运用LPA识别农村老年MCC患者服药依从性作用机制的潜在类别，并探究影响患者归属不同剖面的因素；以服药依从性作为结局变量，探究其影响因素。

1 对象与方法

1.1 伦理声明

本研究已获中南大学湘雅护理学院伦理审查委员会的批准(审批号：E202472)。

1.2 调查对象及样本量

本研究选取湖南省永州市江华瑶族自治县作为调查地点，该县在人口、经济及疾病谱等方面具备中国农村地区的典型特征，具有良好的代表性。该县60岁及以上的老年人口占比18.3%，老龄化水平与全国平均水平(21.1%)^[21-22]相当；具有以传统农业为主导的县域经济结构，农村居民人均年可支配收入(15 073元)接近全国农村中等水平(18 479元)^{[21, 23]}；当地老年人高发的慢性病符合中国农村地区的老年慢性病谱特征^[24]。本研究采用多阶段抽样方法：首先从县域内的16个乡镇中随机抽取5个乡镇，然后在每个乡镇内随机抽取2个行政村，最后在每个行政村中随机抽取老年MCC患者构成研究样本。研究者首先联系行政村的卫生站负责人，在其知情同意及协助下获得老年MCC患者的名单；随后抽取符合本研究纳入与排除标准的农村老年MCC患者，经其知情同意后纳入研究。

研究对象的纳入标准：1)年龄≥60岁；2)在二级及以上医院诊断患有2种及以上慢性病，且病程≥1年的患者[本研究包含以下15种慢性病：高血压病、血脂异常、糖尿病、癌症等恶性肿瘤、慢性肺部疾病、肝脏疾病、心脏病、脑卒中、肾脏疾病、胃部疾病或消化系统疾病、情感及精神方面问题(如抑郁、焦虑、癫痫等)、与记忆相关的疾病、关节炎或风湿病、青光眼或白内障、哮喘^[25]]；3)农村常住人口(农村户籍，全年在该自然村居住≥6个月)；4)服用慢性病相关治疗药物≥1种，且服药时间≥6个月。排除标准：1)患有上述慢性病，但因任何原因(如处于疾病急性发作期、病情极不稳定或存在严重的认知、听力、视力障碍)导致无法有效沟通者；2)近期以农村老年MCC患者身份参与过其他类似研究者。

采用样本量计算公式：n=deff\frac{{\mu }_{\frac{\alpha }{\mathrm{2}}}^{\mathrm{2}}}{d^{\mathrm{2}}}p(\mathrm{1}-p)。设计效应(design effect，deff)一般取2~3。目前对农村老年MCC患者服药依从性的总体情况知之甚少，因此在本研究中为避免n过小，取α=0.05，p=0.5，d=0.1，考虑20%的无效问卷，本研究样本量计算得231~346例，最终纳入349例调查对象。

1.3 调查工具

1.3.1 一般资料调查表

由研究团队自行设计一般资料调查表，内容主要有：1)一般人口学资料，包括年龄、性别、受教育程度、婚姻状况、居住状况、家庭人均月收入等；2)疾病与治疗相关资料，包括自觉健康状况、日服药次数、所患慢性病数量、服药种类数、服药年限等。

1.3.2 慢性病病人健康素养量表

慢性病病人健康素养量表(Health Literacy Scale for Chronic Patients，HLSCP)用于测量农村老年MCC患者的健康素养。该量表由Jordan等^[26]研制，孙浩林等^[27]引进并修订，包括信息获取能力、交流互动能力、改善健康意愿、经济支持意愿4个维度，24个条目。采用Likert 5级计分，总分为24~120，分数越高表示患者的健康素养越高。量表总体的克龙巴赫α系数为0.894，各维度的克龙巴赫α系数为0.857~0.940，重测信度为0.683，信效度较好^[27]。本研究主要采用信息获取能力和交流互动能力这2个维度的18个条目作为COM-B模型中能力的评判依据，其信息获取能力维度的克龙巴赫α系数为0.911，交流互动能力维度的克龙巴赫α系数为0.826。

1.3.3 服药信念特异性问卷

服药信念特异性问卷(Beliefs about Medication Questionnaire-Specific，BMQ-S)用于测量农村老年MCC患者服药信念状况。该量表由Horne等^[28]编制，经司在霞等^[29]汉化形成中文版，包括服药必要性和服药顾虑性2个维度各5个条目，作为COM-B模型中动机的评判依据。采用Likert 5级评分法，必要性和顾虑性的得分为5~25。总分=服药必要性维度得分-服药顾虑维度得分，总分为-20~20，若得分差值为负值，表示患者对药物的担心顾虑超过了对服药必要性的信念，反之亦然。得分越高表明患者服药信念越好。量表内容效度为0.90，克龙巴赫α系数为0.77^[29]。在本研究中，该量表的克龙巴赫α系数为0.672。

1.3.4 多维领悟社会支持量表

多维领悟社会支持量表(Multidimensional Scale of Perceived Social Support，MSPSS)用于测量农村老年MCC患者感知到的社会支持水平。该量表由Zimet等^[30]编制，姜乾金^[31]将其翻译成中文版，包括家人、朋友和重要他人3个维度，共12个条目，作为COM-B模型中机会的评判依据。每个条目得分为1~7(极不同意~极同意)，总分为12~84，得分越高表明社会支持水平越高。MSPSS总体的克龙巴赫α系数为0.84~0.92，家庭支持维度为0.81~0.90，朋友支持维度为0.90~0.94，重要他人支持维度为0.83~0.98，具有良好的信效度^[30]。在本研究中，该量表的克龙巴赫α系数为0.858。

1.3.5 Morisky服药依从性量表

Morisky服药依从性量表(4-item Morisky Medication Adherence Scale，MMAS-4)用于评价农村老年MCC患者的服药行为，作为COM-B模型中行为的评判依据。该量表由Morisky等 ^[32]于1986年编制，许卫华等^[33]翻译，共包括4个条目，“是”为0分，“否”为1分。若患者对所有4个条目的回答均为“否”，则其总分为4，表示服药依从性良好；若4个条目中任一问题回答为“是”，则视为服药依从性不佳。在本研究中，该量表的克龙巴赫α系数为0.685。

1.4 资料收集与质量控制

本研究采取面对面的方式收集数据。调查前介绍研究目的与意义，患者现场自行填写纸质问卷，研究者使用统一的语言解答患者疑问。若患者填写困难，则研究者读题，患者回答，研究者代为填写。问卷填写完毕后，研究者检查问卷是否完整，如有错填、遗漏等项，当场向患者核实与修改，并向患者表示感谢。

1.5 统计学处理

采用Mplus 8.3软件，将HLSCP、BMQ-S、MSPSS的各维度得分标准化后进行LPA。HLSCP采用贝叶斯信息准则(Bayesian information criterion，BIC)、调整贝叶斯信息准则(adjust Bayesian information criterion，aBIC)和赤池信息准则(Akaike information criterion，AIC)对轨迹模型拟合程度进行评价，AIC、BIC及aBIC值越小表示拟合程度越好。分类的精确度使用信息熵进行评估，当信息熵>0.8时表示分类准确率超过90%。当罗-蒙代尔-鲁本校正似然比检验(Lo Mendell-Rubin likelihood ratio test，LMRT)和基于Bootstrap 的似然比检验(Bootstrapped Likelihood ratio test，BLRT)差异具有统计学意义时 (P<0.05)，表示k个分类模型的拟合程度优于k-1个潜在类别模型。此外，还要评价类别概率，即每一类的人数比例，如果某类人数比例过小(如<5%)，说明该类的典型性不足，分类不够合理^[34]。采用Harman单因素检验法检验共同方法偏差。采用SPSS 28.0软件进行统计分析，正态分布的计量资料以均数±标准差表示，组间比较采用两独立样本t检验、单因素方差分析，事后比较采用LSD检验。偏态分布的资料以中位数(第1四分位数，第3四分位数)表示，组间比较采用秩和检验。计数资料以频数、百分比或百分率表示，无序分类变量的组间比较采用χ²检验，有序分类变量的组间比较采用秩和检验。

鉴于“家庭支持约束型”分组样本量较小(n=18)，为解决常规Logistic回归分析中的分离问题，利用R软件采用Firth惩罚最大似然估计下的Logistic回归进行统计建模^[35]，用轮廓似然(profile likelihood，PL)法估计其置信区间。预测变量的选择基于文献[36]和研究假设，并将单因素分析中P<0.20的潜在混杂变量纳入Logistic回归模型。

对于多阶段抽样设计带来的聚类效应，由于缺乏详细的分层和聚类信息，采用一种保守的近似方法来评估结果的稳健性，即利用deff调整标准误，再根据调整后的标准误重新计算置信区间和P值。为评估聚类相关性对结果稳健性的影响，利用R软件对不同deff取值(分别取2、3、4)下的研究结果进行敏感性分析(附表1~8，https://doi.org/10.57760/sciencedb.xbyxb. 00105)。本研究主要汇报预定取值deff=3的结果，检验水准均为α=0.05，P<0.05为差异有统计学意义。

2 结 果

2.1 共同方法偏差的检验

Harman单因素检验结果显示：共有9个特征值大于1的因子，最大特征值为10.524，首因子方差解释率为23.918%(小于40%)，表明本研究的数据不存在严重的共同方法偏差问题。

2.2 农村老年MCC患者的一般资料

本研究共发放问卷350份，回收有效问卷349份，有效回收率为99.7%。在本研究调查的349名农村老年MCC患者中，患病率最高的前5种慢性病分别是高血压(86.5%)、糖尿病(36.7%)、关节炎或风湿病(34.4%)、脑卒中(21.8%)及心脏病(17.5%)。MCC数量为3(2，4)，最多为9种；服药种类数为2(1，3)，最多为10种；服药年限为6(3，14)年，最长为40年。

2.3 基于COM-B模型的农村老年MCC患者服药 依从性作用机制分析

基于COM-B模型对农村老年MCC患者服药依从性的作用机制进行LPA，共拟合5个潜在剖面类别(表1)。当保留3个类别时，LMRT和BLRT均具有统计学意义(均P<0.05)，信息熵最理想且AIC、BIC及aBIC值均有所减小，3类的样本比例分别为5.2%、52.1%、42.7%，平均后验概率分别为95.2%、92.2%、91.1%，分类结果可信(附图1，https://doi.org/10. 57760/sciencedb.xbyxb.00105）。因此，根据模型3的分类结果，对农村老年MCC患者服药依从性作用机制的3个潜在剖面类别进行命名：类别三在能力、机会和动机3个维度的均值都相对较高，在各个方面都表现出优势，因此命名为“综合优势型”；从横向比较来看，类别二在家庭支持这一维度上均值远高于其他维度，且在机会维度整体表现较好，说明家庭支持对其有重要的驱动作用，因此命名为“家庭支持驱动型”；类别一在能力、机会、动机3个维度的均值与类别二相近，但在家庭支持方面存在明显劣势，因此命名为“家庭支持约束型”。

2.4 农村老年MCC患者不同服药依从性作用机制

潜在剖面类别的特征比较

在deff=3时，单因素分析显示：基于COM-B模型，服药依从性作用机制的潜在剖面人群在受教育程度、婚姻状况、居住状况、家庭人均月收入等方面的差异均具有统计学意义(均P<0.05，表2)。文献[37]提示自觉健康状况及慢性病数量是潜在的混杂因素。因此，以调查对象服药依从性作用机制的潜在剖面类别为因变量(以“综合优势型”为参考)，将年龄、性别、自觉健康状况、慢性病数量、受教育程度、婚姻状况、居住状况、家庭人均月收入(P<0.20)为预测变量进行多元Logistic回归分析，结果显示：受教育程度每升高一个等级，其服药依从机制归属于“家庭支持驱动型”而非“综合优势型”的概率会显著降低，降至原来的0.277倍[β=-1.282，OR=0.277，95% CI (PL) 0.126~0.614，P=0.002]。

表2(续)

2.5 农村老年MCC患者的不同特征对服药依从性的影响

以MMAS-4的得分情况将研究对象分为依从性良好组(MMAS-4得分为4)及依从性不佳组(MMAS-4得分为0~3)。文献^[38]提示年龄、性别、慢性病数量是潜在的强混杂因素，服药依从性作用机制的潜在剖面类别是本研究的核心变量，因此在Logistic回归模型中保留。此外，纳入经deff=3调整后的单因素分析中P<0.20的混杂变量，即居住情况、受教育程度、自觉健康状况。以调查对象的服药依从性为因变量 (0=依从性良好，1=依从性不佳)，将上述指标作为预测变量进行二元Logistic回归分析，结果显示：自觉健康状况每提升一个等级，依从性不佳的风险增加293.9%[OR=3.939，95% CI (PL) 1.610~9.636，P=0.003]；相比于“家庭支持约束型”，“综合优势型”患者依从性不佳的风险极低[OR=0.032，95% CI (PL) 0.008~0.123，P<0.001；表3]。

3 讨 论

本研究结果显示：高血压、糖尿病、关节炎或风湿病是农村老年MCC患者患病率排在前3位的慢性病。黎艳娜等^[39]基于2018年中国健康与养老追踪调查数据库对10 836例60岁及以上的老年人群进行调查，结果显示中国老年共病患者中患病率前3位的慢性病依次为高血压、关节炎或风湿病、消化系统疾病。导致老年人MCC状况差异的原因可能为不同调查地域的经济发展水平、生活方式和饮食习惯等存在差异，另外，也可能受研究时间、数据来源、研究设计及报告偏倚等因素的影响^[25]。值得注意的是，高血压在老年MCC患者的患病率中居于首位，其共病组合模式也与高血压相关，提示高血压可能是引发MCC的基础疾病。乡镇卫生院应逐步开展高血压高危人群的患病风险评估和干预指导，提供平衡膳食、身体活动、养生保健等咨询服务。基层医护人员也应加强健康宣教，科学指导农村老年MCC患者开展自我健康管理，一旦发现身体不适或出现其他患病征兆，需及时就医，做到早发现、早治疗、早康复，以避免病情进展。

在本研究中，农村老年MCC患者的服药能力、机会和动机整体较好。农村老年MCC患者的信息获取能力处于中等水平，交流互动能力处于较高水平，高于唐杰等^[40]的研究结果。其原因可能与相关政策支持加强和信息技术普及等有关。近年来国家以农村和基层为重点，积极推动实施“共建共享、全民健康”的“健康中国2030规划”，通过加强慢性病等医疗机构建设、实施健康扶贫工程等进一步完善医疗卫生服务体系，通过创新医疗卫生服务供给模式进一步推进慢性病防、治、管整体的融合发展^[41]。同时，农村地区智能手机使用率和互联网覆盖率提升，在一定程度上拓宽了老年人的信息获取与交流渠道。但目前农村老年人最信任的健康信息来源仍是直接询问医务工作者^[42]。因此，基层医疗工作者应将健康宣教融入日常诊疗活动中，创新健康知识科普和教育的形式和内容，发挥好传统交流的优势；同时考虑开展针对老年人的数字健康素养培训，使老年人能够更好地融入信息社会。在服药行为的支持方面，农村老年MCC患者的社会支持水平较高，家庭为主要来源，其次为重要他人，与De Maria等^[43]的研究结果一致。家庭支持是首要的社会支持来源，这可能与家庭成员协助患者完成日常生活起居、疾病自我管理、提供情感支持有关^[44]。在服药行为的动机方面，农村老年MCC患者的服药必要性高于服药顾虑性，与Félix等^[45]对老年MCC患者的调查结果一致。其原因可能与老年人普遍受教育程度和健康素养水平较低有关，当面临医疗决定时，他们往往非常信任医生，能较好地遵照医嘱按时服药^[46]。需注意的是，为了维持患者长期的服药依从性，医护人员需要在强调服药必要性的同时解除患者对服药的顾虑。

通过LPA，本研究将基于COM-B模型的农村老年MCC患者服药依从性的潜在作用机制分为3类，分别为“家庭支持约束型”“家庭支持驱动型”和“综合优势型”。其中，“家庭支持约束型”占比最少(5.2%)，“家庭支持驱动型”占比最多(52.1%)。“综合优势型”的农村老年MCC患者占比42.7%，以受教育程度较高、在婚、非独居、家庭人均月收入较高为主要特征，在健康素养、服药信念及社会支持上显著优于“家庭支持约束型”和“家庭支持驱动型”。基层医护人员可引导此类老年人采用信息化、数字化等方式提高电子健康素养，继续维持高水平的服药能力、机会和信念。此外，与“综合优势型”的老年MCC患者相比，受教育程度越低者越容易归属于“家庭支持驱动型”，受教育程度是区分不同服药依从性剖面的重要预测因素。这可能是由于受教育水平较高的个体通常具有更高的健康素养和自我管理能力，从而形成了内在驱动的服药模式。相反，受教育程度较低的个体可能更依赖外部支持，例如家庭成员的直接提醒和帮助，从而表现为“家庭支持驱动型”模式。和谐的家庭支持系统可以为患者提供安全舒适的环境，家庭成员的帮助与监督能够有效提高患者的服药依从水平^[47]。针对受教育程度不高的特点，医护人员可以采用图片、视频、实物演示等直观的方式向患者讲解疾病知识和服药的重要性，帮助该类患者提升服药能力和信念。同时，应合理利用其家庭支持系统，例如对家属进行健康宣教，指导他们有效提醒和帮助患者服药。

在本研究中，农村老年MCC患者服药依从性良好的比例为33.5%，与山东省农村老年MCC患者的服药依从率(37.6%)接近^[48]。值得注意的是，尽管研究者努力确保测量的有效性，但以自我报告方式测量的依从性仍可能受到社会期望偏倚的影响^[49]，即患者可能倾向于提供他们认为研究者所期望的“依从”答案，从而导致对真实依从水平的高估。Logistic回归分析结果显示：自觉健康状况每提升1个等级，农村老年MCC患者依从性不佳的风险增加293.9%，即自觉健康状况越好，服药依从的可能性越低。这与Pradipta等^[50]在印度尼西亚的研究一致，即良好的自觉健康状况与治疗不依从行为相关。从一方面来看，患者自身的健康危机感影响其服药行为，但对自身健康状况盲目自信则不利于维持良好的服药依从性^[51]。然而，自觉健康状态是患者主观的评价与感受，即便疾病状态相似的个体之间也可能存在明显的健康认知差异。那些自觉健康状况良好者，可能是其健康评判标准较低，这种“良好”的感受更多源于认知偏差而非真实的生理健康水平。未来研究可通过评估参与者对健康的具体定义、健康风险意识水平以及对自身疾病的认知程度，进一步揭示其内在机制。从另一方面来看，服药依从性差的人在短期内没有感受到疾病的直接负面后果，从而产生或维持了“自己很健康”的错觉。今后可开展纵向研究或访谈以帮助验证这种时序、因果关系。医护人员应积极开展MCC的并发症风险教育，使老年MCC患者树立正确的疾病认知，认识到服药不依从行为的严重后果。医护人员也应定期上门随访，评估患者的用药情况和疾病进展情况。

此外，本研究还发现：相比于“家庭支持约束型”，“综合优势型”患者依从性不佳的风险极低。鉴于同伴教育有助于让普通、枯燥的健康教育变得平等、可参与性强，因此由护士主导的同伴教育可能是一种有效的慢性病管理教育方法。基层医护人员可以考虑开展老年MCC患者的同伴教育，邀请“综合优势型”的农村老年MCC患者作榜样，鼓励此类老年人在日常生活、社会活动和情感等方面帮助其他类别的老年MCC患者，以提高其他老年MCC患者的服药能力、机会和动机，进而改善其服药依从性。

本研究为探索农村MCC老年人服药依从性方面提供了初步证据，但仍存在若干局限性。首先，研究采用横断面设计，虽有助于揭示变量间的关联特征，但难以确立因果路径，未来研究可引入纵向或实验设计，以进一步厘清影响机制。其次，样本仅来源于湖南省永州市江华瑶族自治县，虽在人口结构、经济发展水平等方面具有区域代表性，有助于为类似农村地区提供政策参考，但其外部效度仍受限于地域差异，未来研究应拓展至更具异质性的多中心样本，以提升结论的普适性。此外，本研究所纳入的影响因素尚不全面，未能涵盖如疾病严重程度、信息获取渠道等潜在变量，可能限制了模型的解释力。后续研究可在现有基础上拓展变量维度，整合微观个体因素与宏观制度、环境因素，构建更具解释力的分析框架。最后，受限于原始数据未能提供详细的分层变量和初级抽样单元信息，本研究无法直接拟合复杂抽样设计下的权重与聚类效应。尽管已通过deff校正标准误进行敏感性分析，对潜在聚类相关性进行了近似处理，但难以充分还原抽样设计所带来的变异结构。未来研究应在调查实施阶段系统记录分层、聚类及权重变量，并采用与之匹配的复杂抽样统计方法，以提升参数估计的精确性与统计推断的有效性。

综上，中国农村老年MCC患者基于COM-B模型的服药依从性潜在作用机制的剖面类别可分为“家庭支持约束型”“家庭支持驱动型”和“综合优势型”，不同剖面类别间具有显著差异。基层医护人员应重点关注“家庭支持约束型”的老年MCC患者，加强构建社会支持网络；同时，鼓励“综合优势型”共病老年人做好同伴教育的榜样，继续提高自身和同伴的服药依从性。

参考文献

[1] 国家统计局.《中华人民共和国2023年国民经济和社会发展统计公报》[EB/OL]. (2024-02-29) [2025-03-13].

[2] National Bureau of Statistics. Statistical Bulletin of the People’s Republic of China on National Economic and Social Development for 2023. [EB/OL]. (2024-02-29) [2025-03-13].

[3] 朱鸣雷, 刘晓红, 董碧蓉, 等. 老年共病管理中国专家共识(2023)[J]. 中国临床保健杂志, 2023, 26(5): 577-584.

[4] ZHU Minglei, LIU Xiaohong, DONG Birong, et al. Chinese expert consensus on management of elderly patients with multimorbidity(2023)[J]. Chinese Journal of Clinical Healthcare, 2023, 26(5): 577-584.

[5] 王丽敏, 陈志华, 张梅, 等. 中国老年人群慢性病患病状况和疾病负担研究[J]. 中华流行病学杂志, 2019, 40(3): 277-283.

[6] WANG Linmin, CHEN Zhihua, ZHANG Mei, et al. Study of the prevalence and disease burden of chronic disease in the elderly in China[J]. Chinese Journal of Epidemiology, 2019, 40(3): 277-283.

[7] Xiong FY, Wang L, Shen LL, et al. The relationship between multimorbidity and suicidal ideation: a meta-analysis[J]. J Psychosom Res, 2020, 138: 110257.

[8] Zhao YW, Haregu TN, He L, et al. The effect of multimorbidity on functional limitations and depression amongst middle-aged and older population in China: a nationwide longitudinal study[J]. Age Ageing, 2021, 50(1): 190-197.

[9] Rodrigues LP, de Oliveira Rezende AT, Delpino FM, et al. Association between multimorbidity and hospitalization in older adults: systematic review and meta-analysis[J]. Age Ageing, 2022, 51(7): afac155.

[10] Tran PB, Kazibwe J, Nikolaidis GF, et al. Costs of multimorbidity: a systematic review and meta-analyses[J]. BMC Med, 2022, 20(1): 234.

[11] 陈维尔, 邱艳, 潘晓华, 等. 我国共病患者服药依从性的研究进展[J]. 中华全科医学, 2023, 21(10): 1745-1748.

[12] CHEN Weier, QIU Yan, PAN Xiaohua, et al. Progress on medication compliance of patients with multimorbidity in China[J]. Chinese Journal of General Practice, 2023, 21(10): 1745-1748.

[13] 胡丽萍, 但淑杰, 盖红梅, 等. 上海某社区老年慢性病共病患者多重用药分析及对生命质量的影响[J]. 药物流行病学杂志, 2020, 29(1): 30-34.

[14] HU Liping, DAN Shujie, GAI Hongmei, et al. Analysis of multiple drug use and its impact on quality of life of elderly chronic disease comorbidity patients in a community of Shanghai[J]. Chinese Journal of Pharmacoepidemiology, 2020, 29(1): 30-34.

[15] 国务院办公厅. 国务院办公厅关于印发中国防治慢性病中长期规划(2017—2025年)的通知[EB/OL]. (2017-02-14)[2025-02-10]. 中华人民共和国国务院公报, 2017(7): 17-24.

[16] General Office of the State Council. Notice of the general office of the state council on printing and distributing the long-term plan for the prevention and treatment of chronic diseases in China (2017-2025)[J]. Gazette of the State Council of the People’s Republic of China, 2017(7): 17-24.

[17] Cornelius T, Voils CI, Birk JL, et al. Identifying targets for cardiovascular medication adherence interventions through latent class analysis[J]. Health Psychol, 2018, 37(11): 1006-1014.

[18] Read S, Morgan J, Gillespie D, et al. Chronic conditions and behavioural change approaches to medication adherence: rethinking clinical guidance and recommendations[J]. Patient Prefer Adherence, 2020, 14: 581-586.

[19] Berkman ND, Davis TC, McCormack L. Health literacy: what is it?[J]. J Health Commun, 2010, 15(sup2): 9-19.

[20] 刘宇丹, 张彩云, 郭明媚, 等. 慢性病共病患者服药依从性干预措施的最佳证据总结[J]. 中华现代护理杂志, 2024, 30(30): 4156-4162.

[21] LIU Yudan, ZHANG Caiyun, GUO Mingmei, et al. Summary of the best evidence of intervention measures for drug compliance of patients with chronic diseases[J]. Chinese Journal of Modern Nursing, 2024, 30(30): 4156-4162.

[22] Sarason BR, Pierce GR, Shearin EN, et al. Perceived social support and working models of self and actual others[J]. J Pers Soc Psychol, 1991, 60(2): 273-287.

[23] Shen BJ, Guan TJ, Du XY, et al. Medication adherence and perceived social support of hypertensive patients in China: a community-based survey study[J]. Patient Prefer Adherence, 2022, 16: 1257-1268.

[24] 张振香, 何福培, 张春慧, 等. 慢性病共病患者服药依从性潜在类别及其影响因素分析[J]. 中国全科医学, 2022, 25(31): 3904-3913.

[25] ZHANG Zhenxiang, HE Fupei, ZHANG Chunhui, et al. Latent class analysis and influencing factors of medication adherence in multiple chronic conditions patients[J]. Chinese General Practice, 2022, 25(31): 3904-3913.

[26] 谢传桃, 顾艳荭, 李玉梅, 等. 基于COM-B模型的老年慢性心力衰竭病人服药依从性影响因素[J]. 护理研究, 2024, 38(2): 246-251.

[27] XIE Chuantao, GU Yanhong, LI Yumei, et al. Influencing factors of medication adherence among older patients with chronic heart failure: an analysis based on COM-B model[J]. Chinese Nursing Research, 2024, 38(2): 246-251.

[28] 苏莉青, 张洁, 窦雯玥, 等. 基于COM-B模型的消化道肿瘤术后患者口服营养补充依从性研究[J]. 上海交通大学学报(医学版), 2024, 44(10): 1213-1220.

[29] SU Liqing, ZHANG Jie, DOU Wenyue, et al. Compliance of oral nutritional supplements in postoperative patients with digestive tract cancer: an analysis based on COM-B model[J]. Journal of Shanghai Jiao Tong University. Medical Science, 2024, 44(10): 1213-1220.

[30] 孟成, 毕向阳. 潜变量建模与Mplus应用-进阶篇[M]. 重庆: 重庆大学出版社, 2018: 13-15．

[31] MENG Cheng, BI Xiangyang. Latent variable modeling and Mplus application-advanced part[M]. Chongqing: Chongqing University Press, 2018: 13-15.

[32] 江华县统计局. 江华瑶族自治县2023年国民经济和社会发展统计公报[EB/OL]. (2024-05-15)[2025-03-13].

[33] Jianghua County Statistics Bureau. Statistical bulletin of the national economic and social development of Jianghua Yao Autonomous County in 2023[EB/OL]. (2024-05-15)[2025-03-13].

[34] 国家老龄协会. 2023 年度国家老龄事业发展公报[EB/OL]. (2024-10-11)[2025-03-13].

[35] China National Committee on Ageing. 2023 Annual report on the development of elderly affairs in the country[EB/OL]. (2024-10-11)[2025-03-13].

[36] 国家统计局. 中国统计年鉴2024[EB/OL]. (2024-10-15)[2025-03-13].

[37] National Bureau of Statistics of China. China statistical yearbook 2024[EB/OL]. (2024-10-15)[2025-03-13].

[38] 国家卫生健康委员会. 2023中国卫生健康统计年鉴 [EB/OL]. (2025-01-24)[2025-03-13].

[39] National Health Commission of the People’s Republic of China. China health statistics yearbook 2023[EB/OL]. (2025-01-24)[2025-03-13].

[40] 朱先尚, 曾泓钰, 吕凤丽, 等. 甘肃省60岁及以上老年人慢性病共病现状及影响因素研究[J]. 中国全科医学, 2025, 28(10): 1193-1199.

[41] ZHU Xianshang, ZENG Hongyu, Fengli LÜ, et al. The current status and influencing factors of multiple chronic conditions among the elderly aged 60 and above in Gansu Province[J]. Chinese General Practice, 2025, 28(10): 1193-1199.

[42] Jordan JE, Buchbinder R, Osborne RH. Conceptualising health literacy from the patient perspective[J]. Patient Educ Couns, 2010, 79(1): 36-42.

[43] 孙浩林, 彭慧, 傅华. 慢性病患者健康素养量表信效度的研究[J]. 复旦学报(医学版), 2012, 39(3): 268-272.

[44] SUN Haolin, PENG Hui, FU Hua. The reliabililty and consistency of health literacy scale for chronic patients[J]. Fudan University Journal of Medical Sciences, 2012, 39(3): 268-272.

[45] Horne R, Weinman J. Patients’ beliefs about prescribed medicines and their role in adherence to treatment in chronic physical illness[J]. J Psychosom Res, 1999, 47(6): 555-567.

[46] 司在霞, 周敏, 曹广庆, 等. 中文版服药信念特异性问卷用于换瓣术后抗凝患者的信效度检验[J]. 护理学杂志, 2013, 28(4): 20-23.

[47] SI Zaixia, ZHOU Min, CAO Guangqing, et al. Reliability and validity of the Chinese version of Beliefs about Medicines Questionaire-Specific among patients on warfarin therapy after mechanical heart-valve replacement[J]. Journal of Nursing Science, 2013, 28(4): 20-23.

[48] Zimet GD, Powell SS, Farley GK, et al. Psychometric characteristics of the multidimensional scale of perceived social support[J]. J Pers Assess, 1990, 55(3/4): 610-617.

[49] 姜乾金. 领悟社会支持量表[J]. 中国行为医学科学, 2001, 10(10): 41-43.

[50] JIANG Qianjin. Perceived Social Support Scale[J]. Chinese Behavioral Medicine Science, 2001, 10(10): 41-43.

[51] Morisky DE, Green LW, Levine DM. Concurrent and predictive validity of a self-reported measure of medication adherence[J]. Med Care, 1986, 24(1): 67-74.

[52] 许卫华, 王奇, 梁伟雄. Morisky问卷测量高血压患者服药依从性的信度和效度评价[J]. 中国慢性病预防与控制, 2007, 15(5): 424-426.

[53] XU Weihua, WANG Qi, LIANG Weixiong. Reliability and validity of morisky questionnaire in measurement of the compliance with hypertensive medications[J]. Chinese Journal of Prevention and Control of Chronic Non-Communicable Diseases, 2007, 15(5): 424-426.

[54] Tein JY, Coxe S, Cham H. Statistical power to detect the correct number of classes in latent profile analysis[J]. Struct Equ Modeling, 2013, 20(4): 640-657.

[55] 韩婷. Firth惩罚最大似然估计在logistic回归中解决分离问题时的应用[D]. 太原: 山西医科大学, 2013.

[56] HAN Ting. Application of firth penalized maximum likelihood estimation in logistic regression for separation phenomenon[D]. Taiyuan: Shanxi Medical University, 2013.

[57] Moons KG, Altman DG, Reitsma JB, et al. Transparent Reporting of a multivariable prediction model for Individual Prognosisor Diagnosis (TRIPOD): explanation and elaboration. Ann Intern Med. 2015, 162(1): W1-W73.

[58] 王金明, 林盛强, 杨玉明, 等. 社区共病患者服药依从性及影响因素调查分析[J]. 中国全科医学, 2017, 20(23): 2827-2831.

[59] WANG Jinming, LIN Shengqiang, YANG Yuming, et al. Medication adherence and its factors of community multimorbidity patients[J]. Chinese General Practice, 2017, 20(23): 2827-2831.

[60] Franchi C, Ludergnani M, Merlino L, et al. Multiple medication adherence and related outcomes in community-dwelling older people on chronic polypharmacy: A retrospective cohort study on administrative claims data[J]. Int J Environ Res Public Health, 2022; 19(9): 5692.

[61] 黎艳娜, 王艺桥. 我国老年人慢性病共病现状及模式研究[J]. 中国全科医学, 2021, 24(31): 3955-3962.

[62] LI Yanna, WANG Yiqiao. Prevalence and patterns of multimorbidity among Chinese elderly people[J]. Chinese General Practice, 2021, 24(31): 3955-3962.

[63] 唐杰, 喻雅真, 岳菁华, 等. 农村老年慢性病病人健康素养与睡眠障碍的相关性研究[J]. 护理研究, 2017, 31(20): 2465-2469.

[64] TANG Jie, YU Yazhen, YUE Jinghua, et al. Study on correlation between health literacy and sleep disorders in the elderly with chronic diseases in rural areas[J]. Nursing Research of China, 2017, 31(20): 2465-2469.

[65] 中华人民共和国中央人民政府. 中共中央、国务院印发《“健康中国2030”规划纲要》[EB/OL]. (2016-10-25) [2023-11-19].

[66] Central Government of the People’s Republic of China. The CPC Central Committee and the State Council issued the outline of healthy China 2030[EB/OL]. (2016-10-25)[2023-11-19].

[67] 熊欢, 罗爱静, 谢文照, 等. 农村老年人健康信息素养现状及影响因素[J]. 农业图书情报学报, 2022, 34(10): 44-56.

[68] XIONG Huan, LUO Aijing, XIE Wenzhao, et al. Status and influencing factors of health information literacy of the rural elderly[J]. Journal of Library and Information Science in Agriculture, 2022, 34(10): 44-56.

[69] De Maria M, Tagliabue S, Ausili D, et al. Perceived social support and health-related quality of life in older adults who have multiple chronic conditions and their caregivers: a dyadic analysis[J]. Soc Sci Med, 2020, 262: 113193.

[70] 熊脂瑶, 张静平, 邹洁, 等. 失能老人抑郁对照顾者负担的二元传递: 照护能力和心理弹性的多重中介作用[J]. 中南大学学报(医学版), 2023, 48(8): 1243-1251.

[71] XIONG Zhiyao, ZHANG Jingping, ZOU Jie, et al. Dyadic transmission of depression in the elderly people with disabilities to caregiver burden: Multiple mediating roles of caring ability and resilience[J]. Journal of Central South University. Medical Science, 2023, 48(8): 1243-1251.

[72] Félix IB, Henriques A. Medication adherence and related determinants in older people with multimorbidity: a cross-sectional study[J]. Nurs Forum, 2021, 56(4): 834-843.

[73] Liu X, Zhao Y, Da TY, et al. The attitudes toward polypharmacy and willingness to deprescribe among patients with multimorbidity in rural areas of Shandong Province in China: a cross-sectional study[J]. Patient Prefer Adherence, 2024, 18: 2637-2646.

[74] 黄茶英, 刘小春, 罗连华. 家属监督及陪伴对老年获得性免疫缺陷综合征患者病耻感及服药依从性的影响[J]. 中国老年学杂志, 2021, 41(19): 4414-4417.

[75] HUANG Chaying, LIU Xiaochun, LUO Lianhua. Influence of family supervision and companionship on stigma and medication compliance of elderly patients with acquired immunodeficiency syndrome[J]. Chinese Journal of Gerontology, 2021, 41(19): 4414-4417.

[76] 高兆溶, 秦文哲, 张娇, 等. 山东省农村老年慢性病患者服药依从性及其影响因素分析[J]. 中国公共卫生, 2022, 38(4): 410-413.

[77] GAO Zhaorong, QIN Wenzhe, ZHANG Jiao, et al. Medication compliance and its associates among rural elderly with noncommunicable chronic diseases in Shandong Province[J]. Chinese Journal of Public Health, 2022, 38(4): 410-413.

[78] Stirratt MJ, Dunbar-Jacob J, Crane HM, et al. Self-report measures of medication adherence behavior: recommendations on optimal use[J]. Transl Behav Med, 2015, 5(4): 470-482.

[79] Pradipta IS, Aprilio K, Ningsih YF, et al. Treatment nonadherence among multimorbid chronic disease patients: evidence from 3515 subjects in Indonesia[J]. Medicina, 2024, 60(4): 634.

[80] 彭文亮, 潘莉, 陈婉芝. 中青年高血压患者电子健康素养与服药依从性的相关性研究[J]. 中国慢性病预防与控制, 2020, 28(8): 600-603.

[81] PENG Wenliang, PAN Li, CHEN Wanzhi. Correlation between electronic health literacy and medication compliance in young and middle-aged hypertensive patients[J]. Chinese Journal of Prevention and Control of Chronic Diseases, 2020, 28(8): 600-603.

基金资助

科技创新2030“四大慢病重大专项”(2024ZD0524300)

科技创新2030“四大慢病重大专项”(2024ZD0524306┫。This work was supported by the National Science and Technology Innovation 2030┣ncommunicable Chronic Diseases-National Science)

China(2024ZD0524300)

China(2024ZD0524306)

RIGHTS & PERMISSIONS

开放获取(Open access)：本文遵循知识共享许可协议，允许第三方用户按照署名-非商业性使用-禁止演绎4.0(CC BY-NC-ND 4.0)的方式，在任何媒介以任何形式复制、传播本作品(https://creativecommons.org/licenses/by-nc-nd/4.0/)。