论文部分内容阅读
目的:通过meta分析的方法获得高血压人群并发脑卒中危险因素的合并风险值,建立预测高血压人群并发脑卒中的健康风险评估模型(Health Risk Appraisal model,HRA),从而区分高危人群与低危人群,并针对不同风险人群进行个性化的健康教育和健康促进,有助于降低高血压人群并发脑卒中的风险的目的。方法:本研究主要分为三部分:第一,回顾性分析高血压人群并发脑卒中影响因素的文献,通过meta分析的方法获得高血压人群并发脑卒中影响因素的iRR和平均暴露率iP。第二,根据第一步得到的系数,构建Rothman-Keller模型和Logistic回归模型,并对高血压个体并发脑卒中风险进行预测,再通过二项分布函数方法生成一组随机数据集,确定风险评估等级划分节点,并绘制风险评估图。第三,采用实际人群发病数据与Rothman-Keller模型及Logistic回归模型预测结果,分别绘制ROC曲线(Receiver Operating Characteristic Curve,受试者工作曲线)进行验证。结果:(1)Meta分析结果:纳入31篇文献进行meta分析。本次meta分析纳入的中国高血压人群中患脑卒中的影响因素有15个,包括SBP、DBP、LDL-C、HDL-C、Hcy、TC、TG、肥胖、高尿酸血症、空腹血糖受损/糖尿病、脑卒中家族史、颈动脉斑块、是否规律服药、体育锻炼、吸烟,其合并RR值分别为1.06、1.02、1.69、0.75、3.05、1.74、1.21、1.18、5.63、1.94、1.94、3.81、2、0.42、1.81。(2)模型参数及风险评估等级节点的确定根据Rothman-Keller模型联合分布图的发病风险变化趋势,分别选择发病风险为0.0653、0.0989作为Rothman-Keller模型预测高血压人群并发脑卒中的低中危及中高危划分节点。Logistic回归模型如下:PLogit)((28)-5.152+0.0581x+0.0202x-0.2883x+0.5254x+1.1155x+1.7286x+0.6637x+0.6638x+1.3389x+0.69310x-0.86811x+0.59312x。根据联合分布图的发病概率P变化趋势,分别选择发病概率为0.0661、0.1570作为Logistic回归模型预测高血压人群并发脑卒中的低中危及中高危划分节点。(3)实际数据验证:Rothman-Keller模型预测的ROC曲线下面积和95%CI为0.784(0.718,0.849),P=0.000。Logistic回归模型预测的ROC曲线下面积和95%CI为0.725(0.651,0.799),P=0.000。结论:本研究通过meta分析定量合成的方式,结合Rothman-Keller模型和Logistic回归模型构建中国高血压人群并发脑卒中的风险预测模型。Rothman-Keller模型的预测效果可能优于Logistic回归模型。本研究结果可为区分高血压人群并发脑卒中的不同风险等级,并针对不同风险等级人群进行个性化的健康教育和健康促进,并评价健康教育和健康促进达到的干预效果提供依据,为中国高血压人群并发脑卒中风险预测提供参考依据,也为建立其他慢性病的风险评估模型提供新的思路。