《临床医学科研设计统计分析技巧.ppt》由会员分享，可在线阅读，更多相关《临床医学科研设计统计分析技巧.ppt（191页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、临床医学科研设计统计分析技巧 Still waters run deep.流静水深流静水深,人静心深人静心深 Where there is life,there is hope。有生命必有希望。有生命必有希望3.从生物学医学原理选择持定的合理人群（不犯人群结构错误）研究对象中所观察变量的梯度 例1,看生长激素水平与身高的关系：对2574岁者测GH与身高结果发现GH与身高不相关结论肯定错了因为GH的最重要作用在于促生长原因是人群选择失当GH促生长表现在身高增长期，即儿童期成人身高已不再增高。例2：在高血压（或血压正常）人群研究血压水平对冠心病发生的影响或研究致高血压因子的作用都可能得出假阴性的结
2、果.研究某些变量的生物学作用时，这些变量必须有一定梯度，否则会掩盖因果关系。例如：研究继发性高血压的病因有研究者发现某些著名的继发性高血压与其公认的病因无关：柯兴氏病高血压与皮质醇水平不相关活动性肢端肥大症血压与生长激素水平不相关。这些怪事如何解释？材料都是真实可靠！研究对象中所观察变量没有足够梯度所有来诊病例是经长期辗转来到研究者单位看病时病情都十分典型，激素水平都很高，该变量梯度很小，掩盖了激素与血压的相关关系。解决的办法：在激素水平相当人群，若能发现病程长短与血压水平有关，也算是发现了激素对血压的影响。但若病程长短也相同，还是不会有阳性发现。但若手术后激素水平下降，血压也下降，将治疗前后
3、的病情加以比较则必会发现继发性高血压与激素水平的关系那是因为人为的制造了梯度。研究肥胖与糖尿病的关系不能仅选择仅选择超重和肥胖的人群（BMI25-30）因为（BMI25-27）与（BMI27-30）的人群糖尿病的患病率可能无明显差别，但与BMI24人群差别会很显著变量的梯度是成功的关键。例.G蛋白3基因C825T亚型多态性与血压,胰岛素抵抗,肥胖的相关性:2000年一位作者在血压正常人群未发现该基因多态性与血压相关;2002年Hyperten一文发现该基因多态性与胰岛素抵抗及肥胖相关.因为他选择了高血压高血压人群也未发现该基因多态性与血压相关.(170/105mmHg)在1999年一项大规模的
4、人群调查基础上的包括高血压(43%)和非高血压人群的研究却发现两种不同亚型基因的患者高血压患病率相差3倍(OR=3.43)GNB GNB3 3 C825TC825T多态性多态性 对胰岛素抵抗与对胰岛素抵抗与收缩压收缩压相关性的影响相关性的影响(第一代子女组第一代子女组)GNB GNB3 3 C825TC825T多态性多态性 对胰岛素抵抗与对胰岛素抵抗与舒张压舒张压相关性的影响相关性的影响(第一代子女组第一代子女组)LnIAI-4.21-4.8-5.15-4.21-4.81-5.15FINS(uIU/ml)12.222.432.512.222.432.5SBP DBP SBP DBP 第第一一代
5、代子子女女825CT/TT基基因因型型组组不不同同胰胰岛岛素素敏敏感感性性及及空空腹腹胰胰岛岛素素水水平与血压的关系平与血压的关系 （调整年龄、性别）（调整年龄、性别）（n=376）P0.05P0.01P0.001GNBGNB3 3 C825TC825T多态性对胰岛素抵抗与血压关联的影响多态性对胰岛素抵抗与血压关联的影响(第一代子女组第一代子女组)GNBGNB3 3 C825TC825T多态性多态性 对胰岛素抵抗与对胰岛素抵抗与收缩压收缩压相关性的影响相关性的影响(第一代子女组第一代子女组)GNBGNB3 3 C825TC825T多态性多态性 对胰岛素抵抗与对胰岛素抵抗与舒张压舒张压相关性的影
6、响相关性的影响(第一代子女组第一代子女组)4、设定恰当的入选和排除标准 恰当的入选和排除标准可防止混杂因素的干扰，保证研究结果的科学性，这是在各项研究遵守的。例如，看血压与胰岛关系，不可纳入有心功障碍及肾病患者，否则可结果会有偏差。4、设定恰当的入选和排除标准 入组的研究对象的准入指标，是保证研究质量的最重要和最基本的条件，在研究设计和发表的论著中务必详细交代。但这种选入排除标准应是实事求是的而不是过于苛求。在制订纳入和排除标准时，在保证研究质量的前题下，一定要考虑研究成果的代表性和研究结果推广的受益面。例:有一重点课题仅考虑入组病例诊断的严格性排除标准竟设计了17项合格的纳入对象约占整个患该
7、病人群的合格的纳入对象约占整个患该病人群的10%左右左右90%左右的患者被排除掉。即使该研究的结果有高度的内在真实性（internalvalidity）,其代表性也仅为10%左右。过度严格的选择会有轻型病人被排除,使研究结果出现偏差。例：冠心病与胰岛素的关系仅用冠脉造影资料作为诊断标准结果发现冠脉造影（-）者：FINS22mm/ml冠脉造影（+）者：FINS23mm/ml结论是冠心病与胰岛素无关问题出在什么地方？问题出在“诊断标准”:冠脉造影（-）的人为什么能接受这种不无危险的检查？因为这些人已有许多危险因素！或有轻度狭窄但达不到“狭窄的定义”的切点没达到“狭窄”切点,只是时间尚短。这并不能说
8、明胰岛素与冠心病无关。选入排除标准过于苛求例:研究胆石症与胰岛素抵抗的关系(国家自然基金项目):选择对象为l手术证实的初发胆囊胆固醇结石l年龄,性别,BMI相配(!)l血血压压,糖糖耐耐量量,血血甘甘油油三三脂脂,尿尿酸酸,PAI 1,尿蛋白量正常(!)表:胆囊胆固醇结石与胰岛素抵抗的关系 结石组结石组 对照组对照组 P年龄33.9+9.3239.97+9.710.85BMI22+2.4422.14+2.350.23WHR0.83+0.060.81+0.070.05FINS17.6+1.317.8+1.20.72INS2H47.5+1.438.9+1.50.04SBP111.4+11.1102
9、.4+11.90.00InsSenindex-4.37+0.29-4.42+0.250.33结果:未发现胆石症与胰岛素抵抗相关,SBP,INS2H升高是胆石症的危险因素(?)(二)、选择试验效果测试指标：选择要求l关联性：指标与研究目的有本质的联系，应能确切反映处理因素的作用。生物学意义合理：冠脉造影，HbA1c看降糖药物疗效。l灵敏性：指标能正确反映效应变化的最小数量或最小水平。l特异性：对治疗反应的阳性结果要能准确地测量和确定，其特异性越强越好；尽量选用客观指标作为主要观察指标。l精确性：包含准确度(效度)和精密度(信度)两个方面。l稳定性：变异程度l经济可行：在考虑敏感性和特异性的基础上
10、，应从各种方法比较中，选择经济及可行性良好的测试方法和指标。l指标的选择要少而精在治疗性研究方法中相应的预防和处理的措施l如防止选择性偏倚，使用随机抽性与随机分配法；如防止选择性偏倚，使用随机抽性与随机分配法；避免测量偏倚，使用盲法；避免测量偏倚，使用盲法；l减少机遇因素的影响，采用限制减少机遇因素的影响，采用限制型及型及型错误水平的方法；型错误水平的方法；l有的混杂因素可通过配对及统计分层分析法加以避免或处理；有的混杂因素可通过配对及统计分层分析法加以避免或处理；l通过严格培训人员，严格实验仪器、条件和方法以防止混乱；通过严格培训人员，严格实验仪器、条件和方法以防止混乱；l通过医学知识教育，
11、改善医疗服务环节，以促进患者的通过医学知识教育，改善医疗服务环节，以促进患者的 依从性等依从性等这这些些措措施施和和方方法法均均应应贯贯穿穿整整个个设设计计、执执行行和和资资料料分分析析的的全全过过程程，保证研究的高质量，从而获得科学的结论。保证研究的高质量，从而获得科学的结论。三.统计分析在我国临床科研的统计学应用中，在统计方法的选择上存在过分强调统计检验而忽略统计学估计的倾向，存在统计方法越复杂越好的片面看法。在发表的医学论文中，大多强调是否得到差别有统计学意义，而较少对测定值进行95%可信区间估计，提及样本量估计及抽样方法、样本代表性问题的文章就更少了在80年代初期，国外医学杂志针对类似
12、的情况曾进行广泛的讨论，提出应重视区间估计的意义而不能将注意力集中在P值是否小于0.05上。现在大多数的国际医学刊物发表的论文中要求作者同时给出点估计、区间估计和具体的检验统计值，如相对危险度（RelativeRisk,RR,RR值就是暴露人群发病机与非暴露人群发病机率之比，即a/(a+b)与c/(c+b)之比），RR的95%可信限和P值。诸如95%可信限的区间估计可以提供更多有价值的信息但在我国临床科研的统计学应用中尚未引起足够的重视。片面地认为越复杂的统计方法越好，而忽视统计检验方法的适用性和恰当性。(1)、描述性统计描述性统计分析是统计检验的基础，能提供资料的总体特征，不论在最后的论文报
13、告中描述性统计分析的结果占多大的比重，它都是实际的资料分析过程中的起点它为选择进一步的分析方法如选择合理的变量提供重要的信息,发现原始资料中的错误忽略必须的描述性统计分析是导致统计方法应用不当的原因。从简单到复杂最基本的分析形式为单个因素的不匹配不分层资料组间比较的分析这是病例对照研究推断性统计的基础。可比较病例组与对照之间危险因素的分布情况，分析其危险因素与患病之间的联系。由于病例和对照只是总体的代表,无法直接计算真实的患病率，也就无法直接计算RR值，可以估计相对危险度OR，用以来代替RR。表6饮酒与食管癌病例对照研究资料 饮酒饮酒 食管癌组食管癌组 对照组对照组 合计合计大量a328b25
14、8586不饮c107d193300合计435451886将表6的数据代入公式得：OR=ad/bcOR值是两个概率的比值，这一数值范围是从0到无限大的正数。当数值为1时，表示暴露与疾病危险无关联，当数值大于1说明疾病的危险度增加，叫做“正”关联，当数值小于1说明疾病的危险度减少，叫做“负”关联。(2)、统计分析中变量的选择变量的确定：研究的目的是相看哪两个变量之间的关系（不妨假设一因，一果）例;高血压为因，冠心病为果A.明确变量的性质 重点和首要的看变量是否为正态分布分析中对变量进行正态分布检验血胰岛素、血脂、生长激素、皮质醇、尿微量白蛋白，骨密度等都常为非正态分布。非正态分布的变量是不能以原始
15、资料进行参数统计分析，此时不进行正态化处理，得出结论会面目全非。B.注意变量的动态变化 由于前瞻研究的期限较长，有些长达几年甚至十几年，这类研究中特别要注意变量的自身演变，有些变量是不会变的，如身高；有些因素在“成长”，如血压、血糖；有些变量在某一时期在“成长”，在某时期却在“衰减”，甚至消失，例:血胰岛素水平从糖耐量正常到糖耐量低减这几年，胰岛素水平在逐渐升高;从糖耐量低减到糖尿病胰岛素水平在下滑;晚期糖尿病胰岛素则衰亡,水平很低在一个包括NGT、IGT、DM的人群中观察数年期间有的个体胰岛素水平在升高有的胰岛素水平在下降故此在这总人群以基线水平去预测某种疾病自然得不出正确的结论在演变中未变
16、成糖尿病人群中，可以发现胰岛素对某事件的阳性作用，而在IGT演变为糖尿病，尤其是糖尿病病情恶化的人群中，则会看到它的阴性作用。这种影响的两级分化在极大程度上还会受观察期限的影响:在非糖尿病人群落观察十年，如不删除研究期间恶化为糖尿病的病例，就可能大大低估胰岛素的致病作用在NGT人群观察5年，则不会出现上述偏移对这种消亡中的变量，如不在人群选择和研究时限上加以严格的限制，很难有可靠的结果。对象和方法对象和方法1986-19921986年年 170 非糖尿病人非糖尿病人 （25-74岁）岁）(107 NGT 63 IGT)1992年年 126NGT,IGT 44DM 基线基线基线基线OGTTOGT
17、T胰岛素曲线下面基线与胰岛素曲线下面基线与胰岛素曲线下面基线与胰岛素曲线下面基线与6 6年后血压的关系年后血压的关系年后血压的关系年后血压的关系(n=170(n=170)非高血压人群基线非高血压人群基线OGTT胰岛素曲线下面积与胰岛素曲线下面积与6年后的收缩压水平的关系年后的收缩压水平的关系 (n=126)因变量因变量:随访随访6年后年后SBP R2=0.33自变量SEPAGE(year)0.60390.14010.0001SEX(M=1,F=0)2.62192.95250.3764BMI(kg/m2)0.67680.43470.1223Smokeyes=1,no=0)-0.82212.974
18、90.5414PG2h(mmol/l)-0.61940.83590.4602SBP(mmHg)0.20040.09750.0427IAI-2.26712.27710.3215INSAUC5.92772.06970.0050截距(Intercept)23.6174.非高血压人群基线非高血压人群基线OGTT INSAUC与与6年后的年后的DBP水平的关系水平的关系 因变量因变量:随访随访6年后年后DBP (n=126)R2=0.27自变量SEPAGE(year)0.25680.10340.0145SEX(M=1,F=0)4.37422.18000.047BMI(kg/m2)0.84730.3249
19、0.0103Smoke(yes=1,no=0)-0.88572.20160.6882PG2h(mmol/l)-0.42680.62840.4984DBP(mmHg)0.13230.09530.1678IAI-1.57041.70480.3589INSAUC3.13551.55990.0468截距(Intercept)18.8037C、决定哪些变量进入多因素分析?过度调整?调整失当?调整不足?确定重要的变量（包括混杂因素）数量的方法确定重要的变量（包括混杂因素）数量的方法 1.首先可根据自己对所研究领域专业知识的了解初步选择例:对氧磷脂酶基因多态性与糖尿病人群合并冠心病的关系对照组糖尿病组糖尿病
20、组+冠心病组病例数383639男/女29/924/1236/3年龄70.8+10.864.8+11.972.7+8.3高血压(有/无)30/819/1717/22BMI23.86+3.4124.96+3.1425.29+2.56PON-192BB13.2%11.1%30.8%年龄是必须调整的混杂因素确定重要的变量（包括混杂因素）数量的方法确定重要的变量（包括混杂因素）数量的方法 1.首先可根据自己对所研究领域专业知识的了解初步选择例:对氧磷脂酶基因多态性与糖尿病人群合并冠心病的关系对照组糖尿病组糖尿病组+冠心病组病例数383639男/女29/924/1236/3年龄70.8+10.864.8+
21、11.972.7+8.3高血压(有/无)30/819/1717/22BMI23.86+3.4124.96+3.1425.29+2.56?DM病程0?服药0?PON-192BB13.2%11.1%30.8%年龄是必须调整的混杂因素2.然后加入文献中同类研究必须纳入的变量3.应用逐步回归分析也会发现哪些变量应该选入。有些研究在分析中囊括全部已测变量来做多因素步回归分析，或以为计算机挑出的变量就是最佳变量，是一种误解。计算机挑出的变量受许多因素的影响，有些未被计算计挑出的变量有时非常重要（如年龄、性别）,所选变量中若不含有这些变量,分析结果可能不会被承认。变量的选择1、强制进入模型（logistic
22、stepwise）;2、AgeAge2;3、interation:BMI.INS(BMIINS);4、调整混杂因素后的(meanSE);5、调整年龄性别后的率：logistic回归ModelDM=agesexr_BMI连续变量(BMI)改为分组变量(r_BMI)1组2组3组4组5组HP=AgeSexr_BMI因果关系与研究对象选择及分组-BMI HP因BMI25BMI25AGESexHPSBPDBP因果关系与研究对象选择及分组-HP BMI因HP0HP1AgeSexBMITCSMOHPH.sD、决定用等级变量还是连续变量 分析中随意决定将原来的连续变量改为等级变量也是常见的错误研究者不明白哪些
23、变量应作为连续变量，哪些变量应作为等级变量分析中将某一变量作为等级变量还是连续变量不是可以随意决定，而是由变量本身的性质决定的。D、决定用等级变量还是连续变量 将本应作为连续变量的参数改为等级变量有时会丢掉许多有用的信息。决定哪些变量应作为连续变量，哪些变量应作为等级变量应由其与因变量线性相关（pearson)及等级相关(spearman)的结果来决定，线性相关优于等级相关的变量不应以等级变量进入分析。pearson相关优于spearman相关用连续变量较合理。spearman相关优于Pearson相关用分组变量较合理。E.确定入选变量的数目 入选变量并非入选变量的数目越多研究越严密,总的自变
24、量数应由样本数决定（1：10），（对于多因素设计，观测变量数为样本例数的1/5-1/10）。一些作者在分析中自变量的选择目的不明，一共有100个病例，每人有30个变量，就将30个变量都用作为自变量，以为自变量越多，分析水平越高。注意变量间相互关系l作者应十分明确所研究的两个主要变量的关系l将可能的混杂因素作为协变量放入模型l选入过多变量画蛇添足,徒劳无益，甚至有害选入过多的协变量统计学上称为“过度调整”，这种调整常常掩盖有意义的关联。作为一个原则，多因素分析中，如不是为什么特殊目的，不宜将两个密切相关的变量放入一个方程进行分析过度调整常会丢失一些有价值的信息。例如:分析糖尿病的危险因素因变量为
25、:糖尿病自变量为:年龄,性别,体体重重指指数数,腰腰围围,腰腰/臀臀比比值值,收收缩缩压压,舒舒张张压压,个人收入,家庭收入,家庭人口,冠心病史,高脂血症,糖尿病家族史,职业,教育水平等十五项.例如:分析糖尿病的危险因素因变量为:糖尿病自变量为:年龄,性别,体体重重指指数数,腰腰围围,腰腰/臀臀比比值值,收收缩缩压压,舒舒张张压压,个人收入,家庭收入,家庭人口,冠心病史,高脂血症,糖尿病家族史,职业,教育水平等十五项.问题:一些变量定义模糊定义模糊另一些变量间关系密切关系密切结果:会丢失一些有价值的信息。例如:有的学者在其研究中发现餐后高血糖与糖尿病慢性并发症显著相关，而空腹血糖不显著相关(D
26、iabetesInterventionStudy,DIS1996)。认为只有餐后血糖才重要其实空腹血糖和餐后血糖在糖耐量异常人群高度相关，在进行逐步回归分析中，如将空腹及高后血糖同时做和自变量，统计中仅餐后血糖进入方程，空腹血糖不能进入，并不表明空腹血糖不重要。这种情况下应逐个放入方程，才能不致漏掉重要的危险因素。糖化血红蛋白水平也应与血糖水平密切相关逐步回归方析中，若一个进入方程，另一个不能进入也不能说，另一指标不重要。这种情况尤其要结合临床考虑，不要做出过于武断的结论。F.多因素分析方法的选择：多因素分析模式的选择取决于研究的性质：现状研究可选用线性回归和Logistic回归，前瞻性研究选
27、用成比例风险模型或Logistic回归因变量的性质：因变量为连续变量选用线性回归，因度量为分组变量（0，1）选Logistic回归或成比例风险模型。一般说来前瞻性研究的成比例风险模型更为优越。在使用多元回归分的文章中，常常存在所用分析方法的名称不详（如是Logistic回归还是多元线性回归）、定义不明、自变量选择不恰当的情况。判定统计方法优劣有某些参考指标复相关系数R2（决定系数）是其一。R2接近于1说明引入方程的自变量与应变量相关的效果好。四.结果判定 应以审视的眼光看待统计分析的结果:为什麽?因为人们常犯下述错误l先入为主的一个想法（自己创造的，或别人特别是外国人发表的）；l在最容易取材的
28、环境中收集病例（常常数量不多，不管或不知有多少因素干扰）；l统计分析t检验“定终身”，lP0.05就皆大欢喜。五.结果判定 这些研究在做统计学分析时常常是在搞“逼、供、信”:l强制一个不适当的人群做为研究对象l强加给一个不适当的分析方法l逼出一个结果并对之深信不疑这些研究是垃圾文章的制造厂。1.P值的意义：在进行研究和阅读文献时应物别注意P值的大小。但是，P值并没有告诉我们这一性状出现的频率或水平的大小和方向要了解这些信息必须依靠基本统计量基本统计量包括率、均数、标准差等。比较两组（或多组）的率或均数可以了解该性状在组间分布的差异有多大及其变化的方向。在此基础上，结合统计检验的P值和专业知识下
29、结论。在分析评价研究结果时P值和基本统计量都是非常重要的，缺一不可。观察对象的数量较少时，基本统计量的差别可能很大而P值大于0.05，此时应注意其专业意义。如果这种差别在专业上已非常重要，应考虑继续扩大样本量，直至随机发生这种差别的机率小于5%。当基本统计量的差别较小而观察对象的数量很大时，往往发现组间差异有显著性，此时应特别注意组间差别在专业上有无意义如果这种差异在专业上并无重要意义，即使P值小于0.05，我们也认为其并无重要的意义命题GLP1及INS分泌的种族差异AA(n=16)Caucasians(n=26)(F/m)15/124/2NSKg22.974.9723.346.97NSBM
30、I 46.431.70 43.621.39 NS WHR 0.860.02 0.820.01 NS FINS 22.13.2 17.72.0 NS?ISI2.540.423.160.29NSIAUC2397448281447814630.05GLPIAUC1175412822191=0.05结论结论:因敏感性相同因敏感性相同,肥胖度相同肥胖度相同,所以所以INS 对对GLP1反应（反应（OGTT）有种族差别）有种族差别.2、因果推理：进行科学研究的重要目的之一就是探求某件事是否是发生的另一件事的结果.因果推理是自然科学，社会科学的支柱.人们之所以能对世界取得如此深入的认识和了解，应该说与因果推
31、理是分不开的。推理有许多陷阱，我们常习惯于非A即B式的判断，但实际情况常有C或D存在.如果是这样，在将证据（结果）变成了故事（结论）的过程中就会出现偏差。例1中学生吸烟情况调查吸烟组不吸烟组P年龄15.3+1.015.21.2NS身高170.52.5161.22.1年龄50M/FM/F血糖血糖BMIBMIDM病程DM病程血压血压视网膜病视网膜病变结论：2型DM年龄较轻者易患视网膜病。血糖、血压，2型DM病程与视网膜病变无关。新发现！不对，一定有混杂因素。经调查学校教师视力多缓慢下降，粮店职工多突然下降且多发于工作中。真正的原因是负重时突然血压升高而致眼底出血。但有时问题往往不这末简单,尤其是在
32、你不熟悉的领域GLP1及INS分泌的种族差异AA(n=16)Caucasians(n=26)(F/m)15/124/2NSKg22.974.9723.346.97NSBM I 46.431.70 43.621.39 NS?WHR 0.860.02 0.820.01 NS?FINS 22.13.2 17.72.0 NS?ISI2.540.423.160.29NSAAUC2397448281447814630.05GLPIAUC1175412822191=0.05?结论结论:因敏感性相同因敏感性相同,肥胖度相同肥胖度相同,所以所以INS 对对GLP1反应（反应（OGTT）有种族差别）有种族差别.其
33、实,NS无差异NS是由于例数太少所致现况：Leptin肥胖者高瘦者低Leptin是致肥胖原因？前瞻：肥胖减肥后Leptin水平下降Leptin可能是肥胖后果。某项药物经济学的研究结果为延长一个无病发症生存年为延长一个无病发症生存年中年人群的花费远超过老年人群中年人群的花费远超过老年人群一般是老年人体弱多病，医疗费用更高作者自己也感到有些疑感不解他实事求是地让大家自己判断我们从临床上分析:可能在某种情况会导致上述结果:该人群中年人的某些疾病较突出,医疗费多，且在进入老年期前已有相当多的人死亡，致使老年人群中虽然体弱,但都研究期未发生太多医疗费过多的疾病。循证医学需要进一步完善(合理性和可行性)l
34、 机制评估被统计评估代替以随机分组取代适应症（完全以统计学代替临床）l以分组变量取代连续变量以分组变量取代连续变量 l只是平均反应不反映各种亚组，全体有效不等于亚组有效只是平均反应不反映各种亚组，全体有效不等于亚组有效l 短期，例数少，短期，例数少，l终点资料未分别反映有效性和严重副作用l缺少二级终点l超大规模的临床实验如何保证质量？THE END谢谢PON1PON1基因多态性与基因多态性与T2DMT2DM大血管病变的相关性大血管病变的相关性NGT(n=89)T2DM(n=93)T2DM+CVD(n=90)M/F35/5444/4939/51AGE57.96.856.6762.19.3WC83
35、8.8888.58910.3WHR0.860.060.900.060.910.06BMI24.32.6263.125.53.9SBP123.9141341514020DBP8088598610PON1PON1基因多态性与基因多态性与T2DMT2DM大血管病变的相关性大血管病变的相关性NGT(n=89)T2DM(n=93)T2DM+CVD(n=90)FBG5.00.78.82.69.32.4TG1.30.91.91.32.52.2TC4.91.15.31.35.31.2HDL1.70.41.50.41.40.4LDL2.80.73.11.03.51.0HbA1c5.20.58.51.99.22.
36、4CC22.512.96.7CS42.751.638.9SS34.835.554.4T2DMT2DM大血管病变危险因素分析大血管病变危险因素分析(SPEARMAN CORR)(SPEARMAN CORR)除BMI,TC,LDL-c外，各变量均与T2DM大血管病变显著相关T2DMT2DM大血管病变危险因素分析大血管病变危险因素分析(LOGISTIC REGRESSION)(LOGISTIC REGRESSION)ORPAGE1.070.01WHR2210.049SBP1.020.03FBG1.330.05inall与与TNFTNF 与与ISIISI的关联的关联第一审第一审(Stepwise Re
37、gression)(Stepwise Regression)因变量：因变量：ISI ISI自变量pR2TC-0.380.00010.30WEIGHT-0.200.0010.37SBP-0.440.0350.39DBP-0.290.0080.43HDL-C0.150.060.45TNF -0.13 0.10 0.47 Age -0.13 0.13 0.48与与TNFTNF 与与ISIISI的关联的关联第二审第二审(Stepwise Regression)(Stepwise Regression)因变量：因变量：ISI ISI自变量pR2TC-0.380.00010.30WEIGHT-0.210.
38、0190.34SBP-0.440.0350.39DBP-0.290.0080.43HDL-C0.150.060.45TNF -0.14 0.04 0.37 TG -0.13 0.07 0.38 Age -0.13 0.134 0.39TNFTNF 以为因变量以为因变量第一审第一审(Stepwise Regression)(Stepwise Regression)自变量pR2SBP0.240.0010.097ISI -0.19 0.06 0.13第二审(StepwiseRegression)自变量pR2偏R2SBP0.240.0010.0970.096ISI -0.21 0.048 0.15 0
39、.032例例7 7。高敏。高敏CRPCRP对新发对新发T2DMT2DM亚临床亚临床动脉粥样硬化发身的动脉粥样硬化发身的预测预测价值价值 对象：新发T2DM170例强化血压、血脂、血糖、肥胖、微量蛋白尿治疗一年治疗一年观察指标：CRPHOMA_IRIMT(颈总，股，髂）结果：CRF与IMT不相关p0.05高敏高敏CRPCRP四分变量组四分变量组 代谢指标水平比较代谢指标水平比较1.36(N=40)AGE54.57.655.210.152.27.452.18.6BMI23.62.224.23.124.72.824.82.4WHR0.90.050.890.080.080.050.90.07SBP11
40、517119181171612217DBP77117597810788HBA1C7.72.47.72.17.21.97.42.6TG1.351.561.642.23*TC5.035.085.215.76*高敏高敏CRPCRP四分变量组四分变量组 代谢指标水平比较代谢指标水平比较1.36(N=40)HOMA_IR 3.893.484.325.29*UALB43.540.037.843.1IMT-CCA0.710.710.710.70IMT-FA0.700.700.700.70IMT-CIA0.770.780.790.76SUB-AS10%11%9.8%30%*影响CRP的危险因素（多因素回归分析）（多因素回归分析）l因变量：基线CRPl自变量：基线age,sex,BMI,WHR,SBP,DBP,HBA1C,HOMA_IR,TC,TG,HDL,UALB,IMTl结果：仅HOMA_IR与CRP相关r=0.166,p=0.04其他指标均与CRP无关！结论l新发T2DM基线CRP高于对照组，亚临床AS尤甚。表明以CRP升高为特征的亚临床AS在糖尿病发生糖尿病发生中可能其重要作用lCRPTopquartile亚临床AS发生率3倍于其他组说明CRP对亚临床AS发生的预测价值