当前位置:主页 > 医学论文 > 外科论文 >

成都市20-29岁“健康”人群的六分钟步行距离及预测模型

发布时间:2018-04-29 05:08

  本文选题:六分钟步行距离 + 健康人群 ; 参考:《遵义医学院》2017年硕士论文


【摘要】:目的:评估成都市年轻“健康”人群的六分钟步行距离(Six-minute walk distance,6MWD),并且构建一个可预测成都市“健康”人群的6MWD的模型,为针对成都市胸外科患者行六分钟步行试验(Six-minute walk test,6MWT)提供对照依据,并为进一步研究6MWT在胸外科的临床意义和应用价值打下基础。方法:在2016年10月1日-11月30日间,招募390名20-29岁成都市“健康”受试者,在同一天完成2次6MWT,取其中最远距离作为最终6MWD。记录受试者的基本信息和既往病史,和受试者完成6MWT前后的心率,血压、心率恢复时间、有无不适感,并计算受试者测试前后的脉压、平均动脉压和测试前后的心率差、脉压差和平均动脉压差。使用SPSS 22.0软件进行统计学分析数据,计量资料采用均数±标准差(±S)表示,使用t检验做定量资料的单因素分析,χ2检验比较有锻炼习惯的人在各自性别中的所占率有无统计学差异。用Pearson相关分析分析受试者的6MWD和记录的各项数据间的相关性。对300名受试者的数据使用多元线性回归分析寻找6MWD的影响因素并建立6MWD的预测模型。使用该模型计算剩余受试者的预计6MWD,并与实际6MWD比较二者间差异。使用国外预测模型预测本组受试者6MWD,并与实际6MWD比较二者间差异。结果:390名受试者均完成2次6MWD,排除30名不符合测试要求受试者的结果,采用360名受试者的结果纳入本次研究。本次研究显示成都市20-29岁“健康”人群的6MWD是649.1±27.93 m,男性高于女性(分别是672.67±28.8 m和637.24±18.28m,t=11.265,P0.0001),有锻炼习惯人群高于无锻炼习惯人群(分别是660.41±31.6m和644.73±25.0m,t=4.111,P0.0001)。对300名受试者的数据进行单因素分析结果显示:年龄、性别、身高、体重、体重指数(Body mass index,BMI)、心率变量、心率恢复时间、收缩压、舒张压、平均动脉压、有无锻炼习惯、测试后心率、测试后收缩压、测试后舒张压、测试后脉压及能量消耗与6WMD呈正相关(P0.05),静息心率与6MWD呈负相关(P0.05)。有锻炼习惯的男性比女性多(二者占各自性别的百分比为37.6%和24.1%,χ2=5.974,P=0.021)。多因素分析结果显示:性别(G)、身高(H)、体重(W)、体重指数(Body mass index,BMI,B)、心率变量(△HR)及有无锻炼习惯(E)是6MWD的影响因素。6MWD的预测模型是:6MWD=213.876+8.006G+2.403H-0.511W+1.818B+14.607E+0.338△HR+0.056T,将剩余60名受试者测试结果带入该模型计算得预测6MWD与其实际6MWD无统计学差异。国外预测模型预测结果与实际结果均有差异(P0.0001)。结论:1.预测成都市20-29岁“健康”人群6MWD的模型是:6MWD=213.876+8.006G+2.403H-0.511W+1.818B+14.607E+0.338△HR+0.056T;2.本次研究建立的预测模型,可预测成都市20-29岁“健康”人群的6MWD;3.有无锻炼习惯是决定该年龄段“健康”人群6MWD的主要影响因素。
[Abstract]:Objective: to evaluate the six minute walking distance of six minutes walk distension in Chengdu's young "healthy" population and to construct a 6MWD model for predicting "healthy" population in Chengdu. To provide a control basis for Six-minute walk test 6MWTfor chest surgery patients in Chengdu, and to lay a foundation for further study of the clinical significance and application value of 6MWT in thoracic surgery. Methods: from October 1 to November 30, 2016, 390 healthy subjects aged 20-29 in Chengdu were recruited, and 6MWTs were completed twice on the same day, and the longest distance was taken as the final 6MWD. The basic information and past medical history of the subjects were recorded, and the heart rate, blood pressure, recovery time of heart rate and discomfort before and after 6MWT were recorded. The pulse pressure, mean arterial pressure and heart rate difference before and after the test were calculated. Pulse pressure difference and mean arterial pressure difference. SPSS 22.0 software was used to carry out statistical analysis of the data. The mean 卤standard deviation (卤S) was used to measure the data. Using t test as a single factor analysis of quantitative data, 蠂 2 test was used to compare whether there was statistical difference in the percentage of people with exercise habits in their sex. Pearson correlation analysis was used to analyze the correlation between 6MWD and recorded data. The data of 300 subjects were analyzed by multiple linear regression analysis to find the influencing factors of 6MWD and to establish the prediction model of 6MWD. The estimated 6 MWD of the remaining subjects was calculated using this model and the difference was compared with the actual 6MWD. The foreign predictive model was used to predict 6MWD and the difference was compared with the actual 6MWD. Results six MWDs were completed twice by: 390 subjects and 30 subjects who did not meet the test requirements were excluded. The results of 360 subjects were included in this study. This study showed that the 6MWD of the healthy population aged 20-29 in Chengdu was 649.1 卤27.93 m, which was higher in males than in females (672.67 卤28.8m and 637.24 卤18.28m, respectively). The 6MWD of people with exercise habits was higher than that of those without exercise habits (660.41 卤31.6m and 644.73 卤25.0mt4.111m, respectively). Univariate analysis showed that age, gender, height, body mass index (BMI), heart rate variable, heart rate recovery time, systolic blood pressure, diastolic blood pressure, mean arterial pressure, exercise habit, Heart rate, systolic blood pressure, diastolic blood pressure, pulse pressure and energy expenditure were positively correlated with 6WMD (P 0.05). Resting heart rate was negatively correlated with 6MWD (P 0.05). There were more males than females with exercise habits (the percentages of them were 37.6% and 24.1% respectively, 蠂 ~ 2 = 5.974%, P < 0.021). The results of multivariate analysis showed that sex, height, weight, body mass, heart rate and exercise habit were the influencing factors of 6MWD. The predictive model of 6MWD was: 1. 818 G 2.403H-0.511W 1.818B 14.607E 0.338 HR 0.056T. the other 60 subjects were selected as follows: 1. 6MWD: 213.876 8.00G 2.403H-0.511W 1.818B 14.607E 0.338 HR 0.056T. the other 60 patients will be treated by the following predictors: 6MWD: 213.876 8.00G 2.403H-0.511W 1.818B 14.607E 0.338 HR 0.056T The test results showed that there was no statistical difference between the predicted 6MWD and the actual 6MWD. The prediction results of foreign prediction models are different from those of actual ones (P 0.0001). Conclusion 1. The prediction model of 6MWD for "healthy" population aged 20-29 in Chengdu is: 1. 813. 876 8. 006G 2.403H-0.511W 1. 818B 0.338 HR 0. 056T0. 2. The prediction model established in this study can predict 6MW DX of healthy population aged 20-29 in Chengdu. Exercise habits are the main determinants of 6MWD in this age group.
【学位授予单位】:遵义医学院
【学位级别】:硕士
【学位授予年份】:2017
【分类号】:R655

【相似文献】

相关期刊论文 前10条

1 朱建军,褚新奇;海军医院住院费用预测模型的建立与应用[J];解放军医院管理杂志;2002年05期

2 许乾雄,肖创普;用灰色预测模型对病毒性肝炎发病率作预测[J];中国公共卫生;1993年02期

3 Schneck M.E. ,Bearse Jr. M.A. ,杨建刚;糖尿病视网膜病变进展的定位预测模型的形成和评估[J];世界核心医学期刊文摘.眼科学分册;2005年04期

4 Spears J.;TerBrugge K.G.;Moosavian M.;M.Tymianski;郭俊;;脑动静脉畸形手术治疗后患者神经功能预后的判别预测模型[J];世界核心医学期刊文摘(神经病学分册);2006年12期

5 王平根,吴海涛,高志平;医院药品预测模型[J];中国药学杂志;1999年03期

6 李娟;方慧生;;一种新的基于平均相似性方法的蛋白质天然构象预测模型质量评测方法[J];药物生物技术;2010年04期

7 李清江;;基于结核病预测模型的比较研究[J];硅谷;2012年14期

8 朱卉;韩昌斌;李晓武;阮积栋;李国华;;武汉市市区车祸死亡人数灰色预测模型及其近期效果评价[J];中国卫生统计;1991年01期

9 伍丽萍;王述蓉;陈玉;陈聪;吴佳琦;叶利明;;生物分配胶束液相色谱中β-内酰胺类抗生素定量保留-活性关系预测模型的研究[J];中国药学杂志;2008年07期

10 孔超;刘元凤;沈续雷;;灰色预测模型的SAS程序改进[J];中国卫生统计;2008年06期

相关会议论文 前10条

1 鄢小彬;肖新平;;基于灰色马尔可夫模型的煤矿安全预测[A];第九届中国青年信息与管理学者大会论文集[C];2007年

2 罗荣桂;黄敏镁;;基于自适应神经模糊推理系统的服务业发展预测模型[A];Well-off Society Strategies and Systems Engineering--Proceedings of the 13th Annual Conference of System Engineering Society of China[C];2004年

3 王亮;刘豹;徐德民;;预测模型的选择及其智能化实现[A];科学决策与系统工程——中国系统工程学会第六次年会论文集[C];1990年

4 肖健华;吴今培;;基于支持向量机的预测模型及应用[A];2003年中国智能自动化会议论文集(下册)[C];2003年

5 李阳旭;邓辉文;;一种新的企业市场预测模型及其比较研究[A];2004年中国管理科学学术会议论文集[C];2004年

6 马志元;;城市区域经济、人口、能源、环境综合系统预测模型及应用[A];中国城市建设与环境保护实践——城市建设与环境保护学术研讨会论文集[C];1997年

7 李兆芹;姚克敏;;一种新的疾病发病率预测模型研究[A];首届长三角气象科技论坛论文集[C];2004年

8 李兆芹;姚克敏;;一种新的疾病发病率预测模型研究[A];首届长三角科技论坛——气象科技发展论坛论文集[C];2004年

9 张晓f^;;全球煤炭产量的灰色预测模型[A];中国现场统计研究会第十三届学术年会论文集[C];2007年

10 肖会敏;樊为刚;;基于神经网络的粮食产量预测模型[A];04'中国企业自动化和信息化建设论坛暨中南六省区自动化学会学术年会专辑[C];2004年

相关重要报纸文章 前10条

1 刘庆;“预测模型”要缓行[N];网络世界;2006年

2 特约记者 刘京涛;华东化工销售员工设计价格预测模型见成效[N];中国石油报;2010年

3 南方日报记者 彭琳 实习生 周鹏程;预测世界杯之外 大数据还能做什么[N];南方日报;2014年

4 本报记者 张超;预测模型:推算SARS起落潮[N];科技日报;2003年

5 本报记者 段佳;机器“品肉师”替您“尝鲜”[N];大众科技报;2010年

6 BMC首席IT技术官 Mahendra Durai IDC顾问 Eric Hatcher Randy Perry;预测智能:管理复杂基础架构的锁钥[N];中国计算机报;2010年

7 张琳 赵伟;巧用Excel构建利润预测模型[N];财会信报;2007年

8 杨宜勇(作者为国家发改委经济研究所副所长);发挥信息化对就业的“增补效应”[N];第一财经日报;2005年

9 本报记者 汤浔芳 实习记者 董文萍;“孵化器”模式:大数据的垂直运营样本[N];21世纪经济报道;2014年

10 本报记者 安丰;深部找矿的探镜[N];中国国土资源报;2006年

相关博士学位论文 前10条

1 师懿;城市交通规划环评中空气污染预测模型研究[D];中国地质大学;2015年

2 张丽;牦牛肉用品质特性及近红外预测模型和产量等级系统的研究[D];中国农业科学院;2015年

3 王菲;肉牛饲料有效能值预测模型的建立与评价[D];中国农业大学;2016年

4 文江平;农村地区成人2型糖尿病发生风险相关生物标志物的筛选及预测模型的建立[D];中国人民解放军医学院;2016年

5 白云鹏;华法林稳态剂量预测模型在瓣膜置换术后抗凝治疗中的应用[D];天津医科大学;2016年

6 孙鹏;风电机组状态异常辨识广义模型与运行风险评估方法研究[D];重庆大学;2016年

7 马新;基于灰色系统与核方法的油藏动态预测方法研究[D];西南石油大学;2016年

8 付中涛;基于切削力预测模型的复杂曲面铣削进给速度优化研究[D];华中科技大学;2015年

9 周闯;原发性肝癌术后转移复发分子预测模型的优化整合与临床转化[D];复旦大学;2012年

10 孙忠林;煤矿安全生产预测模型的研究[D];山东科技大学;2009年

相关硕士学位论文 前10条

1 刘冰;基于神经网络的纤维热磨过程能耗预测模型的研究[D];东北林业大学;2015年

2 张念;铁路轨道几何不平顺趋势预测的关键算法研究[D];西南交通大学;2015年

3 田振伟;城市能源预测模型的研究与应用[D];昆明理工大学;2015年

4 吴迪;基于模糊决策树算法的安全库存量预测模型[D];中国地质大学(北京);2015年

5 齐雯;采用灰色预测模型改进的HHT算法在故障诊断中的应用[D];华南理工大学;2015年

6 王萍;膀胱癌遗传分数的计算及发病风险预测模型的构建[D];复旦大学;2013年

7 石大宏;基于序列的蛋白质—核苷酸绑定位点预测研究[D];南京理工大学;2015年

8 熊盛华;基于BP神经网络的混合预测模型的实例研究[D];兰州大学;2015年

9 赵Z,

本文编号:1818516


资料下载
论文发表

本文链接:https://www.wllwen.com/yixuelunwen/waikelunwen/1818516.html


Copyright(c)文论论文网All Rights Reserved | 网站地图 |

版权申明:资料由用户f13bc***提供,本站仅收录摘要或目录,作者需要删除请E-mail邮箱bigeng88@qq.com