基于多元统计学方法的骨量肌量减少性肥胖综合征的结构特征研究

背景 骨量肌量减少性肥胖综合征（OSO）是一种严重损害老年人健康的疾病，对疾病进行临床分型可为疾病的临床诊治提供指导。基于OSO诊断变量间的相关性对OSO进行分型，并探寻OSO的结构特征，可为OSO的防治提供新的思路。 目的 探索OSO的结构特征，为实现OSO的个体化诊治提供理论依据。 方法 本研究为横断面研究。于2018年1月至2020年10月，采用随机抽样法，选取在哈尔滨医科大学附属第二医院体检中心接受健康体检、年龄≥60岁的老年OSO患者作为研究对象，采集其OSO诊断变量〔四肢骨骼肌指数，握力，体脂百分比（BF%），腰椎1~4（L1~4）、髋部、股骨颈骨密度（BMD），体质指数（BMI），腰围，步速〕、社会人口学特征、生活方式、常见慢性病患病情况等方面的资料。在利用因子分析法对OSO诊断变量数据进行分析前，采用KMO检验、Bartlett's球形检验评价OSO诊断变量数据是否适合进行因子分析。通过主成分分析法，提取特征值≥1.000的成分，并运用最大方差正交旋转法得出方差最大正交旋转矩阵。根据因子正交旋转矩阵，对公因子进行命名。基于公因子得分，利用离差平方和系统聚类法生成树状结构并对患者进行分类，通过比较不同类别患者间诊断变量水平和临床特征的差异，分析OSO的结构特征。 结果 共纳入107例老年OSO患者。KMO值为0.688，Bartlett's球形检验χ2=492.374，P<0.001，表明OSO诊断变量数据适合进行因子分析；按特征根>1.000的标准可提取3个公因子（骨质疏松因子、肌肉+体脂因子、肥胖因子），3个公因子的累积方差贡献率为81.408%，各诊断变量在所属公因子上的载荷值为0.770~0.918。聚类分析结果显示，共将OSO患者分为3类。不同类别人群四肢骨骼肌指数、握力、BF%、BMDL1~4、BMD髋部、BMD股骨颈、BMI、腰围比较，差异均有统计学意义（P<0.05）。其中第1类人群的BMDL1~4、BMD髋部、BMD股骨颈均低于其他两类人群（P<0.05）；第2类人群的BMI和腰围均低于其他两类人群（P<0.05）；第3类人群的四肢骨骼肌指数、握力和BMD均高于其他两类人群，BF%低于其他两类人群（P<0.05）。不同类别人群性别、受教育程度、个人月收入分布、总胆固醇（TC）、高密度脂蛋白胆固醇（HDL-C）、尿酸（UA）、肌酐（Cr）水平比较，差异有统计学意义（P<0.05）。第1类人群中本科以下学历者占比高于第3类人群（P<0.017）；第2类人群TC水平高于第3类人群（P<0.05）；第3类人群个人月收入≥5 000元者占比，以及UA、Cr水平均高于其他两类人群，女性占比低于其他两类人群（P<0.05或P<0.017）。 结论 可从骨质疏松、肌肉与体脂、肥胖3个方面对OSO诊断变量进行概括和解释；OSO患者具有不同的结构特征。应用多元统计学方法研究OSO患者的结构特征，有助于实现对不同类型OSO患者的个体化管理。

A Clinical Study of Structural Properties of Osteosarcopenic Obesity Syndrome Using Multivariate Statistical Methods