條文本
PDF
文摘
客觀的高血壓預測糖尿病的發展。然而,仍然有缺乏高質量研究平均動脈壓(MAP)和事件之間的相關性糖尿病。我們旨在探索地圖和糖尿病在中國成年人之間的關係。
設計這是一個次要的回顧性隊列研究中,數據被下載的“DATADRYAD”數據庫(www.Datadryad.org)。
參與者研究包括210名非糖尿病418名成年人在基線在2010年和2016年之間在32個站點,在中國11個城市。
設置獨立於目標和因變量地圖測量基線和糖尿病發生在隨訪中。Cox比例風險回歸被用來探索地圖和糖尿病之間的關係。
主要結果測量結果事件是糖尿病,它被定義為空腹血糖≥7.00更易/ L和/或自報糖尿病隨訪中。病人被審查時的診斷或最後一次訪問,以先到期者作準。
結果3927名參與者開發糖尿病5年隨訪期間。協變量調整後,地圖與糖尿病呈正相關(HR = 1.008, 95%可信區間1.005到1.011,p < 0.001),絕對風險差異為0.02%。價值分析和多個罪名被用來探索結果的魯棒性。地圖和糖尿病之間的關係也是非線性的,和地圖的拐點是100.333毫米汞柱。亞組分析顯示更強的關聯映射和糖尿病人的年齡(≥30日< 50歲),空腹血糖< 6.1更易與L和喝酒。此外,接受者操作特征(ROC)曲線顯示地圖糖尿病的預測性能類似於收縮壓(SBP)(曲線下的麵積(AUC) = 0.694與SBP地圖vs AUC = 0.698)。
結論地圖是一個獨立的預測事件的風險5年糖尿病在中國成年人。地圖和糖尿病之間的關係也是非線性的。地圖是低於100.333毫米汞柱時,地圖是糖尿病密切正相關。
- 一般糖尿病
- 一般的內分泌學
- 風險管理
- 糖尿病和內分泌學
數據可用性聲明
合理的請求數據。數據共享statementThe原始數據可以下載從數據庫“DATADRYAD”(www.Datadryad.org)。森林女神數字存儲庫。https://datadryad.org/stash/dataset/doi: 10.5061 / dryad.ft8750v。
這是一個開放的分布式條依照創作共用署名非商業性(4.0 CC通過數控)許可證,允許別人分發,混音,適應,建立這個工作非商業化,和許可他們的衍生產品在不同的協議,提供了最初的工作是正確地引用,給出合適的信用,任何更改表示,非商業使用。看到的:http://creativecommons.org/licenses/by-nc/4.0/。
來自Altmetric.com的統計
本研究的優點和局限性
我們的研究樣本大,參與者來自多個中心,中國人口的代表。
我們闡述了一個非線性關係,研究首次確定平均動脈壓的拐點對糖尿病的影響。
亞組分析幫助我們探索其他潛在風險事件平均動脈壓和糖尿病之間的聯係。
研究人員並沒有執行2小時口服葡萄糖耐量試驗或測量糖化血紅蛋白水平,這可能低估了糖尿病的發病率。
介紹
全球糖尿病的發病率顯著增加。糖尿病已經成為主要流行在中國。根據一個廣泛的,的中國成年人的具有全國代表性的調查,估計總體的糖尿病患病率已升至2013年的10.9%。1糖尿病已成為重要的公共衛生問題導致殘疾和過早的死亡。它是一種使人衰弱的疾病可能出現各種並發症,從而降低生活質量,導致嚴重的社會經濟影響。那裏,確定事件發生糖尿病的風險因素是預防糖尿病的關鍵。
眾所周知,高血壓和糖尿病經常共存。一些研究人員發現,高血壓與糖耐量受損和糖尿病密切相關。2 - 4中國的一項研究顯示,糖尿病高血壓呈正相關的事件。5一些研究探討,收縮壓(SBP)水平升高1毫米汞柱0.6% -4.0%的風險增加2型糖尿病(T2DM)病人體內。6尺11寸類似的結果表明,增加1毫米汞柱舒張壓(菲律賓)水平糖尿病的風險增加了5.2%。12SBP是最大壓力施加在動脈壁由心室的收縮引起的,和菲律賓是最低壓力在動脈測量心室鬆弛。13然而,平均動脈壓(MAP)是在一個心動周期的平均血壓。此外,地圖是穩定流動的血液通過主動脈和大動脈,和地圖反映外周阻力及心輸出量。14此外,地圖是一個綜合的血壓指數,認為SBP和類似脈壓(PP)。因此,地圖可以更全麵反映血壓狀態。然而,隻有少數研究評估了地圖和糖尿病發病之間的關係。中國農村隊列研究表明地圖呈正相關,2型糖尿病在中國女性。15此外,兩項研究在喀麥隆和伊朗透露,地圖是強有力的預測糖尿病SBP和菲律賓。16日17考慮他們的小樣本大小和種族差異,我們進行了研究探索地圖和事件之間的潛在關係糖尿病群體的中國成年人在32個站點和11個城市。
方法
數據源,參與者
所有參與者的數據從“DATADRYAD”數據庫(免費下載www.Datadryad.org)。提供的原始數據等,18之前和參與者記錄完全匿名訪問它們。最初的研究277年招收了685名成人的人> 20歲至少兩次在2010年和2016年之間在32個站點,在中國11個城市。變量如下:年齡、性別、身體質量指數(BMI)、菲律賓,SBP空腹血漿葡萄糖(台塑)、甘油三酯(TG)、總膽固醇(TC)、低密度脂蛋白膽固醇(低密度脂蛋白),高密度脂蛋白膽固醇(hdl - c)、血清肌酐(Scr)、丙氨酸轉氨酶(ALT)、天冬氨酸轉氨酶(AST)、吸煙和飲酒狀況,糖尿病的家族史,年的糖尿病在後續的跟蹤和審查。在我們的研究中,我們添加了地圖和頁。參與者被排除在最初的研究中,基線如下:(1)重量上沒有信息,身高和性別,(2)極端的BMI值(< 15公斤/米2或> 55公斤/米2),(3)訪問時間間隔< 2年,沒有可用的台塑價值(4),(5)參與者在基線和參與者被診斷出患有糖尿病和糖尿病狀態在隨訪未定義。我們進一步排除參與者與不完整的血壓(n = 24)。為了減少幹擾,我們排除了那些地圖低於- 3 SD或多意味著+ 3 SD (n = 1391)。19最後,2 418受試者包括在二次分析。
研究設計
最初的研究記錄的設計研究。18所有的受試者被要求做一個問卷調查關於人口和生活方式,當他們參觀了體檢中心。訓練有素的工作人員測量身高和體重。體重測量光衣服沒有鞋子到最近的0.1公斤。高度0.1厘米是準確的。體重指數等於體重除以身高的平方,這是精確到0.1公斤/米2。空腹靜脈血樣采集空腹至少10小時後每次訪問。自動分析儀測量台塑,可控矽,TC, TG、高密度脂蛋白膽固醇、低密度、ALT和AST。員工使用一個標準的水銀血壓計測量他們的血壓。地圖和PP計算地圖= 1/3 SBP + 2/3和PP = SBP-DBP類似。20.收集數據標準化的條件下,由受過訓練的人員按照統一的過程。通過嚴格的內部和外部實驗室方法仔細標準化質量控製。目標獨立和相關的變量映射測量基線和事件糖尿病隨訪期間,分別。回顧性隊列研究,它減少了選擇偏差和觀測偏差的風險。
診斷標準
糖尿病的定義是空腹血糖≥7.00更易/ L和/或自報糖尿病隨訪中。病人被審查時的診斷或最後一次訪問,以先到期者作準。
病人和公眾參與
鑒於這是一個次要的回顧性隊列研究中,沒有病人參與這項研究。
統計分析
首先,我們處理丟失的協變量的值。失蹤的連續變量主要是通過補充或中位數。缺失值以來高密度脂蛋白膽固醇、低密度和AST約50%,我們將基於tertiles分類變量。在每個協變量和失蹤的分類變量被認為是作為一個群體。
接下來,我們分析了參與者的基線特征。所有與會者都安排分成四組,包括低映射(MAP < 80毫米汞柱),介質地圖組(80≤地圖< 90毫米汞柱),高圖組(90≤MAP < 100毫米汞柱)和很高的地圖(地圖≥100毫米汞柱)。連續變量被描述為手段±SDs(正態分布)或中位數(四分位數)(偏態分布),和分類變量被稱為頻率或百分比。我們測試手段和組織的比例差異基於單向方差分析(方差分析)測試正態分布定量變量,克魯斯卡爾-沃利斯H試驗定量變量和χ傾斜2測試分類變量。21第三,我們計算了人力和後續的第一次訪問的時候的診斷糖尿病或最後一次訪問,哪個是第一位的。15人年發病率和累積發病率是用於描述發生率。22Cox比例風險回歸模型用於檢測地圖的預測作用在患糖尿病的風險。未經調整的結果,最小調整分析和完全調整分析同時提出了在我們的研究中。選擇戰略調整主要是基於臨床經驗,反是文獻報告和統計方法。統計方法的原則是我們調整後的協方差變化匹配的人力資源10%以上。23最低限度的調整模型,我們調整的人口,包括年齡、性別、體重指數、糖尿病家族史、吸煙和飲酒的地位。完全調整模型中,我們調整人口結構和生化,包括年齡、性別、體重指數、糖尿病家族史、吸煙和飲酒狀態,台塑,TC, TG、高密度脂蛋白膽固醇、低密度脂蛋白ALT、AST和可控矽。此外,我們計算了絕對風險差異(ARD)。做敏感性分析,我們對待為分類變量映射到探索地圖事件水平和糖尿病之間的關係。我們探討了無邊無際的潛力計算E-values地圖和糖尿病之間的混淆。24為了保證結果的可靠性,多個罪名也用來取代缺失值減少covariables缺失造成的偏差。25多元回歸分析的結果在這項研究中采用的值估算數據,估計每個歸罪在結合根據魯賓的規則。26因為地圖是一個連續變量,我們也驗證地圖和事件的非線性相關性糖尿病通過使用普遍相加模型(GAM)。如果是非線性的關係,從一塊平滑的角度來看,一個兩階段的線性回歸模型計算閾值地圖對糖尿病的影響。如果有一個明顯的地圖和糖尿病之間的關係,它將計算拐點。此外,Cox比例風險模型被用來做亞組分析(年齡、性別、體重指數、台塑、高密度脂蛋白膽固醇、低密度脂蛋白、糖尿病家族史、吸煙、飲酒狀況)。根據臨床減少點或二進製,連續變量被轉換為分類變量。每個分層經曆了一個完整的調整分析,除了本身的分層因素。似然比測試用於檢查子組的修改和交互。kaplan meier方法用於比較生存估計事件率和累積。和生存率較比較kaplan meier小時進行不良事件。SBP的影響,菲律賓,PP和地圖事件糖尿病是評價接受者操作特征(ROC)曲線。
統計分析是由R統計軟件(http://www.R-project.orgR基金會)和Empower-Stats (http://www.empowerstats.com,用戶的解決方案,波士頓,MA)。測試被雙尾,p < 0.05有統計學顯著性。
結果
我們的研究包括210 418名參與者(54.7%的男性和45.3%的女性)。所有參與者的平均年齡為42.0±12.6歲。5年隨訪期間,3927名參與者患上了糖尿病。平均SBP、菲律賓、PP和地圖是118.7±15.8毫米汞柱,73.9±10.4毫米汞柱,44.8±11.6毫米汞柱,分別為88.9±11.2毫米汞柱。台塑的平均值為4.9±0.6更易/ L。參與者的數量缺失值的TC, TG,高密度脂蛋白膽固醇和低密度是4854,4887年94年000年和92874年,分別。此外,可控矽的缺失值,ALT和AST是11173年,1782年和122458年,分別。此外,吸煙和飲酒地位的缺失值是150年497年497年和150年,分別。
基線特征的參與者
表1說明基本臨床測量,生化測試的參與者和其他參數。我們將參與者分成四組,包括低映射(MAP < 80毫米汞柱),介質地圖組(80≤地圖地圖組< 90毫米汞柱),高(≤90地圖< 100 mm Hg)和很高的地圖(地圖≥100毫米汞柱)。結果表明,很高的映射組受試者有更高的年齡、BMI、SBP,類似PP、地圖,台塑,可控矽,TC, TG, ALT, AST和更多當前吸煙者和愛好者。此外,少參加高高密度脂蛋白膽固醇水平非常高的圖組和更多的參與者在低密度高的水平。此外,低組映射(MAP < 80 mm Hg)家族史糖尿病的發病率較高。
發生糖尿病的發病率
表2顯示,3927名參與者開發糖尿病5年隨訪期間。糖尿病的總發生率為598.78每100人000人每年。具體來說,四個圖組的發病率分別為190.02,360.74,698.40和1354.31每100人000人每年。與低映射組相比,參與者增加地圖累積發病率較高水平。總事件的累積發病率糖尿病和地圖上的每個組為1.854%(1.797%的-1.911%),0.590%(0.521% - -0.659%),1.125%(1.047% - -1.203%),2.185%(2.065% - -2.304%)和4.209%(3.999% - -4.418%),分別為。
單變量分析
表3表現出積極的協會之間的年齡、體重指數、SBP,類似PP、地圖,台塑,可控矽,TC, TG,低密度ALT, AST,家族史糖尿病、吸煙、喝酒和糖尿病。相比之下,高密度脂蛋白膽固醇與糖尿病發生負相關。與此同時,男性比女性有更高的患糖尿病的風險。
圖1描述的結果kaplan meier曲線累積的危害。患糖尿病的風險是不同的四個地圖組之間(生存率較,p < 0.001)。地圖級別的增加,糖尿病的累積風險逐漸增加。因此,地圖集團麵臨的最大風險很高的糖尿病。
kaplan meier風平浪靜存活曲線基於地圖的事件糖尿病組(log-rank, p < 0.001)。地圖、平均動脈壓。
結果糖尿病地圖和事件之間的關係
表4顯示Cox比例風險回歸模型,評估了地圖和糖尿病發病之間的關係。我們同時和兩個損失是由於調整模型。模型中,損失是由於地圖呈正相關,糖尿病(HR = 1.059, 95%可信區間1.057到1.062,p < 0.001), ARD是0.09%。最小調整模型(模型),我們調整了人口,包括年齡、性別、體重指數、SBP,類似糖尿病的家族史,吸煙和飲酒狀態,結果沒有顯著變化(人力資源:1.018,95% CI 1.015到1.021,p < 0.001), ARD是0.02%。充分調整模型(模型2),我們調整人口結構和生化反是從原始數據中提取,包括年齡、性別、體重指數、台塑,TC, TG、高密度脂蛋白膽固醇、低密度脂蛋白ALT, AST,可控矽、糖尿病家族史、吸煙和飲酒的地位。我們發現仍然存在的關係(HR = 1.008, 95%可信區間1.005到1.011,p < 0.001), ARD是0.02%。結果表明,在地圖上,每增加1毫米汞柱患糖尿病的風險增加了0.8%。
敏感性分析
我們映射轉換為分類變量。較低的映射組在完整的模型中,患糖尿病的風險增加了26.5%,絕對風險差異非常高的映射組增加了0.72%。此外,隨著地圖的水平增加,患糖尿病的風險相應增加(表4)。此外,我們生成一個價值評估因素共同作用的敏感性。創造價值為1.10。的價值大於存在的RR和事件糖尿病,暗示無邊無際的或未知的混雜因素沒有影響地圖和糖尿病之間的關係。取代缺失的值通過多個罪名後,地圖和糖尿病之間的關係沒有改變(HR = 1.008, 95%可信區間1.005到1.011,p < 0.001)(補充文件)。結果表明,我們的發現是健壯的。
分析的非線性關係
我們建立了GAM驗證非線性映射和事件之間的聯係糖尿病(圖2)。結果顯示非線性映射和糖尿病之間的關係(在調整了年齡、性別、體重指數、TC、TG、高密度脂蛋白膽固醇、低密度脂蛋白,ALT, AST,可控矽,家族糖尿病史,吸煙和飲酒狀態)。據two-piecewise線性回歸模型,我們發現地圖的拐點是測試100.333毫米汞柱(對數似然比p < 0.001)。地圖小於100.333毫米汞柱時,地圖呈正相關的糖尿病(人力資源:1.022,95% CI 1.017到1.027,p < 0.001)。相比之下,圖100.333毫米汞柱以上時,他們的關係趨於飽和(人力資源:1.005,95% CI 0.998到1.012,p = 0.163) (表5)。
地圖和糖尿病之間的非線性關係。地圖之間的非線性關係和事件糖尿病是探索在調整了年齡、性別、體重指數、TC、TG、高密度脂蛋白膽固醇、低密度脂蛋白ALT, AST,可控矽、糖尿病家族史、吸煙和飲酒的地位。ALT,丙氨酸轉氨酶;AST、天冬氨酸轉氨酶;體重指數、體重指數;菲律賓,舒張壓;台塑,空腹血漿葡萄糖;高密度脂蛋白膽固醇、高密度脂蛋白膽固醇;人力資源風險比率;低密度、低密度脂質膽固醇; MAP, mean arterial pressure; PP, pulse pressure; SBP, systolic blood pressure; Scr, serum creatinine; TC, total cholesterol; TG, triglyceride.
亞組分析的結果
我們進行了亞組分析檢測的其他潛在風險地圖和糖尿病發病之間的關係。我們對年齡、性別、體重指數、台塑、高密度脂蛋白膽固醇、低密度、糖尿病家族史、吸煙和飲酒作為分層變量來評估在這些變量的趨勢效應的大小。表6表明,年齡、台塑和飲酒可以修改地圖和糖尿病之間的關係互動(所有p值< 0.05)。隨著年齡的人群中我們發現了一個更強大的協會(< 50歲)≥30日(HR = 1.021, 95%可信區間1.011到1.030,p < 0.001),台塑< 6.1更易與L (HR = 1.016, 95%可信區間1.012到1.020,p < 0.001)和飲酒(目前飲酒者:HR = 1.029, 95%可信區間0.998到1.060,p = 0.063;酒鬼:HR = 1.018, 95% CI 1.002至1.034,p = 0.025)。
血壓預測事件發生糖尿病的分界點
我們分析了性能和最優值分界點的各種血壓指數預測事件糖尿病,包括SBP、菲律賓、PP和地圖。我們的結果支持,所有四個血壓指數與糖尿病的風險有關。ROC曲線下麵積分別為0.698 (95% CI 0.690 - 0.707)對SBP為0.694 (95% CI 0.686 - 0.702), 0.658 (95% CI 0.650 - 0.667)和0.622 (95% CI 0.612 - 0.631)類似頁,分別。地圖的最佳分界點是92.833毫米汞柱,敏感性為63.41%,特異性為65.93%。作為一個指標綜合反映血壓狀況,地圖類似於SBP在預測糖尿病風險。此外,地圖是一個更好的預測糖尿病的風險比菲律賓和PP (圖3)。
接受者操作特征(ROC)曲線與發生糖尿病。ROC曲線發生糖尿病患者作為狀態變量。接受者操作特征曲線下的區域(auc) SBP,類似地圖頁。菲律賓,舒張壓;地圖、平均動脈壓;PP、脈壓;SBP收縮壓。
討論
目前的研究表明,地圖是一個5年的風險事件的獨立危險因子糖尿病協變量調整後一些。此外,地圖等於100.333毫米汞柱的邊界,這種關係是不同的兩邊(左(人力資源:1.022,95% CI 1.017到1.027,p < 0.001);(人力資源:1.005,95% CI 0.998到1.012,p = 0.163)。地圖低於100.333毫米汞柱時,地圖和糖尿病發病之間的關係是重要的。亞組分析顯示,隨著年齡的人群中更強大的協會(≥30日< 50歲),台塑< 6.1更易與L和喝酒。此外,地圖和SBP有類似糖尿病的預測性能(曲線下的麵積(AUC) = 0.694與SBP地圖vs AUC = 0.698)。
以前,一些研究探討糖尿病潛在的地圖和事件之間的關係。然而,大多數研究沒有在中國人口。16日17701年伊朗研究參與者,16研究人員發現,地圖上扮演了相同的角色在預測糖尿病SBP和類似的進展。0.589糖尿病的AUC是地圖,為菲律賓SBP為0.582和0.658。相比之下,我們研究的auc是大,0.694地圖,為菲律賓SBP為0.698和0.658。16差異可能是由於我們的研究更大的樣本量和更長的隨訪。在喀麥隆的另一項研究也得出相似的結論:地圖、SBP和菲律賓與糖尿病有顯著相關。16這些研究的結果相反,血壓不能預測糖尿病風險在case-referent研究33 336名參與者。27類似的研究在中國人口表明SBP和菲律賓沒有事件發生糖尿病的預測因子。28我們比較這些研究上麵提到的,和不一致的結果可能來自以下幾點:(1)研究人口不同,樣本大小明顯不同,(2)這些發現並未闡述非線性關係,(3)這些研究沒有考慮一些重要的協變量的影響在地圖和糖尿病之間的關係。簡而言之,我們的研究結果進一步證實,地圖是一個獨立的中國大型人群糖尿病風險的預測。
最近的一項研究基於12 284名參與者來自中國農村地區的河南省顯示,增加地圖可以預測2型糖尿病女性的風險。在我們的研究中,Cox比例風險回歸模型顯示,地圖糖尿病婦女正相關,與研究一致。然而,我們發現,這種關係也存在於男性。大的區別可能是,我們的研究樣本(210 418),他們從多個中心,更具代表性的中國人口。此外,我們調整不同的協變量。我們調整年齡台塑、ALT、AST和可控矽比他們的研究,他們與先前的研究地圖和糖尿病有關。29-32在他們的研究中,他們發現了一種非線性映射和2型糖尿病之間的聯係。但是他們沒有提及拐點。相反,我們使用一個兩階段的線性回歸模型來描述地圖和糖尿病之間的非線性關係。我們發現地圖100.333毫米汞柱的轉折點。地圖低於100.333毫米汞柱時,地圖的增加導致增加患糖尿病的風險。圖100.333毫米汞柱以上時,他們的關係趨於飽和。除此之外,我們發現隨著年齡的人群中有一個強大的協會(≥30日< 50歲),台塑< 6.1更易/ L和喝酒,這可能是由於這樣的事實:隨著年齡的人群中(< 30或≥50歲),台塑≥6.1更易/ L,從不喝酒,其他風險因素的影響對這一事件糖尿病超過地圖對糖尿病的影響。值得一提的是,我們分析了性能和最優值的各種血壓指數的分界點。ROC曲線顯示,地圖和SBP的預測性能相似預測糖尿病風險,比菲律賓和PP。考慮到地圖是整個心動周期的平均血壓和血壓綜合指數反映血壓狀態更全麵,地圖對這一事件的影響糖尿病可以更好地反映高血壓和糖尿病之間的關係在現實世界中。我們的研究結果說明,圖< 100.333毫米汞柱可以多注意控製地圖事件預防糖尿病,特別是控製地圖92.833毫米汞柱。我們的發現可能有助於未來的研究建立一個診斷或事件發生糖尿病的風險預測模型。和詳細了解地圖作為事件糖尿病的潛在風險因素將幫助臨床醫生提供更多個性化的預防和管理協議。
高血壓和糖尿病往往並發。一些先前的研究表明,高血壓和糖尿病常見的介質,包括肥胖、炎症、氧化應激、胰島素抵抗和內皮功能障礙。到三十五到目前為止,研究人員沒有發現高血壓和糖尿病之間的直接因果關係。地圖是一個複合的血壓指標,提升地圖是由收縮壓升高和/或類似。高血壓會導致內皮功能障礙,然後減少外周血管流,影響胰島素的交付和增加胰島素抵抗。36-38假設由高血壓導致的氧化應激影響胰島β細胞的功能,從而降低了胰島素的分泌。39此外,葡萄糖代謝可以修改通過氧化應激相關細胞因子,這可能是間接與糖尿病有關。40與此同時,一些研究表明,糖尿病和高血壓患者有輕度炎症反應。41-43相應地,炎症標記物如粘附分子、細胞因子和C反應蛋白在這些病人增加。44另一項研究發現,約50%的原發性高血壓患者出現開發胰島素抵抗和糖尿病的風險增加。45因此,胰島素抵抗可能是潛在的高血壓和糖尿病之間的聯係。據我們所知,高地圖可以導致動脈硬化的進展。46然而,動脈硬化會導致微循環障礙,無法傳遞給目標組織和胰島素,影響葡萄糖代謝,導致糖尿病。47
有一些優勢在我們的研究中,如下:(1)我們的研究樣本大,參與者來自多個中心,更具代表性的中國人口,(2)我們的研究定量評估了特定的地圖和糖尿病之間的關係,(3)我們闡述了一個非線性關係,這是第一個研究識別地圖的拐點對糖尿病的影響,(4)我們使用嚴格的統計調整減少混雜因素的幹擾結果,(5)我們把地圖作為分類變量,價值分析和多個罪名進行敏感性分析,(6)的亞組分析幫助我們探索其他潛在風險地圖和糖尿病發病之間的聯係,(7)我們使用ROC曲線來比較各種血壓指數的預測性能,患糖尿病的風險。
仍有一些潛在的局限性。首先,原始數據來自中國人口;因此,它需要謹慎翻譯和其他種族概括我們的發現。我們發現的generalisability可能是有限的。除此之外,並不包括在其他相關因素數據,如糖化血紅蛋白、藥物的曆史,社會經濟因素,等。其次,他們沒有執行2小時口服葡萄糖耐量試驗。根據1999年的診斷標準的糖尿病,糖尿病的定義在我們的研究中可能會導致錯過一些糖尿病患者。48然而,2小時口服葡萄糖耐量試驗是在這樣一個大的群體並不可行。第三,有一些缺失值在幾個變量。然而,為了控製偏差,我們不排除失蹤的協變量的值。我們主要補充丟失的連續變量與手段或中位數,和其他人被轉換為分類變量。此外,我們添加了多個歸責方法做敏感性分析。第四,我們隻在基線測量地圖和其他參數,我們沒有關注他們在後續變化。第五,存在潛在的殘餘混雜在我們的研究中,與所有的回顧性分析。然而,我們調整了一些混雜因素的影響,我們使用價值靈敏度分析量化存在的潛在影響,發現存在可能解釋這些發現。第六,本研究的隨訪時間是5年。一旦後續時間更長,地圖和糖尿病之間的關係可能更重要。 Finally, the conclusions were based on retrospective observational design, so prospective studies were needed to further evaluate the relationship between MAP and diabetes.
結論
地圖是一個獨立的預測中國成年人糖尿病5年的風險事件。地圖和糖尿病發病之間的關係也是非線性的。地圖事件糖尿病患者呈正相關,當低於100.333毫米汞柱。詳細了解事件發生糖尿病的地圖作為一個潛在的風險因素將幫助臨床醫生提供更多個性化的預防和管理協議。本回顧性觀察研究提供協會推理而不是建立一個因果關係圖和糖尿病。因此,我們的研究結果需要被小心翼翼地和通過前瞻性研究進一步驗證。
數據可用性聲明
合理的請求數據。數據共享statementThe原始數據可以下載從數據庫“DATADRYAD”(www.Datadryad.org)。森林女神數字存儲庫。https://datadryad.org/stash/dataset/doi: 10.5061 / dryad.ft8750v。
倫理語句
病人同意出版
倫理批準
最初的研究遵循指南概述了赫爾辛基宣言和豐富的醫療小組審查委員會批準的,正如我們二級回顧性隊列研究。回顧性檢索的信息和病人同意並不是必需的。
引用
腳注
YW和HH同樣起到了推波助瀾的作用。
貢獻者YW HH構思和設計研究,起草了手稿。JC和鋼筋混凝土做了統計分析。XZ和HC參加了討論。DY修訂後的手稿和充當擔保人。所有作者閱讀和批準最終的手稿。
資金本研究支持的學科建設能力增強項目深圳市衛生委員會(SZXJ2017031)。
相互競爭的利益沒有宣布。
病人和公眾參與病人和/或公眾參與設計,或行為,或報告,或傳播本研究計劃。是指部分進一步了解細節的方法。
出處和同行評議不是委托;外部同行評議。