论文部分内容阅读
目的：缺血性心血管病(ICVD)包括缺血性心脏病(冠心病)和缺血性脑卒中这两类最主要的心血管事件。随着我国经济社会的发展，生活环境和生活方式的改变，人口老龄化的加剧，缺血性心血管病发病率和死亡率居高不下。近年的流行病学研究显示缺血性心血管病发病年龄有年轻化趋势，对ICVD的流行病学防控迫在眉睫。高血压作为缺血性心血管病风险因素的主要风险因素又作为重要的心血管病在 ICVD的预防工作中尤其重要。及时了解有关危险因素的现状，以及心血管病发病的变化趋势，探讨针对主要心血管病危险因素进行干预的模式，将有助于有效地开展心血管病防治。本研究旨在明确河南省15岁以上人群缺血性心血管病及其主要风险因素的现状，并在此基础上通过构建疾病风险评估模型的方法，发现与缺血性心血管病相关的主要风险因素，为开展缺血性心血管病预防控制工作提供循证依据。 方法：⑴现场取样调查设计采用多阶段分层随机抽样方法，于2012年抽取河南省10个县（市、区）19000名15岁以上城乡居民进行面对面问卷访谈和现场身体测量及实验室检查，问卷调查的内容包括人口学特征信息、近一年生活行为方式、心血管病患病情况和主要心血管病家族史；现场检测主要针对血压、糖尿病、血脂异常和超重、肥胖与中心性肥胖等心血管病或危险因素进行检查确认，所有调查项目实施质量控制。⑵一般资料统计分析方法对数值变量采用正态性检验，符合正态分布者，采用描述；不符合正态分布变量，对其进行数据转换，转换后仍不符合正态分布，用中位数（全距）进行统计描述，组间比较采用非参数检验；所有分类变量用频数（构成比）来表示，组间比较采用χ2检验，统计学检验标准取。⑶电子血压计的质量控制血压计的信度检验（Reliability）采用组内相关系数（Intraclass correlation coefficient，ICC）检验，两种血压计的差异性检验（Accuracy）通过配对样本 t检验进行，线性回归模型用来校准收缩压的偏差。重复测量方差分析、ANOVA用来评估时间、人群特征等对血压差异的影响。对偏差校正检验结果的评价应用人群验证、国际常用电子血压计美国医疗仪器促进协会（AAMI）标准和英国高血压学会（BHS）建议进行综合性评价。⑷缺血性心血管病风险预测缺血性心血管病的相关风险因素分析在单因素方差分析或卡方检验的基础上，应用Logistic回归的Forward:LR方法实现，入选标准为0.05，排除标准为0.10，分析各个因素与缺血性心血管病或高血压病的关联，并以地区和高血压进行调整前后缺血性心血管病风险因素的对比。另外，应用MDR_3.0.2软件消除多因素间的交互作用，降低因子数，发现缺血性心血管病主要风险因素。在MDR方法基础上应用多水平Logistic回归模型构建包括区/县（市）在内的两水平缺血性心血管病风险模型。 结果：①本次调查最终纳入18943名有效研究对象，其中男性7966人（42.08％），女性10977人（57.92%）。男女性别比例为0.73:1。平均年龄52.18±16.78（岁），最小年龄15岁，最大年龄95岁。其中男性为51.37±17.10（岁），女性为52.77±16.53（岁），最小年龄15岁，最大年龄98岁。高血压患者4391人，心肌梗死及脑卒中患病人数分别为302例和1014例，缺血性心血管病患者1251人。②单因素分析结果示薯类、畜肉、禽肉等及干果类在非高血压人群的进食量均高于高血压人群，差别有统计学意义；在高血压和非高血压人群中植物油和食用盐的差异有统计学意义（P<0.05）；动物油的食用量在两组人群中无差异（P﹥0.05）；非高血压人群与身体活动和锻炼水平均呈正性相关（P<0.05）；非高血压人群其余各项身体指标（体重、腰围、基础代谢率、身体脂肪率、内脏脂肪数）也较高血压人群偏低，差异具有统计学意义（P<0.05）；与高血压患病相关的一级亲属家族史包括高血压家族史、高血脂家族史和脑卒中家族史；与缺血性心血管病相关的有高血压、脑卒中家族史（P<0.05）；糖尿病和冠心病家族史未发现与高血压或缺血性心血管病相关。③高血压显著增大了罹患缺血性心血管病的风险。本次调查采用电子血压计统一测量，同时应用汞柱血压计进行质量控制。与汞柱血压计相比，电子血压计(Omron HBP-1300)在舒张压测量方面结果可靠，在收缩压测量方面呈现一定的偏差，可以通过公式（MSBPB＝0.803×MSBPA＋19.592）进行校正。高血压显著增加了脑卒中的患病风险（OR=7.54，95%CI=6.59-8.64）；高血压患者诱发心梗的风险是非高血压人群的2.38（95%CI=1.89-3.00）倍，罹患脑梗合并心梗的风险是非高血压人群的3.90（95%CI=1.89-8.04）倍。以高血压加权前后的缺血性心血管病风险因素有改变，除了估计值变化外，调整前的风险因素包括：年龄、教育程度、抽烟、既往抽烟史、中度体力劳动、重度体力劳动、中等体育锻炼、职业、高血压遗传史和脑卒中遗传史；用HTN调整后的结果如下：调整后包括13个贡献因子，其中减少了BMI，增加了民族和婚姻状况。④多因子降维法(Multifactor dimensionalityreduction，MDR)构建的最佳模型纳入了高血压，年龄，教育程度、职业，既往吸烟史和总饮食量等变量。训练集平均精度为0.79，一致性检验(CV consistency)为10/10。高血压的十一阶模型优于对缺血性心血管病的模型，其预测特异度达到0.88，灵敏度达到0.98，训练集与测试集的一致性较强(Kappa=0.74)。多水平模型拟合效果优于传统的Logistic回归模型。 结论：两水平模型提示高层级的宏观因素（如地区、地形、海拔等地理环境以及人均年收入、医生数量/万人等指标）对高血压发病的影响，同时也验证了个体水平的因素（如吸烟、中等强度体育锻炼、食盐纳入量、高血压家族史、身体质量指数、年龄、教育程度、婚姻状况、饮酒等）在高血压发病中的作用。多水平模型在评估和预测缺血性心血管病风险方面相对于传统的风险预测模型具有一定的优势，基于多水平模型的高危人群筛查策略结合健康教育和健康促进措施在缺血性心血管病一级预防方面有潜在的应用价值。