Határok a közegészségügyben

Élettani járványügyi és társadalmi egyenlőtlenségek az egészségügyben

Szerkesztette

Quan Zou

Booz Allen Hamilton (Egyesült Államok), Egyesült Államok

Felülvizsgálta

Walter Mazzucco

Egészségfejlesztési tanszék, Anyák-Csecsemők, Bel- és Speciális Kiváló Orvostudomány G. D'Alessandro, Palermói Egyetem, Olaszország

Cheng Zhang

MedStar Egészségügyi Kutató Intézet (MHRI), Egyesült Államok

Hailin Huang

George Washington Egyetem, Egyesült Államok

A szerkesztő és a lektorok kapcsolatai a legfrissebbek a Loop kutatási profiljukban, és nem feltétlenül tükrözik a felülvizsgálat idején fennálló helyzetüket.

Cikk letöltése
- PDF letöltése
- ReadCube
- EPUB
- XML (NLM)
- Kiegészítő
  Anyag
Exportálás
- EndNote
- Referencia menedzser
- Egyszerű TEXT fájl
- BibTex

OSZD MEG

Eredeti kutatás CIKK

1 Fujian tartományi kulcsfontosságú laboratóriumi környezeti tényezők és rák, Járványügyi és Egészségügyi Statisztika Tanszék, Fujian Orvostudományi Egyetem, Fuzhou, Kína
2 Az emésztőrendszeri rákért felelős oktatási minisztérium fő laboratóriuma, Fujian Orvostudományi Egyetem, Fuzhou, Kína
3 Kardiológiai Osztály, a kapcsolt Nanping első kórház, Fujian Orvostudományi Egyetem, Nanping, Kína

A hagyományos NAFLD rizikófaktorok adatait közvetlen interjúk útján kaptuk strukturált orvosi kérdőív segítségével. A kockázati tényezők közé tartoztak az életkor, a nem, a dohányzás, az ivás, az életmód, az étkezési szokások, a kórtörténet és a NAFLD családtörténete. Az alanyok egy teljes éjszakai böjt után reggel teljes fizikai vizsgálatnak vetettek alá. Az összegyűjtött klinikai változók a magasság, a súly, a derék kerülete, a csípő kerülete, a diasztolés vérnyomás és a szisztolés vérnyomás, a szérum triglicerid, TC, az alacsony sűrűségű lipoprotein koleszterin (LDL-c) és a HDL-c, az éhgyomri plazma glükóz, ALT és aszpartát-aminotranszferáz (AST). Mindezeket a változásokat standard eljárások alkalmazásával értékeltük. A testtömeg-indexet (BMI) a testtömeg/(magasság) 2-ként számoltuk. A folyamatos változókat négy kategóriába soroltuk kvartilisek szerint.

Az ételfogyasztást élelmiszer-gyakorisági kérdőív segítségével értékelték, és a teljes fogyasztást úgy számították ki, hogy az élelmiszer-fogyasztás gyakoriságát megszoroztuk az egyes fogyasztott élelmiszerek mennyiségével. A magas vérnyomás a szisztolés vérnyomás ≥140 Hgmm és/vagy a diasztolés vérnyomás ≥90 Hgmm volt, vagy a magas vérnyomáscsökkentő gyógyszerek jelenlegi alkalmazása. A cukorbetegséget az éhomi plazma-glükóz ≥7,0 mmol/l vagy a hipoglikémiás szerek jelenlegi alkalmazásának definiálták. A hiperurikémia meghatározása szerint a húgysav> 420 μmol/L a férfiaknál és> 360 a nőknél, vagy a hypouricemiás szerek jelenlegi alkalmazása. E változók és a NAFLD közötti lehetséges kapcsolatokat az 1. ábra irányított aciklusos grafikonja mutatja (4).

1.ábra. Irányított aciklusos grafikon az ismert kockázati tényezők és a NAFLD közötti kapcsolatokra. A zöld vonalak jelzik azokat a kockázati tényezőket, amelyeknél a beavatkozások könnyen megvalósíthatók, míg a piros vonalak nehezen változtatható asszociációkat jeleznek.

A 2. ábrán bemutatott folyamatábra szerint az alanyokat számoztuk (1-től 2 446-ig) a részvétel sorrendje szerint, és felosztottuk a képzési halmazra (páratlan számú tantárgyak, például 1,3,5 et al.) És validációs készletre. (páros számú alanyok, mint 2,4,6 et al.). A validációs készletben alkalmazott diszkriminációs és kalibrációs elemzésekhez a képzési készletben megbecsült modell-együtthatókat használtuk. Az S1, S2 táblázatokban bemutatták az edzés és validációs készlet arányának érzékenységi elemzését, a mintavételi módszert.

2. ábra. A vizsgálati populáció folyamatábra.

Statisztikai elemzések

Asztal 1. A résztvevők kiindulási jellemzői a két halmazban.

Az összes rögzített változót megvizsgáltuk a NAFLD-vel való összefüggés szempontjából, és a többváltozós páratlan arányokat kiszámítottuk a nomogram felépítéséhez (3. ábra). Az edzéskészletben emelkedett BMI (VAGY = 1,974, CI = 1,532–2,544), derék kerülete (VAGY = 1,830, CI = 1,404–2,386), szérum triglicerid (VAGY = 1.675, CI = 1,384–2,227), ALT (VAGY = 1,896, CI = 1,554–2,315), sült ételek fogyasztása (VAGY = 2,246, CI = 1,559–3,237), és a cukorbetegség jelenléte (VAGY = 3,981, CI = 1,847–8,582) és hiperurikémia (VAGY = 1.786, CI = 1,169–2,730) a NAFLD magasabb kockázatával, míg a magasabb szérum HDL-c (VAGY = 0,829, CI = 0,686–0,998) és a gumók fogyasztása (VAGY = 0,506, CI = 0,351–0,731) a betegség alacsonyabb kockázatával jártak. Ezek az összefüggések hasonlóak voltak az validációs készletben, kivéve a szérum HDL-c-t, valamint a cukorbetegség és a hyperuricemia jelenlétét.

3. ábra. Többváltozós páratlan arányok a nyolc azonosított kockázati tényező és a NAFLD közötti kapcsolatra. A folytonos változókat ezt követően kvartilisekkel osztályoztuk, és az első kvartilt használtuk referenciakategóriaként. A BMI-hez a következő pontszámokat rendeltük a kvartilisekhez: 1, 24,6 kg/m 2. Derék kerülete: 1, 87 cm. HDL-c: 1, 1,46 mmol/l. Triglicerid: 1, 1,62 mmol/l. ALT: 1, 26 NE/L. A csoportokat alcsoportokra osztottuk a gumó és a sült étel fogyasztása alapján, 100 g/hét, illetve 50 g/hét határértékek alapján. Cukorbetegség és hiperurikémia esetén: 1 azt jelenti, hogy a betegségek vannak, a 0 pedig nem.

A mind a nyolc változót tartalmazó végleges nomogram felhasználható a NAFLD kockázatának becslésére. Az egyes változók súlyozott becsléseit és pontszámát az S3 táblázat tartalmazza. Minden prediktív változót úgy pontoznak, hogy elhelyezkedik a skálán, és egyenes vonalat rajzol a tetején lévő pontszám skálára. Az egyes változók pontszámait összesítve kiszámítják a teljes pontszámot. A teljes pontszám skála és a NAFLD valószínűségi skála alul helyezkedik el, és egy függőleges vonal húzódik a teljes pontszámot mutató ponttól a NAFLD valószínűségét mutató skáláig (4. ábra). Például egy cukorbetegségben szenvedő személy az 1. kategóriába kerülne (pontszám = 68 a tetején lévő pontszám skálán). Ha a BMI, a derék kerülete, a szérum HDL-c, TG és ALT szintje 24,5 kg/m 2 (3. kategória, pontszám = 67), 85 cm (3. kategória, pontszám = 59), 0,91 mmol/L (1. kategória), pontszám = 28), 3,01 mmol/L (4. kategória, pontszám = 76) és 28 U/L (4. kategória, pontszám = 94), és 75 g gumót fogyaszt (0. kategória, pontszám = 33) és 100 g sült ételek (1. kategória, pontszám = 40) hetente, a teljes kockázati pontszám 465 pont, ami a NAFLD 93% -os valószínűségének felel meg, az alul található valószínűleg skála szerint.

4. ábra. Nomogram a NAFLD kockázatának előrejelzésére. Egy vonalat húzunk a tengelyükön lévő minden változó értékének megfelelő ponttól a tetején lévő pontszámskáláig. Az összes változó pontszámait összesítve meghatározzuk a teljes pontszámot. A NAFLD valószínűségének meghatározása érdekében egy vonalat húzunk a teljes pontszám tengely teljes pontszámától az alsó tengelyig, amely a NAFLD valószínűségét ábrázolja.

A Hosmer-Lemeshow fit-goodness-fit tesztek 4,582 chi-négyzet értéket eredményeztek (o = 0,801) és 10,002 (o = 0,265) a képzési és az érvényesítési készletek esetében. Ezek az értékek azt jelzik, hogy a két adatkészletben a jósolt és megfigyelt események közötti eltérés nem volt szignifikáns. A megrajzolt kalibrációs görbe azt mutatta, hogy a megjósolt valószínűségek ésszerűen megközelítették a NAFLD tényleges prevalenciáját az érvényesítési halmazban; így a nomogram jó kalibrálást nyújtott (5A. ábra). Ezenkívül a modellt validálták, és jó diszkriminációt mutatott, és AUC értéke 0,843 (95% CI: 0,819–0,867) az érvényesítési készlethez (5B. Ábra).

5. ábra. Ellenőrizte a nomogramot a NAFLD kockázatának meghatározásához az érvényesítési készletben. (A) A nomogram kalibrációs görbéje; (B) a nomogram vevő működési jellemző görbéje.

Idézet: Pan X, Xie X, Peng H, Cai X, Li H, Hong Q, Wu Y, Lin X, Xu S és Peng X (2020) Alkoholmentes zsírmájbetegség kockázati előrejelzése biokémiai és étrendi változók alapján egy kínai han népesség. Elülső. Közegészségügy 8: 220. doi: 10.3389/fpubh.2020.00220

Beérkezett: 2020. február 24.; Elfogadva: 2020. május 13 .;
Publikálva: 2020. július 02.

Quan Zou, Booz Allen Hamilton, Egyesült Államok

Hailin Huang, George Washington Egyetem, Egyesült Államok
Walter Mazzucco, Palermói Egyetem, Olaszország
Cheng Zhang, MedStar Egészségügyi Kutató Intézet (MHRI), Egyesült Államok

* Levelezés: Xian-e Peng, [email protected]

† Ezek a szerzők egyformán járultak hozzá ehhez a munkához, és első szerzőséggel rendelkeznek