微精选

源自风暴统计网：一键统计分析与绘图的AI网站

县体检数据该如何应用？

今天要分享的这篇文章，数据来源于泸州市叙永县连续 5 年参与全民预防保健项目且基线资料完整的人群数据。

西南医科大学团队联合叙永县人民医院采用叙永县参与全民预防保健项目的回顾性队列研究，应用组基轨迹模型的双轨迹模型分析空腹血糖和 BMI 的发展轨迹及其关联，使用无序多分类 Logistic 回归模型评估不同血糖轨迹的影响因素。

研究结果发表在核心期刊《中国卫生统计》上。我们今天做个统计学解读！

他们是怎么做的呢，一起来看看。

以组基轨迹模型的双轨迹模型分析县体检数据

本研究是一项回顾性队列研究，资料来源于泸州市叙永县 2017 年 1 月至 2021 年 12 月连续 5 年参与全民预防保健项目基线资料完整人群资料。共纳入23498 人，其中男性 10317 人，女性 13181 人。

资料包含性别、年龄、饮食习惯、锻炼频率、吸烟情况、饮酒情况、既往病史；身高、体重、血压，以及空腹血糖等。

组基轨迹模型在处理纵向数据时具有独特优势，它通过监测某一观察指标随时间动态变化的趋势，识别出重复测量数据中遵循同质变化的个体并将其分为多个发展趋势不同的亚组。

双轨迹模型能更好反映两个纵向发展指标不同水平轨迹组间的关联程度（在本文中，双轨迹模型分析了空腹血糖和BMI的不同水平轨迹组间的关联程度）。同时，以联合条件概率形式详细阐释两者彼此关联程度的差异。

空腹血糖及BMI各呈现5种不同的发展轨迹

根据模型拟合评价指标，最终确定了 5 组空腹血糖轨迹和5 组 BMI 轨迹。

结果显示，大多数参与者的血糖水平长期保持在较低且稳定的状态（88.1%）。表明泸州市叙永县居民血糖健康状况总体良好，但在血糖控制方面也存在一定挑战。

超过一半的体检人群长期处于超重肥胖且未改善，这可能主要归因于遗传因素和稳定的生活方式的影响。

此外，5 个血糖轨迹组在性别、年龄、BMI、饮食习惯、锻炼频率、吸烟、饮酒状态和高血压史方面差异均显著。

不同血糖轨迹组的影响因素

研究者将血糖轨迹组别作为因变量，把单因素有统计学意义的变量纳入多因素 logistic 回归模型。

结果显示：较于低水平稳定组，年龄<60 岁、异常 BMI、主要摄入荤食和有高血压史是血糖处于中至高水平轨迹的重要预测因素。

空腹血糖与 BMI 双轨迹分析

1.基于血糖轨迹组条件的 BMI 轨迹组成员概率，每行合计为 1。

• 血糖低水平稳定组有 34%的概率加入 BMI 正常体重组；
• 而血糖中水平稳定、中水平上升、高水平下降、高水平稳定 4组加入 BMI 超重组的概率最大，均超过 35%。

• 血糖低水平稳定组属于超重、肥胖、重度肥胖的 BMI 异常组别的概率合计共为 47%；
  
• 血糖中高水平组属于超重及以上组别的概率达 56%-76%。

2.基于 BMI 轨迹组条件的血糖轨迹组成员概率，每列合计为 1。

5 组 BMI 轨迹组均最可能加入血糖低水平稳定组，其概率均超过 75%，但概率逐渐降低，分别为 95%、92%、84%、79%和 75%。

3.血糖轨迹组和 BMI 轨迹组的联合概率，共 25 个单元格合计为 1。

人群同时属于血糖低水平稳定组和 BMI 正常体重组联合概率为 30%，同时属于血糖中高水平组和 BMI 超重及以上组联合概率均低于 3%。

总结

本文以县体检人群为研究对象，很好地利用了基层数据。所使用的组基轨迹模型的双轨迹模型是一大亮点，考虑了两个变量随时间的动态变化，从而更全面地揭示了空腹血糖与 BMI 之间的相互关系。

可以看到，这种方法对于数据的要求还是比较高的，不是横断面研究，也不是随访一次结局的队列数据，需要连续多次随访，才能考虑某个指标随时间的动态变化，例如中国本土的CHARLS公共数据库，对各个指标进行的多年随访。

近年来双轨迹模型的概念在国外可谓是蓬勃发展，目前国内学者也渐渐关注并在分析中使用这类方法了，诸位也可以尝试，没有数据的朋友也可以挖掘CHARLS公共数据库，是个不错的选择。

参考文献：张景波，田禧月，李正业，陈润，李爱玲，范颂．体检人群空腹血糖与 BMI的组基轨迹模型的双轨迹分析[J/OL]．中国卫生统计.

https://link.cnki.net/urlid/21.1153.R.20251110.1003.004

---