沈阳市12～18岁青少年近视相关因素的探讨及Nomogram预测模型的建立*

李 婷 王 梅 张东红 李荔荔 黄彦红△

【提 要】 目的 探讨沈阳市12～18岁人群中导致近视的相关因素，并对影响因素进行预测评估。方法 对沈阳市4所中学的12～18岁青少年进行视力调查和近视相关影响因素的问卷调查。使用单因素和logistic回归多因素分析将筛选出的影响因素建立12～18岁人群近视Nomogram预测模型。结果 本研究共纳入1033名调查对象，近视率为56.15%，影响因素分析结果显示：父亲不近视、母亲不近视、从不吃甜食、无不良阅读习惯、睡眠时间8～10h、正确的阅读姿势，是12～18岁近视发生的保护因素；父亲近视≥300度(OR=2.352，95%CI：1.461～3.787)、母亲近视≥600度(OR=4.732，95%CI：1.275～17.560)、不良阅读习惯(OR=1.955，95%CI：1.432～2.699)是近视的危险因素。基于logistic回归建立的Nomogram预测模型，Hosmer-Lemeshow test拟合优度检验P=0.027，ROC曲线分析风险总分的预测能力曲线下面积(AUC)为0.719(95%CI：0.688～0.750)，采用Bootstrap内部验证法验证，校正后的AUC为0.695，说明该Nomogram模型的精准度和区分度尚可，但仍需大样本高质量的流行病学调查研究修正模型。结论 遗传因素和环境因素与12～18岁人群近视发生均相关，Nomogram预测模型有利于筛查近视相关因素及采取相应防治措施。

近视是一个世界性的公共卫生问题，也是当前学生健康的重点问题。据研究发达国家成人近视患病率从15%到49%不等[1]，预计到2050年全球将有一半的人患近视[2]。根据2018年的调查发现，我国学生近视率达到53.6%[3]。近视除了影响视力和增加矫正费用外，也是眼部疾病的主要危险因素[4]，增加青光眼、白内障、黄斑病变和视网膜病变等风险[5-7]，给医疗和人群健康带来挑战。近视的成因机制目前还不完全清楚。本研究纳入近视的相关资料，采用logistic回归分析研究近视发生的相关因素，在影响因素基础上建立Nomogram预测模型并定量评价近视风险，为近视预防和治疗提供依据。

对象和方法

1.研究对象

2018年5月在沈阳市抽取4所中学的1033名12～18岁中学生进行调查。其中，初中学生537人，高中学生496人；男生492人，女生541人。

2.研究方法

(1)采用抽样调查的方法，在沈阳市2所初中和2所高中随机抽取10个班级，共计1033名12～18岁青少年进行问卷调查(自行设计眼健康状况调查问卷)和视力检查，调查12～18岁人群的近视相关影响因素和健康行为。

(2)视力检查，使用5m标准对数视力表。检查方法采用裸眼远视力实测值，按照GB/T 11533-2011[8]和GB/T 26343-2010[9]的规定。

(3)屈光检测，台式自动电脑验光仪进行检测。每只眼测量3次，取平均值，如任意2次的球镜度测量值相差≥0.50D，则进行额外的测量，再取平均值。

(4)近视标准：符合以下任何一种情况即为近视：

①裸眼视力<1.0，电脑验光等效球镜度数≥-0.50D，其中≥-6.00D为高度近视，-6.00～-3.00D为中度近视，<-3.00～-0.50D为轻度近视；②佩戴角膜塑形镜。

3.统计学分析

采用R studio(3.5.3)统计软件分析数据，计数资料采用卡方检验，P<0.05为差异有统计学意义。logistic回归方程筛选独立危险因素，列线图采用R rms程序包，建立Nomogram预测模型。应用caret程序包进行bootstrap法做内部验证，rms程序包计算曲线下面积AUC。采用ROCR及rms程序包绘制ROC曲线。

结 果

1.近视组和非近视组人群的基本信息比较

本研究调査中学生共计1033名(2066眼)，近视组580例(56.15%)，非近视组453例(43.85%)。近视组的年龄、身高、父亲近视、母亲近视、父母配镜年龄、甜食习惯、阅读习惯、平均每日使用手机及平板时间、平均每日写作业时间、平均每天户外活动时间、阅读姿势、平均每天睡眠时间、写字姿势与对照组的差异均有统计学意义；两组间性别、体重、饮食习惯、隔代亲属近视情况、父母教育程度、父母生育年龄等指标差异均无统计学意义，见表1。

表1 两组人群各项指标比较

2.影响近视发生的多因素logistic回归分析

以近视组和非近视组单因素分析P<0.1的变量(年龄、身高、父亲近视、母亲近视、甜食习惯、阅读习惯、用眼情况、睡眠情况、阅读姿势)纳入多因素logistic回归，采用变量输入法，多因素logistic回归分析结果见表2。

表2 影响近视发生的多因素logistic回归分析

3.建立Nomogram列线图预测模型

本研究基于是否发生近视为因变量，以多因素logistic回归筛选的变量作为预测变量，R软件进行Nomogram分析，各因素不同数值对应的评分见图1，计算各因素评分的总分，总分的范围为62～340分，对应的风险率范围为0.1～0.95；总分越高发生近视的风险越大。

图1 近视发生风险的 Nomogram 分析图

4.受试者工作曲线(ROC)分析

根据Nomogram分析结果，进行ROC曲线分析。结果显示，风险总分的预测能力曲线下面积(AUC)为0.719(95%CI：0.688～0.750)，本研究Nomogram模型的精准度和区分度尚可，见图2。

图2 Nomogram模型预测近视的ROC曲线

5.内部效度分析

本模型的Hosmer-Lemeshow test拟合优度检验P=0.027，提示模型的预测概率与实测概率存在一定的差异，仍需高质量大样本的流行病学调查提高模型是预测能力，本研究使用bootstrap内部验证法对该模型进行验证，重抽样1000次，校正后的AUC为0.695，校准曲线验证图见图3。

图3 Nomogram模型预测近视风险的验证图

讨 论

近视是最常见的需要治疗的疾病，临床近视的治疗方法，大多数是光学矫正，而限制其进展的效果还在研究中。目前对近视的机制研究归纳为遗传(内因)和环境(外因)两大类，两者相加超过一定的阈值即会发病，个体发生近视眼与否，可能与遗传因素、环境因素均相关，或是共同作用的结果。我们从遗传和环境两方面因素进行这项研究，目的是为近视防治提供证据。

本研究调查12～18岁青少年人群的临床资料，发现12～18岁青少年近视的发生率为56.15%，与2018年调查的结果(53.6%)相接近[3]。陆军等通过构建多状态马尔可夫模型预测显示，至2030年我国6～18岁学生近视眼患病率将为61.8%(55.4%～69.5%)，初中81.3%(72.6%～91.0%)，高中90.5%(82.4%～96.7%)，若无有效干预措施，未来10年我国近视眼患病率将持续上升，但是此项研究未对近视的影响因素进行分析[10]。通过分析其近视相关因素和健康行为，单因素分析筛选出近视的影响因素13个：年龄、身高、父亲近视、母亲近视、父母配镜年龄、甜食习惯、阅读习惯、平均每日使用手机及平板时间、平均每日写作业时间、平均每天户外活动时间、阅读姿势、平均每天睡眠时间、写字姿势。与谢东成等[11-12]研究调查的部分近视危险因素相似。

本研究进一步以单因素分析的9个变量(年龄、身高、父亲近视、母亲近视、甜食习惯、不良阅读习惯、平均每日使用手机及平板时间、阅读姿势、睡眠情况)纳入多因素logistic回归。分析发现年龄越高患近视风险越大(OR=1.129，95% CI：1.040～1.225)，符合人眼屈光状态发育的规律，青春期人群近视增多的特点[13]。平均每日使用手机及平板时间等将增加近视的风险，表明控制长时间视近行为是预防近视的有效措施。不良的阅读习惯，如在光源差的环境下阅读、躺着阅读、以及其他不良用眼习惯等因素对近视的发生有促进作用，而正确的阅读姿势则是保护因素[14-15]。有研究显示，增加户外活动可以减少近视的发生[16-17]。单因素分析结果显示，平均每天户外活动时间可以减少近视发生的风险，而却未能进入此研究回归模型，原因可能是影响视力的不完全是一次户外活动时间长短，而应考虑户外活动的频率。营养充足是保证青少年眼球正常发育的重要因素，而有关调查证明营养不良学生的视力不良率相对较高[14]。然而，在本研究单因素分析中，除喜甜食习惯者近视的差异有统计学意义外，其他方面不同饮食习惯者，近视差别无统计学意义。可能是这些条目的设计与近视关联不是很密切，希望在后续研究中更加准确地量化标准来探索近视与饮食营养的相关性。

本研究采用的是横断面设计调查近视相关因素，可能存在学生和家长在回忆时一些具体日常行为的发生和持续时间存在偏差而出现回顾性偏倚。另外，由于学生在学习和生活中的用眼情况复杂交错，问卷调查难以做到具体且全面。本次研究中12～18岁人群的各种用眼状况以及行为的变化和发展的动态没能全面覆盖，还需要更多的观察，进一步研究进而提供更可靠的结论。

本研究以是否发生近视为因变量，以多因素logistic回归筛选的变量作为预测变量，建立Nomogram列线图预测模型。国内外一些研究在logistic 回归等模型基础上建立了不同疾病的生存概率列线图[18]，也有应用于糖尿病视网膜病变的预测[19]，但应用于青少年近视的风险预测则鲜有报道。过去我们通常应用logistic回归等方法评价青少年近视的危险因素，但不同危险因素对发病的影响显然是不同的。本次调查研究在应用Nomogram模型预测12～18岁青少年的近视方面进行了初步探索，各因素对应不同数值的评分，计算各因素评分的总分，总分越高发生近视的风险越大，此模型预测风险能力为0.719(95%CI：0.688～0.750)，使用bootstrap内部验证法对该模型进行验证，校准曲线趋近于标准直线，实测值与预测值基本一致，说明本研究的Nomogram预测模型具有较好的预测能力，有一定的临床价值。

本研究也存在一定的局限性，在列线图中子代发病风险并不是随着父亲近视度数增加而增加的，可能是父亲近视≥600度的样本量较少引起的；其次，此模型采用内部验证法，未进行外部验证，因此应从建立新生儿眼病档案开始，结合既往研究，运用多中心大样本进行验证，逐步优化筛选有临床和统计学意义的预测因素，以期为不同的人群(如小学生、学龄前儿童) 提供更为实用、精确的预测模型，从而有效地应用于近视的个性化防控。