大型縱向監(jiān)測健康管理隊列設(shè)計及其統(tǒng)計分析策略研究.pdf

1、健康管理(health management，HM)是對個體（包括健康個體、亞健康個體和病人）或群體（包括健康人群、亞健康人群、疾病人群）的健康危險因素進(jìn)行全面監(jiān)測、分析、評估、預(yù)測，旨在提供健康咨詢和指導(dǎo)以及對健康危險因素進(jìn)行干預(yù)的全過程。廣義的健康管理還涵蓋了疾病管理，即對個人處于疾病的低危險狀態(tài)→進(jìn)入疾病危險狀態(tài)→發(fā)生早期病理改變階段的管理通常稱為健康管理，而對其出現(xiàn)臨床癥狀→疾病→不同轉(zhuǎn)歸預(yù)后階段的管理則稱為疾病管理。盡管健康管

2、理的概念還尚未完善，健康管理學(xué)的學(xué)科內(nèi)涵、理論與技術(shù)方法還很不成熟，但社會公眾對健康管理的渴求，已經(jīng)使健康管理學(xué)研究成為國家和政府必須關(guān)注的、重點(diǎn)支持和優(yōu)先發(fā)展的領(lǐng)域。
　　 健康管理概念的提出、健康管理學(xué)獨(dú)立學(xué)科的發(fā)展趨勢，以及我國健康管理的興起和對健康管理行業(yè)的巨大需求，迫切需要對健康管理學(xué)的理論、方法和策略進(jìn)行深入研究。其中，基于健康體檢系統(tǒng)的“大型多中心縱向監(jiān)測健康管理隊列”是推動健康管理理論方法創(chuàng)新研究及其推廣轉(zhuǎn)化的重

3、要數(shù)據(jù)管理平臺。此種隊列的建設(shè)，不僅是進(jìn)行個人健康信息收集與健康檔案管理、個體健康風(fēng)險評估與人群分類、個體和群體健康干預(yù)及其健康改善效果評價的健康管理平臺，而且是闡明疾病發(fā)生、發(fā)展與轉(zhuǎn)歸的研究平臺。為此，本課題組自2004年就在山東省啟動了“大型多中心縱向監(jiān)測健康管理隊列”，作者自2007年作為項目組的核心成員，參與了整個隊列建設(shè)的數(shù)據(jù)采集、管理和數(shù)據(jù)庫構(gòu)建、隊列隨訪等一系列工作，本文體現(xiàn)了本人所負(fù)責(zé)完成的隊列建設(shè)研究經(jīng)歷。
　　

4、 本文從多中心大型縱向監(jiān)測健康管理隊列構(gòu)建、數(shù)據(jù)整合平臺構(gòu)建（數(shù)據(jù)清理、集成、變換等預(yù)處理）、數(shù)據(jù)填補(bǔ)及數(shù)據(jù)分析（廣義估計方程及混合效應(yīng)模型分析，Cox回歸分析和Joint模型分析，各回歸方法模擬比較）等幾個方面進(jìn)行了系統(tǒng)研究，并以尿酸對代謝綜合征的影響研究為例進(jìn)一步說明其應(yīng)用性，旨在建立大型縱向監(jiān)測健康管理隊列及其統(tǒng)計分析策略。
　　 研究結(jié)果如下:
　　 1.構(gòu)建“多中心縱向監(jiān)測健康管理隊列數(shù)據(jù)管理系統(tǒng)”，通過完善

5、相應(yīng)的數(shù)據(jù)字典和疾病字典、管理賦值規(guī)則、導(dǎo)入原始數(shù)據(jù)、查詢導(dǎo)出處理后數(shù)據(jù)，將多中心縱向監(jiān)測健康管理隊列的原始數(shù)據(jù)轉(zhuǎn)換成可利用統(tǒng)計軟件直接進(jìn)行分析的數(shù)據(jù)格式。
　　 2.利用SAS軟件的mi過程或R軟件的AmeliaⅡ程序包，將缺失數(shù)據(jù)進(jìn)行了有效的填補(bǔ)和相應(yīng)的診斷。
　　 3.在調(diào)整了各項混雜后，廣義估計方程、混合效應(yīng)模型、Cox回歸和Joint模型均證實血尿酸水平與代謝綜合征的關(guān)聯(lián)性有統(tǒng)計學(xué)意義，與正常血尿酸水平人群相比

6、，高血尿酸人群患代謝綜合征的風(fēng)險是分別是1.449(95％ CI:1.215,1.727)、1.527(95％ CI:1.187,1.965)、1.496(95％ CI:1.287,1.740)和1.3735(95％ CI:1.1565，1.6313)倍，提示四種模型均可用于大型縱向監(jiān)測健康管理隊列數(shù)據(jù)的統(tǒng)計分析。
　　 4.基于實際縱向監(jiān)測健康管理數(shù)據(jù)，以Joint模型產(chǎn)生模擬數(shù)據(jù)，比較了廣義估計方程、混合效應(yīng)模型分析、Cox

7、回歸分析和Joint模型四種回歸分析模型的第一類錯誤概率、檢驗效能和偏回歸系數(shù)估計偏性。H0成立時，在0.05的檢驗水準(zhǔn)下，四種方法的第一類錯誤概率均接近0.05，其中廣義估計方程和Cox回歸能較好地在0.05附近波動，而混合效應(yīng)模型和Joint模型則稍稍高于0.05水平。H0不成立時，隨樣本含量的增大和偏回歸系數(shù)的增大，廣義估計方程、混合效應(yīng)模型、Cox回歸和Joint模型的檢驗效能單調(diào)遞增，逐漸接近并達(dá)到100％，四種方法的檢驗效能

8、的變化程度和變化趨勢相似，但廣義估計方程和混合效應(yīng)模型始終略高于Cox回歸和Joint模型。在比較估計偏性的方面，混合效應(yīng)模型的估計最小，其次依次是廣義估計方程、Cox回歸和Joint模型。
　　 結(jié)論:
　　 1.運(yùn)用這一縱向監(jiān)測健康管理隊列設(shè)計及其統(tǒng)計分析策略，可以解決縱向監(jiān)測健康管理隊列設(shè)計和數(shù)據(jù)綜合分析利用的問題，將健康管理從采集健康信息的初始階段，延伸至現(xiàn)狀評估、疾病預(yù)測、健康促進(jìn)與干預(yù)管理的深層階段。

9、　　 2.“多中心縱向監(jiān)測健康管理隊列數(shù)據(jù)管理系統(tǒng)”可以將多個中心健康體檢數(shù)據(jù)整合到統(tǒng)一的數(shù)據(jù)管理平臺中，軟件界面親和、友好，易于操作，為進(jìn)一步的填補(bǔ)和回歸分析奠定了基礎(chǔ)。
　　 3.對缺失數(shù)據(jù)的填補(bǔ):基于MCMC算法的mi過程是較為經(jīng)典和使用普遍的方法，而基于EMB算法的AmeliaⅡ過程，可以方便的利用AmeliaView的視窗進(jìn)行簡便的數(shù)據(jù)導(dǎo)入、填補(bǔ)、導(dǎo)出、診斷，并可以填補(bǔ)橫截面數(shù)據(jù)、時間序列數(shù)據(jù)和時間序列-橫截面數(shù)據(jù)（

10、可看作縱向數(shù)據(jù)）等多種類型的數(shù)據(jù)。
　　 4.統(tǒng)計模擬表明，對于大型縱向監(jiān)測健康管理隊列數(shù)據(jù)回歸方法的選擇:①由于樣本含量足夠大，一般情況下，可采用常規(guī)的廣義估計方程來估計變量之間的關(guān)聯(lián)性。②對于多中心（多水平）的縱向監(jiān)測健康管理隊列數(shù)據(jù)的回歸分析，應(yīng)利用混合效應(yīng)模型進(jìn)行建模分析。③一般情況下，上述兩種回歸分析模型皆可取得滿意的效果。④理論方法更為復(fù)雜的Joint模型在分析此類大樣本縱向監(jiān)測健康管理隊列數(shù)據(jù)時，并未顯示出其優(yōu)越性

11、，但它可以計算個體特定時間點(diǎn)的發(fā)病風(fēng)險和生存概率，特別適用于疾病的風(fēng)險評估和風(fēng)險預(yù)警。⑤對于此類縱向監(jiān)測健康管理隊列數(shù)據(jù)，若簡單地利用Cox回歸模型進(jìn)行分析，其回歸系數(shù)估計偏性較大。
　　 5.實例分析證明高血尿酸水平可增加代謝綜合征的發(fā)病風(fēng)險。
　　 創(chuàng)新點(diǎn):
　　 1.提出了大型縱向監(jiān)測健康管理隊列設(shè)計及其統(tǒng)計分析策略的整體思路框架。
　　 2.自主研發(fā)的“多中心縱向監(jiān)測健康管理隊列數(shù)據(jù)管理系統(tǒng)”可以

12、有效地對各中心體檢數(shù)據(jù)整合、集成、變換、清理。
　　 3.在縱向監(jiān)測健康管理隊列數(shù)據(jù)中，對廣義估計模型、混合效應(yīng)模型、Cox回歸和Joint模型進(jìn)行了模擬評價，并提出了相應(yīng)的回歸分析策略。
　　 不足之處:
　　 在缺失值填補(bǔ)階段，未納入更多的填補(bǔ)方法和相應(yīng)的診斷技術(shù);對于給出的兩種填補(bǔ)方法，未進(jìn)行模擬試驗評價其表現(xiàn);在對廣義估計模型、混合效應(yīng)模型、Cox回歸和Joint模型進(jìn)行模擬評價時，未能從數(shù)理角度分析影響