首页 > 论文范文 > 医药卫生论文 > 内科论文 > 高血压论文 > 高血压病影响因素及发病风险预测列线图模型

高血压病影响因素及发病风险预测列线图模型

2021-08-20 262 上传者：管理员

摘要：目的探讨常熟市居民高血压病的影响因素,建立高血压病发病风险预测列线图。方法在常熟市范围内进行大规模的问卷调查、体格检查和实验室检查,共纳入11 809名调查对象。采用单因素和多因素Logistic回归分析男性和女性高血压病相关影响因素,分别构建高血压病发病风险预测列线图,计算一致系数及对模型进行内部验证,评估其稳定性。结果多因素Logistic回归显示,年龄、饮酒、家族史、体质指数、腰围和血尿酸是男性高血压发病的独立危险因素(OR值分别为1.099、1.544、2.413、1.154、1.021和1.541),饮茶是保护因素(OR=0.709)。年龄、家族史、体质指数、甘油三酯和血尿酸是女性高血压发病的独立危险因素(OR值分别为1.115、2.479、1.127、1.151和1.003)。列线图的一致系数分别为0.78(0.76～0.79)和0.80(0.79～0.81),模型预测平均错误率为0.015和0.013,提示具有较好的准确性和可靠性。结论所得列线图直观显示了多个影响因素的作用,可用于社区居民高血压病筛查。针对其自身危险因素,分别提出相应的干预措施,有助于个体化防治的开展。

关键词：
列线图
风险
高血压病
高血压病预防
加入收藏

随着社会经济的发展，我国高血压病的患病率正急剧增加。高血压病是最常见的慢性非传染性疾病之一，是心脑血管病最主要的危险因素[1]。据2018年中国高血压病防治指南修订版显示，我国的18岁以上患病率约为27.9%[2]。目前，国内外关于高血压病危险因素的研究较多且较成熟，主要危险因素有高钠低钾膳食、超重和肥胖、过量饮酒、长期精神紧张、年龄、高血压家族史等[3]。面对越来越高的高血压患病率，除了做好高血压患者的规范化管理和合理用药控制血压外，我们更应该重视高危人群乃至全人群的预防策略。针对行为危险因素这一关键点，健康教育和健康促进在高血压病预防和控制中发挥着重要作用。本研究于2018年11月至2019年7月通过现场调查，了解常熟市居民高血压病患病的相关影响因素，构建高血压病发病风险预测列线图，进行高血压病发病风险评估，为卫生行政部门制定相关防治政策和策略提供理论依据。

1、对象与方法

1.1对象

依托国家“十一五”科技支撑计划项目(2007年)——代谢综合征发病趋势和综合控制研究，在常熟市建立了自然人群队列；本次调查为队列的第二次随访调查，有效人数共11 809人。

1.2方法

1.2.1抽样方法

在常熟市于2007年采用多阶段分层整群抽样方法，随机抽取浒浦、练塘、白茆、东张、东南、大义6个乡镇，再在抽中的乡镇中随机抽取3个社区，抽中社区所有样本单位(家庭户)中年龄18周岁及以上的户籍人口为本次的调查对象，建立了20 347人的自然人群队列；本次调查为原有对象的随访。

1.2.2调查方法

采取问卷调查法，问卷调查内容包括一般情况(姓名、出生日期、性别、文化程度、婚姻状况、职业、家庭收入情况等)、生活习惯(吸烟、饮酒、饮茶等)、家族史(兄弟姐妹和父母患病情况)和疾病史等高血压病危险因素状况。体格检查包括身高、体重、腰围、臀围和血压。实验室检查结果含谷丙转氨酶、谷草转氨酶、总胆红素、血糖、血脂、血尿酸、尿素氮、肌酐等。

1.2.3判定标准

高血压病：参照2010年修订的《中国高血压防治指南》[4],在未使用任何抗高血压药物的情况下，经非同日(一般间隔2周)3次测量收缩压(systolic blood pressure, SBP)≥140 mmHg和(或)舒张压(diastolic blood pressure, DBP)≥90 mmHg。吸烟：一生中至少吸烟达100支以上(约合5包卷烟或2两烟叶)。饮酒：过去12个月内曾饮酒达12次以上，包括白酒、啤酒、果酒、黄酒等。饮茶：至少3次/周，连续喝茶6个月以上，包括绿茶、白茶、红茶、黄茶等。

1.2.4统计分析

数据处理采用SPSS 22.0软件，危险因素单因素分析定量资料均数的比较采用t检验，分类资料的比较采用χ2检验；多因素分析采用Logistic回归模型，列线图(nomogram)是一种可靠的统计建模工具，通过整合各个预测参数，建立图像化的统计学预测模型，能精确预测个体实际发生事件的概率。其基本原理是根据Logistic回归或COX回归分析中各影响因素对因变量的贡献度情况，给出相应的评分，再汇总计算个体的总分，由此获得直观的个体预测值(如发病率、死亡率等)[5,6]。如确定高血压病影响因素后，绘制列线图，通过图像计算每个因素的评分，再汇总计算总分，从而得出个体高血压病发病的概率。高血压病发病风险预测列线图的构建采用R 3.3.2软件中的rms包[7]。模型的评价采用一致系数(C-index),其值越接近1代表模型的分辨度越好。检验水准为0.05。

2、结果

2.1基本情况

本次调查共纳入研究对象11 809人，其中高血压病患者4777(40.55%)人，非高血压病患者7032(59.55%)人。男性4776人，占40.44%,女性7033人，占59.56%。平均年龄为(60.60±11.93)岁，最小为27.08岁，最大为94.83岁。

2.2影响因素单因素分析

男性高血压患者2031人，患病率为42.55%;女性高血压患者2745人，患病率为39.03%;男性患病率高于女性(χ2=14.60,P<0.001)。由于男女生理结构和生活习惯存在差异，影响因素谱不同，单因素分析采用性别进行分层。结果显示，男性高血压病患者和非患者之间的年龄、婚姻状况、文化程度、饮酒、饮茶、家族史、体质指数(BMI)、腰围、高密度脂蛋白(HDL)、血尿酸(SUA)差异有统计学意义(P<0.05);家庭人均月收入、吸烟、咸淡偏好、总胆固醇(TC)、甘油三酯(TG)差异无统计学意义(P>0.05)。女性高血压病患者和非患者之间的年龄、婚姻状况、文化程度、家庭人均月收入、饮茶、咸淡偏好、家族史、BMI、腰围、TC、TG、HDL、SUA差异有统计学意义(P<0.05);吸烟、饮酒差异无统计学意义(P>0.05)。具体结果见表1。

2.3危险因素多因素分析

将男性和女性单因素分析结果中P<0.1的变量分别纳入多因素Logistic回归模型，变量赋值见表2。结果如表3所示，男性模型中包含了10个变量，女性模型中包含了13个变量。其中年龄、饮酒、家族史、BMI、腰围和SUA是男性高血压发病的独立危险因素，饮茶是保护因素(P<0.05)。年龄、家族史、BMI、TG和SUA是女性高血压发病的独立危险因素(P<0.05)。

表1高血压病危险因素单因素性别分层分析结果

表2多因素Logistic回归分析变量赋值导出到EXCEL

表3多因素Logistic回归分析结果

2.4构建高血压病发病风险列线图

基于上述Logistic回归模型分析得出独立影响因素(男性：年龄、饮酒、饮茶、家族史、BMI、腰围和SUA;女性：年龄、家族史、BMI、TG和SUA),构建列线图。得出的列线图如图1和图2所示，每一个危险因素对应相应的得分，然后将每一危险因素得分相加，获得总得分，其分值对应最下面的发病风险。例如：70岁(对应分值为64分)的男性，有家族史(对应分值为17分)、有饮酒习惯(对应分值为4.5分),无饮茶习惯(对应分值为2.5),BIM为30 kg/m2(对应分值为24分),腰围110 cm(对应分值为23.5分),SUA为100μmol/L(对应分值为5分),总得分为140.5,其高血压病发病风险约为80%。男性和女性列线图的一致系数分别为0.78(0.76～0.79)和0.80(0.79～0.81),提示此列线图预测与实际观察均有较好的一致性。采用Boostrap内部交叉验证1000次，两个模型预测平均错误率分别为0.015和0.013,提示列线图具备优越的稳定性，见图3、图4。

图1男性高血压病发病风险预测列线图

图2女性高血压病发病风险预测列线图

图3男性高血压病发病风险预测列线图的内部交叉验证

图4女性高血压病发病风险预测列线图的内部交叉验证

3、讨论

随着年龄的增长，高血压病发病风险逐渐增加，而我国大多数老年人缺乏相应能力和条件来获得相关健康知识，因此积极开展老年人健康促进的活动十分必要和紧迫[8]。男性和女性因激素水平差异，雌激素可通过调节血脂、扩张血管等途径，维持女性正常心脑血管功能，因此女性是高血压患病的保护因素[9]。饮酒可通过激活交感神经系统、醛固酮系统等，促进血管收缩而使血压升高[10]。就目前而言，限制饮酒工作的效果不十分理想，本研究调查者中男性高血压病患者饮酒率高达46.01%。这可能是由于在行为干预时，我们只是把饮酒当作个体行为，忽视了特定的经济、社会、文化背景等的影响。高血压病家族史是高血压病发病的重要危险因素，有高血压病家族史的人群发病风险是无家族史的2.88倍，因此，要重视有家族史的人群，严格控制其他危险因素，鼓励其做好自身预防。茶叶中的生物活性物质如茶多酚，具有抗氧化和抗血栓形成的功效，可维护心脑血管稳定性[11]。体重的增长、腹部脂肪的蓄积会影响人体代谢，尤其对男性而言(以腹部肥胖为主)会大大增加高血压、糖尿病等慢性病的患病风险[12]。倡导合理、健康、规律的饮食，增强体育锻炼，保持健康体重，对高血压病防治具有重要意义。甘油三酯有间接致动脉硬化的作用，高甘油三酯血症患者往往存在更严重的自主神经功能损害，与女性高血压患病呈正相关[13]。高尿酸水平人群高血压患病风险明显高于低尿酸水平人群，因此，除关注家族史、饮酒、血脂等传统高血压影响因素外，对社区人群应积极监测尿酸水平并及时防治高尿酸血症。

列线图作为可视化的预测工具，目前已广泛应用于原发性肝癌、乳腺癌、宫颈癌等多种恶性肿瘤的预后研究，可加权整合多个预测变量，直观显示变量对个体预测值的影响[14]。本研究利用现场流行病学调查数据构建了列线图模型，用于预测高血压病发病风险，并对模型进行了内部交叉验证，结果显示所构建的列线图具有较好的准确性和可靠性。可在社区卫生服务中心，根据建立的列线图预测模型，对社区卫生服务中心参加体检的对象进行高血压病筛查，针对其自身危险因素，分别提出相应的干预措施，防治一般人群和高危人群发生高血压病及其并发症，早期发现患者，提高生命质量，减轻社会疾病负担。此外，本研究仍存在不足之处。本研究通过bootstrap再抽样对列线图模型进行了内部交叉验证，不能完全保证外部数据的适用性。

参考文献：

[2]刘力生.中国高血压防治指南2018年修订版[J].心脑血管病防治,2019,19(1):1-44.

[3]刘晓迪.中国中老年人群高血压患病影响因素分析[J].中国公共卫生,2018,34(6):795-797.

[4]刘力生.中国高血压防治指南2010[J].中华高血压杂志,2011,19(8):701-743.

[12]丛守婧,林海,郭艳,等.中山市成人体质指数和腰围与高血压和糖尿病以及血脂异常的关系[J].中国慢性病预防与控制,2019,27(7):533-537.

[13]黄强,高瑛,蔡瑞,等.老年高血压病患者高甘油三酯血症和心率变异性的关系探讨[J].心脑血管病防治,2015,15(2):155-157.

文章来源：张秋伊,顾淑君,周正元,顾子佳.高血压病影响因素及发病风险预测列线图模型[J].中国健康教育,2021,37(08):704-708.