天津醫(yī)科大學(xué)公共衛(wèi)生學(xué)院衛(wèi)生統(tǒng)計(jì)學(xué)教研室(300070) 李丹丹 韓 娜 崔 壯 李長平 劉媛媛 馬 駿

目前，全球每12個(gè)成人中就有一人患有糖尿病[1]。我國糖尿病患病率為9.7%，患者人數(shù)近1億，呈快速增長趨勢，糖尿病的預(yù)防和管理面臨著嚴(yán)峻的考驗(yàn)[2]。根據(jù)國際糖尿病聯(lián)盟(IDF)統(tǒng)計(jì)，2015年中國的糖尿病患者已達(dá)1.096億，若以此趨勢發(fā)展下去，估計(jì)到2040年中國將會有1.507億的糖尿病患者[3]。所以，尋找糖尿病的脆弱性人群，針對性地開展健康干預(yù)迫在眉睫。

脆弱性是指人群的易感性或高風(fēng)險(xiǎn)，反映可能影響人群健康損失的某些因素[4]。脆弱的病人更易受健康問題及其相關(guān)功能缺失的影響[5]，最終導(dǎo)致疾病控制不理想。目前，很多研究專注于糖尿病的預(yù)防和治療效果，但通過了解糖尿病患者脆弱性進(jìn)而管理糖尿病的研究很少。我們前期研究中通過內(nèi)容分析法得到了12個(gè)與糖尿病患者相關(guān)的脆弱性主題。

潛在類別分析(latent class analysis,LCA)是探討存在統(tǒng)計(jì)學(xué)關(guān)聯(lián)的分類外顯變量背后的類別潛變量的一種統(tǒng)計(jì)學(xué)技術(shù)。該方法的分析目的是通過潛在類別模型(latent class model,LCM)，利用潛類別解釋多個(gè)外顯分類變量之間的復(fù)雜關(guān)聯(lián)，使之能以最少的潛在類別數(shù)解釋外顯變量之間的關(guān)聯(lián)，并使各潛類別內(nèi)部的外顯變量之間滿足局部獨(dú)立的要求。它既能針對分類變量進(jìn)行分析，又能反映單變量效應(yīng)或一組相關(guān)變量的整體效應(yīng)，達(dá)到“降維”的效果。LCA常用于社會學(xué)、生物醫(yī)學(xué)及心理學(xué)等多個(gè)領(lǐng)域的分類研究[6-8]。

本研究采用LCA的方法，分析天津市糖尿病患者的脆弱性因素分布特征，從而將人群進(jìn)行分類，揭示各類人群的特點(diǎn)，為制定針對性的預(yù)防措施提供科學(xué)依據(jù)。現(xiàn)將研究結(jié)果報(bào)告如下。

資料與方法

1.資料來源

選取天津市13個(gè)一級醫(yī)院和2個(gè)二級醫(yī)院的260名糖尿病患者作為研究對象，共分為26個(gè)組。在計(jì)劃階段，基于當(dāng)?shù)氐拇嗳跣约捌滟Y源分布設(shè)計(jì)訪談提綱。由治療糖尿病的專業(yè)醫(yī)師對這26組患者進(jìn)行訪談。在訪談進(jìn)行前對專業(yè)醫(yī)師進(jìn)行專業(yè)培訓(xùn)并由其選擇受訪者。最后，共完成259文件(其中1人失訪)，最終將229份有效文件納入分析。工作人員通過質(zhì)性研究的內(nèi)容分析法對訪談文件進(jìn)行歸納和總結(jié)，最后確定12個(gè)與糖尿病脆弱性相關(guān)的主題。本研究對經(jīng)濟(jì)受限、疾病嚴(yán)重、認(rèn)知水平低、不正確的健康信念、醫(yī)療資源利用度低、生活受限、生活方式改變、時(shí)間缺乏、精神狀態(tài)差、支持水平低、社會融合程度低和經(jīng)歷轉(zhuǎn)型這12個(gè)主題進(jìn)行潛在類別分析。

2.潛在類別模型基本原理

潛在類別模型的分析過程包括模型參數(shù)化、參數(shù)估計(jì)、模型識別、擬合優(yōu)度評價(jià)、潛在分類與結(jié)果解釋等[6-7]。

(1)概率參數(shù)化

LCM的概率參數(shù)化(probabilistic parameterization)包括兩種類型的參數(shù)：潛在類別概率(latent class probabilities)和條件概率(conditional probabilities)。如果現(xiàn)有A、B、C三個(gè)外顯變量，分別具有I、J、K個(gè)水平，其彼此之間相互獨(dú)立。若存在一具有T個(gè)潛類別的潛變量X，其不僅可以解釋A、B、C三者間的關(guān)系，且在X的每個(gè)類別中，能夠維持A、B、C這三個(gè)外顯變量的局部獨(dú)立性，即為LCA。潛在類別概率表示當(dāng)觀察變量局部獨(dú)立時(shí)，潛變量X在第t個(gè)水平的概率，即從樣本中隨機(jī)選取的觀察對象屬于潛在類別t的概率。條件概率表示屬于第t個(gè)潛在類別的個(gè)體對觀察變量A的第i個(gè)水平作答的概率。

(2)參數(shù)估計(jì)與模型擬合

LCM主要采用最大似然法(maximum likelihood,ML)進(jìn)行參數(shù)估計(jì)，其迭代過程最常用的有EM(expectation-maximization算法。

模型適配檢驗(yàn)方法主要有Pearsonχ2、似然比卡方(G2)以及信號評價(jià)指標(biāo)；其中，AIC準(zhǔn)則(Akaike information criterion)、BIC準(zhǔn)則(Bayesian information criterion)和校正的BIC(aBIC)均越小表明適配度越好。Lin與Dayton指出當(dāng)樣本量超過1000時(shí)BIC指標(biāo)更可靠，否則AIC更佳[9]。在LCA中還常用Entropy指數(shù)來評估分類的精確程度，其取值范圍在0～1之間。當(dāng)Entropy=0.6時(shí)，表明約有20%的個(gè)體存在分類的錯(cuò)誤，Entropy約等于0.8時(shí)表明分類的準(zhǔn)確率超過了90%[10]。

(3)潛在分類

在確定最優(yōu)模型以后，應(yīng)依據(jù)貝葉斯理論將所有觀察值分類到適當(dāng)?shù)臐撛陬悇e中，來說明觀察值的后驗(yàn)類別屬性。

3.統(tǒng)計(jì)分析

本研究的LCA采用Mplus4.2軟件完成。

結(jié)果與分析

1.模型擬合與選擇

本研究共納入229例糖尿病患者進(jìn)行分析。對這229例患者(分析變量為糖尿病患者的脆弱性主題)進(jìn)行探索性潛在類別分析。首先估計(jì)含有1個(gè)潛在類別的模型(基準(zhǔn)模型)，然后依次增加潛類別數(shù)目至6，LCM的擬合統(tǒng)計(jì)量見表1。由于AIC、BIC指標(biāo)均為越小越好，當(dāng)樣本的數(shù)量低于1000時(shí)AIC更佳。因此對于AIC和BIC以AIC最小為標(biāo)準(zhǔn)，這時(shí)應(yīng)選擇三分類，而此時(shí)aBIC的值也最小。Pearsonχ2值在1～5類別中隨著潛在類別的數(shù)目增加而逐漸減小，G2值亦隨著潛在類別的數(shù)目增加而逐漸減小，Entropy值也在可接受范圍內(nèi)，綜合考慮各指標(biāo)，亦考慮到模型的簡潔性，選擇三分類模型為理想模型。

表1 潛類別模型擬合結(jié)果

2.模型參數(shù)估計(jì)

以潛在類別數(shù)目為3作為理想模型，進(jìn)一步獲得模型的參數(shù)估計(jì)結(jié)果，即糖尿病脆弱性主題在3個(gè)潛在類別上的條件概率與潛在類別概率，如表2。

在模型參數(shù)估計(jì)之后，依據(jù)各項(xiàng)目的條件概率特點(diǎn)對各潛在類別進(jìn)行解釋。由表2可知，有12.2%的糖尿病患者屬于Class1，此類中100%的人沒有經(jīng)濟(jì)壓力，75.6%的人認(rèn)知水平較高，0%的人有不正確的健康信念，81.2%的人醫(yī)療資源利用度低，98.6%的人生活方式改變，78%的人時(shí)間缺乏，100%的人支持水平低，0%的人社會融合程度低，該類人群的特點(diǎn)是經(jīng)濟(jì)狀況好且文化認(rèn)知水平較高，擁有健康的信念，但是時(shí)間缺乏且支持水平與資源利用度低，可以將此類人群定義為“高收入低資源利用度群體”。有29.7%的人屬于Class2，此類中100%的人疾病嚴(yán)重，71.5%的人認(rèn)知水平低，34.1%的人具有不正確的健康信念，54.2%的人醫(yī)療資源利用度低(與其他兩類相比醫(yī)療資源利度最高)，81.3%的人生活受限，67.5%的人生活方式改變(與其他兩類相比改變最小)，100%的人精神狀態(tài)好，該類人群的特點(diǎn)是疾病嚴(yán)重、認(rèn)知水平低、支持水平和醫(yī)療資源利用度較高、精神狀態(tài)很好，可以將此類人群定義為“低認(rèn)知重癥群體”。有58.1%的人屬于Class3，這類人所占比重最大，此類中38.8%的人經(jīng)濟(jì)受限，49.7%的人擁有不正確的健康信念，其余特征基本介于第一類和第三類之間，可以將這類人群定義為“低收入低健康信念群體”。

表2 12個(gè)主題的條件概率和潛在類別概率

3.潛在分類結(jié)果

對理想模型進(jìn)行參數(shù)化后，根據(jù)各類別的潛在類別概率和各條目的條件概率計(jì)算分類到各類別的后驗(yàn)概率，根據(jù)后驗(yàn)概率最大原則得到分類結(jié)果，如表3所示。其中，Class1、Class2、Class3的人數(shù)分別為28(12.2%)、68(29.7%)和133(58.1%)。

表3 潛在類別模型個(gè)體分類結(jié)果

討 論

研究發(fā)現(xiàn)，很多糖尿病患者不能正確了解糖尿病，對糖尿病的認(rèn)知比較低。因此，糖尿病知識的匱乏很有可能導(dǎo)致病情控制較差，尤其是老年糖尿病患者[11]。為了提高糖尿病患者的糖尿病知識，加強(qiáng)糖尿病宣傳教育是有價(jià)值的嘗試。

這三類脆弱性人群，其各自均存在不同特點(diǎn)。因此，要堅(jiān)持因人因類施策，因脆弱原因施策，因脆弱類型施策，區(qū)別不同情況，做到對癥下藥，精確滴灌，靶向干預(yù)。對三類人群開展針對性的糖尿病防控的專業(yè)討論，尋找干預(yù)的靶點(diǎn)人群，為健康管理提供決策依據(jù)。

與傳統(tǒng)的因素分析相比，LCA最大的不同在于變量的形式：因素分析處理的是連續(xù)變量，LCA處理的是類別變量。LCA不但彌補(bǔ)了因素分析僅能處理連續(xù)潛在變量的不足，又能反映單變量效應(yīng)或一組相關(guān)變量的整體效應(yīng)。

本研究也有一些局限性。其一，數(shù)據(jù)來自質(zhì)性研究，挖掘脆弱性因素，研究樣本中病情嚴(yán)重的病人較多，因此糖尿病特征(血糖值等)在三類人群中的分布規(guī)律并不明顯，三類人群的分布僅能代表糖尿病脆弱性較高人群的狀況。其二，本研究樣本僅限于天津市的糖尿病患者，所分類別不能窮盡，是否能夠覆蓋全國所有糖尿病脆弱性人群還需要進(jìn)一步的研究證實(shí)。因此，本研究擬在后續(xù)研究中擴(kuò)大樣本量，使得各等級醫(yī)院和各年齡階段的參與者均衡，進(jìn)一步開展有關(guān)LCA方法在糖尿病病人脆弱性研究中的深入探討。

[1] WHO.Global report on diabetes,2015.

[2] Chinese Center for Disease Control and Prevention.China National Plan for NCD Prevention and Treatment (2012-2015),2015.http://www.chinacdc.cn/en/ne/201207/t20120725_64430.html

[3] International Diabetes Federation.IDF Diabetes Atlas.7th ed.Brussels,Belgium:International Diabetes,2015.

[4] Fauci AJ,Bonciani M,Guerra R.Quality of life,vulnerability and resilience:a qualitative study of the tsunami impact on the affected population of Sri Lanka.Ann Ist Super Sanita,2012,48(2):177-88.

[5] Sarvimaki A,Stenbock-Hult B.The meaning of vulnerability to older persons.Nurs Ethics,2016,23(4):372-83.

[6] 張巖波.潛變量分析.北京:高等教育出版社,2009:220-246.

[7] 邱皓政.潛在類別模型的原理與技術(shù).北京:教育科學(xué)出版社,2008.

[8] 曾憲華,肖琳,張巖波.潛在類別分析原理及實(shí)例分析.中國衛(wèi)生統(tǒng)計(jì),2013,30(6):815-817.

[9] Lin TH,Dayton CM.Model selection information criteria for non-nested latent class models.Journal of Education and Behavioral Statistics,1997,22(3):249-264.

[10] Carragher N,Adamson G,Bunting B,et al.Subtypes of depression in a nationally representative sample.Journal of Affective Disorders,2009,113(2):88-99.

[11] Hu J,Gruber KJ,Liu H,et al.Diabetes knowledge among older adults with diabetes in Beijing,China.J ClinNurs,2013,22(1-2):51-60.