條文本
PDF
文摘
客觀的當前研究的目的是調查的時間動態變更白細胞計數(WCC)在人口健康管理和分析其與2型糖尿病(T2DM)病人體內。
設計回顧性隊列研究。
設置中國醫科大學盛京醫院在中國的沈陽。
參與者非糖尿病受試者的數量(平均年齡:40年)總計7924目前的工作。
主要和次要結果的措施評估和分組“2016年和2019年之間的變化是通過組的軌跡造型。新診斷與2型糖尿病發病率估計基於不同軌跡的“kaplan meier的方法。統計最近診斷為2型糖尿病的發病率的差異在各種“軌跡組通過生存率較檢查。“軌跡改變在最近診斷為2型糖尿病的影響評估是一個多參數Cox比例風險模型。
結果3年期間(2016 - 2019)時期,2型糖尿病發展中指出3.14%(249)的主題。“變化的軌跡模型分為四組。參與者與低穩定(軌跡1),中等穩定(曲線2),中(3)軌跡和穩定性高穩定性(4)軌跡,二型糖尿病的發生率分別為2.2%,2.62%,分別為4.82%和7.4%。在調整了潛在的混雜因素,最近診斷為2型糖尿病小時(CIs) 95%軌跡3和4分別為1.94(1.32 - 2.83)和3.08(1.82 - 5.21)與軌道1相比,這意味著2型糖尿病的風險顯著高。
結論三年的2型糖尿病發病率是由“獨立軌跡波動的影響。分組軌跡可以反映動態變化的“隨著時間的推移,這比測量“代表在一個單一的時間點。
- 一般糖尿病
- 質量在衛生保健
- 流行病學
數據可用性聲明
合理的請求數據。
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
主要優勢是我們第一次評估的趨勢長期白細胞計數(WCC),研究不同“軌跡與2型糖尿病的風險。
這項研究是使用大樣本,進行標準化的數據收集方法。
這是一個縱向,沈陽的以人群為基礎的研究。
子群進行了分析根據軌跡變化的“體檢。
關於可能的限製,完整的端點不太可能發生,因此需要在未來後續研究。
介紹
目前,糖尿病的發病率正在增加。它隻排名第三在慢性非傳染性疾病癌症和心血管病。1根據國際糖尿病聯盟,在2019年,在中國大約有1.16億糖尿病患者,在世界上排名第一。據估計,2045年,中國的糖尿病患者人數將達到1.47億。2相關的醫療費用也增加,每年以510億美元用於2015年在中國糖尿病引起的醫療費用。3因此,識別人口具有成本效益的生物標記物的水平在糖尿病的預防是很重要的。
近年來出現的炎症理論2型糖尿病(T2DM)病人體內,炎症因子的函數進行收縮和發展是至關重要的。4個5關於最近診斷為2型糖尿病,其強大的預測因子包括C反應蛋白,6白介素(IL) 6,7腫瘤壞死factor-α,8以及白細胞計數(WCC)。9其中,“經常用於臨床醫療工作和定期體檢作為炎症生物標記。心力衰竭患者冠狀動脈疾病和糖尿病是由“預測。10研究揭示了“對2型糖尿病風險預測的影響。11 - 13然而,隻有單一的“被觀察到,“的動力學之間的關係隨著時間的推移和發展2型糖尿病沒有被調查。這並不總是反映出的實際鏈接的“2型糖尿病的風險。
分析數據的重複計量技術,實現分組的軌跡模型後均勻的發展軌跡。14日15
在我們之前的研究中,我們使用的軌跡模型來研究飛機觀測的軌跡變化之間的關係/ ApoA-I比率和2型糖尿病。16取得了良好的效果。軌跡模型允許的趨勢長期“評估和調查不同軌跡的“與2型糖尿病的風險。縱向“軌跡與新診斷2型糖尿病的相關性尚不足研究在全球範圍內。在目前的工作,一個動態隊列是由使用縱向數據的物理檢查來自中國醫科大學附屬盛京醫院。縱向“軌跡和2型糖尿病之間的相關探索旨在提供證明二型糖尿病的預防和管理。
患者和方法
研究的患者
身體檢查數據收集來自個人年度健康中國醫科大學附屬盛京醫院的檢查。
初步進行了身體檢查,從2016年1月至2016年12月之後,身體檢查是每年一次完成。基線人口由2016個人參加身體檢查,而參加2017 - 2019年的物理檢查和重複測量被認為人口。物理檢查相同的內容和程序,每年每個組成的一個流行病學問卷調查、血液生化指標測試,以及人體測量學。共有7924名受試者完成下麵的納入和排除標準集。
入選標準:(1)參加和完成所有的四個物理檢查數量從2016年到2019年,(2)“保持積分在四個物理檢查。
排除標準:(1)那些拒絕參與的研究;(2)在最初的身體檢查被診斷出患有糖尿病。(3)缺少“信息數量在任何時間在任何身體檢查;(4)癌的曆史,基於基線的心腦血管疾病或嚴重的風濕病患者篩查和(5)感染,或後(圖1)
流程圖的記錄被排除在體檢數據庫。
共有7924名成年人,包括5075名女性(64.05%)和2849名男性(35.95%)參與目前的分析,受到三年隨訪。他們的平均基線年齡為40(差34-54)年。
數據收集
以下身體檢查數據聚集在基線的訪問和跟進:(1)人口統計特征(年齡、性別等)是通過麵對麵訪談和正常化的調查問卷;(2)人體測量指標(身高、體重等)是通過訓練有素的醫生和護士。測定身高(厘米)和體重(公斤)是沒有帽子,衣服和鞋子和(3)血液生化測試:由於在檢查日0:00,禁食的個人除了水。靜脈血是8小時取樣,測定肝髒功能、空腹血糖(FBG)和血脂濃度被完成。此外,所有相關檢查過程和其中使用試劑被上述授權中心醫院的檢查。
相關定義
任何被認為是2型糖尿病17當:(1)博士與2型糖尿病診斷確認後續課程;(2)那些特工被使用在過去2周;(3)光纖光柵水平≥7.0更易/ L (126 mg / dL)和(4)糖化血紅蛋白水平≥6.5%。
統計方法
身體檢查數據的輸出通過盛京醫院的醫療信息係統,和一個特別指定的分析師負責整理這些數據。SPSS V.22.0結合占據V.13.0用於數據評估。占據的“traj”是利用軌跡模型。18鑒於“量的連續性質變量,軌跡組量化最初采用cNorm模式,其次是多項式階評價每一個軌跡。選擇最優軌跡模型基於postgrouping平均概率和貝葉斯信息原則。接下來,有關軌跡匹配度評估。軌跡,最終推導出4組中最優模型的多項式訂單1,1,1,1。考慮到非正態數據分布,提出了定量數據中位數和四分位範圍。接著通過克魯斯卡爾-沃利斯檢驗組比較。提出了定性數據為百分比和頻率,而比較是通過χ2測試。小時和95%可信區間估計與PH值Cox比例風險模型,基於不同的關聯“軌跡的概率與2型糖尿病。
結果
決定“分組的軌跡
WCC-associated顳後變化4年來,我們確定了四個不同的軌跡模式:(1)在低穩定集團“波動在4.16和5.76之間的價值×109/ L,“保持穩定的軌跡(2181例(28.2%));(2)中間穩定集團“波動在5.49和7.49之間的價值×109/ L,“保持穩定的軌跡(3664例(44.8%));(3)在中、高穩定的群體,“波動在7.80和9.30之間的價值×109/ L,“保持穩定的軌跡(1741例(22.5%));(4)在高穩定集團“波動在8.36和12.08之間的價值×109/ L,“保持穩定的軌跡(338例((4.4%))(圖2)。
四個“軌跡在2016 - 2019年的最佳模型。“,白細胞計數。
基線特征不同的“軌跡
基線人口的分組,使用了各種各樣的“軌跡。是顯示在表1,被發現顯著差異對年齡、性別、紅細胞計數、血小板計數,以及水平的總蛋白,白蛋白,丙氨酸轉氨酶、天冬氨酸轉氨酶,γ-glutamyl轉肽酶,總/直接膽紅素和總膽汁酸(p < 0.05)。
分布的發病率的2型糖尿病使用兩個不同的分組方法
基線“分組是根據不同的“軌跡,賦值的患者分為四(1 - 4)軌跡集團之一,相應的,分別對2型糖尿病的發病率為2.2%,2.62%,4.82%和7.4%。
基線“分組完成以下四個百分位數,2型糖尿病的發病率分別為2.11%、2.79%、3.55%和4.23%。透露,生存率較重要intersubgroup差異被發現在2型糖尿病發病率(log-rank,χ2= 42.15和16.83)(p < 0.01)。圖32型糖尿病發病率統計數據的細節。
分布的二型糖尿病的發病率由兩個不同的分組方法。2型糖尿病,2型糖尿病;“,白細胞計數。
考克斯PH值模型分析“軌跡的影響2型糖尿病的風險
“不同軌跡的關聯與二型糖尿病的發病率都詳細表2。模型1是PH值單變量Cox模型;模型2是一個調整(基線年齡和性別)版本的模型1;在模型3中,進一步的修改了總蛋白的水平,丙氨酸轉氨酶、天冬氨酸轉氨酶,γ-glutamyl轉肽酶,總/直接膽紅素,以及紅細胞計數和血小板計數的基礎上,模型2。模型3中的人力資源(95% CI)為1.94(1.32 - 2.83),在軌跡與2型糖尿病3。軌跡4人力資源價值為3.08 (95% CI 1.82 - 5.21)。這些軌跡的2型糖尿病發病率高與軌跡1 (表2)。
基線“與第四個百分位分組。基於模型3中,人力資源(95% CI)的2型糖尿病為1.68(1.13 - 2.5)問(四分位數)四子群,表現出與Q統計差異1子群。問1組相比,微不足道的差異在Q 2和Q 3子組。
討論
目前的工作是第一次嚐試調查的相關性縱向“軌跡與二型糖尿病的發病率,研究群盛京醫院的體檢中心使用。證明了結果,2型糖尿病患病率調查對象中從7.4%上升到2.2%,當“數量從彈道低和高彈道子組被考慮。此外,對這些差異有統計學意義。軌跡1相比,人力資源的顯著進步的海拔2型糖尿病是考克斯指出從軌跡3下軌跡4 PH值模型,描述了“軌跡對2型糖尿病發病率的影響。具體而言,有關“軌跡越高,二型糖尿病的概率就越高。
“數量在糖尿病發病機製的作用近年來吸引了注意力。鏈接的“量升高2型糖尿病的風險已被廣泛報道。月19 - 21日然而,相關強度仍然是有爭議的。例如,根據一項薈萃分析涉及20個研究,11“數量海拔與高概率的2型糖尿病,盡管有許多潛在的混雜因素在這項研究中,這可能誇大了相關性。年輕的男性,在另一個隊列研究13“數量海拔在正常範圍內被認為是糖尿病發生的一個獨立因素。根據傳統的隊列研究分組方法,分組基線“四分位數後,先前的研究的結果類似。然而,在調整了混雜因素,我們的研究隻顯示顯著差異在“最高四分位數之間的人力資源價值和“最低四分位數。這表明一個測試的高“數量不是一個有利的進行預測。
上述研究方法是一個測量基準“,不考慮長期“變化對結果的影響。在我們的研究中,“軌跡之間的關係和2型糖尿病發病率是闡述了最初。低軌道學科相比,顯著地提高2型糖尿病發病的風險在軌跡2指出,3和4。在修正後的模型3中,2型糖尿病發病的最高小時觀察高度穩定組的意思是“波動8.36 - -12.08×109/ L。這表明,臨床醫生應該意識到感染2型糖尿病的概率時,“常年高於正常。機製的底層“和2型糖尿病之間的關係尚不清楚,可能與幾個因素有關:(1)血清il - 6和引發能促進“分化,增加“,22和中斷胰島素信號在肝髒導致胰島素抵抗。23日24可以推斷,“和其他炎性變量可能協同作用對2型糖尿病收縮和進展。(2)激素發揮“的生產和成熟的關鍵功能。2型糖尿病患者的糖皮質激素水平增加。這可以促進糖質新生,並加劇胰島素抵抗。25因此,激素可能成為另一個“和2型糖尿病之間的聯係。12
缺點是,我們目前的研究仍有局限性。首先,數據與基於口服葡萄糖耐量試驗的診斷不足,這可能導致低估了糖尿病的病例。第二,完整的端點是不太可能發生由於隨訪時間僅僅是3年,這需要進一步研究。健康信息的最終審核體檢者中發現相關結果有關胰島素抵抗(IR)估計不足,所以直接評估“和紅外光譜之間的關係是不可能的。
它可以得出的結論是,縱向高軌道的“2型糖尿病發病的預測是至關重要的。的意思是“保持在8.36和12.08×10嗎9/ L, 2型糖尿病發病是最有可能的。監控的軌跡“幫助識別高危人群的2型糖尿病人早期社區衛生幹預措施的應用程序可能會導致降低2型糖尿病發病。
數據可用性聲明
合理的請求數據。
倫理語句
病人同意出版
倫理批準
這項研究是通過上述醫院的倫理委員會(IRB參考編號2019 ps089j)。
引用
腳注
貢獻者泰和DP設計研究中,泰寫報告,BZ和XG提供監督的數據集合。泰商務領導統計分析和生成的表和數據。所有作者閱讀和批準的最後一篇文章和DP作為擔保人。
資金作者並沒有宣布具體資助這項研究從任何公共資助機構,商業或非營利部門。
相互競爭的利益沒有宣布。
病人和公眾參與病人和/或公眾沒有參與設計,或行為,或報告,或傳播本研究計劃。
出處和同行評議不是委托;外部同行評議。