天津地区社区居民高血压病的影响因素分析及列线图模型构建*

杨继，张垚，张秀玲，张秋月，赵英强△

(1. 天津中医药大学，天津 301617；2. 天津市北辰区西堤头社区卫生服务中心；3. 天津中医药大学第二附属医院)

高血压病是以体循环动脉压升高为主要表现，伴或不伴有多种心血管危险因素的临床心血管综合征，是多种心、脑血管疾病的重要病因和危险因素，影响心、脑、肾等重要脏器的结构和功能，最终导致器官功能衰竭[1]。据《中国高血压防治指南2018》[2]及《中国心血管健康与疾病报告2019》[3]显示，我国人群高血压的患病率仍呈升高趋势，存在自南到北递增、民族区域差异明显的特点。知晓率、治疗率、控制率有所改善，但总体仍处于较低的水平[2-3]。基层医疗卫生机构(社区)是高血压病防控的首要环节。天津地区高血压病的发病率高，防控方面主要存在社区居民健康档案信息系统利用不充分、健康管理服务不规范、不系统，缺乏风险预警能力等问题[4-5]。高血压是一系列心脑血管事件链中的首要因素，重视高血压病防控的必要性，提高高血压病风险评估与健康管理的可行性，将有力控制高血压病的发生与发展[6]。本研究拟通过探讨天津地区社区高血压病患者的临床特点，分析其影响因素，体质特征，构建风险预警模型，以期为天津地区社区高血压病的防治工作提供临床依据。

1 临床资料

1.1 诊断标准

高血压病诊断标准参考《中国高血压防治指南(2018年修订版)》中高血压病诊断标准[2]：

1.2 纳入标准

①符合高血压病诊断标准；②资料完整；③年龄不限。

1.3 排除标准

①非本地区常驻居民；②合并有严重心脑血管系统疾病、呼吸、肿瘤、自身免疫系统疾病等患者；③具有严重精神、认知障碍、痴呆患者。

1.4 研究对象

依托天津市辖区社区卫生服务系统(HIS)，采用整群抽样方法，选取天津市北辰区2018年1月至2019年12月常驻居民健康体检的临床资料，共计6524例。其中男性2971例(45.54%)，平均年龄(70.52±7.51)岁；女性3553例(54.46%)平均年龄(70.10±7.05)岁。符合高血压病诊断的患者3859例(59.15%)，其中男性1724例(44.67%)，平均年龄(71.27±7.58)岁；女性2135例(55.33%)，平均年龄(70.88±7.14)岁。

1.5 伦理审查

本研究已通过天津中医药大学第二附属医院伦理委员会审批(伦理编号2020-11-01)。

2 研究方法

2.1 资料提取

参考文献[7,8]，采用病例对照研究方法，将符合高血压病诊断的患者作为试验组(高血压病组)，非高血压病患者作为对照组(非高血压病组)，筛选两组患者的临床资料，包括姓名、性别、年龄、BMI、腰围、吸烟史、饮酒史、家族史、合并症、理化指标等，进行数据清洗，存入Excel数据库中。

2.2 体质判定标准

体质分类的判定严格参照《中医体质分类与判定》中九种体质的分类判定标准，不考虑兼夹体质[9]。

2.3 统计学方法

采用SPSS(版本号26.0)、R软件(版本号4.0.3)进行统计分析。单因素分析中，分类变量选择χ2检验；连续型变量服从正态分布用¯X±s表示，采用独立样本t检验，不服从正态分布的用M(IQR)表示，采用两独立样本的非参数检验。通过二元logistic回归分析高血压病的相关影响因素，以P<0.05为差异有统计学意义。采用R软件(版本号4.0.3)中“rms程序包”建立列线图模型，通过Hosmer-Lemeshow检验评价模型拟合优度，同时绘制受试者工作特征曲线(ROC)，并计算灵敏度、特异性、一致率评价模型的预测能力，并应用“caret程序包”进行Bootstrap 法做内部验证，绘制校正曲线。最后采用临床决策曲线分析对模型临床效能进行评价。

3 结果

3.1 高血压病有关影响因素分析

3.1.1 单因素分析

单因素分析显示，两组在血小板计数、白细胞计数、中性粒细胞百分比、淋巴细胞百分比、空腹血糖、谷丙转氨酶、谷草转氨酶、总胆红素、血肌酐、血尿素氮、甘油三酯、高密度脂蛋白、BMI、腰围、年龄、糖尿病史、吸烟史、饮食嗜盐、自减体重19个变量上存在显著差异(P<0.05)，构成高血压病的有关影响因素，见表1。

表1 两组临床资料的单因素分析比较

3.1.2 多因素Logistic回归分析

将表1中单因素分析筛选出的19个变量作为自变量，进行二元logistic回归分析，结果显示，血小板计数、中性粒细胞百分比、总胆红素、血肌酐、BMI、腰围、年龄、糖尿病史、饮食嗜盐是高血压病的独立影响因素(P<0.05)。其中总胆红素的回归系数为负值且具有统计学意义，提示在生理范围内，血清中低浓度的总胆红素可能是高血压病发生的一个危险因素；血小板计数、中性粒细胞百分比、血肌酐、BMI、腰围、年龄、糖尿病史、饮食嗜盐回归系数为正值且具有统计学意义，说明血小板计数增多、中性粒细胞百分比增加、血肌酐水平升高、BMI高、腰围大、既往糖尿病史、饮食嗜盐有也有增加高血压病的发生风险。从统计学角度解释如下：(1)血小板计数每增加1单位，出现高血压病的可能性将增加0.2%；(2)中性粒细胞百分比每增加1单位，出现高血压病的可能性将增加1.1%；(3)总胆红素每增加1单位，出现高血压病的可能性将降低1.9%；(4)血肌酐每增加1单位，出现高血压病的可能性将增加1.2%；(5)BMI每增加1单位，出现高血压病的可能性将增加9.8%；(6)腰围每增加1单位，出现高血压病的可能性将增加1.5%；(7)年龄每增加1单位，出现高血压病的可能性将增加4.6%；(8)有糖尿病史的患者出现高血压病的风险是没有糖尿病病史患者的2.59倍；(9)饮食嗜盐的患者，出现高血压病的风险是其他饮食习惯患者的1.311倍，见表2。

表2 高血压病患病相关因素的Logistic回归分析

3.2 列线图模型(Nomogram)构建

根据表2中筛选出的血小板计数、中性粒细胞百分比、总胆红素、血肌酐、BMI、腰围、年龄、糖尿病史、饮食嗜盐9个变量构建列线图模型。见图1。该模型能个性化计算每个独立风险因素对应分数并统计总分，总分对应的预测值即为预测高血压病患病风险的概率。图中红色代表本研究6524例常规体检者中第1例体检者高血压病的患病风险：其中，血小板计数(265×109/L)，中性粒细胞百分比(65%)，总胆红素(8umol/L)，血肌酐(66umol/L)，BMI(23.44 kg/m2)，腰围(79cm)，年龄(73岁)，糖尿病史(否)，饮食嗜盐(否)，该体检者高血压病的患病风险为55.5%。

图1 列线图模型(注：**P<0.01，***P<0.001)

3.3.1 列线图模型评价

3.3.1.1 模型拟合度

通过Hosmer-Lemeshow拟合度检验，显示模型的-2对数似然为7821.392。卡方值=13.414，P=0.098>0.05，差异无统计学意义，表明本模型解释力度较强，模型有较好拟合度。

3.3.1.2 模型预测能力评价(灵敏度、特异性、一致率)

列线图模型的预测能力评价主要通过计算一致性指数(C-index)对模型进行检验[8-9]。通过计算本模型C-index(等同ROC曲线下面积AUC)为0.718(95%CI=0.705，0.730)，取最大约登指数为0.324，对应最高切点值(PI)为0.583，此时预测的一致率最高，诊断灵敏度为68.9%，特异性为63.3%，一致率为77.95%。见图2、表3。

图2 列线图模型的ROC曲线

表3 模型判定一致性评价

3.3 模型的内部验证

内部验证采用1000次Bootstrap自抽样绘制Calibration校正曲线，显示校准曲线(蓝线)与预测曲线(红线)、理想曲线(黑线)基本接近，Brier评分=0.219，平均绝对误差=0.004，提示模型预测高血压病发生与内部抽样的相关性较好，表明列线图模型具有一定的临床价值。

图3 预警模型内部验证的校正曲线

4 讨论

高血压病，是由多种遗传基因、环境及多种危险因素相互作用的一种全身性慢性疾病，以血压升高为主要临床表现，其中原发性高血压病约占全部高血压病患者95%以上，是高血压病防控的主要对象[10]。高血压病是我国人口致死致残的第一原因，是我国医疗负担的第一大户，严重危害我国人民健康，目前我国18岁及以上居民高血压患病人群以达到2.7亿[11]，天津市高血压病的患病率也达到34.5%[2]。我国高血压病防控长期存在“发病率高、致残率高、死亡率高，知晓率低、治疗率低、控制率低”的“三高、三低”特点。高血压导致的心脑肾等靶器官损害为家庭和社会带来了沉重的负担，高血压不仅是危害人类健康的慢病问题，同时也是影响国家经济、社会全局的重大公共卫生问题，开展高血压病防控研究是满足群众健康需求的必然选择，是推进社会经济高质量发展的必然举措，是落实健康中国2030战略的必然要求[12]。

4.1 高血压病防控的第一要务是识别和控制影响因素

本研究中，高血压病的影响因素采用单因素和多因素logistic逐步回归分析。通过单因素分析比较发现血小板计数、白细胞计数、中性粒细胞百分比、淋巴细胞百分比、空腹血糖、谷丙转氨酶、谷草转氨酶、总胆红素、血肌酐、血尿素氮、甘油三酯、高密度脂蛋白、BMI、腰围、年龄、糖尿病史、吸烟史、饮食嗜盐、自减体重19个指标上存在显著差异，是天津地区高血压病的可疑影响因素。这也与王媛[13]、张蕊[14]、王晓颖[15]分别在2011年、2013年、2015年开展的天津市辖区内高血压病的调查研究结论大致相吻合，近5年则未见相关研究的文献报道。多因素分析发现，血小板计数、中性粒细胞百分比、总胆红素、血肌酐、BMI、腰围、年龄、糖尿病史、饮食嗜盐9个指标是高血压病的独立影响因素。其中总胆红素的回归系数为负值且具有统计学意义，提示血清中低浓度的总胆红素是高血压病发生的一个危险因素，提示了注意血清总胆红素水平对高血压病防控的预测作用，这与李霞[16]、王小捷[17]的研究结论相同。其机制可能是生理浓度下的总胆红素水平具有对亚油酸和磷脂的抗氧化能力，能抑制低密度脂蛋白过氧化，减少血管内皮损害，减少血管紧张素II产生，起到降低高血压的作用[18]。本研究还表明，血小板计数、中性粒细胞百分比、血肌酐、BMI、腰围、年龄、糖尿病史、饮食嗜盐回归系数为正值且具有统计学意义，说明这8项指标也有增加高血压病的发生风险。其中，血小板计数和中性粒细胞百分比增高，与高血压病理状态下血管内皮细胞损伤、炎症和血栓形成使其代谢释放功能增强有关[19-20]。血肌酐是反映肾功能损害的关键指标之一。文宇[21]等研究也显示高血压人群与非高血压人群的肾功能损害发生率分别为20.84%和7.43%，提示了重视高血压病中肾功能损害的早期干预。年龄、BMI、糖尿病史、饮食嗜盐作为天津市高血压病发生的独立影响因素也有相关文献报道[22-25]。强调了早期干预、低盐低糖低脂饮食对高血压病的预防具有重要意义。除此之外，本研究还发现天津地区高血压病体质分布特点以平和质为主，其次是阳虚质，痰湿质，这与庄希瑶等[26]2015年开展的对天津市河西区社区高血压病患者体质调查结果大致相同，部分差异与样本量大小以及调查时间差异相关。尽管体质类型在两组比较上未有显著差异，但朱艳波等[27]研究则发现痰湿质是高血压病发病的重要危险因素，张军鹏等[28]研究也表明气虚质、痰湿质、气郁质三种体质人群高血压病的患病风险较高，OR值分别为3.04、2.49、3.02，也提示我们注意体质因素尤其是偏颇体质中痰湿质、气虚质、气郁质对高血压病的影响作用。

4.2 构建风险预警模型是高血压病防控的另一重要手段

在高血压病发生发展的过程中管理防控相关危险因素，建立风险预警模型是防控高血压病发生发展的基石[28-29]。发达国家通过慢病管理模式，心脑血管疾病发病率、死亡率已出现拐点，呈下降趋势。我国慢病管理模式尚不成熟，处于探索阶段。现有的高血压病风险预警模型中比较著名的是美国Framingham高血压风险预警模型[30-31]，但不能适应普遍人群的需要[32]。我国研究者早在1969年就开展过针对高血压病防控较为规模的“首钢模式”[33]以及相继开展的“大庆研究”[34]、“开滦研究”[35-37]等都取得了丰硕成果，对国内高血压病及其并发症的防治具有重要意义。然而尚未建立起适合国人的风险预警模型，因此，基于“互联网+”“大数据”背景下建立符合本地区特色的高血压病风险预警模型对于防控高血压病的发生发展具有重要意义：首先，通过Hosmer-Lemeshow拟合度检验显示回归方程拟合度强，模型一致性指数C-index为0.718，诊断灵敏度为68.9%，特异性为63.3%，一致率为77.95%。表明其预测能力和实际诊断有较高的吻合率，能对77.95%以上的患病人群作出提前预警；其次，通过1000次bootstrap自抽样绘制Calibration校准曲线，显示校准曲线(蓝线)与预测曲线(红线)、理想曲线(黑线)基本接近，Brier评分=0.219，平均绝对误差=0.004，提示列线图模型预测高血压病的发生与内部抽样的相关性较好，具有一定临床价值；第三，构建列线图模型的指标简单易得，获取成本相对较低，模型能够方便基层社区医院的医师使用。

4.3 不足与展望

本研究尚存在一定不足：首先，本研究数据来源较为单一，样本量小且为回顾性数据，故无法避免偏倚；其次，在模型的验证方面，仅进行了内部验证，还缺少来自其他中心的外部验证结果来检验模型的外推性，因此，在模型的临床应用推广方面，还需要仍需要进行大样本、多中心的前瞻性临床研究来给予更多的外部证据支持，进一步探讨高血压病的风险因素，优化列线图模型。第三，目前国内缺乏类似研究报道来进行横向比较，因此所建立的预测模型有待进一步丰富数据加以验证。

5 小结

综上所述，本研究以筛选出的血小板计数、中性粒细胞百分比、总胆红素、血肌酐、BMI、腰围、年龄、糖尿病史、饮食嗜盐9个风险预测指标，初步构建了预测高血压病的列线图模型，并对模型进行了评价和验证。结果显示本模型具有较好的预测能力和临床效能，可以通过列线图模型快速计算高血压病的患病风险，能为早期采取针对性的治疗和干预措施提供科学依据。