论文部分内容阅读
目的:代谢综合征是一种以腹部肥胖、血压异常和血脂异常为特征的病理状态。饮食情况是代谢综合征一个非常重要且复杂的潜在风险因素。对于个体的膳食情况进行比较和研究,能够更精准的对居民的营养状况进行研究和分析。对于代谢综合征的诊断及生物标志物的探索,能够更好的对代谢综合征进行识别和管理。基于前期研究结果,本研究证实G3BP为代谢综合征的生物标志物,本研究将在研究人群中进一步对其相关性进行验证。目前我国针对代谢综合征的风险模型研究存在一定的不足之处,代谢综合征风险评估模型所纳入等变量主要为常规实验室指标、基本信息等,较少包含生活行为等变量,无精准生物标志物作为预测因子的研究;研究选取的研究对象大多为健康体检人群,该人群本身存在一定的选择偏倚,缺乏适用于社区人群的风险评估模型。因此本研究旨在:（1）分析代谢综合征的影响因素,筛选代谢综合征风险评估模型潜在因子。（2）探讨研究对象的膳食模式,构建代谢综合征非侵袭性风险评估模型并进行验证。（3）引入实验室检测指标生物标志物G3BP,构建代谢综合征侵袭性风险评估模型并进行验证。研究方法:本研究将辽宁省沈阳市于洪区作为城市现场;辽宁省阜新市阜蒙县作为农村乡镇现场。招募基于社区人群的研究对象,完成问卷调查、体格检查和血样采集。采用描述性分析方法对代谢综合征患病率及流行现状进行研究。应用logistic回归分析和线性回归分析方法探讨各项因素与代谢综合征之间的关联。采用主成分分析的方法确定食物模式。按照因子负荷确定各膳食模式密切相关食物,将这些食物的因子负荷乘以摄入量进行求和,得到每种膳食模式评分。在提取出的膳食模式的基础上,采用Schulze等人提出的简化评分构建法构建简化膳食模式评分。应用多元logistic回归分析判断膳食模式和的代谢综合征的关系。风险评估模型的构建分为以下3个步骤:（1）将研究人群随机分为两组,人数分别为75%和25%,分别作为“建模人群”和“验证人群”,连续性变量比较采用独立两样本t检验,分类变量比较采用（?）~2检验。（2）比较风险评估模型各危险因素的回归系数。（3）比较风险评估模型在建模人群和验证人群的预测能力,分别从区分度和校准度两方面进行评价。区分度采用受试者特征曲线进行计算和检验。采用Calibration curve可以直观地观察模型的校准度。本研究所有调查表均汇总至中国医科大学健康科学研究院,所有的统计分析所采用的软件为SPSS 21.0、和Stata 13.0。统计学检验均以P＜0.05为具有统计学意义。结果:1.本研究共纳入5439名调查对象,其中城市865人,农村4574人。其中女性3530人,占总样本的64.9%;60岁以上2953人,占总体54.29%;汉族3674人,占总体67.55%;体力活动不足2287人,占全部的42.05%。代谢综合征患病率为29.78%,其中城市为30.87%,农村为29.58%,男性为25.25%,女性为32.24%;性别、年龄、肥胖、受教育程度、家庭年人均收入、体力活动、吸烟和饮酒为代谢综合征独立影响因素。2.研究分别得到两种膳食模式,传统膳食模式包括:海藻、牛奶及奶制品、坚果、水果、鸡蛋、鱼及海产品、豆制品、蔬菜。现代膳食模式包括:水果、油炸食品、猪肉、牛奶及奶制品、鱼及海产品。传统膳食模式与代谢综合征呈负相关,现代膳食模式与代谢综合征呈正相关。在此基础上利用简化评分构建法构建健康膳食模式评分。健康膳食模式得分与代谢综合征患病风险呈负相关,该膳食模式第3分位人群患代谢综合征风险是第1分位人群的0.84倍（OR=0.84,95%CI:0.72-0.99,P＜0.05）。3.分别构建总体、城市、农村、男性和女性风险评估模型。总体风险评估模型为:Logit（P）=-2.50+0.50×（户籍所在地）+0.26×（性别）+0.42×（年龄）+2.47×（肥胖）-0.27×（体力活动）-0.20×（健康膳食模式）;城市风险评估模型为:Logit（P）=-3.30+1.09×（性别）+0.97×（年龄）+2.14×（肥胖）+1.20×（吸烟）-0.58×（体力活动）-0.61×（健康膳食模式）;农村风险评估模型为:Logit（P）=-1.56+0.21×（性别）+0.40×（年龄）+2.63×（肥胖）-0.21×（受教育水平）-0.27×（体力活动）-0.39×（健康膳食模式）;男性风险评估模型为:Logit（P）=-3.34+2.76×（肥胖）+0.93×（户籍所在地）-0.33×（健康膳食模式）;女性风险评估模型为Logit（P）=-1.10+0.59×（年龄）+2.33×（肥胖）-0.31×（家庭年人均收入）-0.1×（体力活动）-0.33×（健康膳食模式）。对比基础模型和加入健康膳食模式变量后的模型,新模型的区分度和校准度有一定提高,内部验证结果较好,标定能力明显提高。4.G3BP水平与代谢综合征患病风险呈正相关,G3BP水平较高的对象是G3BP水平较低的对象患代谢综合征的风险的2.29倍（OR=2.29,95%CI:1.68-3.13）。5.基于第二部分构建的风险评估模型,纳入生物标志物G3BP的浓度水平,构建新的代谢综合征风险评估模型。分别构建总体、城市、农村、男性和女性风险评估模型。总体风险评估模型为:Logit（P）=-3.91+0.61×（性别）+0.53×（年龄）+2.04×（肥胖）+0.64×（户籍所在地）-0.49×（体力活动）-0.46×（健康膳食模式）+0.82×（G3BP浓度水平）;城市风险评估模型为:Logit（P）=-5.86+1.47×（性别）+1.43×（年龄）+2.23×（肥胖）+0.97×（吸烟）-0.68×（健康膳食模式）+0.89×（G3BP浓度水平）;农村风险评估模型为:Logit（P）=-0.77-0.69×（受教育程度）+1.95×（肥胖）-0.55×（体力活动）-0.60×（健康膳食模式）+1.08×（G3BP浓度水平）;男性风险评估模型为:Logit（P）=-2.22+2.30×（肥胖）-0.88×（健康膳食模式）+1.06×（G3BP浓度水平）;女性风险评估模型为Logit（P）=-2.34+0.86×（年龄）+2.03×（肥胖）-0.53×（健康膳食模式）+1.04×（G3BP浓度水平）。对比基础模型和加入生物标志物G3BP后的模型,新模型的区分度和校准度有一定提高,内部验证结果较好,标定能力明显提高。结论:1.研究对象代谢综合征患病率处于较高水平。代谢综合征患病率在年龄、性别、户籍所在地、肥胖、受教育程度、体力活动等分布存在差异。2.研究人群中抽取出2种主要的膳食模式:传统膳食模式和现代膳食模式,传统膳食模式与代谢综合征患病率成负相关,现代膳食模式与代谢综合征成正相关,膳食因素与代谢综合征患病风险高度相关。3.生物标志物G3BP浓度水平与代谢综合征患病率呈正相关。4.分别构建了适宜的总体、城市、农村、男性和女性代谢综合征风险评估模型。对比基础评估模型、加入健康膳食模式的评估模型和加入生物标志物G3BP的评估模型,新模型的区分度和校准度有一定提高,内部验证结果较好,标定能力明显提高,风险评估模型的预测能力较好。