数据来自心血管健康研究(CHS)，这是一项基于人群的纵向研究，对5888名65岁及以上的成年人进行了心脏病和中风危险因素的基线研究[ 24]．参与者是从四个美国社区的四个美食符合条件的成年人的随机样本招募，在年度诊所访问和电话期间收集了广泛的数据。1989年和1990年招聘的5201名参与者的原始队列最多有10年度临床检查。第二枚非洲裔美国人为1993年和1994年招募了687名非裔美国人的队列，达到了七年的年度考试。

本研究中使用的12个变量是基于自我报告或观察的健康措施。他们被选中，以捕捉心理，身体，认知和功能状况的各个方面。所有这些都是每年测量的。每个值与“健康”和“生病”分成二分法，如表所示 1，使用先前公布的临界值或逻辑阈值[ 27.]．一些涉及反应的区域内在暗示着疾病。对于住院治疗(HOSP)、卧床天数(bed)、日常生活能力限制(ADL)、IADL限制(IADL)和肢体力量差(EXSTR)，认为存在任何困难或一项或多项损伤的参与者被认为在该领域患病。对于“生命是有价值的感觉”(FLW)，“高兴”、“高兴”和“基本上满意”的回答被认为是健康的;那些“基本上不满意”、“不开心”和“很糟糕”的人被认为是病态的。对于生活目的的满意度(SPL)，使用“非常满意”(1)和“完全不满意”(10)之间的10分量表，比“既不满意也不满意”(<4)更好的答案被用来描述健康。对于抑郁症(DEP)， CES-D抑郁量表得分低于10分的人被用来描述健康状况[ 20.， 28.]．对于自我评价的健康（SRH），自我报告的“优秀”，“非常好”或“良好”的一般健康被定义为健康，“公平”或“穷人”为病人[ 29.]．健康认知状态(COG)定义为100分制89分以上，对应MMSE 26分以上，提示认知完整[ 30.]．用于手动的病态（TWLK）的病态由15英尺的步行中每秒小于0.66英尺（10秒）的速度，这是低速的标记[ 31.]．最后一周步行街区(BLK)被分为28个或更多街区，以表示健康状态[ 32.]．由于分析比较的是每个领域内的年龄和性别群体，而不是各个领域之间的年龄和性别群体，健康和疾病状况流行率的差异由于不同的界限而不太可能对主要结果产生重大影响。

为了简化比较，年龄分为三类-65-74,75-84，75-94和85-94 - 按照“年轻老，”“老老，”和“最古老的”的共同定义。人员可以贡献数据到多个年龄类别，具体取决于他们在每次转换开始时的年龄。

在将死亡重新编码为零健康的转换之后，通过在每个人的现有数据点之间进行时间插值，对缺失数据进行插补。在序列结束时仍然缺失的任何数据被外推为最后观察值和转化自评健康（每6个月测量一次，因此具有很好的特征）的平均值[ 33.， 34.]．没有对参与者进行归罪。使用了所有可用的观察结果，包括那些推测出来的结果。

为了表示和比较不同领域健康和疾病状态的患病率和发病率，并考虑死亡，我们使用了转移概率方法。这项技术已被用于检查老年人健康的其他变化，包括自我评估健康[ 13]，肥胖[ 14]， 沮丧 [ 20.，以及痛苦[ 35.]．转移概率模型做了一个简单的假设，即健康状况测量可以被分类为离散状态，个体可以在这些状态中移动。图中的椭圆 1表示离散的运行状况状态，箭头显示在单个时间间隔(一年)内从一种状态转换到另一种状态的可能性。每个州的人数(用椭圆形表示)是总体人口中健康或疾病的相对流行率。

当在两个时间点进行评估时，这些状态之间有六种可能的转变:保持健康(P(HtoH))、生病(P(HtoS))、生病(P(StoS))、变得健康(P(StoH))、死于健康状态(P(HtoD))和死于疾病状态(P(StoD))。人们以一定的概率在这些状态中移动，这可能因年龄、性别或其他特征而不同。系统的平衡或稳态流行率可以直接从转移概率计算[ 36.]．

每个波中每个变量的健康状态的患病率被计算为健康的生物人的百分比。从一年间收集的数据的叙述性估计从国家转变为国家转换的一年概率。所有5888名参与者都使用了开始状态和起始状态的所有情况。描述按年龄和性别群体的一般模式。我们估计从每个健康状况（生病或健康）开始的参与者的一年过渡概率。这些过渡概率，如图所示 1，被构造为一个简单的分数：移动到其他状态或保持状态的次数/开始时间点处于该状态的次数。对每个年龄和性别分组分别进行计算。使用横截面时间序列逻辑回归（Stata中的xtlogit命令）测试估计的转移概率与年龄和性别的相关性。这种形式的广义估计方程解释了参与者对多个观察结果的贡献。我们对同年龄组的男性和女性进行了单独分析，并使用广义估计方程估计了差异的统计显著性。

个体比较的显著性水平设为 P < 0.05 表中粗体部分显示了同一年龄段男女在这一程度上的差异。课文中描述了年龄上的差异。我们总结了跨变量的重要发现，并提醒大家，所有显著差异的5%可能是由于偶然性。多重比较没有明确的调整，因为所有的结果都显示出来了(也就是说，我们不是只选择运行多个模型后的显著结果，而且因为有大量潜在的组合假设)。

分析在Stata (StataCorp, College Station, Texas, version 11.2)中进行。

前两行表 2显示每组的观察数（转变对），以及按年龄和性别的平均年龄。男性和女性的每个类别的平均年龄没有显着差异。接下来的12行显示每个变量的健康状态的普遍存在。例如，对于医院，91.3％的女性65-74岁的女性“健康”被定义为“没有医院日”。对于同一年龄范围的男性，健康状态的患病率为88.0％。在三个年龄组中，妇女的普遍存在的医院从91.3％下降到87.8％至84.9％。

按年龄和性别分列的患病率。表中所有流行率值 2随年龄增长而下降；与较年轻的年龄组相比，随后各年龄组的患病率值显著更低。表中粗体的条目 2显示哪些情况下女性或男性的健康状况明显更高。仅在HOSP和COG组中，女性明显比男性健康。在所有其他33个领域和年龄组中，男性健康状况的患病率显著高于女性，但有三个领域和年龄组没有显著差异。

桌子 3.显示最初处于健康状态的人的过渡概率。例如，对于医院，65-74岁，健康的女性（未经医院留在第一年）的妇女仍有0.92次剩余健康（未在明年的住院）的概率，而生病的0.08次概率（患病率）和0.01点染色概率。上表和下表中的大胆条目代表妇女或男性变得或更加健康的概率。发现超过一半的比较是统计学意义的。

在所有三种比较中(保持健康、生病和死于健康状态)，几乎所有健康领域都随着年龄的增长而显著下降。在大多数比较中，男性比女性更有可能保持健康，生病的可能性更小，而男性更有可能死亡。

桌子 4显示了最初处于患病状态的人的转移概率。加粗的条目表明妇女(表上端)或男子(表下端)健康得多的患病或康复概率或死亡概率。为了方便起见，我们认为P(StoS)，即继续患病，是一个不利的过渡，因为患者没有康复，但也可以认为是有利的，因为患者没有死亡。

在几乎所有健康领域中，随着年龄的增长，病愈的可能性显著下降，而死于病愈的可能性随着年龄的增长而增加。在总共36组中，有6组女性明显比男性更有可能从疾病状态中恢复;而男性则更有可能在12年内康复。在36组研究中，有23组男性保持生病状态的可能性低于女性;在任何情况下，女性保持患病的可能性都不明显低于男性。在每个健康变量中，男性死于疾病的可能性明显高于女性。

与以前的卫生域名的以前的方法不同，这种分析审查了12名老年人成功老龄化措施中的患病率和过渡。与相关的12个健康有关的变量有所不同，包括身心健康，生活质量和健康行为的衡量标准。有些是自我报告的，有些是通过客观测试来衡量的。有些是主观的单项问题，而其他人则基于结构化反应。尽管存在这些差异，但大多数成功衰老的措施都以与年龄和性别的协会在其协会的情况下进行的。

总的来说，流行趋势表明，随着年龄的增长，健康的初始比率高，健康的持续增量下降。第一，情绪和功能健康的流行情况见表 2即使到了老年，仍然保持相当高的水平。例如，在85-94岁的人中，大约85%的人表示生命是值得的。第二，所有领域的健康状况都随着年龄的增长而下降：没有哪个领域可以免受老龄化的影响。某些方面的下降幅度更大，尤其是认知功能、定时行走和街区行走。在这些领域，年龄最大组的健康参与者比例不到年龄最小组健康参与者比例的一半。然而，该社区队列中85-94岁的大多数男性和女性没有住院日，没有卧床日，没有日常生活困难，没有抑郁，有很高的自我评价健康，并且认为生命是值得的。这些发现证明了老年人和高龄老人的整体成功老龄化，并挑战了关于这些群体疾病和残疾高发病率的陈规定型观念。

除住院治疗和认知状态外，男性健康状况的患病率较高。在表 4在这些健康领域，男性的HtoS始终高于女性；桌子 3.P(StoH)差异较小且不一致。因此，大多数性别差异是由发病率的差异造成的，而不是从疾病中恢复的差异。换句话说，男性似乎更健康，因为他们不太可能转变 进入生病状态，而男人和女人表现出对健康的大致相同的回报。这意味着对男性的老龄化过程，其中最糟糕的人是通过恢复或死亡而持续去除的，而对于女性来说，最恶劣的人的可能性不太可能被删除。对于年龄效应来说，有不同的趋势：随着年龄的增加，保持健康的概率低于保持病变的概率，这降低了健康的患病率。因此，年龄较大的成年人比年轻成年人更健康，主要是从疾病的恢复不太可能与较高的死亡概率相结合。这些发现可能对疾病预防和治疗计划产生一些影响[ 37.]．

我们发现了几个基于性别的关键差异。男性死于疾病或健康的情况比女性更多，在活着的时候比女性更健康，而且更有可能从疾病中康复。如果男性的健康轨迹仅仅是女性轨迹的过早或加速版，那么可能会发生类似的转变，而这些差异的特征并没有被几年的周期所抵消。比较男性和女性的相邻年龄类别(例如，65岁的男性与75 - 84岁的女性)显示，在96个可能的比较中，有58个(60%)显示，年轻男性的转变与年长女性的转变更为相似，而年轻女性与年长男性的转变则更为相似。ADL状态如图所示 2，其中男性的过渡概率对于P（HTOH）始终较高，但P（STOH）降低，并且没有女性过渡的转变（如通过向左移动妇女的线，或通过压缩曲线）这将使他们与男人匹配。

这些结果表明，在衰老过程中，男性和女性在健康转变方面存在质的差异，而不仅仅是男性“衰老更快”，正如人们所认为的那样[ 23]．如果这是如此，男人会比女性更早地发育疾病，仍然像女性一样恶心，并且与妇女的疾病状态有同垂死的可能性。不仅在没有看到这种效果，而且在许多情况下观察到相反的效果。调查结果表明，男性可能表现出比女性更大的压缩或平方比女性相似[ 38.]．换句话说，无论如何定义，疾病的发生似乎并不是导致男性比女性早死的关键中介，也没有其他与性别相关的因素能很好地解释这种影响。

观察到的男性和女性在发病率和健康流行率方面的差异鼓励了人们对其在人类性别二型性中的病因的猜测，并论证了男性和女性衰老方式之间的根本差异。历史分析表明，传染病带来的环境压力和可利用的资源导致妇女寿命延长[ 39.]．一些研究表明，妇女的死亡率降低可归因于低风险，健康的生活方式[ 40， 41.]，或缺乏雄性激素，如睾丸激素[ 42.]．其他因素包括慢性病分布不均，吸烟等健康行为，以及疾病对死亡率的不同影响[ 40]．妇女可以不同地评估他们的健康状况，例如通过应用不同的锚点来定义病人和健康的国家，或者更愿意承担生病的角色。[ 43.， 44.]．住院治疗和认知状况是妇女比男子健康的唯一变量，这一事实支持了后一种可能性，这是相对客观的衡量标准。尽管如此，另一项衡量健康的客观指标——定时步行对男性更有利。为了更好地理解这些性别差异背后的潜在因素，使用其他变量、数据集和年龄组重复这些分析可能是有用的，同时注意自我报告和绩效衡量的差异。

首先，大约十分之一的数据丢失了，必须进行估算。不过，对死亡的确定基本上是完全的。我们使用插值和外推的方法，假设缺失的健康状况主要与缺失测量前后的数据一致，并在接近死亡时下降，这可能使变化最小化。男性和女性在缺失方面没有差异，而且这种归罪方法不太可能加剧群体差异。其次，这里报告的个体显著性检验应该被认为是描述性的，而不是决定性的，因为在这个分析中进行了大量的比较。第三，各种结果测量中的“健康”类别不应按字面意思解释，因为健康和疾病状态的界限是通过单独对每个变量进行分类而确定的，而不是通过将它们与主观或客观健康的其他指标交叉验证。大多数的临界值都将面部效度作为健康的标志。第四，为了产生直接的描述性结果，我们没有对其他可能混淆年龄、性别和健康之间关系的患者健康水平或社会人口学特征进行调整。研究这些可以帮助理解男性和女性在衰老过程中的差异。