模型導向的缺血性心血管病預防策略——基于河南省心血管病流行病學調查.pdf

1、目的：缺血性心血管病(ICVD)包括缺血性心臟病(冠心病)和缺血性腦卒中這兩類最主要的心血管事件。隨著我國經濟社會的發展，生活環境和生活方式的改變，人口老齡化的加劇，缺血性心血管病發病率和死亡率居高不下。近年的流行病學研究顯示缺血性心血管病發病年齡有年輕化趨勢，對ICVD的流行病學防控迫在眉睫。高血壓作為缺血性心血管病風險因素的主要風險因素又作為重要的心血管病在 ICVD的預防工作中尤其重要。及時了解有關危險因素的現狀，以及心血管病發病

2、的變化趨勢，探討針對主要心血管病危險因素進行干預的模式，將有助于有效地開展心血管病防治。本研究旨在明確河南省15歲以上人群缺血性心血管病及其主要風險因素的現狀，并在此基礎上通過構建疾病風險評估模型的方法，發現與缺血性心血管病相關的主要風險因素，為開展缺血性心血管病預防控制工作提供循證依據。
　　方法：⑴現場取樣調查設計采用多階段分層隨機抽樣方法，于2012年抽取河南省10個縣（市、區）19000名15歲以上城鄉居民進行面對面問卷訪

3、談和現場身體測量及實驗室檢查，問卷調查的內容包括人口學特征信息、近一年生活行為方式、心血管病患病情況和主要心血管病家族史；現場檢測主要針對血壓、糖尿病、血脂異常和超重、肥胖與中心性肥胖等心血管病或危險因素進行檢查確認，所有調查項目實施質量控制。⑵一般資料統計分析方法對數值變量采用正態性檢驗，符合正態分布者，采用描述；不符合正態分布變量，對其進行數據轉換，轉換后仍不符合正態分布，用中位數（全距）進行統計描述，組間比較采用非參數檢驗；所有分

4、類變量用頻數（構成比）來表示，組間比較采用χ2檢驗，統計學檢驗標準取。⑶電子血壓計的質量控制血壓計的信度檢驗（Reliability）采用組內相關系數（Intraclass correlation coefficient，ICC）檢驗，兩種血壓計的差異性檢驗（Accuracy）通過配對樣本 t檢驗進行，線性回歸模型用來校準收縮壓的偏差。重復測量方差分析、ANOVA用來評估時間、人群特征等對血壓差異的影響。對偏差校正檢驗結果的評價應用人群

5、驗證、國際常用電子血壓計美國醫療儀器促進協會（AAMI）標準和英國高血壓學會（BHS）建議進行綜合性評價。⑷缺血性心血管病風險預測缺血性心血管病的相關風險因素分析在單因素方差分析或卡方檢驗的基礎上，應用Logistic回歸的Forward:LR方法實現，入選標準為0.05，排除標準為0.10，分析各個因素與缺血性心血管病或高血壓病的關聯，并以地區和高血壓進行調整前后缺血性心血管病風險因素的對比。另外，應用MDR_3.0.2軟件消除多因素

6、間的交互作用，降低因子數，發現缺血性心血管病主要風險因素。在MDR方法基礎上應用多水平Logistic回歸模型構建包括區/縣（市）在內的兩水平缺血性心血管病風險模型。
　　結果：①本次調查最終納入18943名有效研究對象，其中男性7966人（42.08％），女性10977人（57.92%）。男女性別比例為0.73:1。平均年齡52.18±16.78（歲），最小年齡15歲，最大年齡95歲。其中男性為51.37±17.10（歲），女性

7、為52.77±16.53（歲），最小年齡15歲，最大年齡98歲。高血壓患者4391人，心肌梗死及腦卒中患病人數分別為302例和1014例，缺血性心血管病患者1251人。②單因素分析結果示薯類、畜肉、禽肉等及干果類在非高血壓人群的進食量均高于高血壓人群，差別有統計學意義；在高血壓和非高血壓人群中植物油和食用鹽的差異有統計學意義（P<0.05）；動物油的食用量在兩組人群中無差異（P﹥0.05）；非高血壓人群與身體活動和鍛煉水平均呈正性相關（

8、P<0.05）；非高血壓人群其余各項身體指標（體重、腰圍、基礎代謝率、身體脂肪率、內臟脂肪數）也較高血壓人群偏低，差異具有統計學意義（P<0.05）；與高血壓患病相關的一級親屬家族史包括高血壓家族史、高血脂家族史和腦卒中家族史；與缺血性心血管病相關的有高血壓、腦卒中家族史（P<0.05）；糖尿病和冠心病家族史未發現與高血壓或缺血性心血管病相關。③高血壓顯著增大了罹患缺血性心血管病的風險。本次調查采用電子血壓計統一測量，同時應用汞柱血壓計

9、進行質量控制。與汞柱血壓計相比，電子血壓計(Omron HBP-1300)在舒張壓測量方面結果可靠，在收縮壓測量方面呈現一定的偏差，可以通過公式（MSBPB＝0.803×MSBPA＋19.592）進行校正。高血壓顯著增加了腦卒中的患病風險（OR=7.54，95%CI=6.59-8.64）；高血壓患者誘發心梗的風險是非高血壓人群的2.38（95%CI=1.89-3.00）倍，罹患腦梗合并心梗的風險是非高血壓人群的3.90（95%CI=1.

10、89-8.04）倍。以高血壓加權前后的缺血性心血管病風險因素有改變，除了估計值變化外，調整前的風險因素包括：年齡、教育程度、抽煙、既往抽煙史、中度體力勞動、重度體力勞動、中等體育鍛煉、職業、高血壓遺傳史和腦卒中遺傳史；用HTN調整后的結果如下：調整后包括13個貢獻因子，其中減少了BMI，增加了民族和婚姻狀況。④多因子降維法(Multifactor dimensionalityreduction，MDR)構建的最佳模型納入了高血壓，年齡，

11、教育程度、職業，既往吸煙史和總飲食量等變量。訓練集平均精度為0.79，一致性檢驗(CV consistency)為10/10。高血壓的十一階模型優于對缺血性心血管病的模型，其預測特異度達到0.88，靈敏度達到0.98，訓練集與測試集的一致性較強(Kappa=0.74)。多水平模型擬合效果優于傳統的Logistic回歸模型。
　　結論：兩水平模型提示高層級的宏觀因素（如地區、地形、海拔等地理環境以及人均年收入、醫生數量/萬人等指標）