论文部分内容阅读
目的：随着经济社会的发展、医疗技术水平的提高，高血压的患病人数逐年攀升，其中老年患者占多数，老年高血压患者出现CVD并发症人数也在逐年攀升，高血压及其CVD并发症严重影响着老年人的身体健康状况。本研究对老年高血压患者并发CVD状况进行调查分析；通过建立老年高血压患者CVD并发症影响因素的Logistic回归模型及贝叶斯网络模型，探索老年高血压患者并发CVD的可能影响因素及这些可能影响因素之间的关联，通过贝叶斯网络推理反映这些影响因素对CVD的作用强度，预测该人群CVD进展情况，为不同老年高血压患者制定针对性防控CVD进展的措施提供理论依据，实现理论研究与实际应用接轨，同时挖掘贝叶斯网络在分析慢性病影响因素的优势，并为其它慢性病影响因素研究提供合理的方法。
方法：（1）本研究采用前瞻性队列研究，于2013年3月-12月采用随机抽样抽取南京市某医院进行常规健康体检的60岁及以上的高血压患者作为研究对象，纳入研究队列，使用自行研制的问卷调查了解老年高血压患者进展为CVD的可能危险因素状况。（2）对研究对象进行每2年随访一次，分别于2015、2017、2019进行随访，最后一次随访时间为2019年6月-12月，追踪其CVD进展状况。（3）使用Excel工作表建立CVD数据库。（4）运用SPSS 22.0进行描述性统计、卡方分析、二元Logistic回归分析等分析，研究老年高血压患者并发CVD的状况及影响因素；运用RStudio 3.6.3软件构建贝叶斯网络模型，探索危险因素及因素间的相互关系； 运用Netica软件对贝叶斯网络进行展示及推理，直观反映老年高血压患者并发CVD状况、影响因素之间的相互作用及对CVD产生的影响。
结果：（1）本研究共获得有效研究对象2078名，女性992例，占47.74%，男性1086例，占52.26%。（2）6年随访期间，共476例老年高血压患者出现CVD结局，进展率为22.91% ，其中冠心病事件的进展率为13.57%（282/2078）；脑卒中事件的进展率为12.27%（255/2078）；其他CVD事件的进展率为0.96%（20/2078）；共患冠心病脑卒中两种疾病的进展率为3.85%（80/2078）。（3）单因素分析：对老年高血压患者CVD进展可能产生影响的因素进行单因素分析，其中不同年龄、收缩压、高血压病程、肥胖、慢性肾功能不全、糖尿病、高尿酸血症、甘油三脂、总胆固醇、吸烟组别差异具有统计学意义（均P<0.05）。（4）多因素分析：将单因素分析存在统计学差异的变量，纳入多因素Logistic回归进行分析，结果显示：不同组别收缩压、高血压病程、慢性肾功能不全、糖尿病、高尿酸血症、总胆固醇、吸烟存 在统计学差异（均P<0.05）。（5）构建模型：①筛选确定进入模型的变量 ： 将多因素分析存在统计学意义的变量，结合理论背景知识加入性别、年龄，则进入模型的变量包括：年龄、性别、收缩压、高血压病程、慢性肾功能不全、糖尿病、高尿酸血症、总胆固醇、吸烟、CVD共10个变量。②Logistic回归模型：结果显示：性别、收缩压、高血压病程、慢性肾功能不全、糖尿病、高尿酸血症、总胆固醇、吸烟均对老年高血压患者进展为CVD产生作用（均P<0.05），女性、较小的收缩压和较短时间的高血压病程均可延缓老年高血压患者发生CVD进程（均P<0.05）；而共患疾病方面：患慢性肾功能不全、糖尿病、高尿酸血症均促使老年高血压患者并发CVD发症（均P<0.05）；总胆固醇异常者或（和）吸烟人群的进展CVD可能性要更大（均P<0.05）。③贝叶斯网络模型：构建贝叶斯网络的节点共10个，有向边10条，节点包括：性别、年龄、收缩压、高血压病程、慢性肾功能不全、糖尿病、高尿酸血症、总胆固醇、吸烟、CVD。对老年高血压患者并发CVD产生直接影响作用的有：收缩压、慢性肾功能不全、糖尿病和高血压病程；而性别、年龄、 总胆固醇、高尿酸血症可能通过慢性肾功能不全、收缩压间接影响CVD的发生；吸烟与CVD关联较弱。（6）模型比较：贝叶斯网路和 Logistic回归模型的ROC曲线面积分别为0.716和0.726（均P<0.05），模型效果ROC曲线下面积贝叶斯网络和Logistic回归模型接近。二元Logistic回归模型中灵敏度、特异度、漏诊率和判别正确率分别为0.626、0.717、0.374、0.696；贝叶斯网络模型中灵敏度、特异度和漏诊率和判别正确率分别为0.664、0.657、0.336、0.659，二元Logistic回归模型判别正确率和特异度较高，排除随访期间CVD不发病的老年高血压患者能力较好；贝叶斯网络灵敏度较高漏诊率较低发现老年高血压患者CVD发病的能力较好，CVD为终身治疗性疾病，能发现CVD的能力非常重要；此外贝叶斯网络可发现不同节点与CVD及节点之间的依赖关系，便于更深入了解可能影响因素之间的联系，因此相比较而言贝叶斯网络模型分析影响因素较优。
结论：（1）老年高血压患者CVD进展率较高。（2）性别、年龄、收缩压、高血压病程、慢性肾功能不全、糖尿病、高尿酸血症、总胆固醇、吸烟是老年高血压患者进展为CVD的影响因素，收缩压、慢性肾功能不全、糖尿病和高血压病程可能对老年高血压患者并发CVD产生直接影响作用：性别、年龄、 总胆固醇、高尿酸血症可能间接影响CVD的发生。（3）相比于二元Logistic回归模型，贝叶斯网络模型分析影响因素较优。分析老年高血压患者并发CVD影响因素时，贝叶斯网络不仅能获得影响疾病发病的危险因素，还能获得各危险因素之间的可能相互作用，且直观简洁，通过网络拓扑结构可直观显示影响因素与老年高血压患者进展CVD间复杂的关系，可直观了解各危险因素间依赖关系，为慢性病影响因素发现提供合理的方法。
方法：（1）本研究采用前瞻性队列研究，于2013年3月-12月采用随机抽样抽取南京市某医院进行常规健康体检的60岁及以上的高血压患者作为研究对象，纳入研究队列，使用自行研制的问卷调查了解老年高血压患者进展为CVD的可能危险因素状况。（2）对研究对象进行每2年随访一次，分别于2015、2017、2019进行随访，最后一次随访时间为2019年6月-12月，追踪其CVD进展状况。（3）使用Excel工作表建立CVD数据库。（4）运用SPSS 22.0进行描述性统计、卡方分析、二元Logistic回归分析等分析，研究老年高血压患者并发CVD的状况及影响因素；运用RStudio 3.6.3软件构建贝叶斯网络模型，探索危险因素及因素间的相互关系； 运用Netica软件对贝叶斯网络进行展示及推理，直观反映老年高血压患者并发CVD状况、影响因素之间的相互作用及对CVD产生的影响。
结果：（1）本研究共获得有效研究对象2078名，女性992例，占47.74%，男性1086例，占52.26%。（2）6年随访期间，共476例老年高血压患者出现CVD结局，进展率为22.91% ，其中冠心病事件的进展率为13.57%（282/2078）；脑卒中事件的进展率为12.27%（255/2078）；其他CVD事件的进展率为0.96%（20/2078）；共患冠心病脑卒中两种疾病的进展率为3.85%（80/2078）。（3）单因素分析：对老年高血压患者CVD进展可能产生影响的因素进行单因素分析，其中不同年龄、收缩压、高血压病程、肥胖、慢性肾功能不全、糖尿病、高尿酸血症、甘油三脂、总胆固醇、吸烟组别差异具有统计学意义（均P<0.05）。（4）多因素分析：将单因素分析存在统计学差异的变量，纳入多因素Logistic回归进行分析，结果显示：不同组别收缩压、高血压病程、慢性肾功能不全、糖尿病、高尿酸血症、总胆固醇、吸烟存 在统计学差异（均P<0.05）。（5）构建模型：①筛选确定进入模型的变量 ： 将多因素分析存在统计学意义的变量，结合理论背景知识加入性别、年龄，则进入模型的变量包括：年龄、性别、收缩压、高血压病程、慢性肾功能不全、糖尿病、高尿酸血症、总胆固醇、吸烟、CVD共10个变量。②Logistic回归模型：结果显示：性别、收缩压、高血压病程、慢性肾功能不全、糖尿病、高尿酸血症、总胆固醇、吸烟均对老年高血压患者进展为CVD产生作用（均P<0.05），女性、较小的收缩压和较短时间的高血压病程均可延缓老年高血压患者发生CVD进程（均P<0.05）；而共患疾病方面：患慢性肾功能不全、糖尿病、高尿酸血症均促使老年高血压患者并发CVD发症（均P<0.05）；总胆固醇异常者或（和）吸烟人群的进展CVD可能性要更大（均P<0.05）。③贝叶斯网络模型：构建贝叶斯网络的节点共10个，有向边10条，节点包括：性别、年龄、收缩压、高血压病程、慢性肾功能不全、糖尿病、高尿酸血症、总胆固醇、吸烟、CVD。对老年高血压患者并发CVD产生直接影响作用的有：收缩压、慢性肾功能不全、糖尿病和高血压病程；而性别、年龄、 总胆固醇、高尿酸血症可能通过慢性肾功能不全、收缩压间接影响CVD的发生；吸烟与CVD关联较弱。（6）模型比较：贝叶斯网路和 Logistic回归模型的ROC曲线面积分别为0.716和0.726（均P<0.05），模型效果ROC曲线下面积贝叶斯网络和Logistic回归模型接近。二元Logistic回归模型中灵敏度、特异度、漏诊率和判别正确率分别为0.626、0.717、0.374、0.696；贝叶斯网络模型中灵敏度、特异度和漏诊率和判别正确率分别为0.664、0.657、0.336、0.659，二元Logistic回归模型判别正确率和特异度较高，排除随访期间CVD不发病的老年高血压患者能力较好；贝叶斯网络灵敏度较高漏诊率较低发现老年高血压患者CVD发病的能力较好，CVD为终身治疗性疾病，能发现CVD的能力非常重要；此外贝叶斯网络可发现不同节点与CVD及节点之间的依赖关系，便于更深入了解可能影响因素之间的联系，因此相比较而言贝叶斯网络模型分析影响因素较优。
结论：（1）老年高血压患者CVD进展率较高。（2）性别、年龄、收缩压、高血压病程、慢性肾功能不全、糖尿病、高尿酸血症、总胆固醇、吸烟是老年高血压患者进展为CVD的影响因素，收缩压、慢性肾功能不全、糖尿病和高血压病程可能对老年高血压患者并发CVD产生直接影响作用：性别、年龄、 总胆固醇、高尿酸血症可能间接影响CVD的发生。（3）相比于二元Logistic回归模型，贝叶斯网络模型分析影响因素较优。分析老年高血压患者并发CVD影响因素时，贝叶斯网络不仅能获得影响疾病发病的危险因素，还能获得各危险因素之间的可能相互作用，且直观简洁，通过网络拓扑结构可直观显示影响因素与老年高血压患者进展CVD间复杂的关系，可直观了解各危险因素间依赖关系，为慢性病影响因素发现提供合理的方法。