论文部分内容阅读
脑卒中(stroke)又称脑血管意外或中风,是因脑血管阻塞或破裂引起的脑血流循环障碍和脑组织功能或结构损害为表现的急性脑血管疾病。近年来,随着我国经济快速发展,生活节奏明显加快,产生了一系列不健康的生活方式,导致我国脑血管疾病死亡率、发病率和患病率持续上升。2005年全国第三次死因回顾抽样调查报告显示,脑血管疾病在我国城市前十位死亡原因顺位中位居第一位,农村位居第二位[1],因此,脑卒中的防治工作不容忽视。脑血管疾病的流行与社区内存在不利于脑血管健康的危险因素或生活方式有关,在目前尚无有效治疗方法的情况下,防治的策略应定位于开发方便一级预防、二级预防使用的脑血管病危险度评估工具,确定脑血管病的高危人群,帮助其及时正确采取相应的干预措施。90年代以来,国外学者在心脑血管疾病危险度评估方面做了大量的研究[2~5],建立的心脑血管疾病预测模型主要有基于Cox比例风险回归的Framingham模型[2]、基于Weibull accelarated falure time的Framingham模型[3]、哈佛癌症风险指数(Harvard Cancer Risk Index)模型[6]、基于Logistic回归的Whitehall积分模型[4]、PROCAM的神经网络模型[5]等,以使人群中脑血管疾病的高危人群得到早期健康管理与健康干预。国内学者在心脑血管疾病危险度评估方法方面也做了一些有益的尝试,但目前尚未制定统一的人群疾病危险等级分层标准,所建立的模型外推能力均普遍较弱,存在“本地优势”(home advantage),且研究内容多为疾病死亡危险的评估[7~8]。本研究试图在大样本的人群流行病学调查的基础上,运用疾病风险指数模型[6],建立适合重庆市社区居民疾病特点且方便实际应用的脑卒中事件发病危险预测模型,利用受试者工作特征曲线(receiver operator characteristic curve, ROC曲线)评估所建立的脑卒中风险指数模型的预测性能,帮助识别可修正的行为与生活方式危险因素,为基层社区服务中心中个性化的健康教育与健康促进提供有力依据。资料与方法一、资料来源本研究选择重庆沙坪坝区疾病预防与控制中心的社区居民健康普查资料用于建立脑卒中风险指数模型。病例组来自普查资料中检出的脑卒中患者共1034例。对照组采用多阶段分层随机抽样的方法在普查资料中16岁及以上常住人口中抽取不患所研究疾病的居民共2068例。二、疾病及危险因素的判定标准脑卒中的诊断按照1995年全国第四届脑血管病学术会议通过的“各类脑血管疾病诊断要点”[9]。脑卒中各危险因素的判定标准基本参照WHO诊断标准。三、脑卒中风险指数模型的建立本研究将3102例资料按照性别、年龄进行均衡后按4:1的比例随机分为建模人群和验证人群,其中建模人群2530人,验证人群572人。建模人群用于脑卒中风险指数模型的建立,利用非条件Logistic回归模型筛选脑卒中主要危险因素,运用统计模型把相对危险度转换为疾病危险分值,结合2002年中国居民营养与健康状况调查报告文献资料中分性别、分年龄组的人群危险因素暴露率,计算个体危险分值与人群总的分值的比值,及个体相对于同性别同年龄一般人群脑卒中发病危险的RR值,对个体相对于同性别同年龄一般人群脑卒中发病危险划分等级并量化。把验证人群基线资料代入基于建模人群建立的脑卒中风险指数模型生成脑卒中发病危险预测值,用ROC曲线下面积(AUC)检验预测模型的判别能力和预测准确性。四、统计资料分析方法所有普查资料均使用Epi-Data3.0软件输入计算机。用SPSS13.0进行率的比较、非条件Logistic回归及绘制预测模型的ROC曲线。用疾病风险指数模型建立脑卒中事件发病危险预测模型。结果一、非条件多因素Logistic回归筛选脑卒中的主要危险因素逐步Logistic回归筛选得到脑卒中的主要危险因素,男性有统计学意义的主要危险因素:体育锻炼、舒张压、高血压家族史、脑卒中家族史、糖尿病、高血压和高脂血症,女性有统计学意义的主要危险因素:文化程度、嗜咸食、舒张压、高血压家族史、脑卒中家族史、糖尿病、高血压和高脂血症。二、脑卒中风险指数模型的建立根据非条件多因素Logistic回归筛选得到的脑卒中主要危险因素及各危险因素的相对危险度,以青年(18-44岁)、中年(45-59岁)、老年(≥60岁)各为一个年龄组,建立分性别脑卒中事件发病危险预测模型,同时在此基础上制定分性别的脑卒中发病危险评分表,并开发完成脑卒中事件发病危险评估图。三、绘制脑卒中发病危险评估图为了更加方便基层社区卫生服务中心的实际应用,在上述基础上开发完成了脑卒中事件发病危险评估图。其使用方法更加简便,只须在图上找到被评估者各种危险因素水平所对应的位置,根据该位置标示的颜色即可判定被评估者脑卒中事件发病的相对危险在哪个等级。四、脑卒中风险指数模型的判别能力和预测准确性ROC曲线下面积(AUC)及其95%CI,男性模型为0.769(0.695~0.843),女性模型为0.731(0.671~0.792)。男性脑卒中风险指数模型,比值x(个体总的危险分值除以人群总的危险分值)为1.11可定为模型预测个体未来脑卒中发病与否的最佳阳性临界点,该点对应的诊断试验的灵敏度为72.0%,特异度为89.8%。女性脑卒中风险指数模型,比值x(个体总的危险分值除以人群总的危险分值)为2.11可定为模型预测个体未来脑卒中发病与否的最佳阳性临界点,该点对应的诊断试验的灵敏度为65.5%,特异度为85.3%。结论建立的脑卒中事件发病危险预测模型判别能力和预测能力较好,对于脑卒中这样的复杂疾病,脑卒中风险指数模型能有效地对个体健康与疾病危险分层与量化,帮助识别可修正的行为与生活方式危险因素,是基层社区服务中心中个性化的健康教育与健康促进的有力依据。