山东省中西部农村居民高血压危险因素分类树分析

目的 探讨山东省中西部地区25岁以上农村常住居民高血压的危险因素及高危人群.方法 采用多阶段分层随机抽样的方法 ,对该地区调查对象进行问卷调查、体格检查以及实验室检测.应用分类树分析高血压人群的危险因素及高危人群.结果 高血压的主要危险因素为年龄、腹型肥胖、超重或肥胖、高血压家族史、血糖值较高等.高血压的高危人群主要为高年龄者;年龄较大且血糖值较高者;年龄较大且腹型肥胖或超重者;有高血压家族史且年龄较大者;有高血压家族史、腹型肥胖且年龄较大者.分类树模型学习集的灵敏度为71.87%,特异度为66.38%,总正确率为68.79%;检验集的灵敏度为70.70%,特异度为65.84%,总正确率为67.97%.结论 控制体重和血糖为一般人群的预防措施,不同高危人群应根据所具有的危险因素采取不同的防治措施.高血压的人群防治应将对一般人群的普遍预防和对高危人群的重点预防相结合.     

Exhaustive CHAID分类树与logistic回归在脑卒中危险因素中的应用

目的应用exhaustive CHAID分类树模型与logistic回归分析来分析北京社区居民脑卒中危险因素以及不同特征人群的重点干预因素,为加强北京市居民脑卒中的干预提供科学依据。方法于2007年6月至8月,采用整群抽样方法,对北京10 108名社区居民进行问卷调查、体格检查及检测空腹血糖、血脂。采用logistic回归与exhaustive CHAID分类树分析相结合来探讨影响北京市居民脑卒中的因素。结果 logistic回归分析和exhaustive CHAID分类树分析显示年龄、性别、踝臂指数(ABI)、高血压、腹型肥胖、高密度脂蛋白胆固醇、吸烟状况、工作强度为脑卒中的危险因素;Exhaustive CHAID分类树分析揭示老年者ABI贡献大,不容忽视中年者糖尿病。Logistic回归分析和exhaustive CHAID分类树分析的ROC曲线下面积分别为0.803和0.778,模型可靠。结论对脑卒中的防治,要在总体把握的情况下,对不同的高危人群应采取不同的防制措施。     

低血压患病及其危险因素的分类树研究

[目的]了解居民低血压患病情况,探讨低血压的危险因素。[方法]利用广东省 2002 年居民营养与健康状况调查数据,分析15 951名15岁以上常住居民低血压患病情况,应用分类树模型分析其危险因素。[结果]低血压的患病率为3 9%,女性及低年龄组人群患病率较高。低血压的分类树分析中,共有7个中间结、8个终结点。女性、白领、睡眠时间长是低血压的危险因素,高年龄组、独居、重度职业性体力活动、腰围粗、体重指数高、高盐摄入、血脂高是其保护因素。分类树模型的灵敏度与特异度在学习集分别为 93 4%和 77 1%,在检验集分别为 83 2%和 77 9%。[结论]女性及低年龄组人群是低血压的高发人群;女性、白领、睡眠时间长是低血压的危险因素。     

人工神经网络在个体患原发性高血压预测中的应用

目的 在流行病学调查资料的基础上,探讨并评价预测个体患原发性高血压的新方法.方法 选择8 914例社区居民流行病学调查资料,按3:1分为训练集(6 686例)与检验集(2 228例),分别用于筛选变量、建立预测模型及对模型的检测和评价.应用人工神经网络(ANN)和logistic回归分别建立高血压患病预测模型,用受试者工作曲线(ROC)评价预测模型的优劣.结果 ANN预测模型的灵敏度(95.94%)、特异度(85.04%)、约登指数(80.98%)、一致率(88.78%)优于logistic回归预测模型(灵敏度=51.31%、特异度=95.56%、约登指数=46.87%、一致率=80.39%).通过ROC曲线下面积比较模型的预测能力:ANN预测模型曲线下面积(Az=0.904±0.007)明显大于logistic回归预测模型(Az=0.734±0.012).结论 利用ANN模型进行疾病分类预测,较logistic回归模型能获得更好的预测效果.     

高血压危险因素分类树分析

目的 探讨高血压的主要危险因素与高危人群，为高血压的防制提供理论依据。方法 采用以社区人群为基础的病例对照研究；以某工厂人群中筛检出的、未经药物系统治疗的l16名高血压患及136名血压正常健康为研究对象；运用分类树分析探讨高血压的主要危险因素与高危人群。结果 高血压的主要危险因素为：超重、中心型肥胖、饮酒、吸烟、高血脂症、年龄与性别。高血压主要高危人群为：(1)超重 中心型肥胖 饮酒；(2)超重 中心型肥胖 高年龄及其男性吸烟；(3)超重 高血脂症；(4)中心型肥胖 饮酒 吸烟。上述高危人群病例数占总病例数的82．76％。以学习集的分类结果为：灵敏度为82．76％，特异度为74．26％；以检验集的分类结果为：灵敏度为71．55％，特异度为61．03％。结论 对高血压不同高危人群应采取不同的防制措施；控制体重、饮酒、血脂水平、戒烟应为高血压一般人群防制的主要预防措施。     

北京市海淀区成人高血压危险因素研究

[目的]了解北京市海淀区成年人高血压的主要危险因素. [方法]采用等比例多阶段整群随机抽样的方法抽取海淀区18岁以上常住居民2 706人进行询问调查,应用SAS9.01软件包进行单因素和多因素非条件logistic回归分析. [结果]调查对象高血压患病率为34.51%,标化患病率28.9%.非条件logistic回归分析显示:年龄、性别、文化程度、血脂、体重指数、腰臀比是社区居民高血压患病的主要危险因素,OR值分别为1.905、0.713、0.736、1.677、2.155、1.348.[结论]年龄、性别、文化程度、血脂、体质指数和腰臀比在高血压发病中起着重要作用.     

中老年社区居民血脂、体质指数与慢性病的相关性分析

目的 探讨中老年社区居民血脂、体重与慢性病的相关性,为社区居民健康管理提供参考依据.方法 检查900名中老年社区居民的血脂,测量计算体质指数,并进行问卷调查.结果 被调查的社区居民甘油三酯、总胆固醇、体质指数合格率分别为65.4％、72.4％和30.7％;高血压、糖尿病患病率分别为40.6％和10.8％.logistic回归分析结果显示,年龄、糖尿病、总胆固醇水平是中老年社区居民高血压患病的影响因素;高血压、体质指数是中老年社区居民糖尿病患病的影响因素(均P ＜0.05).结论 杭州市中老年社区居民血脂合格情况尚可,体质指数合格情况偏低.高年龄、糖尿病、总胆固醇水平是中老年社区居民高血压患病的显著影响因素,高血压、体质指数是中老年社区居民糖尿病患病的显著影响因素.     

决策树和回归技术在超重危险因素分析中的应用

目的探讨决策树和logistic回归在超重危险因素分析中的应用效果,分析出影响超重的危险因素,为超重的防治提供依据。方法采用1∶1病例对照研究方法,选取符合超重标准的518名超重者和518名对照,应用SPSS 16.0中logistic回归和决策树CHAID算法建立预测模型,利用受试者工作曲线(ROC)评价两个预测模型的效果。结果 logistic回归筛选出两个危险因素:年龄大、食盐量大,而女性是保护因素。除上述3个因素外,决策树模型还分析出吸烟、饮酒也是超重的危险因素,决策树模型对训练样本和测试样本超重风险预测准确率分别为70.0%和74.9%。决策树模型的灵敏度为(85.6%)、约登指数(55.6%)、正确分类百分比(74.9%)均高于logistic回归预测模型(57.9%,45.4%,72.7%),特异度(70.0%)低于logistic回归预测模型(87.5%)。决策树模型ROC曲线下面积稍大于logistic回归模型(0.720 vs 0.670,Z=1.784,P=0.038)。结论采用CHAID法建立超重相关因素模型是可行的,其预测结果可为超重的防治提供依据。倡导居民健康生活方式,戒烟限酒、低盐饮食、适当体育锻炼将有效控制超重及相关疾病的发生。     

北京市某地区居民高血压合并血脂异常患病率及其影响因素的研究

目的了解北京市某地区居民高血压合并血脂异常的患病率及其影响因素,为有针对性地制定策略提供依据。方法采用随机整群分层抽样的调查方法对北京市某地区18岁以上常住居民进行膳食、生活习惯及个人健康状况问卷调查,测量其血压、血浆总胆固醇、甘油三酯、高密度脂蛋白胆固醇和低密度脂蛋白胆固醇,比较血压血脂正常人群与高血压合并血脂异常患者在膳食营养素摄入方面的差异,及不同性别和年龄的调查对象高血压和血脂异常的患病率差异,采用多因素logistic回归分析高血压合并血脂异常的影响因素。结果该区503名18岁以上的成年人中有130名居民患高血压合并血脂异常,检出率为25.84%(其中高血压检出率为44.93%,血脂异常的检出率为49.70%)。膳食结构中,高血压合并血脂异常患者钠、胆固醇摄入量超过了推荐摄入量,在能量、碳水化合物摄入量方面明显高于血压血脂正常的人群,而不溶性膳食纤维、钾及锌的摄入量明显低于后者,差异有统计学意义(P0.05)。多因素logistic回归分析显示,性别(女性)和不溶性膳食纤维是高血压合并血脂异常保护因素,体质指数(BMI)和年龄是其危险因素;年龄、BMI、钠是该区居民高血压的危险因素,锌和性别(女性)是高血压的保护因素;性别(女性)和不溶性膳食纤维是血脂异常的保护因素,BMI是其危险因素。结论该区居民膳食结构不合理,是高血压合并血脂异常发病的重要原因。     

应用人工神经网络预测个体血脂异常患病危险度

目的建立个体血脂异常患病危险度的预测模型,探讨并评价预测个体血脂异常的新方法。方法选择8914例社区居民流行病学调查资料,按3∶1分为训练集(6686例)与检验集(2228例),分别用于筛选变量、建立预测模型及对模型的检测和评价。应用人工神经网络(ANN)和logistic回归分别建立血脂异常预测模型,受试者工作曲线(ROC)评价预测模型的优劣。结果 ANN预测模型的特异度(64.79%)较低,但灵敏度(94.86%)、约登指数(59.65%)、一致率(81.23%)均优于logistic回归预测模型(特异度=77.49%、灵敏度=53.51%、约登指数=31.00%、一致率=81.23%);ANN预测模型ROC曲线下面积(Az=0.824±0.009)明显大于logistic回归预测模型(Az=0.655±0.012)(P<0.05)。结论在预测个体血脂异常方面,ANN模型较logistic回归模型具有更好的预测判别效能。     

基于三种统计学方法构建的超重及肥胖人群高血压发病预测模型的分析比较

目的 利用CRT分类树、logistic回归、BP神经网络构建超重及肥胖人群高血压发病预测模型。方法 抽取出3150名超重及肥胖人群（体质指数≥24kg/m²）。分别应用CRT分类树、logistic回归、BP神经网络构建超重及肥胖人群高血压发病预测模型，筛选出高危因素，采用受试者工作特征曲线（ROC）对三种统计学方法构建的预测模型进行特异性、敏感性及准确性评估。结果 三种方法构建的预测模型筛选出的高危因素包括非酒精性脂肪性肝病(NAFLD)、空腹血糖(FPG)、年龄、甘油三酯(TG)、尿酸(UA)、低密度脂蛋白胆固醇(LDL-c)。CRT分类树模型、logistic回归模型、BP神经网络模型ROC曲线下面积(AUC)值分别为0.721、0.734、0.733，敏感性分别为61.63%、76.59%、82.85%，特异性分别为77.58%、60.44%、52.00%，Youden指数分别为39.20%、37.02%、34.85%。结论 本研究筛选的危险因素包括NAFLD、FPG、年龄、TG、UA、LDL-c，基于危险因素应用三种统计学方法构建的预测模型具有中等预测价值，对超重及肥胖人群高血压发病具有较好的预测能力。     

A simple tool detected diabetes and prediabetes in rural Chinese

ObjectiveTo develop and evaluate a simple tool, using data collected in a rural Chinese general practice, to identify those at high risk of Type 2 diabetes (T2DM) and prediabetes (PDM).Study Design and SettingA total of 2,261 rural Chinese participants without known diabetes were used to derive and validate the models of T2DM and T2DM plus PDM. Logistic regression and classification tree analysis were used to build models.ResultsThe significant risk factors included in the logistic regression method were age, body mass index, waist/hip ratio (WHR), duration of hypertension, family history of diabetes, and history of hypertension for T2DM and T2DM plus PDM. In the classification tree analysis, WHR and duration of hypertension were the most important determining factors in the T2DM and T2DM plus PDM model. The sensitivity, specificity, positive predictive value, negative predictive value, and receiver operating characteristic area for detecting T2DM were 74.6%, 71.6%, 23.6%, 96.0%, and 0.731, respectively. For PDM plus T2DM, the results were 65.3%, 72.5%, 33.2%, 90.7%, and 0.689, respectively.ConclusionThe classification tree model is a simple and accurate tool to identify those at high risk of T2DM and PDM. Central obesity strongly associates with T2DM in rural Chinese.     

应用人工神经网络预测个体患原发性高血压病危险度

目的 建立个体患原发性高血压病的预测模型,评价并探讨预测个体患病的新方法.方法 选择3054名社区居民流行病学调查资料,按照年龄、性别均衡性,按4:1分为训练集(2438名)与检验集(616名)两部分,分别用于筛选变量、建立预测模型及对模型的检测和评价.应用人工神经网络(ANN)和logistic回归分析方法建立模型,用ROC方法评价所建立的高血压患病预测模型的优劣.结果 对616名检验集预测,ANN模型的特异性较低,但准确性、灵敏度指标均优于logistic回归模型,ANN2的约登指数为0.8399,明显高于其他两个模型;通过ROC曲线下面积比较模型的预测能力:logistic回归方法曲线下面积(Az=0.732±0.026)小于ANN模型(ANN2和ANN1分别为0.918±0.013、0.900±0.014),即ANN模型有更好的预测判别效能.结论 初步证明在预测个体患高血压病方面,ANN方法预测效能更优,从而为解决个体发病危险预测提供了一个新方法.     

某医院体检人群糖尿病预测模型研究

目的 探讨logistic回归和随机森林在体检人群糖尿病患病风险预测中的应用。 方法 选择2006年1月-2015年12月在北京航天总医院体检中心参加体检的非糖尿病者11 769例次,随机选取70%样本,以性别、年龄、BMI、吸烟史、饮酒史、高血压既往史、高血压家族史、糖尿病家族史、收缩压、舒张压、空腹血糖、总胆固醇、甘油三酯、脂肪肝等14个因素作为自变量,以5年内是否罹患糖尿病作为因变量,基于logistic回归和随机森林分别建立糖尿病预测模型。将预测模型应用于剩余30%样本,根据所得受试者工作特征曲线的曲线下面积(AUC)评价模型的预测效果。 结果 Logistic回归预测模型和随机森林预测模型的AUC分别为0.912(95%CI:0.898~0.927)和0.919(95%CI:0.906~0.932),在最佳临界点,Logistic回归预测模型的灵敏度和特异度分别为80.8%和87.3%,随机森林预测模型的灵敏度和特异度分别为84.1%和85.3%。 结论 Logistic回归预测模型和随机森林预测模型对体检人群的糖尿病患病风险均具有良好的预测能力。     

河南省2000-2007年志贺菌多中心研究

志贺菌属分为AB、CD 4个群,即痢疾志贺菌(S.dysenteriae)、福氏志规菌(S.flexneri)、鲍氏志贺菌(S.boydii)、宋内志贺菌(S.sonnei)以及50多个血清型(包括亚型).现将河南省各监测点2000-2007年志贺菌菌型、药敏和毒力基因检测结果报道如下.     

船舶外来医学媒介生物传入风险分析初探

目的探讨船舶外来医学媒介生物传入的风险评估方法。方法通过建立医学媒介风险logistic回归模型,同时采用层次聚类分析以实例数据进行医学媒介风险预测,与医学媒介实际检出情况进行比对,以受试者工作特征曲线（ROC曲线）比较2种方法的预测效果。结果船员国籍、本地季节和历史医学媒介疫情是外来医学媒介生物传入的危险因素。医学媒介风险logistic回归模型的预测灵敏度为50%,特异度为77%;层次聚类分析法灵敏度为11%,特异度为93%;以ROC曲线比较2种方法的预测效果,其ROC曲线下面积AUC分别为0.64和0.52,Logistic回归模型预测效果略高于层次聚类分析。结论2种预测方法（AUC）均在0.7以下,准确性不高,为国际航行船舶外来媒介生物风险评估及预警系统的建立提供一种思路。     

湖南省农村居民腰椎问盘突出的危险因素及预测模型研究

目的 探索农村居民腰椎间盘突出的危险因素,并建立患病预测模型.方法 采用以人群为基础的病例对照研究方法,在湖南省某市3个乡50 123名居民中确诊的腰椎间盘突出症患者303例中,随机选择152例为病例组,选择与病例组在性别和年龄段构成相似的健康居民167人为对照组,问卷调查各种可能危险因素的暴露情况,建立logistic预测模型.结果 非条件logistic同归分析结果显示阳性腰椎疾患家族史、腰部诊疗或手术、紧张心理、腰背部急性损伤、固定工作体位和BMI≥23.0 kg/m2是该地区居民腰椎间盘突出的危险因素.由此建立的logistic预测模型受试者工作特征曲线下面积达到0.809,当概率分界点设为0.4时,预测准确率为74.0%,灵敏度为73.7%,特异度为74.3%.结论 农村居民腰椎间盘突出症的发生受到遗传和环境多因素的影响,通过建立的logistic回归模型可以实现预测.     

决策树模型与Logistic回归分析模型识别高血压危险因素的效果比较

目的 利用决策树模型和Logistic回归分析模型分析清丰县居民高血压的危险因素,比较两种分析方法的不同.方法 采取多阶段分层整群抽样的方法,在清丰县15～ 74岁人群中抽取4087名常住居民进行调查.建立决策树与Logistic回归分析模型.结果 决策树和Logistic回归分析模型均显示高年龄、中心性肥胖、初中以下...     

体质量与甘油三酯交互作用对老年非酒精性脂肪肝的关联分析

目的 探讨体质量（BMI）与甘油三酯（TG）之间交互作用对老年非酒精性脂肪肝（NAFLD）发病的影响。方法 2020年1—12月期间,采用便利抽样方法,以柳州市工人医院体检中心2 138名老年体检者为研究对象,进行横断面调查,内容涉及问卷调查,体格检查,生化指标检测及肝脏超声检查,并计算BMI。采用分类树模型CRT法对影响因素进行分析,非条件logistic回归模型分析影响因素间的交互作用。结果 （1）柳州市2 138例老年体检人群中,共检出NAFLD 872例,老年NAFLD患病率为40.8%（男性40.6%,女性41.1%）。老年NAFLD患者具有较高的BMI、收缩压（SBP）、舒张压（DBP）、TG、空腹血糖（FPG）、丙氨酸氨基转移酶（ALT）、天门冬氨酸氨基转移酶（AST）及尿酸（UA）水平（P＜0.01）,而年龄和高密度脂蛋白胆固醇（HDL - C）水平均降低（P＜0.01）,总胆固醇（TC）和低密度脂蛋白胆固醇（LDL - C）水平无统计学意义（P＞0.05）。（2）建立分类树模型,包括5 层,27个结点,14个终末节点,结果显示与老年NAFLD关系最密切的2个变量为BMI和TG,该模型能够正确估计老年NAFLD患病比例的73.6 %。单因素和多因素logistic回归分析均显示高BMI与高TG对老年NAFLD具有显著的正交互作用,调整混杂因素后,高BMI与高TG间的相对超额危险度（RERI）、归因比（AP）、纯归因比（AP*）和交互作用指数（S）分别为7.54、49.56%、53.05%、2.13。结论 BMI与TG是老年NAFLD的重要危险因素之一,在老年NAFLD发病中存在协同交互作用,控制体质量及甘油三酯对降低老年人群NAFLD患病率起到重要作用。