本文摘要：摘 要 目的 探討肥胖程度與常見慢性病之間的關聯關系，為常見慢病的預防和管理提供大數據 支撐。 方法 基于社區公共衛生系統數據集，通過使用 Apriori 關聯規則算法挖掘高血壓、冠心
摘 要 目的 探討肥胖程度與常見慢性病之間的關聯關系，為常見慢病的預防和管理提供大數據 支撐。 方法 基于社區公共衛生系統數據集，通過使用 Apriori 關聯規則算法挖掘高血壓、冠心病、糖尿病 這 3 種常見慢病與肥胖程度(超重或肥胖)之間的關聯關系，并根據關聯規則的支持度、置信度和提升 度評價肥胖程度對發生常見慢病的影響。 結果 共對 196 554 名居民的健康數據進行分析，高血壓的患 病率(48 6%)明顯高于冠心病(22 9%)和糖尿病(20 3%) ，51 0%的人至少患有其中一種慢病，10 6% 的人同時患有該 3 種慢病。 關聯規則分析結果顯示，超重與高血壓、冠心病之間均有強關聯性，肥胖與 高血壓之間也有強關聯性，而糖尿病與體型因素的關聯性較弱。 3 種慢病之間均有強關聯性，飲食嗜好 與這 3 種慢病都有關聯，老年人常常伴隨發生高血壓、糖尿病與冠心病。 結論 超重和肥胖會增加高血 壓、冠心病和糖尿病的發生風險，因此，為盡可能減少這些慢病的發生，健康人群要關注自身的肥胖情 況，特別是老年人、有飲食偏好的人以及女性。
關鍵詞 高血壓;冠心病;糖尿病;肥胖;關聯規則挖掘
0 引言
我國居民常見的慢性疾病，如冠心病、高血壓、 糖尿病，逐漸呈現發病率上升、發病年齡降低的趨 勢。 這些疾病通常病程長且難以治愈，而且會導致 其他疾病的發生或加重[1] 。 而我國醫療衛生系統 目前仍存在人員配置不足、資源分布不均等問題，難 以滿足快速增長的慢性病防治需求，因此預防慢性 病的發生成為重中之重。
有研究[2-4] 表明，多項慢 性病相關危險因素的聯合作用會增加心血管疾病、 糖尿病腎病和癌癥等的發生及死亡風險，所以發現 慢病的潛在危險因素十分必要。 研究發現，慢性病 通常以慢性共患病的形式出現。 因此通過分析常見 慢性病之間的關聯性，制定有效的綜合防治措施，有 助于改善慢性病防治效果[5-6] 。
隨著社會經濟的快速發展和人們生活方式的 改變，一些不良生活習慣或不良工作環境及其造 成的身體負擔加速了各種慢性病的擴大化和普遍 化。 根 據 《 中 國 居 民 營 養 與 慢 性 病 狀 況 報 告 (2015) 》的闡述，吸煙、過量飲酒、身體活動不足和 不健康飲食已成為我國成人居民慢性病發生、發 展的主要行為危險因素[ 7] 。
此外，我國成人的肥 胖率已達 11 9%[ 7] ，越來越多的研究[ 8-12] 開始涉 及體型與這些慢病發生的關系及其對人體健康的 影響。 有研究顯示[ 13] ，老年人肥胖者和超重者慢 性病的發病率高于體重正常者，且肥胖者比超重 者慢性病的發病率更高。 但其研究使用的人口樣 本小，且僅統計了患病概率而未研究肥胖程度與 慢性病的關聯性強弱。 據此，本研究利用北京市某社區居民健康數據 系統集，對高血壓、冠心病和糖尿病的潛在影響因素，特別是肥胖程度進行關聯規則挖掘與分析，找出 危險因素之間的關聯性和關聯強度，從而為這 3 種 慢性病的針對性篩查和防治提供有效的建議，以減 少慢性病的發生。
1 材料和方法
1 1 數據來源與數據篩選
數據來源于北京市某社區公共衛生系統數據 集，其中包含有人口學數據，如性別、年齡、工作情況 等;家族史、本人慢性病患病情況，如高血壓、糖尿 病、冠心病、腦卒中等;生活習慣，如吸煙、飲酒、鍛 煉、飲食嗜好等，共計 101 個指標。 本研究提取性 別、年齡、身高、體重、是否患高血壓、是否患糖尿病、 是否患冠心病、是否患腦卒中、是否患其他慢病、是 否藥物過敏、父母有無高血壓、父母有無糖尿病、有 無兄弟姐妹病史、有無子女病史、吸煙、飲酒、鍛煉、 飲食嗜好共 18 個主要指標進行分析。
根據身高和體重計算體重指數 BMI，參考世界 衛生組織的標準，以 BMI<18 5 kg / m2 定義為偏瘦， 18 5 kg / m2≤BMI< 24 kg / m2 定義為正常，24 kg / m2 ≤BMI<28 kg / m2 定義為超重，BMI≥28 kg / m2 定義 為肥胖。 將年齡大于 60 歲定義為老年，將飲食嗜好 的指標細分為是否偏咸、是否偏甜、是否偏油、是否 偏燙、是否吃素、是否吃辣共 6 項指標。
1 2 數據挖掘與關聯規則
數據挖掘技術是一種通過各種工具與手段將未 知的、大量的、有潛在實用價值的數據自動地、智能 地轉化為對人們有使用意義的信息、知識的技術，它 是數據庫快速發展和智能化的產物。 數據挖掘技術 能夠幫助技術人員從大量的數據庫文件數據或其他 信息文件數據中發現并提取出人們感興趣的信息與知識，而基于關聯規則的數據挖掘則是一種有效的 數據挖掘方法[14-15] 。
關聯規則挖掘的數據處理算法從龐大而冗雜的 數據項集中獲取各個數據對象之間不同程度上的關 聯性，而從這些關聯性組合中可以預見到數據項之 間的依賴性，因此，根據這些關聯性的組合可以從其 中一些數據對象的信息推測一些未來的適用于大多 數情況的數據信息和知識。 在關聯規則挖掘方法 中，有如下一些重要定義[16] 。
項集支持度是指數據項集在數據庫的所有記錄 中出現的頻率。 Support(X) = Num(X) ÷ N (1) 式中：X 表示數據項集;Num (X)表示項集 X 在 數據庫中出現的次數;N 表示數據庫的總記錄次數。 對于數據庫中的某一條記錄，若其同時具有特 征屬性 X 與特征屬性 Y，則稱 X 和 Y 是關聯的，即構 成一條關聯規則 X→Y。 關聯規則 X→Y 的支持度 計算： Support(X → Y) = P(XY) (2) 即在樣本數據中 X、Y 同時發生的頻率。 關聯 規則 X→Y 的置信度計算： Confidence(X → Y) = P(Y | X) (3) 即在樣本數據中 X 發生的前提下，Y 發生的頻 率。
關聯規則 X→Y 的提升度計算： Lift(X → Y) = P(Y | X) ÷ P(Y) (4) 即在樣本數據中兩種情況下頻率的比值。 關聯 規則挖掘算法中較為典型是 Apriori 算法，它的核心 思想是在確定支持度和置信度以及給定數據庫的前 提下，通過掃描數據庫中的數據記錄，從而挖掘出其 中滿足最小支持度閾值和最小置信度閾值的關聯規 則組合。 本研究采用 Python 軟件對社區居民數據集進 行分析， 將最小支持度、 最小置信度分別設置為 0 01 和 0 05，得出該數據集的強關聯規則。 為了更 為直 觀 地 表 示 關 聯 關 系， 采 用 R3 6 1 軟 件 ( https： / / cran r⁃project org / )進行可視化。
2 結果
原始數據集經過清理和篩選后共確定 196 554 條居民記錄、101 個指標，其中老年人占半數以上。 在所有記錄中，100 211 人(51 0%) 至少患有高血 壓、冠心病或糖尿病之一，其中 95 473 人(48 6%)患高血壓，44 996 人( 22 9%) 患冠心病，39 936 人 (20 3%)患糖尿病，20 893 人( 10 6%)同時患有這 3 種慢病。 從性別和年齡看，女性高血壓、冠心病、 糖尿病的發生率( 50 4%、24 7%及 21 0%)均略高 于男性(46 4%、20 8%及 19 6%) ，老年人患病概率 高于非老年人(表 1) 。
2 1 肥胖程度與高血壓的關聯規則
列出部分單一先導或另包含肥胖程度的關 聯規則(支持度≥4%、提升度≥1 2) 。 在社區居民中超重人群高血壓的發生率達 56 1%， 71 9%的肥胖者患有高血壓，冠心病、糖尿病及其他 慢性病患者合并高血壓的情況非常突出。 超重或肥 胖使老年人、有飲食嗜好的人患高血壓的風險明顯 提高(老年人：從 67 0%提高到 68 9%和 82 0%，有 飲食嗜好：從 60 2%提高到 69 1%和 78 8%) ，提示 老年人、有飲食偏好的人更應注意控制體型，降低高 血壓的發病風險。
2 2 肥胖程度與冠心病的關聯規則
列出包含有一個或兩個先導的部分關聯規 則(提升度≥1 0) 。 結果顯示，在社區居民中超重 者冠心病的發生率達 26 2%，32 8%的肥胖者患有 冠心病，高血壓、糖尿病及其他慢性病患者合并冠心 病的發生率高于其他狀態的人群;超重或肥胖使老 年人、有飲食嗜好的人、女性患冠心病的風險有所提 高(老年人：從 34 4%提高到 35 1%和 41 5%，有飲食嗜好：從 31 5%提高到 35 7%和 40 9%，女性：從 24 7%提高到 29 8%和 37 6%) ，提示老年人、有飲 食偏好的人、女性更應注意控制體型，降低冠心病的 發病風險。
2 3 肥胖程度與糖尿病的關聯規則
列出部分與糖尿病有關的關聯規則(提升 度≥1 0) 。 結果顯示，在社區居民中超重者糖尿病 的發生率達 24 1%，30 2%的肥胖者患有糖尿病，冠 心病、高血壓及其他慢性病患者合并糖尿病較其他 情況人群更普遍;超重或肥胖使老年人、有飲食嗜好 的人、女性患糖尿病的風險有所提高(老年人：從 28 7%提 高 到 30 4% 和 35 3%， 有 飲 食 嗜 好： 從 25 5%提高到 30 2%和 33 9%，女性：從 21 0%提高 到 26 3% 和 32 8%) ，提示老年人、有飲食偏好的 人、女性更應注意控制體型， 降低糖尿病的發病風險。
2 4 高血壓、冠心病、糖尿病的共同影響因素
體型因素及其他 單一先導影響因素的規則可視化結果。可見超重和肥胖均與高血壓、冠心病之間有較強的關聯性，而糖尿病與肥胖程度的關聯性較弱。老年、 飲食嗜好、女性與三種慢病都有關聯，當這些因素和超重、肥胖共同作用時，置信度和提升度都有顯著提高。
醫學論文投稿刊物：《中國慢性病預防與控制》報道內容涉及慢性病預防與控制的戰略重點、戰略布局、戰略目標和對策研究;各種慢性病的危險因素研究、發病機制的基礎實驗研究、臨床救治方法研究及救治經驗;健康管理疾病管理的方法、效果評價方法的研究以及成本、效益分析;慢性病防治與社區衛生服務相結合研究及其實踐經驗;國內外慢性病預防與控制的進展和動態等。
3 討論與結論
本研究利用近 20 萬名社區居民健康大數據，采用機器學習中的關聯規則技術，分析了高血壓、冠心 病、糖尿病這 3 種常見慢性病之間以及與肥胖程度及其他人口學因素、生活習慣等的關聯性，展示了它們之間相互作用的強度。 從關聯規則得出的結果可 見，本研究涉及的 3 種慢性病相互之間且與體型等 因素之間均具有關聯性，其關聯性的強弱不等。
關聯規則可視化結果顯示，超重→高血壓、超重→冠心 病、肥胖→高血壓、肥胖→冠心病等均有較高的置信 度和提升度，高血壓、冠心病、糖尿病相互之間具有 關聯性并且有較高的置信度和提升度，可見這 3 種 慢性病不僅在人群中患病率高，常常伴隨發病，而且 這 3 種慢性病之間以及各自與其他疾病之間也存在 著很廣泛的關聯，這與其他研究的結果一致[17-18] 。
從兩個先導的關聯規則中可以得出，冠心病患者超 重的情況下超重增加了高血壓的患病可能性，而當 高血壓患者同時超重時超重會增加糖尿病的患病可 能性。 提示體型管理在高血壓、冠心病等慢性病防 治領域有重要作用，相對而言，肥胖與超重體型在慢 性病的防治中尤為重要。
本研究的數據分析結果顯示，女性高血壓、冠心 病、糖尿病的發生率均略高于男性，從國外相關研究 結果也提示了男性情況與女性情況的差異，如 Park 等[19]主題為韓國慢性病相關危險因素分析的研究 中，其監測數據顯示：肥胖、吸煙并且不吃早餐的女 性出現睡眠不適的概率會更大，與慢性病有關聯性。 提示可以從更多方面和多角度的因素去分析由于性 別差異造成慢性病產生的原因和防治方法。 在年齡 方面，老年患者高血壓、冠心病、糖尿病的發生率均 高于非老年患者。
老年患者由于身體機能下降，新 陳代謝緩慢，抵抗力下降，更易于暴露在危險因素 下，而其身體屏障難以防御，各種疾病的發生率相較 青年而言都會有顯著提升，提示醫療工作者需要對 老年患者給予更多關心和愛護，定期提供體檢服務， 更好地預防和及早發現疾病發生。 提倡老年人進行 適當的身體鍛煉和擁有更健康的生活方式(如戒 煙[20]和改掉不良飲食嗜好) ，改善個人的身體機能， 從根本上預防與控制慢性病。 以上通過對高血壓、冠心病、糖尿病患者以體型 因素為主的關聯規則分析，提示患者和臨床醫生在 慢性病的初期就應做好與其存在關聯性的疾病和危 險因素的篩查和預防工作，以免共患病和加重病情。 本文研究結果中所顯示的一些疾病和危險因素的關 聯性，使得相關疾病的預防更有針對性， 也更有效率。
參考文獻
[ 1 ] 陳大方. 慢性非傳染性疾病分子流行病學研究現狀與展望 [ J]. 中國慢性病預防與控制， 2016， 24(2) ：81-83.
[ 2 ] Koroukian SM， Warner DF， Owusu C， et al. Multimorbidity redefined：prospective health outcomes and the cumulative effect of cooccurring conditions[ J]. Preventing Chronic Disease， 2015， 12：E55.
[ 3 ] Dunkler D， Kohl M， Teo KK， et al. Population⁃attributable fractions of modifiable lifestyle factors for CKD and mortality in individuals with type 2 diabetes： a cohort study [ J ]. American Journal of Kidney Diseases， 2016， 68(1) ：29-40.
[ 4 ] Bahler C， Huber CA， Brüngger B， et al. Multimorbidity， health care utilization and costs in an elderly community⁃dwelling population： a claims data based observational study [ J ]. BMC Health Services Research， 2015， 15(1) ：23.
作者： 陳晨1 王妮2 黃艷群2 周陽1 李盛俊1 陳卉2
轉載請注明來自發表學術論文網：http://www.zpfmc.com/yxlw/24615.html
