戴光亞

【摘要】目的：了解糖尿病患者頸總動脈硬化的一些影響因素，為更好地預(yù)防糖尿病，提高人民健康水平提供依據(jù)。方法：采用簡單隨機(jī)抽樣的方法，對60名糖尿病患者進(jìn)行調(diào)查，然后使用多分類Logistic回歸模型進(jìn)行分析，得出糖尿病患者頸總動脈硬化是否與某些影響因素有關(guān)。結(jié)論：糖尿病患者的性別、年齡、收縮壓和尿白蛋白這四個因素與其頸總動脈是否硬化有關(guān)。

【關(guān)鍵詞】糖尿病患者；頸總動脈硬化；影響因素；多分類Logistic回歸分析

【中圖分類號】R587.1 【文獻(xiàn)標(biāo)識碼】A 【文章編號】2095-6851（2017）12--01

引言

頸總動脈硬化是糖尿病的重要并發(fā)癥之一，是糖尿病患者主要的死亡原因，它確切的發(fā)病機(jī)制現(xiàn)在還不清楚，但我們可以確信的是，引起頸總動脈硬化的因素有很多。

1 研究對象與方法

1.1 研究對象

某地區(qū)60名糖尿病患者，其中男性28人（46.7%），女性32人（53.3%）年齡30-73歲，平均年齡52歲。頸總動脈硬化27例（45%）。

1.2 研究方法

（1）抽樣方法：采用簡單隨機(jī)抽樣方法，從某地區(qū)的各個醫(yī)院抽取共60名糖尿病患者作為研究對象。（2）各指標(biāo)含義：因變量：頸總動脈是否硬化（type），type=1表示頸總動脈硬化，type=0表示頸總動脈非硬化；自變量：性別（sex），sex=1表示男性，sex=0表示女性：年齡（age），糖尿病史（dura）、胰島素敏感指數(shù)（ISI）、甘油三酯（TG）、膽固醇（CHO）、收縮壓（SBP）、尿白蛋白（ALB）。（3）統(tǒng)計(jì)分析：數(shù)據(jù)采用excel進(jìn)行錄入，用SPSS軟件和R語言對數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析，顯著性水平為α=0.1，以p<0.1為差異有統(tǒng)計(jì)學(xué)意義。

2、模型的理論

Logistic回歸模型是一種非線性回歸模型，假設(shè)在自變量χ1，χ2，…χn的作用下，某一事件發(fā)生的概率為P，則其不發(fā)生的概率為1-P，于是該事件發(fā)生與不發(fā)生的概率比為P/1-P，記為“Ω”，對Ω取自然對數(shù)后得到Logistic函數(shù)。

（1）

（1）式稱為P的Logit變換，則Logistic回歸模型為：

（2）

本文中因變量的量化取值，當(dāng)頸總動脈硬化時(shí)，取值為1，當(dāng)頸總動脈非硬化時(shí)，取值為0。影響頸總動脈硬化的因素有8個，分別為：χ1，χ2，…χ8。其中，P代表頸總動脈硬化的概率，β0表示截距，β1，…β8分別表示對應(yīng)影響因子的系數(shù)。

3 結(jié)果及分析

3.1 用SPSS軟件進(jìn)行多分類Logistic回歸分析

以頸總動脈是否硬化為因變量，以性別（sex）、年齡（age）、糖尿病史（dura）、胰島素敏感指數(shù)（ISI）、甘油三酯（TG）、膽固醇（CHO）、收縮壓（SBP）、尿白蛋白（ALB）為自變量，進(jìn)行多分類Logistic回歸分析。

表1是最終回歸模型下的檢驗(yàn)。由輸出結(jié)果可知，在顯著性概率（Sig）=0.1時(shí)，性別（sex）、年齡（age）、收縮壓（SBP）和尿白蛋白（ALB）對頸總動脈硬化有顯著性影響。

3.2 用R語言進(jìn)行多分類Logistic回歸分析

由于數(shù)據(jù)已經(jīng)在Excel中錄入，故只需調(diào)用即可。從輸出結(jié)果表2可以看出，在顯著性概率（Sig）=0.1時(shí)，性別（sex）、年齡（age）、收縮壓（SBP）和尿白蛋白（ALB）對頸總動脈硬化有顯著性影響。

4 討論

通過多因素Logistic回歸分析發(fā)現(xiàn)糖尿病的并發(fā)癥頸總動脈硬化的危險(xiǎn)因素分別是是性別、年齡、收縮壓和尿白蛋白。針對這些危險(xiǎn)因素，相關(guān)部門應(yīng)該采取多元的方法宣傳，同時(shí)在日常生活中提高自我防治意識。

參考文獻(xiàn)

何曉群.現(xiàn)代統(tǒng)計(jì)分析方法與應(yīng)用[M].中國人民大學(xué)出版社，2012.

Prabhanjan Narayanachar Tattar.R統(tǒng)計(jì)應(yīng)用開發(fā)實(shí)戰(zhàn)[M].機(jī)械工業(yè)出版社，2015.endprint