条件Logistic回归分析在痛风及高尿酸血症危险因素研究中的应用

论文摘要

目的从现代医学模式出发,应用条件Logistic回归在众多可能引发痛风及高尿酸血症的生物、心理、社会等影响因素中筛选出具有统计学意义的危险因素,建立痛风及高尿酸血症的“最优”回归模型;将回归模型结果和专业知识相结合,为预防和控制痛风及高尿酸血症提供理论依据,为同类研究提供方法学方面的参考。方法本研究采用1∶1配对的病例对照研究设计,所有病例均来自2008年2月至2008年12月期间在山东省随机选取的5个市的某医院内确诊的痛风及高尿酸血症患者,同时,以同一时间在该医院内科就诊的其他疾病患者为对照,实验组和对照组按年龄、民族、出生地区等基本一致原则,采用编制的痛风及高尿酸血症影响因素调查表对43个可疑危险因素进行现场调查。本研究采用EXCEL2003建立样本资料数据库,整个统计分析过程主要应用统计软件SAS 8.2和SPSS16.0完成。首先在对调查表进行信度和效度检验基础上对所有调查变量进行合理量化;然后,对各变量进行线性回归诊断,与LogitP之间大致呈线性关系后,按照α=0.10标准,用单因素条件Logistic回归分析从43个研究因素中筛选出可能的影响因素;在单因素条件Logistic回归分析基础上进行多因素条件Logistic回归分析,结合专业知识从众多可能影响因素中找出危险因素,并分析其交互作用,最后建立“最优”模型,并将统计学方面的结论与专业知识结合,为痛风及高尿酸血症的预防控制提出合理化建议。结果从43个研究因素中筛选出20个有统计学意义的可疑危险因素,经过数据的相关性分析、共线性诊断以及专业解释等筛选出15个因素进入多因素Logistic逐步回归中,最终得到与高尿酸血症发生有关的危险因素7个,各变量间不存在交互作用,它们分别是:X2(文化程度)、X3(个人月收入)、X7(平均喝啤酒量)、X17(经常饮茶)、X32(经常吃蛤蜊)、X33(经常锻炼身体)、X42(血尿酸),根据筛选出的7个危险因素建立“最优”模型。同样,从43个研究因素中筛选出17个有统计学意义的可疑危险因素,经过数据的相关性分析、共线性诊断以及专业解释等筛选出16个因素进入多因素Logistic逐步回归中,最终得到与痛风发生有关的危险因素9个,并引入3个交互作用项,它们分别是:X2(文化程度)、X3(个人月收入)、X7(平均喝啤酒量)、X17(经常饮茶)、X24(经常吃虾类)、X25(经常吃螃蟹)、X32(经常吃蛤蜊)、X33(经常锻炼身体)、X42(血尿酸)、X7X24(平均喝啤酒量*经常吃虾类)X7X25(平均喝啤酒量*经常吃螃蟹)、X7X32(平均喝啤酒量*经常吃蛤蜊),根据筛选出的12个危险因素建立“最优”模型。同时对3个交互作用项进行交互作用的研究,由定性分析可知,喝啤酒分别与吃虾类、吃螃蟹、吃蛤蜊3个因素之间在痛风发病中具有正相加交互作用;由定量分析可知,喝啤酒分别与以上3个因素之间交互作用的超额相对危险度(RERI)依次为1.143、1.266、1.282。结论应用条件Logistic回归找出了痛风及高尿酸血症的危险因素,通过定量分析发现了各危险因素之间的相对重要性,危险因素涉及到生物、心理、社会因素的各个方面,符合现代医学模式的理念,在痛风及高尿酸血症预防控制中应该根据各危险因素之间的相对重要性制定措施,既要综合考虑各危险因素,又要有重点地对待,从而实现对该病预防为主,积极治疗的目的;在筛选出痛风及高尿酸血症危险因素的同时,还根据各危险因素建立了相应的“最优”模型,达到了研究目的,为同类研究提供了可行的方法学上的参考。

论文目录

• 中文摘要
• ABSTRACT
• 前言
• 研究设计
• 资料分析方法
• 结果分析
• 讨论
• 结论
• 参考文献
• 文献综述
• 参考文献
• 致谢
• 攻读学位期间撰写的论文