第二军医大学  2015, Vol. 36 Issue (5): 569-572   PDF    
体检人群臂-踝脉搏波速度的影响因素研究和模型评价(附4 159例报告)
蔡小兵1, 刘亚巍2, 孙凤军3, 胡小刚4    
1. 解放军总参谋部警卫局卫生保健处, 北京100017;
2. 解放军医学院, 北京 100853;
3. 第三军医大学西南医院药剂科, 重庆 400038;
4. 重庆市肿瘤研究所药学部, 重庆 400030
摘要目的 分析影响体检人群臂-踝脉搏波传导速度(baPWV)测量值的因素, 构建baPWV的logit预测模型并对其进行评价。 方法 对本院2010—2014年检测的4 159例体检者的体检资料进行回顾性分析, 纳入考察的体检指标包括:性别、年龄、收缩压、舒张压、脉搏、空腹血糖、三酰甘油、胆固醇、丙氨酸转氨酶、谷氨酰转肽酶、肌酐、高密度脂蛋白、低密度脂蛋白、尿酸。采用logistic回归分析方法探究baPWV的影响因素, 建立baPWV的logit预测模型并对其进行评价。 结果 单因素分析结果显示, 除高密度脂蛋白外, 其余检测指标在baPWV正常组与异常组之间的差异均具有统计学意义(P<0.05)。多因素分析得到的logit模型为:logit(p)=-17.888+0.001×尿酸+0.004×丙氨酸转氨酶+0.105×空腹血糖+0.023×脉搏+0.032×舒张压+0.061×收缩压+0.092×年龄+0.411×性别;logit模型对体检人群baPWV的预测正确率为 79.6%, ROC曲线下面积为0.869(95%CI:0.859~0.879)。 结论 性别、年龄、收缩压、舒张压、脉搏、空腹血糖、丙氨酸转氨酶、尿酸值等均可能影响baPWV, logit模型可作为研究此类问题的较好模型。
关键词脉搏波传导速度     心血管疾病     logit模型    
Factors influencing brachial-ankle pulse wave velocity in people undergoing health examination and model evaluation: report of 4 159 cases
CAI Xiao-bing1, LIU Ya-wei2, SUN Feng-jun3, HU Xiao-gang4    
1. Health Division of Guard Bureau, General Staff Department of PLA, Beijing 100017, China;
2. Chinese PLA Medical School, Beijing 100853, China;
3. Department of Pharmacy, Southwest Hospital, Third Military Medical University, Chongqing 400038, China;
4. Department of Pharmacy, Chongqing Cancer Institute, Chongqing 400030, China
Co-first authors.
Abstract: Objective To analyze the factors influencing brachial-ankle pulse wave velocity (baPWV) and to establish a logit model for predicting baPWV. Methods The data of 4 159 cases who underwent health examination from 2010 to 2014 in our hospital were retrospectively analyzed. The parameters included gender, age, systolic blood pressure, diastolic blood pressure, pulse, fasting glucose, triglyceride, cholesterol, alanine aminotransferase, glutamyl transpeptidase and cholesterol, low density lipoprotein (LDL), high density lipoprotein (HDL), and uric acid. Logistic regression was used to explore the influencing factors of baPWV, and a regression model was established to predict baPWV and it was evaluated. Results Univariate analysis showed that, except for HDL, all the other parameters above were significantly different between normal baPWV group and abnormal baPWV group (P<0.05). Multivariable analysis yielded the following logit model: logit (p)=-17.888+0.001×uric acid+0.004×alanine aminotransferase+0.105×fasting glucose+0.023×pulse+0.032×diastolic blood pressure+0.061×systolic blood pressure+0.092×age+0.411×sex, which showed a correct predicting rate of 79.6% for baPWV in health examination population, with the ROC area being 0.869 (95%CI:0.859-0.879). Conclusion The baPWV values can be influenced by gender, age, systolic blood pressure, diastolic blood pressure, pulse, fasting blood glucose, alanine aminotransferase and uric acid levels, and logit model may serve as a satisfactory model for these types of study.
Key words: pulse wave velocity     cardiovascular diseases     logit model    

血管僵硬度增加和弹性下降是心血管早期受损的表现[1]。臂-踝脉搏波传导速度(brachial-ankle pulse wave velocity,baPWV)是脉搏波在两个既定点间的传播速度,它作为临床上评价脉管僵硬度或弹性的一个重要指标,在心血管疾病中具有重要的应用价值。研究显示baPWV的改变除能提示冠状动脉病变[2]、高血压靶器官受损[3]等外,其在糖尿病心血管事件[4]、急性脑卒中[5]等疾病中,也具有诊断、预后及结局预测的作用。由此可见,关注baPWV在疾病表征方面的应用具有积极作用。 然而目前对导致人群baPWV异常的影响因素的研究却相对较少,并且该方面研究存在样本量小和限于心脑血管疾病范畴筛选的特点,筛选所得因素的作用也存在一些差异。这对临床检出baPWV异常后有效排除可能导致baPWV异常的干扰项不利。本研究拟采用大样本,通过对检测资料的回顾性分析,从本院既往体检人群的体检资料中,找寻影响体检人群baPWV的潜在因素,并拟构建一个logit模型,为临床提供参考。 1 资料和方法 1.1 研究对象

纳入2010年1月至2014年2月我院体检中心进行健康体检的人群作为研究对象,所有研究人群的baPWV值均由全自动动脉硬化检测仪VP-1000检测得到。baPWV值判断标准:双侧baPWV值≤1 400 ms/s记为正常组,一侧或双侧baPWV值>1 400 ms/s即划归为异常组。排除年龄低于20岁及检测指标资料不全者,最终共获取4 159例体检者资料,其中男性2 799例,女性1 360例。 1.2 研究方法

采用临床大样本的回顾性研究,资料分别由两名具有相关研究背景的临床工作人员独立整理搜集,由第3名人员进行复核。用Excel建立信息数据表,纳入考察的体检指标包括:性别、年龄、收缩压、舒张压、脉搏、空腹血糖、三酰甘油、胆固醇、丙氨酸转氨酶、谷氨酰转肽酶、肌酐、高密度脂蛋白、低密度脂蛋白、尿酸。最终数据表交专业的分析人员进行统计分析处理。 1.3 统计学处理

数据采用IBM SPSS Statistics 21.0软件进行分析。计量资料以x±s 表示。对数据进行单因素考察时除性别采用χ2检验外,其余资料由于不服从正态分布故均采用Mann-Whitney检验;多因素分析采用二分类logistic逐步回归法,其中进入标准设置为0.05,排除标准设置为0.1,逐步回归方法采用Forward wald法;模型诊断采用ROC分析。检验水准(α)为0.05。 2 结 果 2.1 单因素分析结果

单因素分析结果显示,除高密度脂蛋白外,其余检测指标在baPWV正常组与异常组之间的差异均具有统计学意义(P<0.05)。结果详见表 1

表 1 单因素分析结果
2.2 多因素分析结果

Logistic逐步回归分析结果显示,性别、年龄、收缩压、舒张压、脉搏、空腹血糖、丙氨酸转氨酶、尿酸均与baPWV相关(P<0.05)。结果表现为: 女性的PWV值较高,年龄、收缩压、舒张压、脉搏、空腹血糖、丙氨酸转氨酶、尿酸值的增加会促进baPWV值的增高。详见表 2。根据分析结果得到的logit模型为:logit(p)=-17.888+0.001×尿酸+0.004×丙氨酸转氨酶+0.105×空腹血糖+0.023×脉搏+0.032×舒张压+0.061×收缩压+0.092×年龄+0.411×性别。

表 2 Logistic逐步回归分析结果
2.3 多因素模型评价

Logit模型的决定系数Cox and Snell R2为0.358,Nagelkerke R2为0.429。Hosmer-Lemeshow拟合优度检验结果P>0.05,说明模型拟合优度较好。根据表 3显示,得到的logit模型对体检人群baPWV的预测正确率高达79.6%,相对于未纳入考察因素而直接将原有病例划为异常组得到的最大正确率64.3%高出15.3%;同时采用ROC分析方法对模型价值进行评价,结果(图 1)显示曲线下面积(AUC)为0.869(95%CI:0.859~0.879),P<0.05,说明logit模型具有较好的分类准确性。结果提示采用logistic回归方法进行影响因素分析的合理性,同时说明得到的logit模型具有较好的实用价值。

表 3 模型预测结果与实际测量结果的比较

图 1 Logit模型预测能力的评价
3 讨 论

目前,心脑血管疾病已成为威胁人类健康的主要疾病。动脉硬化在心脑血管疾病中起着重要的作用,而高血压、糖尿病又增加了动脉硬化的危险性。baPWV是一个简单而快捷地评估动脉硬化的有效手段,采用现代化仪器进行测定,具有非侵入性的特点。关于baPWV作为心血管疾病的预测因素的研究已有较多报道,而有关导致baPWV异常的潜在因素研究往往样本量不够大,结果也不一致。

本研究通过logistic回归模型对4 159例体检人群baPWV的影响因素进行分析,结果显示性别、年龄、收缩压、舒张压、脉搏、空腹血糖、丙氨酸转氨酶、尿酸均可能会影响baPWV。根据目前的研究,年龄对baPWV的影响比较明确,而性别对其影响却尚无定论[1]。本次大样本的体检人群研究结果显示,女性更容易出现baPWV异常的情况。既往研究提示baPWV在高血压疾病中具有应用价值[6],而本次研究中收缩压、舒张压及脉搏的纳入,对此起到了印证作用。同时本次研究的结果显示血糖、尿酸、丙氨酸转氨酶的增加可能导致baPWV异常,这在既往的研究中可以找到相关证据[7, 8, 9]。研究表明高胆固醇风险与baPWV存在相关性[2],另有研究者将baPWV作为高血压合并高胆固醇血症的预后考察指标之一[10],这也为本研究中单因素分析显示血脂成分与baPWV有关这一结果提供了间接参考。因此,本研究筛选出的潜在危险因素是相对合理的。

本研究根据logistic的回归结果,初步得到了一个较为理想的logit模型。本模型具有较好的分类准确性,间接证明了本次研究方法的正确性和合理性。同时也有利于体检者做完其他检查后对baPWV是否异常进行初步评估,可能有利于缩减体检者医疗成本。本研究仅针对内部数据进行了模型评价,更确切的结果有待于获取更多的外部或多中心的数据进行分析和评价。

参考文献
[1] 陈一梅, 窦京涛. 脉搏波传导速度的应用与糖代谢的相关研究进展[J]. 中华老年心脑血管病杂志, 2013,15:1102-1105.
[2] Kim J H, Rhee M Y, Kim Y S, Bae J H, Nah D Y, Kim Y K, et al. Brachial-ankle pulse wave velocity for the prediction of the presence and severity of coronary artery disease [J]. Clin Exp Hypertens, 2014,36:404-409.
[3] 倪 琦, 许建忠, 王长谦,蒋金金. 脉搏波速度与冠状动脉病变的相关性研究[J]. 国际心血管病杂志, 2012,39:392-394.
[4] Katakami N, Osonoi T, Takahara M, Saitou M, Matsuoka T A, Yamasaki Y, et al. Clinical utility of brachial-ankle pulse wave velocity in the prediction of cardiovascular events in diabetic patients [J]. Cardiovasc Diabetol, 2014,13:128.
[5] Kim J, Song T J, Kim E H, Lee K J, Lee H S, Nam C M, et al. Brachial-ankle pulse wave velocity for predicting functional outcome in acute stroke[J]. Stroke, 2014,45:2305-2310.
[6] Chung C M, Cheng H W, Chang J J, Lin Y S, Hsiao J F, Chang S T, et al. Relationship between resistant hypertension and arterial stiffness assessed by brachial-ankle pulse wave velocity in the older patient[J]. Clin Interv Aging, 2014,9:1495-1502.
[7] Choi B G, Kang J H, Jeon Y K, Kim S S, Lee C W, Kim I J, et al. Determinants of brachial-ankle pulse wave velocity in normotensive young adults with type 2 diabetes mellitus[J]. J Korean Med Sci, 2012,27:1359-1363.
[8] Zhou F, Zhang H, Yao W, Mei H, Xu D, Sheng Y, et al. Relationship between brachial-ankle pulse wave velocity and metabolic syndrome components in a Chinese population[J]. J Biomed Res, 2014,28:262-268.
[9] Xiong Z, Zhu C, Zheng Z, Wang M, Wu Z, Chen L, et al. Relationship between arterial stiffness assessed by brachial-ankle pulse wave velocity and coronary artery disease severity assessed by the SYNTAX score [J]. J Atheroscler Thromb, 2012,19:970-976.
[10] 黄文军,谢 伟,王明建,刘俊明,胡广梅. 匹伐他汀对高血压合并高胆固醇血症患者血压及脉搏波传导速度的影响[J]. 中国新药与临床杂志, 2013, 32: 324-327.