北京市成年人冠心病七年发病风险评估与预测模型

目的:对北京市成年人群冠心病七年发病风险进行评估,并构建预测模型。方法 :收集固定功能单位体检数据及生活行为问卷资料,采用非条件Logistic回归构建七年冠心病发病风险评估模型。通过受试者工作特征曲线及Wolber’s一致性指数统计量(C-指数)评估模型的判别效果,十折交叉法进行内部验证,绘制列线图,预测不同等级发病风险。结果 :研究基线共纳入43 499人,截至第七年,累计2 526人发生冠心病。将性别、年龄、婚姻状况、教育程度、冠心病家族史、吸烟频率、睡眠时长、糖尿病、高血压、血脂异常十个危险因素入选模型。模型C指数为0.87(95%CI:0.85~0.88)。结论 :构建的北京市成年人群冠心病七年风险列线图,具有较好的判别能力。

基于边际结构模型的中介分析方法在公共卫生领域的应用和SAS实现

目的探讨基于边际结构模型的中介分析在公共卫生领域研究中的应用和SAS实现过程。方法本研究以肥胖在高尿酸血症和糖尿病关联中所起的中介作用为例,利用SAS软件实现基于边际结构模型的中介分析,获得暴露对结局的自然直接效应和自然间接效应,并提供编程代码。结果采用SAS代码构建虚拟人群,控制已知混杂因素的影响后,研究发现高尿酸血症组的2型糖尿病发病风险显著增加,自然直接效应相对危险度RR值为1.29(95%CI:1.03,1.61),经肥胖介导的自然间接效应RR值为1.12(95%CI:1.09~1.16)。结论SAS程序编写可为基于边际结构模型的中介分析在公共卫生领域研究中的推广应用提供帮助。

围绝经期与代谢综合征的关联性研究

目的探讨围绝经期与代谢综合征(MS)的关联性。方法采用横断面研究的方法,选取2014—2017年北京小汤山医院40~60岁女性的体检数据,收集受试者的临床资料,采用logistic回归模型分析围绝经期女性MS影响因素。结果不同年龄、学历情况、工作压力、饮食口味、吃饭速度、绝经情况MS患病率比较,差异有统计学意义(P<0.05)。未纳入绝经情况的女性MS患病危险因素分析显示,年龄>46~53岁女性MS患病情况是40~46岁的1.784倍,年龄>53~60岁女性MS患病情况是40~46岁的2.631倍;最高学历为大专/本科女性MS患病情况是初中及以下的0.539倍,最高学历是研究生及以上女性MS患病情况是初中及以下的0.262倍;吃早饭次数为3~5次/周女性MS患病情况是<3次/周的0.322倍;吃饭速度快的女性MS患病情况是细嚼慢咽的2.701倍。未纳入年龄因素的女性MS患病危险因素分析显示,最高学历为研究生及以上女性MS患病情况是初中及以下的0.141倍;吃饭速度中等女性MS患病情况是细嚼慢咽的2.483倍,吃饭速度快的女性MS患病情况是细嚼慢咽的3.572倍;已绝经女性MS患病情况是未绝经的1.808倍。结论女性围绝经期与MS的发生具有相关性,围绝经期女性应提早防治MS提高绝经前后的生活质量。

北京市女性甲状腺结节患病的影响因素分析

目的了解北京市参与健康体检的女性甲状腺结节患病情况并分析影响因素。方法收集整理2016年北京市女性体检(包括身高、体重、血压、血糖等)和问卷调查(包括活动强度、饮食习惯等)数据,应用多因素logistic回归分析甲状腺结节的影响因素。结果共有4732名女性纳入分析,甲状腺结节的患病率为49.56%。多因素logistic回归分析显示,相比年龄18~29岁的女性,年龄30~59岁OR=1.769(95%CI:1.489~2.102)和60岁及以上OR=4.716(95%CI:3.577~6.216);相比饮食习惯为荤素搭配,素食为主OR=1.237(95%CI:1.056~1.450);相比正常体重,超重OR=1.331(95%CI:1.153~1.537);相比正常人群,高血压OR=1.405(95%CI:1.146~1.723),高血脂OR=1.184(95%CI:1.040~1.347),糖尿病OR=1.779(95%CI:1.178~2.687),患乳腺结节OR=1.183(95%CI:1.018~1.376),患子宫肌瘤OR=1.376(95%CI:1.201~1.575)。相比教育程度为高中、中专及以下,大学专科或本科教育程度OR=0.648(95%CI:0.522~0.806)和研究生及以上OR=0.564(95%CI:0.440~0.723)。结论北京市女性甲状腺结节患病率处于较高水平,年龄增加、以素食为主、超重、高血压、高血脂、糖尿病、患乳腺结节和患子宫肌瘤是患甲状腺结节的危险因素,教育程度提高是患甲状腺结节的保护因素。

脑卒中影响因素和风险评估的纵向队列研究

目的:构建脑卒中风险评估模型并检测其效能。方法:共纳入38098例职业人群,筛选脑卒中相关风险因素进入模型,通过Bootstrap重抽样及十字交叉验证法预测模型效果,构建Logistic多因素预测模型及列线图模型。结果:脑卒中的危险因素包括:年龄、性别、婚姻状态、教育程度、BMI、吸烟、喝奶频率、饮酒、睡眠时间、高血压、血脂异常、父母脑血管病病史、父母高血压史,风险预测模型的AUC值为0.82。结论:本研究构建了列线图模型,可为临床工作者和使用者提供可直观评估的脑卒中发病风险预测工具。