血小板计数与代谢综合征关联性的前瞻性队列研究

目的 探讨血小板计数与代谢综合征的关联性。 方法 基于大规模健康管理队列,选取随访期间进行过至少两次体检记录、重要指标无缺失、基线未患有代谢综合征的人群建立前瞻性队列。按照基线血小板计数四分位数将研究对象分为4组,比较各组的发病密度。对这4组人群的基线各变量的特征进行描述。使用Cox比例风险回归模型,分别以血小板计数的数值变量或四分位数分组作为研究的变量,逐渐调整年龄、性别、BMI、高血糖、高血压、血脂异常,探究血小板计数在调整混杂因素前后是否仍为代谢综合征的危险因素。 结果 共计14 173位年龄在21~60岁的体检者进入队列,总计随访41 014.8人年,平均随访时间2.89年,随访中共有1 611人被诊断为代谢综合征,总人群发病密度为39.28/1 000人年。血小板计数在模型1(单因素)、模型2(调整年龄、性别)、模型3(调整年龄、性别、BMI、高血糖、高血压和血脂异常)中的风险比(HR)始终有统计学意义,表明随着血小板计数的增大代谢综合征的发病风险增加。当以血小板计数四分位数分组为研究的变量时,在模型1的单因素回归中,Q2组与Q1组相比,代谢综合征发病风险并未增加;Q3组和Q4组均有较高的风险增加;在模型2和模型3调整混杂因素后,Q2、Q3、Q4组均有统计学意义,且它们相对于Q1组的HR逐渐增大,结果表明随着血小板计数增加,代谢综合征发病风险也会增大。 结论 血小板计数升高是代谢综合征发生的独立危险因素。     

基于60种植物药多糖HPLC图谱的寒热药性分析及统计模式识别研究

目的:探讨中药寒热药性与多糖成分的相关性,寻找适合解释此相关性的统计模式识别方法。方法:选取寒、热性植物药各30种,提取和精制多糖并彻底水解成单糖,进行衍生化反应,测定多糖的单糖组成HPLC指纹图谱并构建数据库,经数据预处理后,比较6种统计模式识别方法在识别中药药性特征标记方面的优劣。结果:与其他模型相比,偏最小二乘判别分析识别率最高,对测试集植物药的组内判别正确率为91.7%,且对96个模拟药性特征标记整体识别率也明显优于其他模型。结论:中药寒热药性与多糖成分有明显相关性,用偏最小二乘判别分析建立的中药药性识别模型最适合发现与解释中药多糖成分与药性之间的相关性。     

结核病的生态学研究进展

目前结核病(Tuberculosis,TB)仍是世界范围内的一个重大公共卫生问题,而且是严重的社会问题,其流行已严重阻碍社会和经济的发展[1]。TB的发生流行等是多种因素共同作用的结果,既有个体水平的因素,也有群体水平的因素。     

山东省生育率空间分布及其影响因素

目的 分析山东省生育率的空间分布及其影响因素。方法 利用空间分析软件GIS和GeoDA构建山东省139个县区人口生育率的空间数据库,并进行空间自相关和全局空间回归模型分析。结果 全局空间自相关分析结果显示,Moran's I=0.46,P<0.01。空间误差模型分析结果显示,影响因素中已婚率、抚养比、性别比、高学历率、离婚率差异有统计学意义,P<0.05,其中只有离婚率回归系数小于零。结论 山东省各县区的生育率具有一定的空间相关性与聚集性。生育率聚集度较低的区域为威海、烟台等地及其周边,聚集度较高区域为临沂等地及其周边,存在明显地区差异。已婚率、抚养比、性别比与生育率空间分布呈正相关,离婚率与生育率空间分布呈负相关。     

非酒精性脂肪肝与慢性肾脏病关系的回顾性队列研究

目的 探讨非酒精性脂肪肝(NAFLD)对慢性肾脏病(CKD)发病的影响。 方法 以山东大学附属省立医院健康体检中心接受常规健康体检的人群建立回顾性队列。队列人群为2005~2010年期间体检3次及以上并且在首次体检无CKD者。应用t检验、 χ2检验比较基线有无NAFLD两组人群的特征,应用Kaplan-Meier法分别估计基线有无NAFLD两组人群CKD的累计发病率,Log-rank检验用于比较其差异。单因素Cox用于探索CKD发生风险与相关因素如人口统计学特征、生化指标等的关系,应用多元Cox回归模型控制混杂因素后,分析NAFLD与CKD的关联。 结果 研究队列包含10 775人,共随访34 878人年(平均3.24±0.99年/人)。研究期间,CKD共发生1 068例,发病密度为30.62/1 000人年。基线有NAFLD组CKD的累计发病率显著高于无NAFLD组(22.76% vs 12.07%, P<0.01)。多因素Cox回归模型中,调整年龄、性别、体质量指数(BMI)、收缩压、空腹血糖、甘油三酯、高密度脂蛋白、血红蛋白、血小板压积、是否患高血压、是否患糖尿病、是否患代谢综合征及有无冠心病病史后,HR值为1.20(95% CI:1.05~1.38,P=0.01)。 结论 调整多种已知的CKD危险因素后,NAFLD与CKD发病的关系仍具有统计学差异,说明NAFLD为CKD发病的独立危险因素。该结果对CKD的预防有重要意义。     

基于体检队列的2型糖尿病风险预测模型

目的 构建体检者2型糖尿病发病风险预测模型。 方法 选择2005年1月至2010年12月在山东大学附属省立医院、山东大学附属千佛山医院体检中心体检的非糖尿病者16 715人,随机选取70%体检者为训练组,用于建立Cox预测模型,逐步选择法进行变量选择,使用十折交叉验证法检验模型的稳定性,根据预后指数制定风险分级;剩余30%的体检者为校验组,对模型进行组外验证,再次评价模型效果。 结果 观察期间共新发生2型糖尿病858例,发病密度为15.14‰。最终纳入模型的变量包括年龄、体质量指数、空腹血糖、甘油三酯、是否患高血压以及白细胞自然对数;训练组ROC曲线下面积为0.742(95%CI: 0.732~0.752),校验组ROC曲线下面积为0.760(95%CI: 0.748~0.772)。 结论 建立的2型糖尿病风险预测模型在体检者中有较好的预测能力。     

山东省2010-2016年肾综合征出血热流行与时空分布特征分析

目的 了解2010－2016年山东省肾综合征出血热（HFRS）的流行特征及其时空分布特征,为制定今后的防控措施提供参考。方法 以中国疾病预防信息系统的数据为基础,利用空间自相关和时空扫描的方法对2010－2016年山东省HFRS的发病情况进行分析,描述其流行特征和时空聚集情况。结果 2010－2016年山东省HFRS共发病9 114例,年龄分布以30～70岁组为主,男女性别比为2.63∶1,职业分布以农民为主。发病总体呈现东南高、西北低的趋势。发病率先增后减,形成了一次流行周期,发病高峰在2013年（1.87/10万）。空间自相关和时空扫描结果显示山东省HFRS的高发聚集区由鲁东南地区集中后向鲁中地区扩散,聚集时间主要集中在2011年末至2015年上半年,2016年发病和高发聚集情况均有所下降。结论 2010－2016年山东省HFRS存在流行和聚集情况,重点防控地区在鲁中和鲁东南地区。     

Ripley′s L 指数与最近邻空间热点分析在流行病学标点地图分析中的应用

目的探讨Ripley′s L(d) 指数与最近邻空间系统聚类分析在流行病学标点地图分析中的应用。方法采用实验流行病学的方法,以ArcGIS90为数据管理与分析平台,将Ripley′s L(d)指数分析与最近邻空间系统聚类分析结合,综合反应疾病空间异质性及其动态特征。结果实验疫区内,宿主鼠类第一聚集区平均半径为429?m;最强聚集区平均半径为1443?m;最大聚集区平均半径为8626?m。各村聚集“热点”数差别较大,其一阶波动范围为3～8个,二阶波动范围为0～1个;小家鼠第一聚集区平均半径为486?m;最强聚集区平均半径为2114?m;最大聚集区平均半径为9257?m。各村聚集“热点”数差别较大,其一阶波动范围为1～12个,二阶波动范围为0～2个;褐家鼠第一聚集区平均半径为500?m;最强聚集区平均半径为3271?m;最大聚集区平均半径为9386?m。结论在空间流行病学领域,将Ripley′s L(d)指数分析与最近邻空间系统聚类分析相结合,能够为阐明宿主鼠类的空间分布特征,控制HFRS传染源提供统计学依据。     

人类群体遗传空间结构异质性变异函数模型

目的建立人类群体遗传空间结构异质性变异函数模型。方法结合地理距离和遗传距离的关系，分别建立基于三种经典遗传距离的群体遗传空间结构异质性的变异函数模型。结果实例表明，模型客观地反映了人类群体遗传空间结构异质性和空间自相关性。结论人类群体遗传空间结构异质性变异函数模型可以揭示人类群体遗传空间结构特征。     

脑血管狭窄患者狭窄分布及筛查模型的建立

目的 构建基于Logistic回归的脑血管狭窄筛查模型。 方法 在体检者中选取经核磁共振血管成像(MRA)检查的1 118例脑血管狭窄阴性者,在体检者中经MRA检查高度怀疑有脑血管狭窄并住院的患者中选取经数字减影脑血管造影(DSA)检查确诊的1 329例脑血管狭窄者。将1 118例脑血管狭窄阴性者作为对照组,将1 329例脑血管狭窄者作为病例组,采用病例-对照研究分析。通过描述脑血管狭窄部位的分布特点,进而使用经济廉价的常规检查指标在男女中构建脑血管狭窄Logistic筛查模型,用ROC曲线下面积(AUC)等指标进行模型评价。 结果 1 329例脑血管狭窄者中,男性有985例,女性有344例。调整年龄后的脑血管狭窄Logistic筛查模型中,男性共纳入8个变量:年龄、谷草转氨酶、白蛋白、高密度脂蛋白、中性粒细胞值、高血压、吸烟和饮酒,女性共纳入5个变量:白蛋白、高密度脂蛋白、空腹血糖、中性粒细胞值和高血压。其中高密度脂蛋白、白蛋白、高血压和中性粒细胞值为男女共同纳入的变量。AUC男女分别为0.927和0.888,经十折交叉验证后AUC男女分别为0.928和0.885。 结论 该模型具有较好的筛查能力,可用来识别脑血管狭窄高风险个体。