目的分析1990-2019年中国睾丸癌的发病和死亡情况,并探讨年龄、时期和队列效应对睾丸癌发病和死亡的影响。方法利用全球疾病负担(Global Burden of Disease,GBD)2019数据库,分析1990-2019年中国睾丸癌发病和死亡情况,应用Joinpoint软件...目的分析1990-2019年中国睾丸癌的发病和死亡情况,并探讨年龄、时期和队列效应对睾丸癌发病和死亡的影响。方法利用全球疾病负担(Global Burden of Disease,GBD)2019数据库,分析1990-2019年中国睾丸癌发病和死亡情况,应用Joinpoint软件分析标化发病率和标化死亡率的时间变化趋势,计算平均年度变化百分比。构建年龄-时期-队列模型,分析年龄、时期和出生队列效应对睾丸癌发病及死亡趋势变化的影响。结果2019年,中国睾丸癌发病率为1.21/10万,死亡率为0.08/10万,发病率和死亡率比1990年升高了348.15%和14.29%。1990-2019年,中国睾丸癌标化发病率呈升高趋势,平均每年升高5.23%,趋势有统计学意义(P<0.05),睾丸癌标化死亡率呈下降趋势,平均每年下降0.12%,但趋势无统计学意义(P>0.05)。年龄效应结果显示,1990-2019年中国睾丸癌的发病率和死亡率整体呈升高趋势,发病率和死亡率均在60岁以后呈快速升高趋势,在85岁以上年龄组达到高峰。时期效应结果显示,1990-2019年,中国睾丸癌发病风险的时期变化相对危险度(relative ratio,RR)呈升高趋势,在2015-2019年发病风险最高,发病风险RR=2.44[95%可信区间(confidence interval,CI)2.31~2.56];睾丸癌死亡风险的时期变化RR值趋势呈下降趋势,1995-1999年死亡风险最高,死亡风险RR=1.09(95%CI 0.99~1.19)。队列效应结果显示,出生越晚的人,发病风险越高,死亡风险越低。结论1990-2019年,中国居民睾丸癌的标化发病率呈升高趋势,标化死亡率呈下降趋势但无统计学意义。不同年龄、时期和出生队列的睾丸癌流行病学模式和趋势可能为公共卫生提供新的见解,这些发现可为进一步减轻睾丸癌负担的公共卫生策略的制定提供重要依据。展开更多
目的基于CHARLS数据库的资料,建立糖尿病老年人失能的预测模型,并分析其效用。方法选取2018年发布的2015年中国健康与养老纵向研究(China health and retirement longitudinal study,CHARLS)调查中的4797例患有糖尿病老年人的相关资料,...目的基于CHARLS数据库的资料,建立糖尿病老年人失能的预测模型,并分析其效用。方法选取2018年发布的2015年中国健康与养老纵向研究(China health and retirement longitudinal study,CHARLS)调查中的4797例患有糖尿病老年人的相关资料,包括基本特征、体格测量、生活习惯、伴随症状和疾症、血液和血生化指标、功能检测等。根据ADL将其分为失能与无失能2组,在比较2组各指标的差异后,通过Logistic回归分析筛选失能有关因素,建立失能预测模型,并采用受试者工作特征(ROC)评价模型的效用。结果通过Logistic回归,共筛选到腰围、舒张压、饮酒、疼痛、下肢功能评分、上肢功能评分、血脂异常、卒中、情绪障碍、共病数量、居住状况、工作为相关因素,据此建立了失能预测模型,即模型公式为:ln=-4.880+0.012×腰围(cm)-0.010×舒张压(mmHg)-0.250×饮酒+0.854×疼痛+0.235×下肢功能评分+0.431×上肢功能评分-0.278×血脂异常+0.809×卒中+1.169×情绪障碍+0.165×共病数量-0.542×居住状况-0.083×工作(其中P为失能状态)。ROC分析结果显示,AUC为0.89(P<0.005)、敏感度0.82、特异度0.74,截断值0.26。结论依据CHARLS以Logistic回归遴选因素所构建的中国糖尿病老人失能状态预测模型具有较好的预测能力。展开更多
文摘目的基于CHARLS数据库的资料,建立糖尿病老年人失能的预测模型,并分析其效用。方法选取2018年发布的2015年中国健康与养老纵向研究(China health and retirement longitudinal study,CHARLS)调查中的4797例患有糖尿病老年人的相关资料,包括基本特征、体格测量、生活习惯、伴随症状和疾症、血液和血生化指标、功能检测等。根据ADL将其分为失能与无失能2组,在比较2组各指标的差异后,通过Logistic回归分析筛选失能有关因素,建立失能预测模型,并采用受试者工作特征(ROC)评价模型的效用。结果通过Logistic回归,共筛选到腰围、舒张压、饮酒、疼痛、下肢功能评分、上肢功能评分、血脂异常、卒中、情绪障碍、共病数量、居住状况、工作为相关因素,据此建立了失能预测模型,即模型公式为:ln=-4.880+0.012×腰围(cm)-0.010×舒张压(mmHg)-0.250×饮酒+0.854×疼痛+0.235×下肢功能评分+0.431×上肢功能评分-0.278×血脂异常+0.809×卒中+1.169×情绪障碍+0.165×共病数量-0.542×居住状况-0.083×工作(其中P为失能状态)。ROC分析结果显示,AUC为0.89(P<0.005)、敏感度0.82、特异度0.74,截断值0.26。结论依据CHARLS以Logistic回归遴选因素所构建的中国糖尿病老人失能状态预测模型具有较好的预测能力。