探讨健康社会决定因素与每日烟草使用、酗酒及每日大麻使用之间的关系 - 健康研究

摘要

引言

人们日益认识到健康的社会决定因素（SDOH）以强大的方式塑造健康行为。鉴于风险性物质使用仍然是一个持续存在的公共卫生问题，SDOH与物质使用之间的关系值得深入研究。本研究的目的是探讨各种健康社会决定因素与酗酒、每日烟草使用和每日大麻消费之间的关系。

方法

利用最新的行为风险因素监测系统数据（2022-2023年），我们进行了两组逻辑回归模型。第一组探讨了我们的三个结果与13个独立的SDOH测量指标之间的关系。第二组评估了一个分类的、综合的SDOH测量指标与我们的结果之间的关系。

结果

频繁的压力与每个结果的发生几率显著升高相关（酗酒：调整后优势比AOR 1.27，95%置信区间CI：1.13–1.42；烟草：AOR 1.16，95% CI：1.02–1.32；大麻：AOR 1.43，95% CI：1.22–1.68）。近期进行过体检与较低的发生几率相关（酗酒：AOR 0.84，95% CI：0.75–0.95；烟草：AOR 0.77，95% CI：0.67–0.88；大麻：AOR 0.82，95% CI：0.71–0.96）。较高的累积SDOH需求与显著更高的发生几率相关。对于大麻：1-3项需求：AOR 1.54，95% CI：1.27–1.87；4-6项需求：AOR 3.35，95% CI：2.64–4.25；7-13项需求：AOR 4.61，95% CI：3.32–6.41。其他结果也观察到类似的模式。

结论

研究结果应为减少物质使用的干预措施提供信息，通过直接解决与风险增加相关的SDOH，以及支持社会服务和健康服务的共址，以更好地满足个体复杂的需求。

引用： Lindenfeld Z, Kurtzman ET (2026) 探讨健康社会决定因素与每日烟草使用、酗酒及每日大麻使用之间的关系。PLoS One 21(3): e0343677。

编辑： Tayyab Ikram Shah, 萨斯喀彻温大学, 加拿大。

收稿日期： 2025年11月18日；接受日期： 2026年2月5日；发表日期： 2026年3月18日。

数据可用性： 本研究结果所依据的数据可从疾病控制与预防中心公开获取。

资助： 作者未收到此项工作的具体资助。

利益冲突： 作者声明不存在竞争利益。

引言

健康的社会决定因素（SDOH）被定义为影响健康的非医学因素，如收入、教育、住房稳定性和邻里环境，在塑造广泛健康行为方面发挥着关键作用。大量文献表明，SDOH强烈影响与饮食、体育活动、睡眠和压力管理相关的行为。这在美国尤其相关，因为社会和建筑环境的特征以与其他高收入国家不同的方式塑造结果。例如，医疗保健的可及性由保险覆盖和就业决定，而非全民提供；高等教育成本高昂且私立选择更为显著；建筑环境通常密度低且依赖汽车。因此，在美国，SDOH已被证明对健康结果和行为有强烈影响，并强调社会背景如何限制或促进个体从事健康促进行为的能力。使用SDOH来识别健康结果差异的一个优势是，这些因素比人口统计学或遗传特征更具可修改性，并且可以通过有针对性的政策和社会/公共卫生干预措施（例如，食品银行、支持网络）来解决。鉴于物质使用，包括酒精、大麻和烟草的风险性使用，仍然是一个持续存在的公共卫生问题，SDOH与物质使用之间的关系值得严格研究。

先前的研究已经探讨了选定的SDOH与烟草、大麻和酒精消费模式之间的关系，发现了混合的结果。例如，研究发现，失业、教育程度较低、居住在农村地区、收入低或属于种族或少数民族群体的个体中，风险性酒精使用的比率更高。其他研究发现，在白人、受过教育且收入水平较高的个体中，风险性酒精使用的比率更高。关于烟草和大麻的研究结果变化较小，研究发现低收入、有刑事司法经历以及居住在农村社区的个体中烟草使用率更高，而教育水平较低、收入较低以及经历住房不安全的个体中大麻使用率更高。

关于风险性酒精使用的混合发现可能归因于研究人群的差异，包括在美国以外进行的研究，或在单一州内进行的研究。此外，关于酒精、烟草和大麻使用的研究通常依赖于有限或不精确的SDOH测量指标，例如使用低收入作为低社会经济地位的模糊代理，并且使用了不同的酒精和烟草消费测量指标。总体而言，有必要使用具有全国代表性的美国样本、一致的酒精、烟草和大麻使用测量指标以及更全面、多维度的SDOH测量指标，来研究健康社会决定因素与风险性烟草使用、大麻使用和酒精使用之间的关系。

在本研究中，我们通过使用2022-2023年行为风险因素监测系统（BRFSS）的数据来填补这一知识空白，BRFSS是一项持续的、基于美国的全球健康相关调查，旨在探讨多个SDOH测量指标与酗酒、每日烟草使用和每日大麻使用之间的关联。我们关注烟草、酒精和大麻，因为它们是美国最常用的物质，并且在许多州对成人使用是合法的，这使它们与人口层面的公共卫生研究特别相关。这些物质的使用发生在一个异质且不断变化的政策环境中，特别是对于大麻和烟草，与合法化、非刑事化、产品可获得性、税收和监管（例如，调味产品和电子烟）相关的州和地方政策差异很大，并可能塑造使用模式。BRFSS中新增的SDOH模块于2022年引入，为研究社会和结构因素如何在人口层面塑造风险性物质使用模式提供了独特的机会。这个丰富、有代表性的数据集使得能够进行细致的分析，从而推进我们对SDOH与物质使用关联途径的理解。具体而言，本分析探讨了不同领域的SDOH，包括经济不安全、住房不稳定、医疗保健可及性和社会支持，与酗酒、每日烟草使用和每日大麻使用之间的差异关联，从而允许进行更精细的评估，这种评估在使用单一测量指标或较不具体的SDOH测量指标的分析中往往被掩盖。

材料和方法

数据来源

我们分析了2022-2023年BRFSS的数据，这是一项由疾病控制与预防中心（CDC）和美国州卫生部门通过座机和手机访谈进行的具有全国代表性的横断面调查。BRFSS采用多阶段整群设计，对18岁及以上的非机构化成年人进行健康状况、行为、慢性病和预防性服务使用情况的调查。每年进行超过40万次调查，响应率分别为45.0%（2022年）和44.7%（2023年）。烟草和酒精使用测量指标是BRFSS核心问卷的一部分。大麻使用（大麻使用模块）和健康社会决定因素（社会决定因素与健康公平模块）是可选的。大麻使用模块在2022年由24个美国州实施，2023年由19个州实施；SDOH模块在2022年由52个美国州实施，2023年由41个州实施（补充信息中的S1表）。

主要结果

我们考察了三个过去一个月的物质使用结果：（1）酗酒，定义为过去30天内发生一次或多次酗酒事件（男性一次饮酒5杯或更多，女性一次饮酒4杯或更多）；（2）每日烟草使用，定义为报告每天使用香烟或电子烟；（3）每日大麻使用，定义为过去一个月内使用大麻20天或更多。我们使用每日烟草和大麻消费作为风险性消费的衡量指标，因为文献中认为这些是过度和有害的消费水平，并且与健康并发症和依赖的风险增加相关。同样，过去一个月的酗酒是风险性酒精消费的经过验证的测量指标，并且与功能损害、不安全行为、慢性健康状况发展和死亡率的风险增加相关。所有变量均按二分法编码（1=符合标准；0=其他）。BRFSS变量的完整列表见补充信息中的S2表。

SDOH概念框架和自变量的选择

我们根据CMS责任健康社区健康相关社会需求筛查工具选择了13个SDOH指标。BRFSS项目被映射到AHC领域（住房、食品不安全、交通、公用事业、人际安全）和补充领域（经济压力、就业、教育、社会支持、体育活动、心理健康、残疾）。变量选择过程记录在表1中。尽管本分析中的几个SDOH变量是单项测量指标，但先前使用BRFSS数据的研究表明，这些项目与相关健康结果表现出理论上一致的关联，支持了它们在人口层面检查SDOH的有效性。此外，借鉴文献中描述的儿童期不良经历（ACE）综合测量指标开发方法，我们还创建了一个SDOH分类累积风险评分（“SDOH评分”）。SDOH评分反映了每个受访者暴露的SDOH总数，反映了SDOH负担，分类如下：0个SDOH，1-3个SDOH，4-6个SDOH，和7-13个SDOH。

表1. 主要模型中包含的健康社会决定因素变量的选择

人口统计学协变量

我们纳入了从BRFSS得出的许多协变量，包括人口统计学特征（年龄、种族/民族、婚姻状况、退伍军人身份、就业状况）和医疗保健可及性变量（保险类型以及受访者是否近期进行过常规体检）。

分析样本

数据仅限于在同一年同时实施大麻使用和SDOH模块的美国州。最终分析样本包括来自2022-2023年14个美国州的149,021名成年人（补充信息中的S3表）。特定物质使用结果数据缺失的受访者未被纳入该特定分析；未进行插补，他们仍留在数据集中用于其他分析。

统计分析

我们计算了全样本和每个结果组（酗酒、每日烟草使用、每日大麻使用）的描述性统计，报告了加权百分比和95%置信区间。然后，我们为每个结果拟合了三个独立的逻辑回归模型。我们在每个结果的第一个模型中仅将协变量限制为人口统计学协变量。第二个模型包括人口统计学协变量以及13个二分SDOH变量；这使我们继续输出翻译结果：

统计分析

我们计算了全样本和每个结果组（酗酒、每日烟草使用、每日大麻使用）的描述性统计，报告了加权百分比和95%置信区间。然后，我们为每个结果拟合了三个独立的逻辑回归模型。我们在每个结果的第一个模型中仅将协变量限制为人口统计学协变量。第二个模型包括人口统计学协变量以及13个二分SDOH变量；这使我们能够估计“在存在/不存在其他SDOH暴露的情况下，每个特定SDOH暴露发生的影响”，这对于像SDOH这样捕捉贫困不同衡量指标且高度相关的事件来说，预计效果良好。第三个模型包括人口统计学变量以及SDOH分类累积风险评分。

每日大麻使用模型还额外根据美国州大麻合法化状态进行了调整。按州-年份的合法化状态来自公开来源，并编码为合法与不合法（补充信息中的S4表）。评估了方差膨胀因子（VIF）；教育程度在一个模型中显示出较高的VIF，但出于概念原因被保留。所有分析均应用了BRFSS调查权重，并使用Stata SE 18考虑了复杂设计。该研究被罗格斯大学机构审查委员会视为非人类受试者研究。本研究遵循了STROBE（加强流行病学观察性研究报告）指南。

结果

我们的分析样本中共有149,021个观察值。其中，45.07%（n=67,169）回答了与每日烟草使用相关的调查问题，48.16%（n=71,781）回答了与酗酒相关的问题，84.59%（n=126,058）回答了关于每日大麻使用的问题。这些观察值并非互斥。

在回答物质使用相关问题的受访者中，32.33%（n=15,372）报告每日烟草使用，30.01%（n=18,087）报告酗酒，7.34%（n=7,890）报告每日大麻使用。

描述性统计——人口统计学和SDOH变量的未调整患病率

表2呈现了所有受访者以及报告每日烟草使用、每日大麻使用和酗酒者的描述性统计，包括人口统计学特征。关于SDOH负担，29.09%（95% CI：28.60–29.59）的受访者报告零个SDOH，55.37%（95% CI：54.81–55.92）报告1-3个SDOH，12.64%（95% CI：12.26–13.03）报告4-6个SDOH，2.89%（95% CI：2.68–3.11）报告7-13个SDOH。较高的SDOH负担在物质使用者中更常见：7.66%（95% CI：6.85–8.57）的每日烟草使用者、8.79%（95% CI：7.65–10.08）的每日大麻使用者和4.61%（95% CI：4.08–5.22）的酗酒者报告了7-13个SDOH。大多数受访者（77.05%；95% CI：76.64–77.46）报告在过去一年进行过体检，而每日烟草使用者中这一比例为62.23%（95% CI：60.11–64.31），每日大麻使用者中为68.17%（95% CI：66.32–69.96），酗酒者中为72.18%（95% CI：70.93–73.40）。经济不安全指标在物质使用组中也更常见。例如，无法负担医疗费用在全样本中报告比例为10.34%（95% CI：10.03–10.66），而每日大麻使用者中为21.13%（95% CI：19.44–22.91），每日烟草使用者中为19.52%（95% CI：17.88–21.27），酗酒者中为13.09%（95% CI：12.09–14.16）。

表2. 受访者的描述性统计，总体及报告每日烟草使用、每日大麻使用和酗酒行为的受访者

频繁的压力在全样本中报告比例为38.15%（95% CI：37.61–38.69），而每日大麻使用者中为56.37%（95% CI：54.25–58.47），每日烟草使用者中为53.09%（95% CI：51.00–55.16），酗酒者中为48.61%（95% CI：47.15–50.08）。因残疾导致的注意力难以集中在总体中报告比例为13.34%（95% CI：13.00–13.68），在每日大麻使用者（29.36% [95% CI：27.47–31.33]）和每日烟草使用者（27.42% [95% CI：25.59–29.34]）中最高，而酗酒者中为17.65%（95% CI：16.54–18.81）。最后，61.63%（95% CI：61.11–62.20）的受访者居住在美国成人使用大麻合法的州，而每日大麻使用者中为68.82%（95% CI：67.12–70.47），每日烟草使用者中为64.15%（95% CI：62.00–66.24），酗酒者中为65.73%（95% CI：64.39–67.06）。

以人口统计学变量和分类SDOH综合变量预测每日大麻使用、酗酒和每日烟草使用的逻辑回归模型

以人口统计学变量和分类SDOH综合变量作为主要预测变量的模型结果见表3。与零SDOH需求相比，拥有更多SDOH相关需求与报告风险性物质使用的几率显著且逐渐增加相关：每日大麻使用（1-3项需求：AOR 1.54，95% CI：1.27–1.87；4-6项需求：AOR 3.35，95% CI：2.64–4.25；7-13项需求：AOR 4.61，95% CI：3.32–6.41），酗酒（1-3项需求：AOR 1.33，95% CI：1.19–1.49；4-6项需求：AOR 1.73，95% CI：1.41–2.13；7-13项需求：AOR 1.62，95% CI：1.14–2.30），以及每日烟草使用（1-3项需求：AOR 1.58，95% CI：1.35–1.84；4-6项需求：AOR 2.20，95% CI：1.80–2.71；7-13项需求：AOR 2.56，95% CI：1.88–3.48）。仅以人口统计学变量作为预测变量的模型结果见补充信息中的S5表。

表3. 以累积SDOH数量预测每日烟草使用、每日大麻使用和酗酒行为的逻辑回归模型，调整后优势比和95%置信区间

以人口统计学变量和个体SDOH变量预测每日大麻使用、酗酒和每日烟草使用的逻辑回归模型

在预测每日大麻使用的调整后逻辑回归模型（图1和补充信息中的S6表）中，几个个体SDOH因素与每日使用的较高几率相关。具体而言，无法负担医疗费用（AOR：1.50；95% CI：1.13–1.74）、领取食品券（AOR：1.36；95% CI：1.10–1.68）、无法支付水电费（AOR：1.31；95% CI：1.03–1.67）、过去30天内频繁感到压力（AOR：1.43；95% CI：1.22–1.68）、因残疾导致注意力难以集中（AOR：1.79；95% CI：1.49–2.16）以及因残疾难以独自办事（AOR：1.33；95% CI：1.07–1.65）与每日大麻使用的显著较高几率相关。居住在美国成人使用大麻合法的州也与每日使用强烈相关（AOR：2.29；95% CI：2.00–2.63）。相反，在过去一年进行过体检与每日大麻使用的较低几率相关（AOR：0.82；95% CI：0.71–0.96）。

图1. 每日大麻使用、酗酒和每日烟草使用的显著SDOH预测因素，调整后优势比和95%置信区间（n=38,332）

图注：完整的回归模型，包括人口统计学变量和SDOH变量的优势比（p<0.05）见补充信息中的S6表。

对于酗酒，无法负担医疗费用（AOR：1.31；95% CI：1.07–1.60）、领取食品券（AOR：1.27；95% CI：1.00–1.60）和频繁感到压力（AOR：1.27；95% CI：1.13–1.42）与较高几率相关，而进行过体检（AOR：0.84；95% CI：0.75–0.95）和进行体育锻炼（AOR：0.87；95% CI：0.76–1.00）与较低几率相关（图1和补充信息中的S6表）。

对于每日烟草使用，频繁感到压力（AOR：1.16；95% CI：1.02–1.32）和过去一年内失业（AOR：1.27；95% CI：1.06–1.52）与较高几率相关，而进行过体检（AOR：0.77；95% CI：0.67–0.88）和进行体育锻炼（AOR：0.72；95% CI：0.62–0.81）与较低几率相关（图1和补充信息中的S6表）。

对于每个模型，不显著的SDOH变量以及显著和不显著的人口统计学预测因素见补充信息中的S6表。每个模型的VIF见补充信息中的S7表。

讨论

本研究使用最近两年的BRFSS数据，探讨了各种SDOH测量指标与每日大麻使用、酗酒和每日烟草使用之间的关系。这些分析使用了2022-2023年的数据，提供了后COVID-19背景下物质使用行为的见解，此时社会、经济和医疗保健模式可能在人口层面发生了转变。在所有三个研究结果中，拥有更多的SDOH与每个研究结果的风险增加相关，突显了SDOH在塑造物质使用模式中的作用。在探讨特定SDOH贡献的模型中，压力和财务困难的标记与报告每个结果相关，而获得医疗保健和体育锻炼机会对所有结果都具有保护作用。

具体而言，过去30天内经历频繁压力与报告每种风险性物质使用测量的几率显著更高相关。这与先前文献一致，记录了高压力水平如何影响参与危害健康行为（例如，自残、饮食失调、攻击性行为），并且与物质使用高度共病。先前的研究也探讨了频繁压力与物质使用之间关系的机制，并表明情绪失调，或无法控制诸如压力等强烈情绪，起着关键作用。然而，我们的发现，即无法负担医疗费用、过去一年内失业、领取食品券以及无法支付水电费在不同模型中与更高的物质使用可能性相关，可能表明源于无法满足基本需求的频繁压力可能是压力与物质使用之间关系的基础。这也与强调贫困与压力和物质使用之间关系的先前文献一致。本研究通过纳入更具体的财务不稳定测量指标来确认并扩展了这些先前的发现，这些指标也提示了潜在的干预点。

鉴于近期要求在医疗环境中进行SDOH筛查的政策，这些结果尤为重要。认识到SDOH与健康结果之间的联系，关键监管和标准制定机构已引入措施和政策来收集患者的SDOH信息。例如，国际疾病分类第十次修订版（ICD-10）包括了一套新的“Z编码”，用于对九大类别的SDOH进行分类和记录。此外，2024年，美国医疗保险和医疗补助服务中心（CMS）强制要求在成人住院期间对五个领域的SDOH进行筛查。结合这些新要求，政策制定者、医疗保健管理者和医生之间正在进行关于医疗保健系统应如何解决通过筛查确定的患者SDOH需求的讨论。潜在的干预措施包括向社区组织转诊（例如，食品银行或提供医疗补助注册协助的组织），以及在医疗环境中共同安置社会工作者或当地社会服务资源；然而，医疗保健系统，特别是那些服务于高SDOH和物质使用率人群的系统，可能由于资源和带宽限制而犹豫不决和/或最没有能力实施这些项目。通过记录可修改的SDOH与高成本行为（如每日烟草使用和酗酒，这些行为每年分别给美国医疗系统造成约2400亿和280亿美元的费用）之间的联系，我们的研究为直接解决这些风险因素的SDOH项目提供了额外支持。

该分析存在若干局限性。最重要的是，BRFSS数据是自我报告的，这可能导致有利偏差，并可能导致物质使用行为的低估，从而产生保守的患病率估计。其次，在报告物质使用的受访者中，调查未询问他们使用的原因或使用的后果，这可能导致混杂。此外，由于SDOH问题的措辞，无法确定这些是导致还是源于报告的物质使用（即反向因果关系）。BRFSS也未询问受访者关于非法物质（如海洛因、芬太尼或甲基苯丙胺）的使用情况，这些物质在美国一直是重要的公共卫生问题，并且是未来关于SDOH-物质使用关系研究的重要领域。该分析未考虑家庭照护责任，这是可能影响物质使用行为的相关因素。BRFSS中缺乏这些测量指标限制了我们评估照护者负担可能如何改变观察到的关联的能力。另一个局限性是缺乏关于环境暴露和邻里特征的详细空间数据。例如，由于我们没有调查受访者的次州级地理指标，因此未捕获诸如环境噪音、绿化度或当地酒精或便利店密度和类型等测量指标，这些可能影响物质使用行为，并限制了我们全面考虑区域层面SDOH影响的能力。最后，BRFSS数据是横截面而非纵向的，这使我们无法对所分析的关系做出任何因果推断。

结论

本研究通过使用一项大型、持续的健康相关调查，证明了诸如食品不安全、医疗保健负担不起和频繁压力等SDOH与几种风险性物质使用形式之间的关系，从而对SDOH和物质使用方面的文献做出了重要贡献。本研究的结果可以支持医疗保健从业者、公共卫生专业人员和政策制定者，通过解决与高风险相关的关键SDOH，并通过有针对性的干预措施和支持性政策促进保护因素（如体育锻炼），来降低酗酒、每日大麻使用和每日烟草使用的比率。社会服务和健康服务的共址可能是减轻物质使用风险的关键干预措施，通过减少护理障碍并在治疗物质使用的同时解决未满足的社会需求。未来的研究应采用因果设计，并评估针对本研究中确定的SDOH的干预措施是否降低了物质使用率以及可归因于物质使用的发病率和死亡率。未来的研究还应探讨特定类型的就业如何影响物质使用，因为某些工作环境可能与更高的风险相关。

支持信息

S1表. 按年份选择使用大麻和SDOH模块的州列表。

来源：行为风险因素监测系统2022-2023年。

S2表. 研究中使用的BRFSS变量。

S3表. 按州-年份分析样本中的观察值数量。

来源：行为风险因素监测系统2022-2023年。

S4表. 按州-年份的成人使用大麻合法化情况。

S5表. 仅以人口统计学变量预测每日烟草使用、每日大麻使用和酗酒行为的逻辑回归模型，调整后优势比和95%置信区间。

*p<0.05。**p<0.01。来源：行为风险因素监测系统2022-2023年。所有估计值均根据抽样权重和BRFSS的复杂调查设计进行了调整；置信区间基于使用线性化（或稳健）方差估计量计算的标准误。

S6表. 以人口统计学变量和SDOH变量预测每日烟草使用、每日大麻使用和酗酒行为的完整逻辑回归模型，调整后优势比和95%置信区间。

*p<0.05。**p<0.01。

S7表. 回归模型的方差膨胀因子（VIF）。