基于河南省某农村人群的2型糖尿病风险评分模型研究

发布时间：2017-07-28 23:08

  本文关键词：基于河南省某农村人群的2型糖尿病风险评分模型研究

  更多相关文章： 2型糖尿病 风险评分 预测 农村人群 队列研究

【摘要】：目的在中国人群中构建的2型糖尿病风险预测模型较少。本研究旨在基于河南省某农村人群建立2型糖尿病的非侵袭性和侵袭性风险评分模型,并评价其预测效能,为在农村人群开展2型糖尿病高危人群的筛检及干预工作提供科学证据。方法于2007年7~8月和2008年7~8月选取20194名年龄≥18岁农村居民进行问卷调查、体格检查、空腹血糖及脂质谱检测。于2013年7~8月和2014年7~10月对上述调查对象进行相同内容的随访,共随访到17265名。排除随访期间死亡(1110名)、基线确定为2型糖尿病(1302例)、1型糖尿病(12例)和随访不确定是否为2型糖尿病(2556名)的对象,最终纳入12285名调查对象。以1:1的比例将其随机分为建立预测模型组(建模组,6143名)和验证预测效能组(验证组,6142名)。采用Cox比例风险回归模型分析,对每个有统计学显著性的自变量,以10倍的回归系数(β)为其赋值,即得评分模型。分别以体质指数、腰围、腰身比、体质指数+腰围为肥胖指标,同时纳入其他非侵袭性自变量建立非侵袭性评分模型。增加血脂水平、空腹血糖、血脂水平+空腹血糖建立侵袭性评分模型。以风险分值为自变量、是否为2型糖尿病患者为因变量,进行受试者工作特征(ROC)曲线分析,选择约登指数最大处的风险分值为最佳切点。综合考虑曲线下面积(AUC)及约登指数选择出最佳非侵袭性评分模型和侵袭性评分模型,并应用到验证组验证其预测效能。同时,应用趋势χ2检验比较估计的风险评分与实际的2型糖尿病累计发病率。结果1.调查对象随访6年后新发2型糖尿病779例,其中建模组376例,发病密度为10.24/1000人年;验证组403例,发病密度为10.98/1000人年,两组人群2型糖尿病发病密度差异无统计学意义(u=0.92,P=0.179)。2.最佳非侵袭性评分模型(模型4)以25分为最佳切点,灵敏度为65.96%,特异度为66.47%。该模型纳入的预测变量有年龄、睡眠时间、体质指数、腰围和高血压。以30岁为参照组,30~44、45~59和≥60岁的β值为1.07、1.58和1.67,赋予11、16和17分;以睡眠时间8.0~9.9 h/d为参照组,睡眠时间≥10.0h/d的β值为0.27,赋予3分;以体质指数18.5~23.9 kg/m2为参照组,体质指数24.0~27.9和≥28.0 kg/m2的β值为0.53和1.00,赋予5和10分;以腰围85(男)/80(女)为参照组,85 cm≤腰围90 cm(男)/80 cm≤腰围85 cm(女)、腰围≥90 cm(男)/腰围≥85 cm(女)的β值为0.44和0.65,赋予4和7分;以未患高血压为参照组,高血压患者的β值为0.34,赋予3分。3.最佳侵袭性评分模型(模型7)以22分为最佳切点,灵敏度为65.69%,特异度为76.56%。该模型纳入的预测变量有年龄、体质指数、高血压、高甘油三酯血症和空腹血糖水平。以30岁为参照组,45~59和≥60岁的β值为1.14和1.11,赋予11和11分;以体质指数18.5~23.9 kg/m2为参照组,体质指数24.0~27.9和≥28.0 kg/m2的β值为0.60和0.93,赋予6和9分;以未患高血压为参照组,高血压患者的β值为0.34,赋予3分;以未患高甘油三酯血症为参照组,高甘油三酯血症患者的β值为0.50,赋予5分;以空腹血糖5.6 mmol/L为参照组,空腹血糖5.6~6.0和≥6.1 mmol/L的β值为1.10和2.29,赋予11和23分。4.模型4和模型7的AUC(95%CI)分别为0.66(0.65~0.67)和0.75(0.74~0.76),差异有统计学意义(P0.001)。芬兰FINDRISC模型的AUC(95%CI)为0.64(0.63~0.65),与模型4的AUC差异无统计学意义(P=0.135)。美国Framingham模型的AUC(95%CI)为0.71(0.70~0.72),低于模型7(P=0.005)。结论1.本研究基于河南省某农村的队列人群,建立了一个以年龄、睡眠时间、体质指数、腰围和高血压为预测变量的非侵袭性2型糖尿病风险评分模型。2.本研究建立了一个以年龄、体质指数、高血压、高甘油三酯血症及空腹血糖为预测变量的侵袭性2型糖尿病风险评分模型。3.高年龄、睡眠时间过长的人群应更加注重2型糖尿病的预防,且2型糖尿病的防控应与肥胖、高血压、血脂异常尤其是高甘油三酯血症的预防同时进行。
【关键词】：2型糖尿病 风险评分 预测 农村人群 队列研究
【学位授予单位】：郑州大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：R587.1
【目录】：

• 摘要4-6
• Abstract6-12
• 英文缩略词12-13
• 1 引言13-15
• 2 对象与方法15-20
• 2.1 研究对象15
• 2.2 调查内容15-17
• 2.2.1 问卷调查15
• 2.2.2 体格检查15-16
• 2.2.3 生化检测16
• 2.2.4 研究变量定义及诊断标准16-17
• 2.2.5 T2DM诊断标准17
• 2.3 质量控制17-18
• 2.3.1 调查人员17-18
• 2.3.2 调查现场18
• 2.3.3 生化检测18
• 2.3.4 资料整理18
• 2.3.5 资料分析18
• 2.4 统计分析18-20
• 3 结果20-33
• 3.1 建模组和验证组人群基线特征及随访期间新发T2DM20-21
• 3.2 单因素分析21-23
• 3.3 非侵袭性风险评分模型23-27
• 3.3.1 非侵袭性风险评分模型的建立23-26
• 3.3.2 非侵袭性风险评分模型在建模组的ROC曲线分析26-27
• 3.4 侵袭性风险评分模型27-30
• 3.4.1 侵袭性风险评分模型的建立27-30
• 3.4.2 侵袭性风险评分模型在建模组的ROC曲线分析30
• 3.5 最佳非侵袭性风险评分模型及侵袭性风险评分模型的验证30-33
• 3.5.1 最佳非侵袭性风险评分模型及侵袭性风险评分模型在验证组的ROC曲线分析30-31
• 3.5.2 最佳非侵袭性风险评分模型及侵袭性风险评分模型估计的风险分值与实际的 T2DM6 年累计发病率的趋势性检验31-33
• 4 讨论33-39
• 4.1 风险评分模型的建立33-34
• 4.2 风险评分模型的验证34-35
• 4.3 风险评分模型纳入的危险因素35-37
• 4.4 本研究的优点和局限性37-38
• 4.5 风险评分模型的意义及展望38-39
• 5 结论39-40
• 参考文献40-45
• 综述45-56
• 参考文献51-56
• 个人简历56-58
• 致谢58

【相似文献】

中国期刊全文数据库 前3条

1 唐长华;李志彬;刘芳;徐德翠;;四种评分模型对慢性重型乙型肝炎患者短期预后的比较[J];临床肝胆病杂志;2010年06期

2 桂得权;朱文涛;;药品不良反应严重程度分级评分模型的建立与应用[J];中国药房;2009年23期

3 ;[J];;年期

中国重要会议论文全文数据库 前4条

1 毛建军;蔡卫民;;个人信用评分模型比较研究[A];科学发展观与系统工程——中国系统工程学会第十四届学术年会论文集[C];2006年

2 杨文斌;陈恩强;白浪;陈学兵;冯萍;唐红;;三种终末期肝病评分模型对早中期慢性重型乙型肝炎患者短期预后的评估价值[A];第6届全国疑难及重症肝病大会论文集[C];2011年

3 秦宛顺;石庆焱;;一个基于Logistic回归的个人信用评分模型[A];21世纪数量经济学（第4卷）[C];2003年

4 陈希镇;;关于评分模型的研究[A];全国教育与心理统计测量学术年会论文摘要集[C];2006年

中国重要报纸全文数据库 前2条

1 记者王宙;我国个人通用信用评分模型研究取得阶段性成果[N];中国社会科学报;2010年

2 记者　 周萃;信用评分模型有助于缓解小企业融资瓶颈[N];金融时报;2006年

中国博士学位论文全文数据库 前1条

1 朱艳敏;基于信用评分模型的小微企业贷款的可获得性研究[D];苏州大学;2014年

中国硕士学位论文全文数据库 前10条

1 谢荣华;多维项目反应理论等级评分模型的参数估计[D];西南大学;2015年

2 刘炯;科研论文影响力评估方法研究[D];华南理工大学;2015年

3 肖洋洋;汉语L_2口语的文本特征及评分模型初探[D];南京大学;2014年

4 张红艳;基于河南省某农村人群的2型糖尿病风险评分模型研究[D];郑州大学;2016年

5 徐伟;基于信用评分模型的民营企业信用评级研究[D];广东商学院;2010年

6 肖涵敏;基于项目节点的项目评分模型及其应用研究[D];西南大学;2012年

7 傅强;基于集成化的个人信用评分模型研究[D];华中科技大学;2009年

8 曾辉;基于数据挖掘的银行个人客户信用评分模型的研究[D];对外经济贸易大学;2007年

9 尹航;半参数信用评分模型[D];山东大学;2009年

10 曾文潮;基于贝叶斯方法的小企业信用评分模型研究[D];中南大学;2012年

，

本文编号：586429