本文關鍵詞：常見慢性病危險因素測量及風險等級評估方法研究，由筆耕文化傳播整理發(fā)布。

【摘要】：慢性病具有發(fā)病隱匿、潛伏期長、發(fā)病后不能自愈或很難治愈等特點,是目前影響人類健康的主要公共衛(wèi)生問題。然而,慢性病又是一種可以有效預防和控制的疾病。相關研究表明,在冠心病、糖尿病等疾病死亡率大幅度下降的原因中,約一半以上的原因歸因于危險因素的下降,特別是吸煙率和膽固醇水平下降起了重要作用。據(jù)此,開展常見慢性病危險因素測量及風險等級方法研究,進而有針對性制定危險因素干預措施,對于慢性病的有效防治具有重要意義。健康體檢是目前公認的慢性病風險評估研究的工作基礎和重要內容。健康體檢數(shù)據(jù)積累了大量的人群健康信息,是開展人群健康評價及常見慢性病風險評估的主要信息來源,為臨床流行病學及慢性病預防控制研究提供了重要平臺。但由于目前健康體檢結構缺乏統(tǒng)一的數(shù)據(jù)采集標準,各體檢機構的體檢數(shù)據(jù)儲存結構、數(shù)據(jù)項及值域各不相同,不同體檢機構的體檢結果無法進行跨機構匯總及統(tǒng)計,導致群體健康體檢信息浪費,也給慢性病風險評估研究工作的順利開展帶來一定困難。另外,目前國內還沒有規(guī)范統(tǒng)一的基于健康體檢數(shù)據(jù)的慢性病風險評估數(shù)據(jù)集及相關數(shù)據(jù)標準,健康體檢機構在體檢之后無法繼續(xù)進行個體健康信息與健康結果之間的關聯(lián)性分析及健康風險評估,因而無法實現(xiàn)個體化健康指導及干預。為盡快利用健康體檢平臺,統(tǒng)一體檢數(shù)據(jù)庫標準,提取重要的健康相關數(shù)據(jù),挖掘有意義的臨床信息,有必要開展健康體檢數(shù)據(jù)采集標準及基于健康體檢數(shù)據(jù)的常見慢性病危險因素監(jiān)測及其量化研究。研究目的1.基于循證醫(yī)學文獻檢索結果,參照臨床專家意見,結合我國國情實際,了解及確定高血壓、冠心病、腦卒中、糖尿病、胃癌、肺癌和乳腺癌7種常見慢性病的主要危險因素,為有效開展常見慢性病危險因素測量及風險等級評估研究提供理論基礎及科學依據(jù)。2.本研究設計的常見慢性病風險評估基礎問卷及7種疾病的專項專病風險評估問卷,為有效開展其他慢性病風險評估研究提供了標準及依據(jù)。3.基于哈佛癌癥指數(shù)法、合成分析法和Joint模型等統(tǒng)計建模方法,研發(fā)基于統(tǒng)計模型的疾病風險等級評價工具。研究方法1.參照相關臨床指南,結合專家意見,采用循證醫(yī)學文獻檢索方法,了解及確定高血壓、冠心病、糖尿病、胃癌、肺癌和乳腺癌7種常見慢性病的主要危險因素。2.基于健康管理理念,參考國內外相關研究成果,依據(jù)國內外信息標準及行業(yè)業(yè)務規(guī)范,以國內大型健康體檢機構紙質問診問卷及電子健康檔案為基礎,設定問卷條目選擇標準,研究設計常見慢性病風險評估的基礎問卷和7種常見慢性病的專項專病風險評估問卷。并依據(jù)各疾病風險評估問卷,構建常見慢性病風險評估基本數(shù)據(jù)集和7種疾病的專項專病風險評估基本數(shù)據(jù)集。3.參閱國內外相關文獻,采用主流評分方法,構建高血壓、冠心病、腦卒中、糖尿病、胃癌、肺癌和乳腺癌7種疾病的風險評估模型,并對各疾病風險評估模型進行信度及效度檢驗。4.基于文獻研究資料,參照哈佛癌癥指數(shù)方法,構建高血壓發(fā)病等級風險指數(shù)。通過對高血壓風險等級與高血壓實際發(fā)病之間的相關性研究,評價高血壓發(fā)病風險等級指數(shù)的預測性能等特征。5.基于橫斷面健康體檢數(shù)據(jù),采用合成分析法構建高血壓發(fā)病風險評估模型;以ROC曲線下面積、靈敏度和特異度等為主要評價指標,對比分析合成分析模型與傳統(tǒng)Logistic回歸模型的預測性能。6.基于縱向隊列研究數(shù)據(jù),以高血壓發(fā)病風險預測模型構建為例,探討研究傳統(tǒng)Logistic回歸分析、Cox回歸分析及Joint模型三種多因素統(tǒng)計建模方法在常見慢性病危險因素測量研究中的應用;通過比較ROC曲線下面積大小等指標,對模型的預測性能及精確性等進行評價研究。主要研究結果1.參照相關臨床指南,結合專家意見,根據(jù)循證醫(yī)學文獻檢索結果可知,影響高血壓、冠心病、腦卒中、糖尿病、胃癌、肺癌和乳腺等7種常見慢性病的共同危險因素有:家族史、血脂異常、肥胖、吸煙、被動吸煙、大量飲酒、蔬菜攝入不足、水果攝入不足、缺乏體育鍛煉、睡眠問題、長期精神壓力、情緒及負性事件等。此外,各常見慢性病有其特異性危險因素,如心腦血管疾病的早發(fā)家族史;糖尿病的妊娠糖尿病史;胃癌的幽門螺桿菌感染、A型血;肺癌的特殊職業(yè)暴露史;乳腺癌的初潮年齡、絕經(jīng)期年齡及人工流產(chǎn)次數(shù)等。2.本研究設計的慢性病風險評估基礎問卷的標準化電子文檔架構主要包括文檔頭和文檔體兩部分。其中文檔頭包含體檢表標識、體檢機構、受檢者標志和人口學特征四個部分,文檔體部分主要包括問診問卷(主要包括現(xiàn)病史、既往史、精神心理因素和專項專病評估項目)和體格檢查兩大部分。問診問卷中的既往史主要涉及用藥史、家族史、暴露史(環(huán)境暴露和職業(yè)暴露)、生活方式(飲食、吸煙、飲酒、體育運動、體力活動和睡眠狀況)等內容,另外該問診問卷還包含了婦女月經(jīng)史及婚育史等相關內容;專項專病項目主要是針對心血管疾病(高血壓、冠心病和腦卒中)、代謝性疾病(糖尿病)及惡性腫瘤(胃癌、肺癌和乳腺癌)三大類共7種疾病的風險評估研究而設計的特定條目;精神心理因素主要涉及脾氣性格、工作及生活壓力、負性事件及情緒等因素。3.參閱相關文獻,根據(jù)預實驗分析結果及專家指導意見,研究設計了常見慢性病風險評估問卷(本研究中將其稱為常見慢性病風險評估基礎問卷)。該基礎問卷除個體基本信息和常規(guī)體格檢查外,主要包含113個問卷條目,所有指標(條目)均來自國人健康標準化指標庫。慢性病風險評估基礎問卷共包含210個標準數(shù)據(jù)元,其中文檔頭數(shù)據(jù)元25個,文檔體數(shù)據(jù)元185個。在185個文檔體數(shù)據(jù)元中,167個數(shù)據(jù)元為通用數(shù)據(jù)元,其他18個為女性專用數(shù)據(jù)元。4.基于標準化慢性病風險評估基礎問卷,參考相關文獻,研究設計了高血壓、冠心病、腦卒中、糖尿病、胃癌、肺癌和乳腺癌7種疾病的專病風險評估問卷,并對各問卷中的指標及數(shù)據(jù)進行了標準化處理。各專項專病風險評估問卷所包含的條目及數(shù)據(jù)元不同。其中高血壓專項評估問卷由10個指標組成,共包含31個數(shù)據(jù)元,其中17個數(shù)據(jù)元為核心數(shù)據(jù)元;冠心病專項評估問卷共含15個指標,包括48個數(shù)據(jù)元,其中30個為核心數(shù)據(jù)元;腦卒中專項風險評估問卷包含15個指標,共含48個數(shù)據(jù)元,其中26個為核心數(shù)據(jù)元;糖尿病風險評估問卷含13個指標,20個數(shù)據(jù)元,其中16個為核心數(shù)據(jù)元;胃癌風險評估問卷含12個指標,27個數(shù)據(jù)元,其中13個為核心數(shù)據(jù)元;肺癌風險評估問卷含8個指標,19個數(shù)據(jù)元,其中10個為核心數(shù)據(jù)元;乳腺癌風險評估問卷含14個指標,31個數(shù)據(jù)元,其中13個為核心數(shù)據(jù)元。以上各專病風險評估數(shù)據(jù)元中,除了乳腺癌風險評估問卷中的5個數(shù)據(jù)元屬于額外添加之外,其余各數(shù)據(jù)元均來自慢性病風險評估基礎問卷。5.依據(jù)專病風險評估問卷,采用主流評分法構建了7種疾病的風險評估模型,并對各模型進行了信度及效度檢驗。專病風險評估模型的信度檢驗結果顯示:高血壓、冠心病、腦卒中、糖尿病、胃癌、肺癌和乳腺癌7種疾病風險評估模型的克朗巴赫a系數(shù)分別為0.632、0.667、0.688、0.689、0.657、0.635和0.618,各內部一致性系數(shù)均高于0.60,各疾病風險評估模型的一致性較好;分半信度檢驗結果顯示,高血壓、冠心病、腦卒中、糖尿病、胃癌、肺癌和乳腺癌7種疾病模型的Spearman-Brown系數(shù)分別為0.677、0.672、0.566、0.629、0.634、0.643和0.534,除腦卒中和乳腺癌的分半信度低于0.60之外,其他疾病模型的分半信度均較高,各模型中的條目之間具有較強的相關性;重測信度結果顯示,慢性病風險評估基礎問卷的兩次測量結果的相關系數(shù)為0.650(P㩳0.05),表明基礎問卷的重測信度較高。專項專病風險評估問卷的結構效度檢驗結果顯示:7種疾病風險評估模型的取樣適當性數(shù)值(KMO)均在0.60左右,各問卷的公因子能夠解釋總體方差的貢獻率均高于50%。各專病風險評估問卷中,除了個別條目所屬維度與研究預期測量維度不符外(如胃癌問卷中的血型、乳腺癌問卷中的大量飲酒等),絕大多數(shù)條目均反映了問卷的預期設計結構,各疾病風險評估問卷的結構效度均較好。以上檢驗結果表明,各專病風險評估問卷具有較好的信度和效度。6.參照哈佛癌癥指數(shù)法,基于文獻資料研究結果,選擇年齡、性別和高血壓家族史等7個變量構建高血壓發(fā)病風險指數(shù)。研究結果顯示:年齡、性別、高血壓家族史、超重或肥胖、TG異常、吸煙和飲酒7個危險因素的危險得分值分別為5分、10分、10分、10分、10分、10分和10分,人群高血壓風險平均得分為18分�；�17834名人群的7年隨訪資料,采用本研究設計的高血壓風險指數(shù)對評估對象進行高血壓風險等級評估。評估結果顯示:3770人被評估為高血壓“較低”風險、3860人被評估為高血壓“低”風險、5363人為高血壓“高”風險、4841人具有“較高”高血壓風險。為評價高血壓等級風險指數(shù)的預測性能,本研究對于不同高血壓風險等級中的高血壓發(fā)病人數(shù)進行了統(tǒng)計分析。分析結果顯示:7年隨訪期間,高血壓總發(fā)病人數(shù)為802人,其中經(jīng)高血壓風險指數(shù)判為“較低”風險、“低”風險、“高”風險和“較高”風險的人數(shù)分別為29人(3.62%)、74人(9.23%)、204人(25.44%)和495人(61.72%)。不同高血壓風險等級中的高血壓發(fā)病情況不同(2c=557.650,P001.0),隨著高血壓發(fā)病風險等級的增加,高血壓發(fā)病人數(shù)逐步增加(P001.0)。7.基于橫斷面體檢數(shù)據(jù)集,采用合成分析方法,以年齡、高血壓家族史、性別、超重或肥胖、甘油三脂異常、吸煙和大量飲酒為研究變量構建高血壓發(fā)病風險預測模型。根據(jù)高血壓家族史單變量回歸系數(shù)u(高血壓家族史)b的取值不同,本研究構建了兩個不同的合成分析模型。一個是當u(高血壓家族史)b=2.280時的合成模型(合成分析模型1):logit P=-7.664+1.320×年齡(≥45歲)+2.823×性別+2.159×高血壓家族史+2.190×超重或肥胖+1.734×甘油三脂異常+1.211×吸煙+1.973×大量飲酒;另一個是當u(高血壓家族史)b=4.790時的合成分析模型(合成分析模型2):logit P=-8.303+1.320×年齡(≥45歲)+2.823×性別+4.669×高血壓家族史+2.237×超重或肥胖+1.734×甘油三脂異常+1.211×吸煙+1.973×大量飲酒�；谙嗤瑪�(shù)據(jù)集,比較分析兩種合成分析模型與傳統(tǒng)Logistic回歸分析模型的預測性能。比較結果顯示:在包含相同變量的情況下,合成分析模型1與Logistic回歸模型的ROC曲線下面積相差范圍在0.009-0.043之間;合成分析模型2與Logistic回歸模型的ROC曲線下面積相差范圍在0.008-0.020之間。兩種合成分析模型的ROC曲線下面積大小與傳統(tǒng)Logistic回歸模型的ROC曲線下面積均非常接近,其中模型2與傳統(tǒng)Logistic模型的結果更為接近。合成分析模型1、合成分析模型2和Logistic回歸模型(均包含7個變量時)的ROC曲線下面積分別為0.772、0.793和0.815,三個模型的ROC曲線下面積大小之間無差別(P0.05)。8.以高血壓風險評估模型構建為例,基于相同縱向隊列研究數(shù)據(jù)集,分別進行Logistic、Cox回歸分析和Joint聯(lián)合模型分析。研究結果顯示:單因素Logistic回歸分析和單因素Cox回歸分析的結果一致,兩種分析方法均表明年齡、性別、高血壓家族史和甘油三脂異常等14個因素是影響高血壓發(fā)病的主要因素。以單因素回歸分析中有統(tǒng)計學意義的14個變量為自變量,進一步進行多因素回歸分析。多因素Logistic分析結果表明影響高血壓發(fā)病的主要因素有年齡(于45歲)、性別(男性)、高血壓家族史、超重或肥胖、甘油三酯異常、吸煙和大量飲酒,最后構建的多因素Logistic回歸模型為:logit P=-4.743+1.229×年齡(≥45歲)+0.444×性別+1.759×高血壓家族史+0.692×超重或肥胖+0.218×吸煙+0.459×大量飲酒+0.389×甘油三脂異常。多因素Cox回歸模型分析結果顯示:年齡、性別(男性)、高血壓家族史、超重或肥胖、甘油三脂異常、吸煙和大量飲酒是影響高血壓發(fā)病的主要危險因素。根據(jù)多因素Cox回歸分析結果計算高血壓發(fā)病預后指數(shù)(PI):PI=1.145×年齡(≥45歲)+0.439×性別+1.641×高血壓家族史+0.633×超重或肥胖+0.198×吸煙+0.350×大量飲酒+0.362×甘油三脂異常。根據(jù)Logistic回歸方程的logit P值及多因素Cox回歸方程的PI指數(shù)計算兩個模型的ROC曲線下面積。結果顯示,Logistic回歸模型和Cox回歸模型的ROC曲線下面積分別為0.715和0.814,Cox回歸模型的預測性能較高(P0.05)。本研究采用Joint模型研究不同時間點甘油三脂測量值對高血壓發(fā)病風險的影響作用。在Joint模型構建中,以高血壓發(fā)病為結局變量,以年齡、性別、高血壓家族史、超重或肥胖、吸煙和飲酒為協(xié)變量,以甘油三脂為縱向監(jiān)測變量。研究結果顯示:縱向測量的甘油三脂對高血壓發(fā)病風險的相對危險度值為2.436,表明甘油三脂不同時間點的測量值對高血壓發(fā)病風險有影響。另外,除吸煙之外,其他協(xié)變量對高血壓發(fā)病均有影響(P0.05)。研究結論:1.不同慢性病的危險因素譜不同;吸煙、飲酒、血脂異常、肥胖、蔬果攝入不足、睡眠問題、缺乏體育鍛煉等因素是常見慢性病的共同危險因素;相同危險因素對不同慢性病的作用大小及其危害程度不同。2.本研究構建的慢性病風險評估概念框架可作為其他慢性病風險評估問卷設計的參考依據(jù)。慢性病風險評估基礎問卷及7種專病風險評估問卷規(guī)定了常見慢性病風險評估的基礎指標集合,制定了數(shù)據(jù)標準,設定了數(shù)據(jù)元含義及可接受的數(shù)據(jù)表達形式,可為體檢機構構建規(guī)范的健康體檢數(shù)據(jù)庫提供參考標準和依據(jù)。3.應用本研究設計的慢性病風險評估基本數(shù)據(jù)集及其數(shù)據(jù)標準,可保證常見慢性病風險評估的內容統(tǒng)一及項目定義的一致性,可實現(xiàn)跨機構數(shù)據(jù)共享與交換。4.采用哈佛癌癥指數(shù)法構建的慢性病風險等級指數(shù)可有效實現(xiàn)疾病風險等級判定,為橫斷面數(shù)據(jù)的有效利用提供了幫助。5.基于橫斷面數(shù)據(jù)構建的合成分析模型可有效預測疾病的發(fā)病風險。6.基于Joint模型構建的疾病發(fā)病風險預測模型,可有效識別時協(xié)變量對結局變量的影響,減小測量偏倚。7.不同統(tǒng)計學建模方法各有其優(yōu)點及不足,在慢性病風險評估模型的實際構建中,應根據(jù)研究資料的實際情況,綜合考慮各方法的特點,借長補短,將多種建模方法結合使用,發(fā)揮各方法的優(yōu)勢,以構建有效的疾病風險評估模型,進而提高慢性病風險評估質量。
【關鍵詞】：慢性病風險評估 疾病模型 危險因素測量 風險等級 數(shù)據(jù)元 標準化 哈佛癌癥指數(shù) 合成分析 Joint模型
【學位授予單位】：第四軍醫(yī)大學
【學位級別】：博士
【學位授予年份】：2015
【分類號】：R181.32
【目錄】：

• 縮略語表5-6
• 中文摘要6-13
• 英文摘要13-23
• 前言23-27
• 文獻回顧27-40
• 1 慢性病現(xiàn)狀及疾病負擔27-28
• 2 疾病風險評估在慢性病防治中的作用28-29
• 3 慢性病風險評估模型國內外研究現(xiàn)狀29-33
• 4 慢性病風險評估模型構建方法33-38
• 5 慢性病風險評估研究工作展望38-40
• 第一部分 常見慢性病主要危險因素循證醫(yī)學研究40-44
• 1 數(shù)據(jù)來源40
• 2 研究方法40-41
• 3 結果41-43
• 3.1 主要研究病種41
• 3.2 各研究病種主要危險因素篩選41-43
• 4 結論43-44
• 第二部分 常見慢性病風險評估問卷設計及標準化處理44-58
• 1 慢性病風險評估問卷設計概念框架44-47
• 2 慢性病風險評估問卷指標篩選標準及原則47-48
• 3 慢性病風險評估基礎問卷設計及其標準化處理48-49
• 4 專項專病風險評估問卷及其數(shù)據(jù)標準49-56
• 5 結論56-58
• 第三部分 慢性病風險評估問卷的信度及效度檢驗58-75
• 1 數(shù)據(jù)來源58
• 2 研究方法58-60
• 3 結果60-73
• 3.1 研究對象一般情況60-61
• 3.2 慢性病風險評估模型變量構成及賦值61-67
• 3.3 慢性病風險評估模型效度評價結果67-72
• 3.4 慢性病風險評估模型信度評價結果72-73
• 4 討論73-75
• 第四部分 常見慢性病風險等級量化及評估方法研究75-84
• 1 數(shù)據(jù)來源75-76
• 2 研究方法76-78
• 3 結果78-81
• 3.1 研究對象一般情況78
• 3.2 高血壓等級風險指數(shù)研究結果78-81
• 4 討論81-84
• 第五部分 基于橫斷面數(shù)據(jù)的慢性病多因素風險評估方法研究84-96
• 1 數(shù)據(jù)來源84-86
• 2 研究方法86-88
• 3 結果88-94
• 3.1 研究對象一般情況88
• 3.2 合成分析模型分析結果88-94
• 4 討論94-96
• 第六部分 基于縱向隊列數(shù)據(jù)的慢性病多因素風險評估方法研究96-120
• 1 數(shù)據(jù)來源96-97
• 2 研究方法97-105
• 3 結果105-117
• 3.1 研究對象一般情況105
• 3.2 Logistic回歸分析結果105-108
• 3.3 Cox回歸分析結果108-113
• 3.4 Joint模型分析結果113-116
• 3.5 三種模型對比分析結果116-117
• 4 討論117-120
• 小結120-124
• 參考文獻124-135
• 附錄135-182
• 個人簡歷和研究成果182-183
• 致謝183

  本文關鍵詞：常見慢性病危險因素測量及風險等級評估方法研究，，由筆耕文化傳播整理發(fā)布。

本文編號：256542