检索历史 清除

摘要目的：<br>　　在卫生信息平台基础上，整合纵向数据和结局数据，利用多变量联合模型建立心血管疾病动态风险预测模型，来预测个体心血管病动态发病风险。通过发病风险警示心血管病高危人群，使高危人群主动寻求健康管理，达到预防并延缓疾病发展的目的。<br>　　方法：<br>　　本研究的数据资料来源于江苏省苏州市高新区卫生信息系统，包括老年人体检数据库、慢性病管理数据库和死亡数据库。选取年龄在65岁及以上的老年人作为研究对象，研究时间从2013年1月到2019年12月。从数据库中整理的具体数据内容包括静态变量、动态变量、心血管疾病是否发生及发生时间，是否死亡及死亡时间等。<br>　　由于数据量大且变量类型复杂，所以对数据进行预处理，所有连续性变量进行了以常数e为底数的对数转化:年龄转化成Ln(age)、心率转化成Ln(HR)、空腹血糖转化成Ln(FPG)、收缩压转化成Ln(SBP)、舒张压转化成Ln(DBP)、胆固醇转化成Ln(TC)、甘油三脂转化成Ln(TG)、低密度脂蛋白转化成Ln(LDL)、尿素氮转化成Ln(BUN)、白细胞计数转化成Ln(WBC)、身体质量指数转化成Ln(BMI)。使用多变量联合模型(Multivariate joint model)构建心血管疾病动态风险预测模型，联合模型包括纵向子模型和生存子模型，两个子模型通过关联结构连接，本研究假设心血管疾病的发生风险与纵向变量的预测值、斜率和累积效应有关。采用SAS9.4软件进行数据整合和数据预处理，使用R3.5.1软件中的“JMbayes”程序包进行模型拟合和疾病预测。<br>　　结果：<br>　　1.基本情况研究对象共9216人，平均随访中位数时间为7年，总观察人年数为60033年，共1001例发生心血管疾病，发病密度1667.42/10万人年。<br>　　2.使用Cox比例风险回归模型建立心血管疾病预测模型在总人群中的多因素分析结果显示性别、年龄、收缩压、身体质量指数与心血管疾病的发病呈正相关(P＜0.05)。在女性中，Ln(age)、Ln(FPG)、Ln(SBP)、Ln(BMI)越高，心血管疾病的发病风险越大（HR分别为84.45、1.67、2.01、3.00，95％CI分别为32.22～121.38、1.06～2.62、1.04～3.88、1.64～5.48）。在男性中，Ln(age)、Ln(HR)、Ln(SBP)越高，心血管疾病的发病风险越大(HR分别为35.63、2.30、2.38,95％CI分别为11.61～109.36、1.13～4.71、1.14～4.97)。<br>　　3.使用单变量联合模型建立心血管疾病预测模型在女性中当心血管疾病的发生与变量的斜率有关时，Ln（WBC）_slope增加一个单位，心血管疾病的发生风险增加2350倍，95％CI=7.38～563000。在男性中当心血管疾病的发生与变量的累积效应有关时，Ln(TG)每增加一个单位，疾病发生风险增加1.07倍，95％CI=1.01～1.13。<br>　　4.使用多变量联合模型建立心血管疾病预测模型在女性中，Ln(age)、Ln(HR)_area、Ln(FPG)_value、Ln(SBP)_value、Ln(BMI)_value分别每增加一个单位，心血管疾病风险增加97.18、1.05、1.98、2.71、4.04倍(95％CI分别为32.43～187.35、1.03～1.08、1.06～3.48、1.14～9.24、1.95～7.38)。在男性中，Ln(age)、Ln(HR)_value和Ln(SBP)_value每增加一个单位，心血管疾病风险分别增加31.58、3.97、6.45倍(95％CI分别为11.15～94.07、1.18～9.39、2.40～20.53)。<br>　　5.模型评价用多变量联合模型方法构建的疾病预测模型的AUC值（女性:0.65、男性:0.62），高于用多因素Cox比例风险回归模型方法构建的预测模型的AUC值（女性:0.62、男性:0.60）。<br>　　结论：<br>　　本研究基于公共卫生数据，利用多变量联合模型的方法构建心血管疾病动态风险预测模型，结果显示在女性中，年龄、空腹血糖、收缩压和身体质量指数的预测值以及心率的累积效应是心血管疾病发生风险的预测指标;在男性中，年龄、心率和收缩压的预测值是疾病发生风险的预测指标，且该方法优于Cox比例风险回归模型。建立好的疾病预测模型可根据体检数据的更新，动态预测心血管疾病的发生风险，量化个体在不同时间心血管疾病的发病危险程度。