DOI:10.3969/j.issn.1674-2982.2025.05.008
中图分类号:R197
流迁经历对农村人口老年期慢性病的影响 ——基于CHARLS 2011—2020数据
唐丹1,2,3， 李星语1,3， 宫正敏1,3
| 【作者机构】 | 1中国人民大学人口与健康学院； 2中国人民大学人口与发展研究中心； 3中国人民大学老年学研究所 |
| 【分 类 号】 | R197 |
| 【基 金】 | 国家社会科学基金项目（21BRK008） |
全文
文内图表
参考文献
出版信息
目录
文内图表
流迁经历对农村人口老年期慢性病的影响
——基于CHARLS 2011—2020数据
自20 世纪80 年代起，大量农村剩余劳动力涌入城市［1］，据2020 年第七次人口普查数据推算，我国乡—城流动人口规模达2.49 亿［2］。随着年龄增长，农民工在城市遭遇户籍与年龄双重歧视，受“落叶归根”观念影响，其中大部分最终会选择返回农村。［3］目前生活在农村的老年人中，相当一部分在劳动年龄阶段有过流迁经历。
慢性病潜伏期长且发病后难以治愈，是农村老年人面临的重大健康威胁，其累积过程与早期风险因素密切相关［4］，流迁经历作为一项重要的生命事件，极有可能会对农村人口老年期① 依据我国《老年人权益保障法》第2条规定，老年人的年龄起点标准是60周岁，故本文对“老年期”定义为60岁至死亡的这段时期。的慢性病发展产生影响［5］，深入探究二者关系具有深刻的理论和现实意义，但当前学界相关讨论较少。本文运用组基轨迹模型拟合农村老年人慢性病数量增长轨迹，探究劳动年龄阶段流迁经历对农村人口老年期慢性病状况及发展的影响。
1 问题提出与研究假设
1.1 生命历程视角下流迁经历与老年期慢性病状况的关系
生命历程理论强调生命轨迹中各类因素对其健康发展的影响［6］，研究者常将其与劣（优）势累积理论结合，作为健康不平等研究的常见视角［7］。健康风险因素在生命历程中不断积累，初始健康状况也会随时间推移不断改变，从而导致晚年健康状况在不同个体或群体之间出现系统性差异。［8-9］
流迁经历与个体健康之间存在紧密的联系，根据“是否进行流迁”与“是否进行回流”的流迁决策，大致可将流迁过程归纳为三个阶段。首先，在流出阶段，健康状况越好的个体越易选择流迁［10］，农村流动人口整体的自评健康、慢性病状况等健康指标显著优于留守人口［11］，具有初始健康优势。其次，在流迁过程中，农民工往往面临恶劣的工作环境，且难以维持健康的生活方式［12-13］，随着在流入地生活工作时间的不断累积，健康损耗更加严重，相比于城市户籍人口，农村流迁劳动力自评健康差、慢性病患病率高［14-15］，逐渐从健康优势转变为健康劣势。最后，在回流决策阶段，健康状况恶化的流动人口倾向选择返乡，回流农民工的自评健康状况普遍差于未回流群体［16-17］，但与农村留守人口的健康差异仍不明确。
与农村留守人口相比，有流迁经历且回流的农村人口具有更大的初始健康优势，在流迁过程中健康优势逐渐减弱，但其在老年期所产生的长期健康影响尚不明确。因此，本文提出第一个问题：以未曾流迁过的老年人作为对照组，流迁经历对农村人口老年期慢性病患病率及数量产生何种影响？基于前人研究结果，做出以下假设：
假设1：曾经流迁且回流的农村老年人慢性病患病率高于对照组。
假设2：曾经流迁且回流的农村老年人慢性病患病数量高于对照组。
1.2 流迁经历与慢性病数量增长轨迹的关系
生命历程理论对疾病的发展历史进行溯源，轨迹、转变和延续是其中重要的三个时间性概念。［18］轨迹由起点和延续过程的增长速度来体现，各种慢性病在老年期前的发生（即转变）情况表现为轨迹起点，慢性病在老年期后的发展情况表现为轨迹增长速度。杨磊运用分层Poisson 回归证实慢性病发展轨迹在是否经历童年逆境的群体之间差异逐渐扩大［19］，早期生命事件作为晚年健康的风险因素，不仅影响到老年期的慢性病增长轨迹起点，还会持续影响后续增长与发展。因此，本文推测流迁经历对农村人口慢性病数量的增长轨迹形态产生影响，在“起点”和“速度”上均产生作用。因此，提出第二个问题：以未曾流迁的老年人作为对照组，流迁经历对农村人口老年期慢性病数量增长轨迹的起点与增速产生何种影响？基于前人研究结果，做出以下假设：
假设3：曾经流迁且回流的农村老年人慢性病数量增长轨迹起点高于对照组。
假设4：曾经流迁且回流的农村老年人慢性病数量增长轨迹增速快于对照组。
2 资料与方法
2.1 数据来源
本文使用的数据来源于中国健康与养老追踪调查（China Health and Retirement Longitudinal Study，CHARLS）。CHARLS 基线调查于2011 年实施，并于2013、2015、2018 和2020 年开展追踪调查，调查运用分层多阶段抽样方法，对涵盖我国28 个省级行政区域的150个县、450个社区（村）的45岁及以上中老年城乡居民进行调查。此外，CHARLS 于2014 年对中老年人进行了基于回溯生命历程的专项调查，包含了劳动者的迁移史、工作史、教育史等模块。本文将采用2011—2020 年五期追踪数据以及2014 年的生命历程专项调查数据，删除基线调查时60岁以下、居住地在城市以及追踪调查中死亡或有任意一次失访的样本，最终成功追访的样本量为2 629，删除任一变量中存在缺失值的个案后，最终纳入分析的样本量为2 010① 在样本筛选后本文对死亡/失访样本与最终样本的流迁经历进行卡方检验，结果显示有流迁经历的老年人死亡/失访的占比（54.17%）显著高于未曾流迁（46.60%）的样本（X2=48.392, P<0.001），慢性病与样本死亡/失访密切相关，提示后文结果可能低估流迁经历对老年人慢性病的影响作用；在样本筛选后，本文对因任一变量缺失而删掉的样本与最终样本的流迁经历和健康特征进行卡方检验，结果显示有流迁经历老年人占比在研究样本（22.79%）与删除样本（22.99%）中差异不显著（X2=0.010, P=0.920），说明样本筛选时的变量缺失具有随机性，删除该部分样本对后续研究结果无影响。。样本筛选过程见图1。
图1 样本筛选流程
2.2 变量选取
2.2.1 因变量
因变量包括是否患有慢性病、慢性病数量和慢性病数量增长轨迹。CHARLS 询问了14 种常见慢性病的情况② CHARLS 中14 种常见慢性病包括：高血压、血脂异常、高血糖、癌症、肺病、肝脏疾病、心脏病、中风、肾脏疾病、胃病、精神疾病、老年痴呆、关节炎、哮喘。，被医生确诊患任意一种慢性病定义为患有慢性病（赋值为1）；加总得到慢性病患病数量；使用组基轨迹模型对CHARLS 2011—2020年五次追踪调查的慢性病数量进行拟合得到慢性病数量增长轨迹。
2.2.2 自变量
自变量为“流迁经历”，根据CHARLS2014 生命历程调查中的问题“自从您出生起，第［1］/［n］个居住时间超过6个月的区县是在哪里？”与“是什么时候流入第［n］个居住地的？”进行变量界定。本文将流迁经历的回溯年龄限制在劳动年龄阶段（15～59岁），在该年龄阶段中只有一个居住地区的被访者归为未曾流迁（赋值为0），有两个及以上的归为曾经流迁（赋值为1）。
2.2.3 控制变量
对于农村老年人而言，慢性病风险因素包括社会经济因素、家庭相关因素、健康行为因素、医疗资源相关因素等。［20-21］本文对上述影响因素进行控制，选取的控制变量有：年龄、性别、受教育水平、婚姻状态、个人收入的对数③ 个人收入是指将过去一年中老年人的劳动收入与转移支付收入进行加总，为连续变量，取对数放入后续模型中。、是否与子女同住、是否吸烟、是否饮酒、有无医疗保险。变量指标选取及赋值见表1。
表1 变量指标选取及赋值情况
变量维度因变量自变量控制变量变量是否患有慢性病慢性病数量是否有流迁经历年龄性别受教育程度婚姻状态个人收入是否与子女同住是否吸烟是否饮酒医疗保险赋值0=否；1=是连续变量未曾流迁=0；曾经流迁=1连续变量0=女；1=男0=小学及以下；1＝初中及以上0＝不在婚；1＝在婚连续变量取对数0=否；1=是0=否；1=是0=否；1=是0=无；1=有
2.3 研究方法
当研究群体有较强内部异质性时，个体发展轨迹在整个群体中并非呈现连续的正态分布。本文利用组基轨迹模型（Group-Based Trajectory Model，GBTM）探究慢性病数量随年龄增长的轨迹，该模型可识别轨迹特征相似的个体，区分不同慢性病数量增长轨迹类型，并探究轨迹类型划分的影响因素。因变量“慢性病数量”属于计数数据，选用零膨胀泊松分布模型。
如果老年人的慢性病数量分布为P（Yi|Agei），以Yi =｛yi1，yi2，…，yit｝ 代表对个体i 在T 个观测时点上对慢性病数量测得的纵向序列，向量 Agei = ｛Agei1，Agei2，…，Ageit｝ 代表每个i 测量值被记录时的年龄。πj 表示个体i 属于第 j 个轨迹类型的随机概率，βj 表示未知参数向量，决定特定老年人群的慢性病数量增长轨迹形状，以P（Yi|Agei）表示观察个体i 在个体年龄Agei 时的慢性病数量测量序列Yi 的条件概率，则：
对于被给定属性类型 j 情况下的yit 的概率分布函数：
在具体建模中，为深入分析老年人慢性病数量的变化过程，本文在轨迹模型中引入了反映时间变化的生活方式变量（吸烟、饮酒等）作为协变量，以控制时间序列中的个体特征变化对慢性病数量发展路径的潜在影响，进一步提高模型的解释力和拟合效果。如果以
表示连接老年人慢性病状况与年龄多项式函数的潜在变量，则有：
其中，Smokeit、Drinkit 表示个体i 在t 时点的吸烟和饮酒状态。
对于组基轨迹模型来说，模型选择主要考虑轨迹数量和形态两个核心要素，最佳模型标准为：贝叶斯信息准则（BIC）绝对值最小，平均后验概率（AvePP）大于0.7，所有组群的矫正分类优势比（OCC）均大于5，估计的轨迹组群身份概率
与基于最大后验概率原则被分配到这一组群的样本比例Pj要相近，每组的成员数量不少于5%。［22］
此外，由于健康研究通常基于幸存样本，无法体现追踪数据中死亡与失访样本中的健康特征，会削弱甚至扭曲流迁经历与老年人慢性病之间的真实关系，从而导致研究结果偏差［23］，本文使用Heckman 两步法解决由死亡与失访引起的样本选择性偏差问题［24］，所有的分析过程均运用Stata17进行。
3 结果
3.1 样本的基本情况
2 010 名有效被访者中，有455 名在15～59 岁期间有流迁经历，占比22.64%。两组老年人在多个方面存在差异（表2）。曾经流迁的老年人受教育水平高、有医疗保险占比低。在健康方面，2011年基线数据中两组被访者在慢性病患病率和患病数量上均不存在显著差异；但到2020年，曾经流迁的老年人慢性病患病率和患病数量均高于未曾流迁组。
表2 样本描述性统计
注：***P<0.001，**P<0.01，*P<0.05，+P<0.10；分类变量报告百分比，连续变量报告均值与标准差，控制变量均为2011年数据。
变量类型控制变量因变量变量名称及赋值年龄（连续变量）性别（男=1）受教育程度（初中及以上=1）婚姻状态（在婚=1）个人收入（连续变量）是否与子女同住（是=1）是否吸烟（是=1）是否饮酒（是=1）医疗保险（有=1）2011年患有慢性病（是=1）2011年慢性病数量（连续变量）2020年患有慢性病（是=1）2020年慢性病数量（连续变量）χ2/t-0.886 0.821 7.637**0.004-1.487 0.001 2.549 0.720 4.407*0.588-1.306 8.057**-2.200*N全样本66.19±5.49 50.00 12.89 81.00 884.46±3 912.80 43.13 32.99 21.32 94.88 71.09 1.47±1.41 87.31 2.70±2.07 2 010未曾流迁66.13±5.47 49.45 11.77 80.96 814.27±3 506.58 43.15 33.89 23.22 95.43 70.68 1.45±1.39 86.17 2.64±2.09 1 555曾经流迁66.39±5.54 51.87 16.70 81.10 1 124.34±5 058.22 43.08 29.89 21.32 92.97 72.53 1.54±1.41 91.21 2.89±2.01 455
3.2 流迁经历与农村人口老年期慢性病状况
3.2.1 回归结果
以是否有流迁经历作为自变量，是否患有慢性病为因变量，构建二元logistic 回归模型；再以慢性病数量作为因变量，构建多元线性回归模型，并将CHARLS 2020结果与基线数据CHARLS 2011结果进行对比（表3）。
表3 流迁经历对农村人口老年期慢性病患病率及数量影响的回归结果（N=2 010）
注：***P<0.001，**P<0.01，*P<0.05，+P<0.10；括号内为标准误。
患病率模型1a CHARLS 2011 1.078（0.130）控制—模型2b CHARLS 2020 0.211+（0.109）控制-3.427***（0.926）-1.529（1.745）流迁经历控制变量逆米尔斯比率患病数量模型2a CHARLS 2011 0.089（0.074）控制—常数项3.479+（2.409）模型1b CHARLS 2020 1.606*（0.297）控制0.012**（0.016）0.015（0.040）1.840***（0.439）
在基于CHARLS 2011 基线数据的回归模型中，流迁经历对老年人慢性病患率（模型1a）及数量（模型2a）均无显著影响。在基于2020 年数据的回归模型中，曾经流迁的老年人患慢性病的风险是未曾流迁组的1.606 倍（P=0.010，模型1b）；曾经流迁的老年人患慢性病数量显著高于未曾流迁组（P=0.053，模型2b）。说明流迁经历对农村人口老年期的健康状况产生了负面影响，曾经流迁的老年人身体健康状况差于未曾流迁组，且随着年龄的增长，健康劣势愈发显现，两个群体的健康差距逐渐扩大。因此，假设1和假设2得到证实。模型1b与模型2b中逆米尔斯比率显著，说明2020年数据中老年人的慢性病患病状况确实受到死亡和失访的影响，且当前的控制有意义。
3.2.2 稳健性检验
更换核心变量是验证研究结果稳健性的常用方法。［25］将自评健康作为因变量进行回归分析，结果如表4 所示。流迁经历对农村老年人自评健康有显著的负向影响（CHARLS 2011： B=-0.128， P=0.008；CHARLS 2020： B=-0.136， P=0.021），这表明与未曾流迁组相比，有流迁经历的农村人口老年期健康状况更差，与表2结果基本一致，回归结果稳健。
表4 流迁经历对农村人口老年期自评健康影响的多元线性回归结果
注：***P<0.001，**P<0.01，*P<0.05，+P<0.10；括号内为标准误；CHARLS 2020 数据中自评健康变量缺失值为234，但由于其非本文重点关注变量，故未曾在基准回归与轨迹拟合过程中剔除。
模型3 CHARLS 2011-0.128**（0.048）控制—3.222***（0.779）2 010流迁经历控制变量逆米尔斯比率常数项N模型4 CHARLS 2020-0.136*（0.059）控制0.752（0.522）3.263***（0.959）1 776
3.2.3 异质性分析
本文分性别进行回归分析，以检验结果异质性（表5）。流迁经历对慢性病患病率的回归系数在两个子样本中基本一致，不存在异质性。流迁经历对慢性病数量的回归系数只在男性样本中显著，在女性样本中不显著。
表5 性别与受教育水平的异质性影响（CHARLS 2020，N=1 005）
注：***P<0.001，**P<0.01，*P<0.05，+P<0.10；括号内为标准误。
患病率模型5a女性1.653+（0.477）控制0.003**（0.006）0.001（0.005）模型6b男性0.330*（0.158）控制-2.357+（1.344）1.152（2.420）流迁经历控制变量逆米尔斯比率常数项模型5b男性1.628*（0.395）控制0.054+（0.093）0.398（1.284）患病数量模型6a女性0.119（0.151）控制-4.133**（1.307）-3.075（2.423）
3.3 农村人口老年期慢性病数量增长轨迹
3.3.1 农村人口老年期慢性病数量增长轨迹类型
根据GBTM 模型对于轨迹数量和形态的拟合规则［22］，最终确定了最佳轨迹类型数为4 组（BIC=-14 820.76）。轨迹模型拟合评价指标见表6，4个轨迹组的AvePP范围为0.81～0.87，OCC最小为5.92，每组的π̂和Pj数值接近，且每组成员数量大于5%，模型拟合较为理想。
表6 模型拟合评价指标
轨迹组群低起点趋于平稳组低起点慢速上升组中起点中速上升组高起点快速上升组组群样本比例（%）8.20 30.20 42.30 19.30 Pj（%）8.81 28.81 44.13 18.26 π（%）8.21 30.23 42.27 19.30 AvePP 0.81 0.84 0.82 0.87 OCC 45.24 13.01 5.92 30.54
如图2 所示，随着年龄的增长，老年人的慢性病数量增长轨迹主要分为4 种类型，类型1 为“低起点趋于平稳组”，占比最低（8.20%），该类型老年人进入老年期时未患有慢性病，且患病数量没有明显随年龄增长，健康状况最好；类型2 为“低起点慢速上升组”，占比为30.20%，该类型老年人进入老年期时未患有慢性病，慢性病数量自65岁起随年龄缓慢增长；类型3 为“中起点中速上升组”，占比最高（42.30%），该类型老年人进入老年期时患有较少慢性病，且随着年龄以中等速度增长；类型4为“高起点快速上升组”，占比为19.30%，该类型老年人进入老年期时就已经患有多种慢性病，并且所患慢性病数量随着年龄增长而急剧增加。
图2 慢性病数量增长轨迹图
3.3.2 不同慢性病数量增长轨迹类型的变量分布
各类老人在4 种慢性病数量增长轨迹组的分布并不存在明显规律，提示慢性病数量增长轨迹可能受多种因素共同影响（表7）。
表7 慢性病数量增长轨迹组群的基本特征（N=2 010）
注：***P<0.001，**P<0.01，*P<0.05，+P<0.10。
性别（%）男女F/χ2 4.81受教育程度（%）6.79婚姻状态（%）初中及以上小学及以下在婚不在婚9.78*个人收入（元）是否与子女同住（%）是否有无是否低起点趋于平稳组10.05 7.56 10.42 8.57 10.47 8.42 1 005.20±4 301.17 7.96低起点慢速上升组27.86 29.75 22.39 29.75 34.03 27.58 9 173.99±4 132.80 27.57中起点中速上升组43.28 44.98 45.95 43.86 40.05 45.09 828.62±3 877.70 46.37高起点快速上升组18.81 17.71 21.24 17.82 15.45 18.92 819.94±3 425.88 18.11 0.25 3.81医疗保险（%）10.40*是否有流迁经历（%）9.45 8.86 7.77 6.15 29.75 28.05 42.72 28.13 42.43 44.68 33.98 46.59 18.37 18.41 15.53 19.12 5.84 9.58 29.00 43.41 18.01
3.3.3 流迁经历对农村人口老年期慢性病数量增长轨迹的影响
以是否有流迁经历作为自变量，轨迹归属类别作为因变量，纳入社会人口学特征与健康行为等控制变量，构建多分类logistic 回归模型。如表8 所示，与“低起点趋于平稳组”相比，曾经流迁的农村老年人慢性病数量增长轨迹呈现“中起点中速上升组”的风险是未曾流迁组的1.745 倍（P=0.013， 模型7b），呈现“高起点快速上升组”的风险是未曾流迁组的1.744 倍（P=0.023， 模型7c），结果验证了假设3 与假设4。各个模型中的逆米尔斯比率显著，说明慢性病数量增长轨迹亦受到死亡和失访的影响，且当前控制有意义。
表8 流迁经历与老年期慢性病数量增长轨迹的多分类logistic回归结果（N=2 010）
注：模型7a、7b、7c均以低起点趋于平稳组为参照，控制变量均来自2011年数据；***P<0.001，**P<0.01，*P<0.05；括号内为标准误。
模型7c高起点快速上升组1.744*（0.426）控制0.004***（0.003）21.877***（13.178）变量流迁经历控制变量逆米尔斯比率常数项模型7a低起点慢速上升组1.530（0.353）控制0.883（0.421）5.858**（3.053）模型7b中起点中速上升组1.745*（0.389）控制0.069***（0.034）13.883***（7.299）
4 讨论
4.1 有流迁经历的农村老年人，慢性病患病率和患病数量均显著增加
既往研究发现，农村流迁人口在流迁之前的健康起点高于留守人口。［12］本研究发现，随着流迁过程的推进，在多种因素的综合作用下，曾经流迁的农村老年人慢性病患病率和数量均显著高于未曾流迁的群体，流迁经历最终对老年期健康产生了劣势累积的消极影响。流迁经历致使健康恶化的风险可能包括高强度的工作带来的劳动损耗与不稳定的生活带来的持续压力等方面因素，这些因素加速了疾病从潜在风险向显性慢性病的转化进程。早期健康损耗的累积效应，为老年期多病共存埋下隐患。［26-27］异质性分析结果进一步验证了这一可能，流迁经历对农村人口老年期慢性病患病数量的影响在男性老年人中更为明显，这可能是因为男性农民工所从事的职业多为高劳动强度的建筑业、制造业等，而女性农民工多在服务业工作［28］，因此流迁对男性所带来的劳动损耗更为明显。
4.2 有流迁经历的农村老年人，慢性病数量增长轨迹的起点与增速显著提升
有流迁经历的农村老人，慢性病数量增长轨迹的起点更高、增速更快。这不仅与流迁经历所带来的健康劣势累积有关，也反映出我国在保护乡—城流动人口和农村回流人口的健康方面仍有短板。一方面，曾经流迁的老年人慢性病数量增长轨迹中，中起点和高起点的概率明显高于未曾流迁的群体，这一现象可能与流迁过程中医疗保障体系未能充分覆盖有关。受户籍制度限制，乡—城流动人口的医保参保率明显低于城镇户籍人口［29］，导致其在疾病早期往往倾向于选择非正规医疗渠道就诊，延误了规范治疗时机［30］，加剧了疾病的进展与积累，最终在刚步入老年期便同时患较多种类的慢性病。另一方面，曾经流迁的老年人慢性病数量增长轨迹中，中速和快速增长的概率显著高于未曾流迁的群体，这一现象可能与农村医生卫生服务发展相对滞后有关。罹患一种慢性病后，机体抵御其他疾病的能力随之下降，在流迁健康劣势因素的加持下，个体更可能患上其他慢性病，从而形成疾病叠加。［31］返乡后生活于农村地区，患有多种慢性病的回流老年人难以获得系统的规范治疗［32］，进一步增加了单病演变为多病的风险，导致慢性病患病数量呈加速增长态势。
5 建议
5.1 加强乡—城流动人口职业防护与健康教育
对于尚在流迁过程中的农村人口，要从源头遏制健康风险因素。一方面，加强对其职业健康防护，特别是针对高风险行业的农民工群体，建立职业病风险预警机制与健康档案，例如通过数智技术和设备监测工作环境、时长、生理指标等，超过设定的预警标准便触发安全提醒；其次，为农民工提供免费或低成本的、针对性强的定期职业健康体检，推动建立覆盖全生命周期的电子健康档案；最后，借助社区、企业工会、行业协会、地方商会和同乡会等多种组织切实加强农民工健康教育，将慢性病预防知识和基本急救技能培训纳入其中，帮助他们认识生活方式对老年期健康的影响，建立全生命周期健康观。
5.2 强化对回流返乡人口慢性病干预与管理
村委会、村卫生室、乡镇卫生院等应主动摸排回流返乡人口名单，及时接收与更新健康档案，了解其在外地的职业暴露史、既往病史等健康信息，将其纳入重点健康管理对象范围，对从事高风险行业的人群可能出现的慢性病进行预判。结合职业史，精准帮助回流老年人进行个性化慢性病管理，规范化已有慢性病治疗路径，降低疾病新增风险，例如定期随访并指导用药、加强多学科联合诊疗、开展针对性康复指导等。
5.3 完善全生命周期的医疗保障体系
对于尚在流迁过程中的农村人口，需优化跨统筹区医保转移接续流程，深化异地就医直接结算改革，确保其及时获得诊疗服务；对于在原流入地参加职工医保的农村回流人口，需优化跨制度权益转化方案，通过缴费年限科学折算与个人账户定向转移实现保障平稳过渡；对于其他回流人口，应扩大基本医疗保险可持续覆盖范围，努力做到回流人口参保动态清零，通过强制参保机制与财政补助措施消除保障盲区，同时将门诊慢性病、特殊病种纳入直接结算范畴，减轻其参与规范化治疗与康复管理的经济障碍。
作者贡献：唐丹负责论文选题、研究设计、论文修改与定稿；李星语负责研究设计、数据收集与分析、论文撰写与修改；宫正敏协助完成论文的撰写与修改。
作者声明本文无实际或潜在的利益冲突。
［1］薛彩霞， 王录仓， 常飞. 中国城市流动人口时空特征及影响因素［J］. 地域研究与开发， 2020， 39（2）： 157-162.
［2］周皓. 中国人口流动模式的稳定性及启示： 基于第七次全国人口普查公报数据的思考［J］. 中国人口科学， 2021（3）： 28-41，126-127.
［3］王子凤， 张桂文. 乡村振兴背景下返乡回流农民工主观幸福感研究： 外出务工经历的潜在影响［J］. 西北人口，2023， 44（1）： 29-42.
［4］余成普. 中国农村疾病谱的变迁及其解释框架［J］. 中国社会科学， 2019（9）： 92-114，206.
［5］唐丹， 李星语. 增益还是损耗？流动经历对我国农村人口老年期健康的影响［J］. 人口学刊， 2025， 47（2）：77-94.
［6］焦开山， 包智明. 社会变革、生命历程与老年健康［J］.社会学研究， 2020， 35（1）： 149-169，245.
［7］MAYER K U. New directions in life course research［J］.Annual review of sociology， 2009， 35（1）： 413-433.
［8］DANNEFER D. Cumulative advantage/disadvantage and the life course： Cross-fertilizing age and social science theory ［J］. The Journals of Gerontology Series B：Psychological Sciences and Social Sciences， 2003， 58（6）：S327-S337.
［9］孙文中， 刁鹏飞. 生命历程与累积劣势：农村老年贫困人口的健康风险研究［J］. 学术探索， 2018（12）： 62-68.
［10］CHISWICK B R， LEE Y L， MILLER P W. Immigrant selection systems and immigrant health［J］. Contemporary Economic Policy， 2008， 26（4）： 555-578.
［11］齐亚强， 牛建林. 地区经济发展与收入分配状况对我国居民健康差异的影响［J］. 社会学评论， 2015， 3（2）：65-76.
［12］聂伟. 就业质量、生活控制与农民工的获得感［J］. 中国人口科学， 2019（2）： 27-39，126.
［13］饶惠霞. 基于工作生活质量视角的农民工管理制度创新［J］. 广东社会科学， 2012（4）： 215-220.
［14］DEAN J A， WILSON K. “My health has improved because I always have everything I need here…”： A qualitative exploration of health improvement and decline among immigrants［J］. Social Science & Medicine， 2010， 70（8）： 1219-1228.
［15］樊敏杰， 张祎萌， 杨蕊. 农村劳动力迁移与城乡居民健康人力资本差异［J］. 开发研究， 2023（4）： 104-118.
［16］Turra C M， Elo l T. The Impact of Salmon Bias on the Hispanic Mortality Advantage： New Evidence from Social Security Data ［J］. Population Research and Policy Review， 2008， 27（5）： 515-530.
［17］尚越， 丁士军， 石智雷. 是健康选择还是迁移影响： 不同迁移类型农村劳动力健康差异分析［J］. 南方人口，2019， 34（3）： 13-24.
［18］ELDER J R G H. The life course as developmental theory［J］. Child Development， 1998， 69（1）： 1-12.
［19］杨磊. 童年逆境与晚年慢性病发展轨迹［J］. 社会发展研究， 2023， 10（3）： 62-82，243.
［20］刘琳， 陈饶， 李宁秀， 等. 基于多水平模型分析农村地区不同居住方式老年人健康状况及其影响因素［J］. 四川大学学报（医学版）， 2018， 49（6）： 934-937.
［21］王雪辉. 中国慢性病老年群体脆弱性评价及特征研究［J］. 东北大学学报（社会科学版）， 2023， 25（1）：96-105.
［22］高明华. 不要独自走进那个良夜： 社交能力受限对认知老化轨迹的影响［J］. 东南大学学报（哲学社会科学版）， 2022， 24（4）： 101-112，148.
［23］刘瑞平， 李建新. 童年逆境对中老年人失能轨迹的影响［J］. 人口学刊， 2023， 45（1）： 68-80.
［24］HECKMAN J. Sample selection bias as a specification error［J］. Econometrica， 1979， 47（1）： 153-161.
［25］李子豪. 电子健康档案改善流动人口健康水平了吗： 基于医防融合的视角［J］. 中南财经政法大学学报， 2024（3）： 70-82.
［26］梁伟军. 劳动者权力视阈下的农民工权益保障分析［J］. 江汉论坛， 2017（7）： 135-139.
［27］刘瑞平， 刘梅. 时空视角下的老龄健康不平等： 理论、方法与政策意涵［J］. 老龄科学研究， 2023， 11（12）：64-75.
［28］谭深. 农村劳动力流动的性别差异［J］. 社会学研究，1997（1）： 42-47.
［29］王超群. 中国基本医疗保险的实际参保率及其分布特征： 基于多源数据的分析［J］. 社会保障评论， 2020， 4（1）： 67-84.
［30］俞林伟， 陈小英. 农民工就医意向选择及其影响因素的实证分析： 基于温州的调查［J］. 江西社会科学， 2017，37（1）： 229-235.
［31］闫泽玉， 陈大方. 慢性病共病模式研究进展［J］. 中华疾病控制杂志， 2023， 27（4）： 471-475.
［32］武玉. 中国老年流动人口健康的城乡差异及影响因素研究［J］. 东北农业大学学报（社会科学版）， 2022， 20（1）： 56-65.
The impact of migration experience on the chronic disease of rural older adults： Based on CHARLS 2011—2020 data
X