智慧医疗背景下社区老年听力损失筛查软件开发及验证

葛剑力，耿莎莎，陈昕，朱英倩，孙晓明，2*，江华*

老年听力损失又称年龄相关性听力损失，是继关节炎、高血压之后，发病率居世界第3位的老年性疾病［1-2］。其定义为因年龄增长而引起听觉器官衰老和退变所导致的听力下降。疾病早期，患者的主观感觉言语识别能力能满足其日常交流，症状易被忽视。听力损失将导致生活能力下降，心理及认知障碍疾病患病率增高，甚至全因死亡风险增加［3-5］。因此老年听力损失是一个重要的公共健康问题，但尚无治愈方法，有效的筛查管理模式也少有研究涉及［6］。

近年来，“医疗大数据”和“智能化医疗管理”是慢性病防治领域的热点名词。在基层医疗中，“大数据+慢性病管理”模式被大力推崇和逐步完善，该模式使得基层慢性病的管控变得更高效，更贴切居民需求，促进了医患沟通互动［7］。老年听力损失的发生、发展与个人行为因素、疾病因素等相关，严重影响健康状态，病情为相对不可逆且不能自愈［8］。该疾病可控、可治、可改善，因此可参照慢性病的管理准则和目标，强化疾病管理关口前移。

目前国内外基于危险因素进行老年听力损失风险评估的研究较少，没有相应的测量工具及量表等。在此背景下，本研究通过分析老年听力损失高危因素，开发老年听力损失筛查软件，探讨基于社区的老年听力损失筛查及管理模式。

1 资料与方法

1.1 临床资料 2019年4—12月，选取具有上海地域代表性的浦东新区，运用便利抽样法，纳入5家社区卫生服务中心（市区片3家、城乡结合区片1家、郊区片1家），以参加年度健康体检的老年人为研究对象。

纳入标准：（1）年龄≥60岁；（2）在所选社区居住6个月以上且短期没有搬迁计划的老年人；（3）有一定的理解能力、意识清晰且语言交流无障碍；（4）既往无明确听力损失；（5）自愿参加此次调研，签署知情同意书。排除急性疾病或慢性病急性发作者、重症无法完成调查者。

本研究经上海市东方医院（同济大学附属东方医院）医学伦理委员会审核〔 【2019】研预审第（028）号〕。

1.2 研究内容

1.2.1 老年听力损失问卷调查 问卷包括2个部分：（1）基本信息包括性别、年龄、体质指数（BMI）、是否超重/肥胖、是否独居、是否单身（离异、丧偶）、受教育程度、噪音史、失聪家族史、饮食习惯、锻炼习惯、吸烟情况、饮酒情况、佩戴耳机史、既往病史（慢性中耳炎史、高血压、糖尿病、高脂血症、心脑血管疾病、高尿酸血症、甲状腺功能减退症）及耳毒性药物使用史。（2）老年听力障碍量表筛查版（HHIE-s）量表共有10个条目，涉及5项情绪问题和5项情景问题。每个条目各有3个选项，为“是”“有时”“从不”，对应的分值分别为4、2、0分，量表总分0～40分。要求5 min内完成，得分越高表示听力损失越重，依据美国言语听力协会听力筛查指南，0～8分为无明显听力损失，10～40分为有听力损失［9］。

超重/肥胖定义为BMI≥24.0 kg/m2；噪音史定义为在＞85 dB环境下持续工作＞1年；吸烟定义为吸烟＞1支/d，连续或累计6个月；饮酒定义为饮酒＞1次/周，连续或累计12个月；锻炼习惯定义为锻炼0.5 h/次，＞3 次/周；佩戴耳机史定义为每周佩戴＞3 d，连续或累计12个月。

1.2.2 老年听力损失判定 采用听力测听的金指标——纯音测听判定听力损失情况，以纯音气导听阈的平均值作为听力的分级标准：≤25 dB/HL为听力正常，＞25 dB/HL 为听力损失［10］。

1.2.3 老年听力损失危险因素评估 基于横断面数据，采用相关性分析、单因素及多因素Logistic回归分析，获得老年听力损失危险因素，采纳条件逻辑方式赋值0或1。采用受试者工作特征（ROC）曲线评估危险因素累计得分预警老年听力损失的最佳截断值，进行老年听力损失高危和低危人群分层评估。

1.2.4 基于微信平台老年听力损失筛查软件 （1）老年听力损失筛查软件开发：2020年1—6月依托微信平台，采用JavaScript语言编写，分为危险因素分层评估、HHIE-s评估、总体结论、健康宣教4个板块。

（2）老年听力损失筛查软件验证：2020年7—12月，选取医联体内1家社区卫生服务中心，请2位全科医生通过微信朋友圈随机招募辖区内78位≥60岁的志愿者进行测试。纳入要求：能较熟练使用智能手机或有家人协助测评。

（3）老年听力损失筛查软件适宜性评价：2021年1—3月通过线上问卷，邀请社区卫生服务中心全科医生进行软件适宜性评价。问卷内容基本信息：性别、年龄、学历、职称、工作年限。8个单项选题：①作为全科医生，您愿意使用老年听力损失筛查软件吗？②您觉得老年听力损失筛查软件结构组成合理吗？③您觉得老年听力损失筛查软件对于老年人使用，便利度合适吗？④您觉得通过听力损失筛查软件使用，有助于提升老年人对听力损失的关注度吗？⑤您觉得在基层使用听力损失筛查软件，有利于老年听力损失的管理吗？⑥您会给每一位就诊的老年患者使用听力损失筛查软件吗？⑦您觉得老年听力损失筛查软件使用中有明显缺陷吗？⑧您觉得在工作中使用听力损失筛查软件，会增加工作的额外负担吗？问卷选项均为封闭式测评，采用5级李克特量表编制，评价等级为l、2、3、4、5分别代表患者完全不同意、不太同意、一般同意、基本同意、完全同意。其中第7、8题为反向题［11-12］。

1.3 质量控制

1.3.1 研究者培训 在开展横断面调查前，对参与本项目的调查员进行统一培训，介绍研究的基本情况、调查问卷、量表的构成及使用说明、调查对象的询问技巧等问题，着重讲解每个量表中各条目的意义，确保调查员熟练掌握问卷，以便在被调查者对问卷和量表有疑问时能够详细解答，总培训时长约2 h。挑选具备良好沟通能力并已完成五官专科轮转的住培医生，由听力专科医生对采集工作人员进行培训，训练纯音测听仪器的使用方法、注意事项、故障排除等，模拟患者及真实患者进行实践性演练，总培训时长约2 h。在横断面数据采集时，纯音测听单独进行，操作者不受患者基本信息及量表数据干扰。

1.3.2 社区讲座 开展研究前，在相应社区全科医生协助下，对调查对象开展科普讲座，对本调查的目的、意义进行广泛宣传，争取提高调查对象的主观配合度和依从性，减少无应答偏倚的产生。

1.4 数据整理

1.4.1 数据填写及整理 老年听力损失问卷由被调查者自行填写，如被调查者不能独立完成则采用一问一答的方式由调查员如实记录。问卷及量表当场发放、当场收回。调查员查看问卷、量表填写情况，若有缺失项目，征得同意后由调査对象补填。

1.4.2 数据录入 老年听力损失问卷采用实时、双录入的方法保证录入过程的准确性，分析过程中对缺失数据采用剔除、插补等方法进行处理。对于回收的调查问卷、量表复核，剔除不合格问卷（核心数据缺失5%以上）。

1.5 统计学方法 采用EpiData 3.0录入数据，SPSS 25.0软件进行统计分析。正态分布的计量资料以（±s）表示，两组间比较采用成组t检验，非正态计量资料以M（P25，P75）表示，两组间比较采用Mann-Whitney U检验。计数资料采用频数或率表示，无序分类变量比较采用χ2检验，有序分类变量比较采用秩和检验。相关分析采用Spearman秩相关分析和Logistic回归分析。以P＜0.05为差异有统计学意义。问卷信度采用Cronbach's α系数评价，系数≥0.7说明内部一致性可以接受。

2 结果

2.1 一般资料 横断面研究纳入401位老年人，其中男182位（38.4%）、女219位（54.6%），平均年龄（71.0±6.1）岁，超重/肥胖181位（45.1%），独居30位（7.5%），丧偶/离异42位（10.5%），受教育程度为小学及以下66位（17.5%），噪音史45位（11.2%），失聪家族史10位（2.5%），非清淡饮食112位（27.9%），无锻炼习惯192位（48.1%），吸烟71位（17.7%），饮酒41位（10.2%），佩戴耳机史29位（7.2%），慢性中耳炎史1位（0.2%），高血压258位（64.3%），糖尿病123位（30.7%），高脂血症155位（38.7%），心脑血管疾病98位（24.4%），甲状腺功能减退症37位（9.2%），高尿酸血症68位（17.0%），耳毒性药物使用史5位（1.2%）。

HHIE-s得分＞8分232位（57.9%）、纯音测听判定听力损失者320位（79.8%）〔其中男174位（54.3%）、女186位（58.1%）〕。

2.2 老年听力损失危险因素分析

2.2.1 Logistic回归分析 以老年人听力损失为因变量，以表1中的22项变量为自变量进行二元Logistic回归分析（性别变量赋值为女=1，男=2；年龄、BMI为连续性变量，其他自变量及因变量赋值为否/无=0，是/有=1）。单因素Logistic回归分析结果显示，年龄、BMI、超重/肥胖、噪音史、非清淡饮食、无锻炼习惯、高血压、糖尿病、高脂血症、心脑血管疾病、高尿酸血症、甲状腺功能减退症是老年人听力损失的影响因素（P＜0.05），详见表1。将单因素Logistic回归分析中P＜0.2的变量纳入多因素Logistic回归分析，结果显示年龄大〔OR=1.100，95%CI（1.037，1.166）〕、噪音史〔OR=3.886，95%CI（1.077，14.022）〕、非清淡饮食〔OR=2.445，95%CI（1.127，5.305）〕、高血压〔OR=1.839，95%CI（1.015，3.330）〕、糖尿病〔OR=4.310，95%CI（1.817，10.225）〕、高尿酸血症〔OR=3.174，95%CI（1.030，9.779）〕是老年听力损失的独立危险因素（P＜0.05），详见表2。

表1 老年听力损失影响因素的单因素Logistic回归分析Table 1 Univariate Logistic regression model of influencing factors on hearing loss in the elderly

表2 老年听力损失影响因素的多因素Logistic回归分析Table 2 Multivariate Logistic regression model of influencing factors on hearing loss in the elderly

2.2.2 交互效应分析 选取单因素Logistic回归分析中有统计学意义的变量进行交互效应分析，结果显示年龄与高血压、糖尿病、高脂血症、心脑血管疾病、甲状腺功能减退症、高尿酸血症有交互效应，性别与饮酒有交互效应，详见表3。

表3 交互效应分析Table 3 Interaction effects analysis

2.3 老年听力损失危险因素分层评估 根据本研究统计结果、部分文献中的危险因素提及率［8，13-16］，本研究将男性、超重/肥胖、独居、丧偶/离异、噪音史、失聪家族史、非清淡饮食、无锻炼习惯、吸烟、饮酒、佩戴耳机史、高血压、糖尿病、高脂血症、心脑血管疾病、高尿酸血症、甲状腺功能减退症、耳毒性药物使用史18项变量作为老年听力损失的危险因素。多项人群调查提示，男性老年听力损失发生率高于女性，本研究男性和女性老年听力损失的发病率间无统计学差异，但结合文献及专家意见［15-16］，也将男性定义为老年听力损失的危险因素。本研究对象定义是老年人群，故不将年龄纳入危险因素分层评估体系。本研究有慢性中耳炎史者仅1例，故未将慢性中耳炎史纳入危险因素分层评估体系。

采用条件逻辑方程，按有无危险因素赋值为0或1，赋值累加获得危险因素累计得分，通过ROC曲线分析危险因素累计得分对老年听力损失的预警价值。结果显示，ROC曲线下面积（AUC）为0.777〔95%CI（0.721，0.833）〕，最大约登指数0.534，危险因素累计得分最佳截断值为3.5，危险因素累计得分评估老年听力损失的灵敏度为70.9%，特异度为75.3%。本研究将危险因素累计得分界值定义为4，将老年人群分层为听力损失低危组（＜4）和听力损失高危组（≥4）。

2.4 基于微信平台老年听力损失筛查软件开发

2.4.1 技术支持 采用JavaScript语言编写微信软件，方案构建包含展示层、处理层、基础层。分为居民微信平台端口和医生电脑（PC）软件端口。老年居民可不受地域、时间、空间限制进行动态自我评估筛查，筛查数据实时同步更新统计，全科医师实时电脑端口跟踪随访。

2.4.2 适宜性设置 （1）每位受试者微信登录具有唯一ID号，可反复进行测试，适宜作为数据随访工具。（2）软件界面使用超大字体、通俗化表达，适宜老年人群阅读。（3）软件操作简便，不需要下载，不占据手机内存。（4）问题均是单选样式，用语简洁，避免歧义，便于老年人上手操作，准确反馈完成数据采集。

2.4.3 板块构成 （1）危险因素分层评估。根据危险因素问卷居民端，得出危险因素累计得分，根据界值4进行危险因素分层，划分为高危人群组和低危人群组。（2）HHIE-s评估。0～8分表示无明显听力损失，10～22分表示轻度～中度听力损失，24～40分表示重度及以上听力损失。（3）总体结论。危险因素分层评估为低危、HHIE-s得分为0～8分，结论为目前听力未衰老，请继续保持，每6个月进行自我测评。危险因素分层评估为高危或HHIE-s得分≥10分，结论为每3个月进行自我测评，建议至社区卫生服务中心进一步评估，必要时转诊上级医院专科进行病因诊断，制订诊疗方案。（4）健康宣教：①听力损失的常态健康宣教；②听力损失的专项宣教，实施定期更新。

2.4.4 老年听力损失筛查软件测试 选取医联体内1家社区卫生服务中心，请2位全科医生通过微信朋友圈随机招募辖区内78位老年人参与测试。受试者中男29位（67.4%）、女14位（32.6%），平均年龄（67.9±7.7）岁，危险因素累计得分4（2，6）分，HHIE-s得分8（0，20）分，完成所有测试板块者为43位，配合率55.1%。危险因素累计数值与HHIE-s得分呈正相关（rs=0.360，P=0.018）。对未完成的35位老年人进行反馈访谈，大纲涉及8个问题，未完成筛查软件的原因访谈结果见表4。

表4 未完成筛查软件的原因访谈结果（n=35）Table 4 Results of the interview on the reasons for incompletescreening software

2.5 老年听力损失筛查软件适宜性评价

2.5.1 基本信息 106位全科医生参与软件适宜性评价，回收有效问卷106份，有效应答率为100%。参与者中男30位（28.7%）、 女 76位（71.7%）；20～30岁16位（15.1%），31～40岁 42位（39.6%），41～50岁 43位（40.6%），51岁以上5位（4.7%）；大专学历4位（3.8%），本科学历92位（86.8%），研究生学历10位（9.4%）；工作年限1～5年26位（24.5%），工作年限6～10年19位（17.9%），工作年限11～15年16位（15.1%），工作年限15年以上45位（42.5%）；初级职称24位（24.5%），中级职称74位（69.8%），高级职称6位（5.7%）。

2.5.2 信度分析 问卷信度检验显示Cronbach's α为0.802，单项筛查项后的Cronbach's α为0.763～0.818，提示问卷的信度可接受。

2.5.3 适宜性测评问卷分析 采用8个单项选题，各题得分情况详见表5。

表5 老年听力损失筛查软件适宜性测评问卷得分情况（n=106）Table 5 Scores of the questionnaire on the suitability of the hearing loss screening software for the elderly

3 讨论

3.1 老年听力损失危险因素分布 老年听力损失的发病机制尚不明确［17-18］，是多种生理机制共同作用的结果，与线粒体DNA突变、谷氨酸过度分泌、免疫反应物变化、自由基损伤及颞骨组织变化等有关［19］。

2016年我国4省听力障碍流行现况调查发现，男性、低教育水平者、丧偶者以及工人、农民中听力损失现患率相对较高［20］。英国一项横断面研究调查了164 770位40～69岁的成年人，发现吸烟和被动吸烟与听力损失发生率增加有关［21］。一项包含4 083位53～67岁受试者的欧洲多中心研究，发现高BMI与听力损失相关［22］。一项约16 000位韩国成年人参加的听力障碍研究提示，具有心脑血管危险因素（高血压、糖尿病、吸烟、血清胆固醇升高）的个体有发生听力障碍的风险［23］。本研究采用纯音测听平均听阈为判定标准，单因素Logistic回归分析结果显示，年龄、BMI、超重/肥胖、已婚、噪音史、非清淡饮食、锻炼习惯、高血压病、糖尿病、高脂血症、心脑血管疾病、高尿酸血症、甲状腺功能减退症是老年听力损失的影响因素。多因素Logistic回归分析显示，年龄大、噪音史、非清淡饮食、高血压、糖尿病、高尿酸血症是老年听力损失的独立危险因素。对于其他文献中提及的性别、教育程度、失聪家族史、吸烟、饮酒、耳机佩戴史、慢性中耳炎史、耳毒性药物使用史，影响因素分析时未见统计学意义，分析其原因如下：（1）由于研究采用便利抽样，纳入的体检人群存在意愿偏差，缺乏一定的代表性。（2）本研究中，性别、吸烟、饮酒对老年听力损失的影响无统计学意义，可能受入选男/女的比例（182/219）的干扰。（3）本研究耳机佩戴史、慢性中耳炎史、耳毒性药物使用史的实际发生例数过少，导致统计结果偏差。

3.2 老年听力损失危险因素分层评估 目前国内外应用较多的是HHIE-s及完整版［24-25］。但是这类筛查量表无法通过听力损失危险因素水平的评价来实现早期预防。本研究旨在通过危险因素评价，实现老年人群听力损失的风险分层初筛，以利于达到早诊断、早预防、早治疗的目的。

健康危险因素理论模型，从4个层面（生物学因素、环境因素、行为与生活方式因素、疾病因素、生物学因素）划分危险因素，本研究依托401位老年人群数据，分析验证结合文献检索，纳入危险因素18项：（1）生物学因素：性别、失聪家族史；（2）环境因素：独居、已婚、噪音史；（3）疾病因素：高血压、糖尿病、高脂血症、心脑血管疾病、甲状腺功能减退症、高尿酸血症、耳毒性药物使用史；（4）行为与生活方式因素：超重、非清淡饮食、锻炼习惯、吸烟、饮酒、耳机佩戴史。通过条件逻辑方程、ROC曲线、构建老年听力损失危险因素分层评估体系。

相对于糖尿病、高血压等慢性病，老年听力损失发病人群集中、患病率高、不良事件多、疾病负担重，虽不能精确一级预防，18项危险因素中13项（72.2%）（非清淡饮食、高血压、糖尿病、高脂血症、心脑血管疾病、高尿酸血症、甲状腺功能减退症、超重、无锻炼习惯、吸烟、饮酒、佩戴耳机史、耳毒性药物使用史），属于可防、可控、可延缓、可改善的危险因素，为构建老年听力损失筛查模式提供了循证医学的依据支撑。

3.3 基于信息平台老年听力损失筛查软件开发 国内外研究多聚焦于听力损失的基础研究、基于“互联网+”和iOS系统的听力简易自我检测应用软件、便携式简易听力筛查工具的研制开发等［26］，现有筛查手段特异度、灵敏度仅有头对头研究的比较，未将患者的基本情况、危险因素等纳入评估维度，在筛查人力、物力成本，实施的专业要求，对象的依从性，筛查的特异度及灵敏度等方面，有进一步优化的需求和空间。

2017年12月发布的《进一步改善医疗服务行动计划（2018—2020年）》明确以“互联网+”为手段，建设智慧医院，“互联网+”信息技术飞速发展和普及，为医疗领域的服务应用拓展提供了广阔空间［26］，随着智能手机的普及，依托手机APP也成为各种慢性病管理一种新型模式探索。

目前网页端已开发出听力测试APP，如mini听力测试、见声听力测试、耳医生听力等，归纳其优点：（1）模拟化多频纯音测听。（2）提供专业的测试结果，包含听力年龄、听力简述、听力图、语言区域，专业化意见比较完整。缺点在于：（1）APP开发团队多为听力专家，所以检测更专注于听力专科知识，操作过于复杂，结论过于专业，作为普通老百姓无法自主消化理解。（2）缺乏对受试者高危因素、自我管理能力、诊疗依从性等的评估。（3）仅实现专科网络医生的服务功能，不能实现全-专闭环式管理。

本研究将危险因素分层评估体系、HHIE-s和微信平台进行优化融合，构建老年听力损失筛查自我评估软件，可以获得如下优势效应。操作层面：操作界面友好，符合老年人使用习惯；微信软件不占用手机的终端内存，对手机配置要求低，目前智能化老年手机均能满足测试需求。功能层面：筛查软件分为老年居民微信平台端口和全科医生电脑端口。老年居民可以随时测试，不受时间、空间、地理位置的限制。全科医生可以随时督查检测数据，同一ID号可以动态对比。筛查功能：实现数据实时传输，预警、管理全程督导闭环管理过程，使得自我健康管理落到实处。从筛查内容层面，设置为3层构架如下：（1）依据前期危险因素数据，采纳条件逻辑方程，运用赋值变量对纳入个体进行危险因素计数，通过危险分层界点值，获得危险因素分层评估。（2）依据HHIE-s，根据其日常生活中的场合，对听力及言语交流情况进行判断，反映老年人听力及交流障碍的程度，形成多维度、多层面的评价。（3）根据2层检测结果，软件设置给出综合性结论及完整建议，涉及危险因素管理及随访计划，同时全科医生可以在PC终端实时查看，发现高危可疑受试者，也可及时通知患者就诊，形成筛查-督导闭环管理。软件设置了听力损失常态健康宣教及定期更新专项宣教内容，从健康信念管理原则，促进老年人群对疾病感知敏感性、感知严重性、感知行为效益、行动提示等方面的理念提升。

3.4 基于信息平台老年听力损失筛查软件验证 选取78位老年志愿者（≥60岁）进行老年听力损失筛查软件预测试。最终完成者共43位，配合率55.1%。数据提示筛查软件测试的稳定性、可靠性良好，但测试的依从性有待进一步提高。对于未完成的35位受试者，进一步进行了访谈，共获得8个提纲问题，排序分别为“测试软件意义不大”40.0%（14/35），“没有进一步测试意愿”14.3%（5/35），“测试软件太麻烦”11.4%（4/35），“测试时环境不适合”5.7%（2/35），“测试软件板块过多”8.8%（3/35），“部分问题理解有疑义”8.8%（3/35），“测试时信号意外中断”5.7%（2/35），“担心个人隐私泄露”2.9%（1/35），可见未完成者的原因主要在于测试意愿方面，可以通过全科医生的管理，如加强听力损失健康宣教、沟通筛查软件使用流程、寻求家属共同协助等，提高老年人群对听力损失的认知度及筛查接受度。

3.5 基于信息平台老年听力损失筛查软件适宜性评价通过线上问卷形式，邀请医联体内社区卫生服务中心106位全科医生，进行听力损失筛查软件的适宜性评价。问卷采用李克特5分量表，设置8个单项选题，围绕使用意愿、便利度评估、框架结构评价、测评意义等方面展开，问卷信度、效度测评，Cronbach's α为0.802，单项筛查项后的Cronbach's α波动于0.763～0.818，提示问卷的信度可接受。从问卷得分提示，所有问题没有不太同意或完全不同意的选项。对于“作为全科医生，您愿意使用老年听力损失筛查软件吗？”，85.8%选择完全同意，14.2%选择基本同意。“您觉得老年听力损失筛查软件结构组成合理吗？”，99.0%的全科医生基本或完全同意。“您觉得通过听力损失筛查软件使用，有助于老年人对听力损失的关注度吗？”仅有7.5%的全科医生认为一般同意该观点，其他全科医生给予了更积极的肯定。所以从基层全科医生的视角，老年听力损失筛查软件推广使用基本可行。因此，基于智慧医疗终端，线上数据实时传输，为预警、初诊、管理、复健的全闭环老年听力损失筛查管控新模式提供了平台支持和技术测评。

3.6 展望 2019年7月，上海市浦东新区健康小屋率先上线，配备“一体机”提供身高、体质量、脂肪、血压、体温、血氧、腰臀比、血糖、胆固醇、尿酸、心电图10项体征指标的测量，测量的数据会自动同步至健康管理工作站，提供给医生作为临床参考，并纳入健康云平台［27-29］。本研究运用微信平台，连接居民自我评估端和全科医生管理督导端，如果可以纳入健康小屋终端管理，将实现听力损失和其他慢性病（高血压、糖尿病）及健康干预更有效联动，产生增量效应。

作者贡献：葛剑力负责结果分析、论文撰写；耿莎莎负责研究的实施；陈昕负责数据收集及整理；朱英倩负责统计学处理；孙晓明负责论文构思、设计与修订；江华负责论文的督导与审核；孙晓明和江华共同对文章负责。

本文无利益冲突。