论文部分内容阅读
研究背景糖尿病（diabetes mellitus,DM）已成为21世纪各国面临的最重要的公共卫生挑战之一,并在近几十年成为流行病。空腹血糖受损（impaired fasting glucose,IFG）属于正常糖代谢和DM之间的过渡阶段,被称为“糖尿病前期”。目前我国IFG的人群正处于增长趋势,但约50%的人并不知道自己已经处于IFG状态,DM防治极其严峻。多项研究表明,早期识别IFG人群进而及时采取措施,可延缓DM、心脑血管疾病等相关疾病的发生。由于IFG的临床症状不明显,所以IFG往往容易被个人忽视导致转化为DM。本研究建立重庆市高校体检队列IFG发病风险预测模型,为健康体检人群预防提供参考。研究目的1.分析重庆市高校体检人群IFG发病状况;2.探索高校正常体检人群新发IFG的危险因素,为职业人群防治新发IFG提供科学依据;3.建立IFG发病风险预测模型,为识别IFG人群提供技术支持。研究方法我们对2009年1月至2019年12月体检的高校人群进行了回顾性队列研究,在遵循纳入和排除标准后,形成本研究的基础数据。符合条件的研究对象年龄在20岁以上,并进行了两次及以上的体检。计量资料采用均值±标准差（X±SD）表示,组间采用方差分析;计数资料采用例数（百分比）表示,组间采用卡方检验。使用新发病例计算发病率及95%置信区间（confidence interval,CI）,使用观察年数计算发病密度。对连续变量（包括总胆固醇（total cholesterol,TC）、甘油三酯（triglycerides,TG）、低密度脂蛋白（low-density lipoprotein cholesterol,LDL-C）、高密度脂蛋白（high-density lipoprotein cholesterol,HDL-C）、尿素、肌酐（serum creatinine,SCr）、尿酸（serum uric acid,SUA））按照百分位数P25、P75分为三个亚组,按照不同的亚组分别计算发病率和发病密度。采用Cochran-Armitage趋势检验分析IFG发病密度随年龄变化的趋势。通过单因素广义估计方程（generalized estimation equation,GEE）分析 IFG 的影响因素,尿素、SCr、SUA和体重指数（body mass index,BMI）连续变化对IFG非线性关联通过四个节点的限制性立方样条（restricted cubic spline,RCS）模型检验,并绘制IFG与BMI、尿素、SCr、SUA的剂量—效应曲线。队列人群随机划分70%为训练集,剩下30%为测试集。我们首先通过单变量GEE选择预测变量（P＜0.50）,然后使用多因素GEE建立IFG发病风险的预测模型并计算该模型的灵敏度、特异度、接受者操作特征曲线下的面积（area under receiver operating curves,AUC）等。最后使用测试集通过灵敏度、特异度、AUC验证该模型的预测能力,并对IFG的发病风险进行等级划分。结果1 重庆高校体检人群基本情况从健康体检数据库中最后得到4,926名体检者纳入该回顾性队列研究中。其中男性2,634名,女性2,292名,基线平均年龄为（44.85±14.80）岁,随访终点的平均年龄为（49.07±14.87）岁。队列中的研究对象最多参加8次体检,最少参加2次,平均3.87次。2 IFG发病情况随访期间空腹血糖（fasting blood glucose,FBG）在 6.1～6.9 mmol/L定义为IFG,新诊断IFG病例442例,其中男性286例,女性156 例。总 IFG发病率为 8.97%（95%CI:8.17%-9.22%）,总 IFG发病密度为23.21/1000人年。男性IFG发病率为5.92%（95%CI:5.02%-6.82%）,女性 IFG 发病率为 12.48%（95%CI:11.13%-13.83%）,男性发病率低于女性发病率;男性发病密度为18.53/1000人年,女性发病密度为26.88/1000人年,男性低于女性（P＜0.0001）。IFG发病率和发病密度随着年龄、BMI、腰围（waist circumference,WC）、血压、TC、TG、LDL-C、尿素和SUA的水平等级的增加而上升,但随着HDL-C水平等级增加而下降。3 IFG影响因素在单因素GEE中,以新发IFG事件为模型的因变量,自变量采用体格检查以及实验室检测等变量,通过单因素GEE模型,初步筛选危险因素。单因素GEE结果显示,男性（优势比（odds ration,OR）=1.380,95%CI:1.091-1.744,P=0.0071）、年龄（OR=1.035,95%CI:1.028-1.041,P＜0.0001）、超重（OR=2.006,95%CI:1.560-2.579）,P＜0.0001)、肥胖（OR=3.571,95%CI:2.515-5.071,P＜0.0001）、WC（OR=1.050,95%CI:1.017-1.084,P=0.0026）、SBP（OR=1.050,95%CI:1.025-1.036,P＜0.0001）、DBP（OR=1.043,95%CI:1.034-1.053,P＜0.0001）、TC（OR=1.451,95%CI:1.294-1.626,P＜0.0001）、TG（OR=1.210,95%CI:1.150-1.272,P＜0.0001）、LDL-C（OR=1.546,95%CI:1.362-1.756,P＜0.0001）、尿素（OR=1.217,95%CI:1.132-1.309,P＜0.0001）、SCr（OR=1.002,95%CI:0.996-1.008,P=0.4799）和SUA（OR=1.004,95%CI:1.003-1.004,P＜0.0001）会增加正常人群向IFG转化的风险。HDL-C（OR=0.748,95%CI:0.522-1.073,P=0.1153）会减少正常人群向IFG转化的风险。通过四个节点的RCS模型分析后,BMI连续变化与新发IFG关联呈线性剂量—反应关系（P总体关系（OA,overall assoczation）＜0.0001,P非线性（NL,non-linearity）=0.1568）,TC连续变化与新发IFG关联呈线性剂量—反应关系（POA＜0.0001,PNL=0.5487）,TG连续变化与新发IFG关联呈非线性剂量—反应关系（POA＜0.0001,PNL＜0.0001）,HDL-C连续变化与新发IFG关联呈非线性剂量—反应关系（POA＜0.0001,PNL=0.0011）,LDL-C连续变化与新发IFG关联呈线性剂量—反应关系（POA=0.0002,PNL=0.3092）,尿素连续变化与新发IFG关联呈线性剂量—反应关系（POA＜0.0001,PNL=0.0859）,SCr连续变化与新发IFG关联呈非线性剂量—反应关系（POA＜0.0001,PNL=0.0105）,SUA连续变化与新发IFG关联呈非线性剂量—反应关系（POA＜0.0001,PNL=0.0007）。4预测模型的构建与评价根据多因素广义估计方程得出的各影响因素的β系数,由此建立IFG发病预测模型:Logit（Pj）=-9.371+0.140 ×性别（男性=1）+0.034×年龄j（岁）+0.011 × WCj（cm）+0.006×SBPj（mmHg）+0.016 × DBPj（mmHg）+0.153 ×[if BMI=1]j+0.269 ×[if BMI=2]j+0.541 ×[if BMI=3];-0.443 × TCj（mmol/L）+0.203 × TGj（mmol/L）+0.618× HDL-Cj（mmol/L）+0.617×LDL—Cj（mmol/L）+0.129 ×尿素j（mmol/L）-0.031 × SCrj（μmol/L）+0.004 × SUAj（μmol/L）。训练集的 AUC 为 0.740（95%CI:0.712-0.768）,测试集的AUC为0.751（95%CI:0.714-0.817）。在训练集上灵敏度和特异度分别为79.2%和61.1%,测试集的灵敏度和特异度分别为73.6%和69.4%。通过队列中未发生IFG的人群其发病预测概率对IFG发病风险等级进行分析,该队列人群发生IFG的风险分为四个等级,包括低风险、一般风险、中风险和高风险,对应发生概率分别为（＜0.56%）、（0.56%-3.40%）、（3.40%-8.30%）、（＞8.30%）。结论1.与我国10省队列人群糖尿病前期发病水平相比,重庆高校人群IFG的发病水平较高;与2018年我国中老年人IFG发病率相比,重庆高校人群IFG的发病水平较低。2.男性、年龄、BMI、WC、TG、尿素、SUA异常为IFG发病的危险因素。3.IFG发病风险预测模型在健康体检队列中具有较好的预测能力。