《ⅱ型糖尿病危险因素的病例对照研究》.ppt

《Ⅱ型糖尿病危险因素的病例对照研究》 为了探讨Ⅱ型糖尿病的危险因素，原作者以普查出的Ⅱ型糖尿病病人作为病例，在同一人群中1：2配比原则选取同性别、同民族、年龄相差5岁以内的对照共144例，调查内容包括：体重指数（BMI）、文化程度、过去史、应激事件等内容，同时要求被调查者清晨空腹进行相应指标的测量，包括身高、体重、血压、血糖等。 统计分析方法：进行单因素及多因素条件logistic回归分析，使用的指标：OR值，95%可信限及P值。单因素logistic分析结果：见表7.11。结果显示肥胖、高血压、高血脂、应激事件、食量过大、高脂饮食、服药史、体重指数等8个因素可能为导致Ⅱ型糖尿病的危险因素。多因素logistic分析结果：见表7.12。将单因素分析中具有统计学意义的8个因素引入回归分析模型进行多因素分析，发现肥胖、食量过大、应激事件为Ⅱ型糖尿病的危险因素，OR值分别为3.803、3.636和2.994，其P值均小于0.05，具有显著性差异。 分析 本资料的统计学处理，先用单变量分析，得到有统计意义的8个变量，然后再将此8个变量引入回归方程进行多变量分析，用逐步回归法进行筛选，从中再选出有统计意义的变量。这是一种错误的分析策略。由于自变量之间可能存在一定程度的交互作用，它对因变量的贡献受到其他自变量是否参与的影响，在单变量分析中所表现的往往不仅是自身的作用，还有一部分其他因素的混杂作用。且单变量分析不能反映资料的整体情况，不能很好地揭示变量之间的相互作用及内在联系，因而单变量分析往往不能说明其真正的作用。 分析 在多元回归中每个自变量对因变量的贡献也与其他自变量是否被选入方程有关。逐步回归法在选入一个或剔除一个变量后要对其他变量的作用重新进行检验，在单变量分析中没有意义的变量并非在多元回归分析中都没有意义，因为当回归方程中变量组合发生变化时，某些在单变量分析中不重要的变量此时有可能变为有意义的变量了。 释疑 单变量分析的结果在很多情况下是不可靠的，因而其结果只起参考作用，并不一定反映其真实的效应。正确的做法应该是把所有的变量代入回归方程进行分析，通常采用逐步回归方法，必要时多用几种筛选变量的技术，同时还要考虑因素之间的交互作用，综合分析，得出较为可靠的结果。 * ＞0.05 0.72～2.24 1.265 A型性格 X20 ＜0.01 1.36～6.23 2.917 体重指数 X19 ＞0.05 0.84～2.89 1.557 患病史 X18 ＜0.05 1.05～5.89 2.488 药物史 X17 ＞0.05 0.89～3.46 1.757 家族肥胖史 X16 ＞0.05 0.46～1.40 1.251 家族史 X15 ＞0.05 0.85～2.40 1.425 吸烟 X14 ＞0.05 0.70～2.58 1.345 饮酒 X13 ＞0.05 0.70～2.19 1.245 食盐摄入多 X12 ＞0.05 0.60～1.89 1.067 喜食甜食 X11 ＞0.05 0.68～2.89 1.382 喜食蔬菜 X10 ＜0.05 1.01～3.23 1.799 喜食高脂肪饮食 X9 ＜0.01 2.27～9.86 4.728 过饱 X8 ＞0.05 0.50～1.49 0.866 伙食改善情况 X7 ＞0.05 0.48～1.86 0.945 脑体劳动 X6 ＞0.05 0.76～1.61 1.101 精神因素 X5 ＜0.01 1.63～3.71 2.455 应激事件 X4 ＜0.01 1.24～4.22 2.209 高血脂史 X3 ＜0.01 1.48～5.53 2.859 高血压史 X2 ＜0.01 2.45～10.67 5.110 肥胖史 X1 P 95%CI OR 名称 变量 表7.11 1:2病例对照研究的单因素分析结果 ＜0.05 1.48～8.92 3.636 饱食 X3 ＜0.01 1.87～4.81 2.994 应激事件 X2 ＜0.01 1.59～9.09 3.803 肥胖史 X1 P 95%CI OR 名称 变量 表7.12 1：2病例对照研究的多因素分析结果 *