论文部分内容阅读
目的:通过分析医务人员队列人群的临床资料,阐明该人群代谢综合征(MS)的流行病学特点,确认MS的独立危险因素,建立MS风险的预测模型,以期通过常规体检生物标志物更好的预测MS的发病风险。方法:收集2011年6月至2016年6月间大连市某三甲医院体检中心健康管理中心行健康体检的医院职工队列人群资料,了解基线人群MS的流行特征及各组分的患病率,并比较历年MS及其组分检出率差异及变化趋势。在纵向队列中,通过应用探索因子分析法(EFA),提取MS相关的危险因素,并建立MS预测模型。根据研究结果,提出相关建议,为医务人员健康体检人群有针对性开展健康管理提供有效的干预措施和科学依据。结果:1.MS组和非MS组两组间比较,血压、体重指数(BMI)、空腹血糖(FBG)、甘油三脂(TG)、高密度脂蛋白(HDL-C)、白细胞计数(WBC)、中心粒细胞绝对值(N)、淋巴细胞绝对值(L)、谷丙转氨酶(ALT)、谷草转氨酶(AST)、γ-谷酰转肽酶(γ-GGT)、血尿酸(UA)、血清肌酐(SCr)、直接胆红素(DBIL)及非酒精脂肪性肝病(NAFLD)患病率的差异存在统计学差异(P=0.000);总胆红素(TBIL)、红细胞计数(RBC)在两组之间的差异无明显统计学意义(P>0.05);血红蛋白含量(Hb)、甲状腺结节患病率在男性两组间无统计学差异(P>0.05),而女性两组间存在统计学差异(P=0.000)。2.进入队列人群的逐年MS检出率分别为1.92%、2.07%、2.50%和3.07%,整体呈逐年递增的趋势,累积发病密度为16.08/1000人年(178/11073人年);MS四个组分检出率从高至低依次为高血糖、超重/肥胖、血脂紊乱、高血压。3.经EFA所提取的潜在预测因子,男性提取出10个因子,女性提取出8个因子,其中,男女相同的预测因子有8个:肥胖、脂肪因子(包含了BMI、TG、HDL-C、和NAFLD)、肝酶因子(ALT、AST、γ-GGT)、炎症因子(包含了WBC、N和L)、血脂因子(包含了TC和LDL-C)、胆红素因子(包含了TBIL和DBIL)、血压因子(包含了SBP和DBP)、红细胞因子(包含了RBC和Hb)、肾功能因子(包含了UA和SCr);除此之外,男性还有糖代谢因子(包含FBG)、甲状腺因子(包含甲状腺结节)2个潜在预测因子。4.利用COX回归分析构建随访队列人群MS的危险函数:随访队列人群MS危险函数趋势明显,即随着随访时间的变化,该队列人群经历的MS风险愈来愈大。到随访第4年,女性MS发病风险大约是起初的3.5倍;男性约为3倍。5.Logistic回归预测模型:女性MS风险评估回归公式为:Logit(P)=-4.866+0.286×F1+0.536×F2+1.557×F3+1.127×F4-0.373×F5+1.566×F6+0.604×F8。男性MS风险评估回归公式为:Logit(P)=-1.928+1.729×F1+0.523×F2+1.667×F7+1.022×F9。6.在女性队列人群中,该模型的ROC曲线下面积(AUC)为0.973(95%CI:0.964-0.981),具有统计学意义(P<0.01);此公式评估MS发病风险的敏感性、特异性分别为:96.99%、90.44%;结合其灵敏度和特异度,确定0.874为该模型的临界点。男性队列人群中该模型的ROC曲线下面积(AUC)为0.922(95%CI:0.896-0.943),具有统计学意义(P<0.01);此公式评估MS发病风险的敏感性、特异性分别为:92.25%、79.51%;结合其灵敏度和特异度,确定0.7177为该模型的临界点。7.利用不同的预测因子评价预测模型的预测能力,以肥胖/脂肪因子和肝酶因子组合、4种MS组分组合、提取的潜在预测因子组合作为预测模型分别绘制ROC曲线,上述三种组合的ROC曲线下面积(AUC)在男性分别为55.5%、91.2%、92.2%;女性分别为86.2%、90.4%、97.3%。提取的潜在预测因子具有最强的预测能力。结论:利用探索因子法从常规体检生物标志物提取出合成潜在预测因子,构建的MS风险预测模型可以有效的预测MS的风险。