论文部分内容阅读
目的应用Bayesian Sparse Latent Factor Models以及principle component analysis(PCA)方法分析上海市2型糖尿病(T2DM)患者的膳食模式,并分析患者年龄、性别、患病时长等因素对已患糖尿病人群膳食模式的影响。方法本研究391名上海市某社区医院糖尿病管理健康档案登记在册的中老年2型糖尿病患者的膳食数据通过含19食物条目的半定量膳食频率问卷(FFQ)进行调查收集;使用PCA方法以及Bayesian Sparse Latent Fctor Models方法分别对该人群的膳食数据进行分析,确定该人群膳食模式,此时不考虑个体其他因素对膳食模式的影响;之后在Sparse Latent Fctor Models方法中纳入年龄、性别以及患病时长这些因素进行2型糖尿病患者膳食模式的分析,探讨该类因素对已患2型糖尿病患者膳食模式是否存在影响。结果对19类食物条目进行PCA分析以及不纳入影响因素的Sparse Latent Fctor Models方法分析,两个方法都获得了4类膳食模式,且两种方法得出的4类膳食模式之间具有可比性。其中对PCA结果中因子载荷绝对值>0.3来确定膳食模式发现,许多食物条目同时出现在多个膳食模式中(如深色蔬菜类同时出现在4类食物模式中),对Sparse Latent Fctor Models方法结果中后验包含概率均>=0.95的食物条目纳入膳食模式,发现其中仅少量食物组分同时出现在多个膳食模式中;考虑年龄、性别以及患病时长对膳食模式的影响,将321名患者纳入模型(70名患者因信息缺失删除),通过在Sparse Latent Fctor Models中纳入上述3个协变量,统计得出3种膳食模式,且发现纳入的影响因素与19类食物条目之间的相关性均无统计学意义(后验包含概率均<0.95)。结论 Sparse Latent Fctor Models方法由于其结果便于解释,且可考虑其协变量对个体食物偏向的影响,因此该方法在膳食模式分析中可能优于PCA方法。发现在2糖尿病患者中年龄、性别、患病时长因素对个体食物选择均无影响,认为在该研究人群中2型糖尿病患病状态导致的饮食改变,不受患者年龄性别以及患病时长等因素的影响。