您的位置: 主页 > 虎虎vr > 醉露网:基于meta分析的脑卒中多因素发病风险预测

醉露网:基于meta分析的脑卒中多因素发病风险预测

时间: 2019-08-09阅读:

摘要:目的,建立个体脑卒中发病风险评估模型。 方法  对有关脑卒中发病危险因素的文献进行meta分析,计算个体脑卒中发病风险值,随机生成10000例模拟数据,确定风险等级的分界值。结果,共纳入28篇文献,Hcy、肥胖不具有统计学意义(P>0.05),吸烟、体育锻炼、脑卒中家族史等具有统计学意义。讨论,已有的数据表明,致使脑卒中的多因素包括:吸烟、体育锻炼、脑卒中家族史、高血压、高尿酸、SBP等。

关键词:脑卒中;危险因素;meta分析;评估模型

中图分类号:TP311        文献标识码:A        文章编号:1009-3044(2019)01-0240-03

脑卒中是一组以出现意识障碍和局灶性神经功能缺失为共同特征的发病急促的脑血管慢性病[1]。 由于影响人群脑卒中发病的因素较多,针对不同的人群,同一种发病因素的强度也存在差异,因此长期的健康管理,可以让健康人群了解可能引起脑卒中发生的因素,并通过对高危人群的健康风险评估进行发病预测,从而提供有效的预防控制措施。本研究运用meta分析的方法对脑卒中发病风险的影响因素进行评价,并采用Logistic建立模型为脑卒中的预防提供依据[2]。

1  资料与方法

1.1 收集系统评价的资料

1.1.1 文献检索

手工检索万方数据知识服务平臺、维普期刊资源整合服务平台、中国生物医学文献服务系统、百度学术、PubMed相关会议论文,纳入国内外发表的关于脑卒中患者发病风险的研究。英文检索词有:“risk factor”“ischemic”“stroke”“hemorrhagic”;中文检索词有:脑卒中、高血压、危险因素、发病因素等。

1.1.2  纳入排除标准

纳入标准:

(1) 研究对象:来源于社区、医疗单位或其他机构;

(2) 性别、年龄以及脑卒中类型不限;

(3) 以队列研究或病例对照研究为研究类型;

(4) 脑卒中的诊断依据采用国际上通用的诊断标准;

(5) 以发生脑卒中为观测终点。

排除标准:

(1) 排除重复发表、存在严重缺失数据或数据报道不全的研究;

(2) 排除脑卒中复发的研究。

1.1.3 质量评价和资料提取

对纳入的文献进行资料提取,阅读最终纳入文献,提取文献基本信息,包括:第一作者、发表年份、研究地点、研究时间、病例来源等。同时提取引起脑卒中发病的相关因素如吸烟、体育锻炼、高血压、糖尿病、脑卒中家族史等[3]。

1.2  统计学方法

1.2.1  meta分析

运用Review Manager 5.3统计软件对纳入的28篇文献提取出的与脑卒中发病有关的危险因素的RR值(某一危险因素的相对危险度)、95%CI(95%可信区间)等数据进行meta分析。当异质性检验结果P≤0.05时,采用随机效应模型进行meta分析;反之当异质性检验结果P>0.05时,采用固定效应模型进行meta分析,最终得到合并后的RR值和95%CI。比较两种模型的结果,进行敏感性分析,评价其稳定性。最后采用Beeg检验,Egger检验判断是否存在发表偏倚。

1.2.2  Logistic回归模型

用Logistic回归模型对疾病的发病情况进行预测,选用优化后的 Logistic回归模型作为本次研究的基本模型,结合meta分析的结果,建立个体脑卒中发病风险评估模型[5]。

公式(1)

其中P是个体发病风险,[x1、x2、x3…xi…xn] 分别为第1、2、3…i…n个发病因素,[βi]是以[LnRRi]估计,常数项[α]是通过脑卒中发病率来估计的,根据Logistic回归公式,

其中P为脑卒中发病率,[x1、x2、x3...xi、xn],分别为第1、2、3…i…n个发病因素在人群中的平均暴露水平,但在实际情况下,一般很难得到,所以忽略,优化后得到:

所以得到:

[Logit(P)=α+β1x1+β2x2+β3x3+...+βixi+βnxn]  公式(3)   2  结果

2.1 文献纳入结果

初检出文献232篇,对获取的232篇文献进行查重,获得195篇文献。根据纳入排除标准进行初筛,排除65个研究。阅读全文进行复筛,排除102篇研究对象。最终纳入28篇文献[6-33]进行meta分析,研究时间从2006-2016年。

2.2  meta分析结果

共纳入9项因素,有7项因素的meta分析合并结果具有统计学意义(P<0.05),包括吸烟、体育锻炼、脑卒中家族史、收缩压(SBP)、高尿酸、规律服药。合并RR值为1.957、0.387、1.878、2.575、1.797、2.328、2.702。此外,同型半胱氨酸(Hcy)和肥胖不具有统计学意义。因此未纳入模型研究(见表1)。

2.3  Rothman-Keller模型参数

Rothman-Keller模型参数[4]计算方法如下:

(1)基准发病比例:

Pi(某一危险因素在全人群中的暴露率),RRi(某一危险因素的相对危险度)。

(2)危险分数

[S=ρ×RRi]

(3)组合危险分数

[?=(P1-1)+...+(Pn-1)+q1×q2×...qn]

P为危险分数≥1的项之值,q为危险分数<1的项之值。

(4)个体发病风险

个体发病风险=人群脑卒中发病率 [×?]

通过研究获取某一危险因素在全人群中的暴露率Pi;通过meta分析合并危险因素的风险值,得到某一危险因素的相对危险度RRi。脑卒中预测模型的参数值见表2。

2.4  确定等级划分界值

本研究根据7个危险因素的二项分布函数,确定低发病风险、中发病风险、高发病风险的分界值,一共生成10000例患者7个危险因素分布情况。将随机生成的这10000例数据,代入Rothman-Keller模型,分别计算相应的个体发病风险。将发病风险从小到大排序,以个体ID为横坐标,脑卒中风险为纵坐标绘制联合分布图。

根据风险的变化趋势,选取0.048为低发病风险和中发病风险的分界值,0.079为中发病风险和高发病风险的分界值。即脑卒中发病风险<0.048,属于低危人群;脑卒中发病风险在0.048—0.079,属于中危人群;脑卒中发病风险>0.079,属于高危人群。(见图1)

2.5  建立Logistic模型

有研究指出脑卒中的发病率为2.57%[3],查找表2,可知各项危险因素的<E:\知网文件\电脑\电脑01-02\电脑01\7xs201901\Image\image17.png>值,計算 <E:\知网文件\电脑\电脑01-02\电脑01\7xs201901\Image\image18.png>值,代入公式(3),得最终的Logistic回归模型:

3  讨论

本次研究对脑卒中的发病因素进行了发病风险值的合并,建立了我们自己的脑卒中个体发病风险健康评估模型,并运用二项分布函数进行了10000例数据的随机模拟,对脑卒中个体发病风险进行了等级划分。

本研究发现致使脑卒中发病的主要影响因素有:吸烟、体育锻炼、脑卒中家族史、收缩压、高尿酸、规律服药。可以通过加强体育锻炼、戒烟戒酒、规律服药等健康的生活方式或饮食习惯降低脑卒中的发病风险。根据趋势图最终确定0.048为低发病风险和中发病风险的分界值,0.079为中发病风险和高发病风险的分界值。将脑卒中划分为低危、中危、高危三个风险等级,针对不同的人群,要进行不同的健康教育。本研究结果可以作为脑卒中发病风险预测的参考依据。

参考文献:

[1] 吴智鑫,蒋龙元.B型脑钠肽对急性缺血性脑卒中患者TOAST病因学分型的应用进展[J].岭南急诊医学杂志,2012,17(5):399-400.

[2] 周亮,程迪祥,张彦琦,等.脑卒中发病风险logistic回归综合评估模型研究——基于亚洲人群研究数据[J].重庆医科大学学报,2014,38(4):446-450.

[3] 黄艳红,周亮,陈虹汝,等.中国高血压患者并发脑卒中风险的Rothman-Keller模型研究[J].第三军医大学学报,2017,(20):2042-2050.

[4] Rothman K,Keller A.The effect of joint exposure to alcohol and tobacco on risk of cancer of the mouth and pharynx[J].J Chronic Dis,1972,25(12):711-716.

[5] 孙颖,杨君慧.Logistic回归与分类树模型的比较[J].西安工业大学学报,2014(9):689-692.

[6] 来春林,邢金平,胡风云,等.脂蛋白相关磷脂酶A_2与原发性高血压患者发生缺血性卒中的相关性分析[J].中国脑血管病杂志,2016,13(09):455-459.

[7] 陈银燕,胡飞娥,陈荣浩,等.2012-2015年某院高血压性脑出血的临床特点及危险因素[J].中国老年学杂志,2016,36(11):2748-2749.

[8] 闫丽,曹烨,汪秋实,覃玉,等.高血压患者脑卒中发病影响因素Cox回归分析[J].中国公共卫生,2016,32(06):748-752.

[9] 张金武.老年高血压患者动态血压参数与缺血性脑卒中的相关性[J].中国实用神经疾病杂志,2016,19(06):72-73.

[10] 庞慧,韩冰,李先池,等.性别差异对于原发性高血压患者脑卒中风险的影响[J].中华脑科疾病与康复杂志(电子版),2016,6(01):14-19.

[11] 李晓乾,孔新兴,王宝艳,等.高血压性脑出血发病的相关因素分析[J].广西医学,2016,38(01):43-46+49.

[12] 黄少芬,肖军,胡峥,等.高血压患者同型半胱氨酸与脑卒中的关系分析[J].实用预防医学,2015,22(10):1184-1188.

[13] 赵洁,张小培,钟爱群,等.健康行为对原发性高血压患者脑卒中发病影响的病例对照研究[J].中国全科医学,2012,15(34):3963-3967.

[14] 周洁.脑卒中患者危险因素分析及社区干预模式探讨[J].中外医学研究,2012,10(14):28-29.

[15] 魏凯,张念民,吴天华.缺血性脑卒中发病因素的病例对照分析[J].西南军医,2012,14(03):471-473.

[16] 宋晴,郭艳华,高彩霞,等.缺血性脑卒中发病危险因素的病例对照研究[J].职业与健康,2012,28(01):4-6.

[17] 邢立影,张慧英,郭来敬,等.高血压并发脑卒中的危险因素分析[J].中国医药导报,2011,8(33):144-145.

[18] 薛蕾,唐义平.高原藏区脑卒中危险因素的相关性分析[J].实用医院临床杂志,2011,8(05):62-64.

[19] 周國芳,王会明,刘志明,等.男性脑梗死患者首次发作的危险因素分析[J].山东医药,2011,51(29):61-62.

[20] 常彬宾,肖欣荣,吕柏宁,等.高龄老年高血压人群血尿酸浓度与脑梗死的相关性研究[J].中华保健医学杂志,2011,13(03):183-185.

[21] 王灿,时景璞,付凌雨,等.辽宁省彰武县农村地区血清脂联素水平与脑卒中关系的病例对照研究[J].中华疾病控制杂志,2011,15(01):11-14.

[22] 黄中红,杨洪江,那开宪.高血压患者并发脑卒中危险因素分析[J].现代中西医结合杂志,2009,18(31):3813-3814.

[23] 关红军,崔新刚,郭毓鹏,等.牡丹江市脑卒中危险因素的病例对照研究[J].牡丹江医学院学报,2009,30(04):16-18.

[24] 董兆举,崔玉兰,高梅兰,等.农村社区人口脑卒中发病危险因素的病例对照研究[J].中国农村卫生事业管理,2008(07):514-515.

[25] 任雁京.贵阳市省直机关干部高血压并发脑卒中的危险因素分析[J].中国临床保健杂志,2007(04):394-395.

[26] 黄久仪,王桂清,郭吉平,等.脑血管血流动力学积分对高血压患者卒中相对危险度的评估[J].中国脑血管病杂志,2006(12):537-541+576.

[27] 王娓娓,张红苗,张莹,等.老年高血压患者高尿酸血症与缺血性脑卒中相关性分析[J].中华老年医学杂志,2012,(6):462-464.

[28] 杨艳,肖玉娴.高血压脑出血的危险因素分析及治疗体会[J].中国实用神经疾病杂志,2015,(19):72-73,74.

[29] 吕鸿杰.高血压脑出血相关危险因素影响分析[J].山西医药杂志,2016,45(14):1661-1663.

[30] 杨亚莉,李艳红,刘艳琼,等.高血压患者颈动脉斑块和急性缺血性脑卒中的相关性研究[J].中国实用神经疾病杂志,2015,18(18):11-13.

[31] 常旺,崔建忠,王凯杰,等.高血压性脑出血临床危险因素分析[J].河北联合大学学报(医学版),2015,17(05):100-103.

[32] 韦彤雁,蒙兰青,李天资,等.高血压伴腔隙性脑梗死患者危险因素关联性分析[J].右江医学,2015,43(04):401-404.

[33] 王纯,梁雨露.高血压患者颈动脉斑块和急性缺血性脑卒中的相关性[J].贵阳医学院学报,2014,39(1):80-83.

上一篇:林更新女友登封面:机器学习在推荐系统中的应用
下一篇:没有了

相关阅读