摘要
背景：裁员不仅影响失业者健康，也波及留任员工。现有研究发现留任员工短期内心理健康状况较差，但对死亡率等长期健康结局的影响尚不明确。
方法： 我们对1950至1980年间在密歇根州三家汽车制造厂工作的9761名工人队列中，白人男性、非白人男性和女性员工在岗期间经历的裁员强度与全因及特定原因死亡率的调整风险比进行了估算。我们将裁员强度定义为在岗期间经历的裁员月份数除以就业时长，并通过自回归积分滑动平均模型识别裁员月份——即员工离职率超过预测值1.96个标准差的月份。
结果： 非白人男性群体中存在统计学显著关联，而女性和白人男性未发现此类关联。相较于裁员强度低于第一四分位的非白人男性，裁员强度处于第一至第二四分位的全因死亡调整风险比为1.35（95%置信区间1.05至1.74）；裁员强度处于第二至第三四分位时，癌症和肺癌死亡的调整风险比分别为1.85（95%置信区间1.08至3.17）和2.41（95%置信区间1.00至5.84）。
结论： 在岗期间经历的裁员可能导致非白人男性员工早逝。减少劳动力波动或有助于缩小健康领域的种族差异。
本研究的新发现
- 我们发现，在岗期间暴露于裁员的非白人男性，在65年随访期内全因死亡和癌症死亡风险存在关联证据。裁员强度与死亡率的关联在非白人男性中强于女性或白人男性。
本研究对研究、实践或政策的潜在影响
- 裁员事件后留任的员工仍可能面临相关健康负面影响。减轻劳动力波动及其连锁效应的干预措施，可在员工离职后保护其长期健康，并缩小种族健康差距。
引言
裁员、劳动力缩减和组织精简是美国普遍接受的管理实践。1967至2019年间，美国因裁员导致的年均失业人数从20万至近300万不等。除特殊年份外，裁员率总体保持稳定；2022至2025年间，年均裁员率为120万。由于工作的性质、条件和可获得性构成重要的健康社会决定因素，失业对健康的潜在影响已成为数十年研究焦点。绝大多数研究关注失业者健康，但裁员也可能影响留任员工——即裁员期间继续受雇的"幸存者"。
组织员工数量的急剧减少构成工作场所社会环境的结构性变化。劳动力缩减往往标志着新工作形式和劳资关系的采用，雇主可能期望留任员工创造更高经济产出。机械化、计算机化和自动化等技术转型可提高生产率，但这些创新的采用常导致雇主对工作节奏的控制增强，以及对熟练劳动力的需求减少。因此，裁员后留任的员工可能面临自主权和集体谈判能力降低，但工作压力增大。尽管这些动态历史上更关乎"蓝领"职业，但人工智能的近期发展也使"白领"员工面临技术替代和工作强化风险。任何组织中，劳动力规模、工作环境和工作性质必然动态变化。然而，当变化急剧且频繁时，可能损害员工长期健康。
关于裁员对留任员工健康影响的既往研究数量有限，但发现与未经历裁员的员工相比，留任者抑郁、焦虑、睡眠困难、肌肉骨骼症状和物质使用发生率更高。公司或组织员工数量的减少还与留任者死亡率上升相关。现有对裁员幸存者健康影响的研究多局限于欧洲工人。然而，裁员与员工健康关联的跨国异质性很可能存在，因为劳动/社会政策、工会力量、失业福利质量和文化工作态度等情境因素可能是重要的效应修饰因子。在国家内部，该关联可能因种族、民族和性别定义的人口统计群体而异，因为这些特征常影响或定义社会地位，以及将社会暴露与健康联系起来的心理/社会文化机制。
裁员与健康关系的潜在机制可能涉及行为和生物化学层面。现有研究表明，在岗期间经历裁员与烟草吸烟和物质使用等有害应对策略的采用相关。除影响行为外，社会暴露还可与基础健康状况互动，激活并非特异性强化病理生理通路。即使无临床疾病，压力事件暴露也可能导致生化变化，其效应可能潜伏期漫长而不明显。既往组织不稳定性研究显示，相比稳定就业者，经历不稳定就业、精简和重组的幸存者，其压力反应信号和心血管代谢标志物调节异常程度更高。压力暴露可能具有累积持久效应，因此社会人口学弱势群体个体可能对后续暴露的潜在危害尤为脆弱。
本研究利用美国汽车工人联合会-通用汽车（UAW-GM）队列数据，考察1950至2015年六十余年随访期内，在岗期间裁员强度与全因死亡、心血管疾病、癌症及外部原因死亡率的关联。除这三大广泛定义结局外，我们还调查了冠心病、急性心肌梗死、肺癌和结直肠癌等更具体死因。我们同时考察广泛和具体定义结局，因为裁员事件可能通过多种非特异性因果通路影响幸存者健康。为考量种族和性别的效应修饰作用，我们计算了亚组特异性调整风险比。在全球供应链、工会力量削弱和自动化增强背景下，裁员在美国可能更频繁且难以预测。理解裁员事件对留任员工的长期健康影响，有助于深化对劳动力不稳定如何损害员工健康并加剧健康差异的认识。
方法
我们使用UAW-GM队列中9761名员工的子集数据，该队列包括1980年代初前在密歇根州三家工厂至少工作3年的所有员工。我们聚焦1950至1980年间受雇员工的分析——二战后的数十年，我们拥有这些工厂所有员工的数据。特定原因死亡的随访从入职3年后开始，至死亡日期、观察到的最高死亡年龄或2015年12月31日结束，以先发生者为准。我们分析了从雇主和工会记录中提取的信息，队列的详细信息见其他文献。结局数据通过与国家死亡指数关联获得。死因使用国际疾病分类第九和第十修订版区分。
裁员识别
对每家工厂，我们通过识别员工离职率超过最佳拟合自回归积分滑动平均（ARIMA）模型预测值1.96个标准差的月份，确定1950至1980年间的裁员月份。由于月度就业数据以百分比表示（0-1区间），拟合ARIMA模型前先应用概率单位转换。通过检查差分时间序列确定差分程度，差分和季节性差分（12个月）得到无明显趋势或周期的时间序列。通过拟合所有可能的ARIMA模型（移动平均和自回归阶数≤自相关和偏自相关函数隐含的最大值），选择产生最低赤池信息准则（AIC）的阶数。
对随访中的特定个体，若其当月未离职，则将该就业月份归类为暴露于裁员。计算中假设所有月份均为30.4天。在裁员月份离职的个体不归类为在岗期间经历该裁员。此方法可减少因健康相关因素在裁员事件中退出劳动力市场导致的选择偏倚。我们将每个人年的时变平均裁员强度定义为在岗期间经历的裁员月份数除以就业时长。
统计分析
我们使用Cox比例风险模型，考察在岗期间裁员强度与全因死亡、心血管疾病、冠心病、急性心肌梗死、全癌症、肺癌、结直肠癌和外部原因死亡的关联。采用Efron法处理事件时间的结，以年龄索引风险集，并按工厂、日历年类别、入职日期、就业状态和就业时长（使用结局兴趣变量四分位数形成）分层基线风险。为考量效应修饰，我们分别为白人男性、非白人男性和女性拟合独立模型。非白人女性结局不足，无法进一步分层。由于队列中99%以上非白人个体为黑人，我们将种族作为二分变量处理。
我们采用分类表示和限制性惩罚立方样条表示两种方式分析裁员强度。分类表示时，除结直肠癌和外部原因外，所有结局均使用结局兴趣者非零暴露四分位数作为截点。结直肠癌分析中，白人男性使用三分位数，非白人男性和女性使用中位数以适应观察死亡数较少的情况；女性外部原因分析也使用中位数。允许惩罚样条对所有结局取4个自由度（结直肠癌除外），并在暴露最小值以下或90百分位以上限制为线性。结直肠癌分析中，使用AIC选择自由度。分类裁员强度分析中，最低类别（四分位、三分位或二分位）为参照类别；连续裁员强度分析中，参照值为每年0次裁员。
敏感性分析
我们操作化裁员暴露的方法新颖，因此进行敏感性分析以验证预期不会出现虚假关联。具体而言，通过模拟评估当用类似定义的随机伪暴露替代裁员强度时，学生化对数风险比分布是否以零为中心。通过从就业记录覆盖月份中随机抽样生成伪暴露，每家工厂抽样月份数等于前述方法检测到的裁员月份数。对每位员工，通过将就业期间随机月份数除以就业时长，计算随机月份的平均强度。除使用随机月份强度类别替代裁员强度外，其余建模均与主要分类暴露分析相同。我们将观察检验统计量与1000次模拟近似的随机化零分布对比，计算随机化p值——即随机化程序产生至少与观察检验统计量同样极端结果的频率。
所有分析均在R 4.2.2中进行。ARIMA模型使用"stats"包内置函数拟合，Cox比例风险模型使用"survival"包拟合。
结果
表1呈现7622名白人男性、1236名非白人男性和903名女性研究人群的统计特征。白人与非白人男性在岗期间经历的中位裁员次数相当，但白人男性就业年限通常较短，因此前者的中位裁员强度更高。女性经历的中位裁员次数、裁员强度和就业时长均高于男性。女性入职年龄和死亡年龄也普遍高于男性。非白人男性死亡中位年龄最低。大多数女性受雇于2号工厂，大多数非白人男性受雇于1号工厂。
图1显示各工厂员工离职率的月度时间序列。我们的方法在每家工厂检测到相似数量的裁员月份：1号、2号和3号工厂分别为11、12和9个月。各工厂ARIMA模型的自回归阶数、差分程度和移动平均阶数见在线补充表S1。1号工厂1975年9月离职率最高（5.0%），其次为2号工厂1961年1月（2.8%）；3号工厂1976年9月最高（1.8%）。《纽约时报》同期关于汽车行业持续和计划裁员的报道部分佐证了这些发现。
图2-4展示亚组特异性调整风险比估计值。在线补充表S2、S3和S4提供数值结果。白人男性的调整风险比总体接近无效值。非白人男性中，全因死亡调整风险比升高，在第二四分位裁员强度时最高（1.35，95%置信区间1.05至1.74）。非白人男性中，第三四分位裁员强度相关的癌症和肺癌死亡调整风险比也升高，分别为1.85（95%置信区间1.08至3.17）和2.41（95%置信区间1.00至5.84）。
在线补充图S4、S5和S6分别显示白人男性、非白人男性和女性裁员强度的惩罚样条拟合结果。与分类分析一致，白人男性中未发现裁员强度与死亡率的统计学显著关联。非白人男性中，在岗期间裁员强度相关的癌症死亡调整风险比在5.3次/10年就业时达峰值3.0；肺癌死亡风险比在6.9次/10年就业时达峰值3.1。外部原因死亡调整风险比在裁员强度>3.7次/10年时大于1，在8.4次/10年时达统计学显著。女性样条暴露分析结果混杂且标准误较大。随机化检验产生的检验统计量分布近似正态，且以理论零值为中心。非白人男性中，全因死亡、癌症和肺癌的观察检验统计量相对于随机化分布量值较大。
讨论
本研究补充了关于裁员和劳动力缩减对留任员工潜在影响的有限文献。我们发现非白人男性在岗期间裁员强度与死亡结局存在正向关联，而女性和白人男性未发现此类关联。既往关于裁员幸存者健康的大多数研究未调查死亡率，而是关注非致命性伤害、心理健康、病假和住院等结局。但其他调查死亡率的研究报告了幸存者风险升高。在一项约2.4万名市政员工的队列研究中，Vahtera等发现1990年代经历组织精简部门的员工，在7.5年随访期内死亡风险是未精简部门员工的两倍。我们的估计值可能因国家、环境、随访时长和裁员规模差异而与这些发现不同。
由于假设在岗期间更高裁员强度对健康的危害更大，我们惊讶地发现女性或白人男性中缺乏明确关联证据，且非白人男性中关联通常非单调。健康工人效应可能部分解释非单调性：对裁员潜在影响较不敏感的个体可能留任更长时间。这一潜在偏倚来源促使我们将就业时长纳入调整集。但就业时长可能位于裁员强度与死亡率的因果路径上，调整该变量也可能导致偏倚。未来分析可使用g方法更好地处理这种复杂偏倚源。
按种族划分的发现差异与关于压力社会暴露对弱势种族群体个体差异性危害的证据体一致。在美国，种族群体受制于多层次权力等级，包括个人、人际/文化和制度/结构性层面。若研究人群中的白人男性拥有更多保护性结构性资源和文化因素，则他们可能对裁员有害影响的敏感性较低。
非白人男性中，在岗期间裁员强度相关的肺癌死亡风险比估计值最高。尽管此发现提示吸烟可能是本研究人群的重要中介因素，但我们强调，社会暴露与健康关联的潜在因果机制可能随时间推移和不同情境而显著变化。社会暴露可通过多种中介机制发挥作用，影响不同病因的疾病。因此，上游暴露应是改善目标而非其中介机制，因为消除一种中介可能导致其被另一种替代。
由于研究人群中女性远少于男性，且非白人女性极少，死亡数不足以允许按种族分层估计女性的调整风险比。遗憾的是，这可能掩盖白人与非白人女性关联的重要差异。未来对女性数量更大的研究人群分析，可深入揭示性别、种族及其交叉如何影响裁员与留任员工健康的关系。
在裁员幸存者研究中，我们识别和定义在岗期间裁员暴露的方法独特。既往研究常将裁员幸存视为二分变量，但我们利用长期研究期和纵向就业数据，将裁员强度作为分类时变暴露调查其对幸存者的潜在影响。我们的暴露定义捕捉了员工整个就业过程中的裁员强度变化。既往研究常通过固定阈值（特定时间间隔内因任何原因离职的员工数量或比例）从就业数据中识别裁员，超过阈值的月份或年份即被认定为裁员或劳动力缩减。
我们识别裁员的方法避免了直接在就业数据上指定固定阈值的需要。相反，我们在预测离职率百分比分布的离散度上设定阈值。选择1.96个标准差意味着识别月份的离职率将高于95%预测区间的上限。此阈值选择与另一项研究相当，该研究使用时间序列模型残差定义暴露兴趣。通过这种方式识别裁员月份，我们得以考虑趋势、周期性和自相关。在劳动力稳定期的小规模裁员和不稳定期的大规模裁员均可被检测。此外，此方法还避免了指定冷却期以防止跨多时间段重复计数单一裁员事件的需要。
与其他裁员幸存者健康影响研究一样，我们缺乏个体离职原因数据。我们基于所有原因离职识别裁员月份。识别的裁员月份可能源于意外高自愿离职率，而非雇主自主解雇。但若这些月份源于意外高退休率，我们预期离职者年龄应与识别的裁员月份相关。然而，我们发现离职者年龄在这些月份与其他研究月份无差异（相关性<0.01）。此外，当时的报纸报道似乎部分佐证了我们的裁员识别策略。
本分析发现，1950至1980年间在三家汽车制造厂工作的非白人员工，若在岗期间经历更高裁员强度，则死亡风险更高，尤其是肺癌死亡。我们研究的人群是"蓝领"工人，但发现可能对"白领"职业也有启示。自1960年代以来，流水线工人因自动化面临技术替代和工作强化。如今，人工智能日益普及可能对历史上抗拒自动化的行业产生类似影响。不同行业和组织的裁员对留任员工健康的损害程度，以及对健康种族差异的贡献，将取决于一般经济环境、员工保护力度、失业福利可获得性、工作文化态度，以及这些因素在种族化和性别化社会中的运作方式。关于潜在保护性情境因素和其他上游决定因素的未来研究，有望在经济和组织不稳定时期改善员工健康并减少差异。
【全文结束】
