论文部分内容阅读
目的:血脂指标与代谢综合征(Metabolic syndrome,MetS)的研究多针对单项指标,极少数研究评价血脂指标如何一起用于估计MetS的风险。本研究基于健康体检人群八年的纵向数据,应用主成分分析(principal component analysis,PCA)和联合模型总结血脂信息,揭示其内在的生理联系,分析主成分的动态变化与MetS发生的关联。方法:收集大连市某三甲医院体检中心2010年1月～2017年12月的体检数据,建立体检纵向数据库。使用IBM SPSS 23.0软件进行数据的整理与基本描述,使用SPSS进行血脂指标的PCA和ROC曲线的绘制,R 3.2.5软件建立联合模型,分析PC的动态变化与MetS的关联。结果:1.共5486名研究对象纳入本次随访研究,其中男性为1875人(34.18%),女性为3611人(65.82%),基线年龄在19～64岁之间,在随访终止时共有772名研究对象发生MetS(发病率为14.07%,发病密度为3.85/100人年),男性395人(发病率为21.07%,发病密度为6.11/100人年),女性377人(发病率为10.44%,发病密度为2.79/100人年)。2.本研究对随访过程中未发生MetS者个体血脂指标值的年均值进行主成分分析,提取出2个主成分,PC-1的贡献率为51.33%,PC-2的贡献率为34.15%,2个主成分的累积贡献率为85.48%,PC-1在TC和LDL-C上的因子载荷较大,由TC和LDL-C以近似1比1的比例构成,认为其反映“血脂的存留水平”;PC-2在TG和HDL-C上的因子载荷绝对值较大,由0.6倍的TG和0.9倍的HDL-C构成,以其中HDL-C与PC-2正相关,而TG则与其负相关,认为其反映“血脂的清除水平”。3.以发生MetS作为诊断阳性,绘制基线不同血脂指标及血脂主成分的ROC曲线进行诊断效能比较,结果PC-1的诊断性优于TC但劣于LDL-C,PC-2的诊断性优于TG和HDL-C。4.在PC-1的联合模型结果中,LME子模型部分:基线时,34岁的女性人群,PC-1的平均水平为6.7644mmol/L,gender的系数表示同年龄的男性,其基线PC-1的平均水平比女性高0.2175mmol/L;age的系数显示个体的基线年龄每增长一岁,PC-1增加0.0518mmol/L;age与gender的负交互作用表明男性PC-1水平随单位基线年龄的增量低于女性;time的系数表示随访时间每增加1年,PC-1增加0.0144mmol/L;time与gender之间的负交互作用表示男性的PC-1随单位随访时间的增量比女性低0.0287mmol/L,即女性的PC-1增加的更快。联合模型的结果显示关联系数α有统计学意义(p<0.05),表示PC-1纵向每增加一个单位,发生MetS的危险增加1.3002倍(95%CI:1.1271,1.4998)。5.在PC-2的联合模型结果中,LME子模型部分:基线时,34岁的女性人群,PC-2的平均水平为0.8766mmol/L,gender的系数表示同年龄的男性,,PC-2的平均水平比女性低3.9977mmol/L;age的系数显示个体的基线年龄每增长一岁,PC-2降低0.0045mmol/L;由于age与gender存在负交互作用,男性PC-2随基线年龄的降低量低于女性;time的系数表示随访时间每增加1年,PC-2降低0.0125mmol/L;time与gender之间的负交互作用表示男性PC-2随单位随访时间的变化量比女性低0.0108mmol/L,即女性的PC-2降低的更快。在Cox模型子模型部分,age有统计学意义(P<0.05),表示age对MetS的发病有影响,个体基线年龄每增加一岁,发生MetS的危险增加1.0119倍(95%CI:1.0024,1.0215)。联合模型结果显示关联系数α有统计学意义(p<0.05),表示PC-2纵向每降低一个单位,发生MetS的危险就增加2.9586倍(95%CI:2.3691,3.6955)。结合PC-1和PC-2的联合模型分析结果可见,PC-2的纵向降低相比于PC-1的增加对发生MetS的影响更大。结论:对个体血脂指标值的年均值进行PCA,提取出2个主成分,认为其分别反映血脂的存留水平和血脂的清除水平;个体PC-1的动态增加和PC-2的动态降低是MetS发生的危险因素,尤其血脂的清除水平的下降相较于血脂的存留水平的上升,对MetS发生的影响更大。提示要密切关注血脂指标的动态变化,通过运动等方式提高血脂的清除能力,尽早进行干预以预防MetS的发生。