探讨Bayes判别分析应用于巨大儿发生风险进行预测的临床效果。方法将169例巨大儿和169例正常足月儿按条件进行1∶1配对,纳入可能与巨大儿出生有关的因素,采用条件Logistic回归分析模型筛选有判别意义的指标,将有判别意义的指标带入Bayes判别模型中得到Bayes判别函数,并对判别函数进行回顾性考核和外部检验。结果经条件Logistic回归分析模型筛选出影响巨大儿出生的因素有产妇身高、孕早期体重指数(body mass index,BMI)、妊娠期糖尿病、孕周、宫高+腹围。建立的Bayes判别函数:巨大儿y1=-27.802+8.420×产妇身高+8.719×孕早期BMI+10.485×孕周+3.375×妊娠期糖尿病+2.862×(宫高+腹围);正常足月儿y2=-17.477+7.161×产妇身高+7.217×孕早期BMI+7.862×孕周+2.036×妊娠期糖尿病-0.085×(宫高+腹围)。建立的判别函数其Wilks’Lambda(λ)=0.512,P<0.001,因而判别函数有统计学意义。对判别函数进行考核,结果内外部符合率均达到80%以上。结论巨大儿的出生与多种因素有关,构建的Bayes判别模型对巨大儿有较好的判别作用,为今后更为准确的预测巨大儿的发生提供客观参考。
目的调查南宁市社区老年人轻度认知障碍患病率及影响因素,为制定轻度认知功能障碍(mild cognitive impairment, MCI)早期干预措施提供科学依据。方法采用整群随机抽样的方法,分别抽取南宁市3个社区60岁及以上的老年人3 000人,使用蒙特利尔量表北京版(the Beijing version of the Montreal cognitive assessment, MOCA-BJ)进行认知功能评估。结果检测到833例MCI患者,以南宁市2010年人口年龄构成进行标准化,MCI标准化患病率为27.27%;单因素分析显示,不同年龄、文化程度、职业、睡眠时间、运动时间、阅读次数、参加社区活动次数、家务次数的老年人MCI患病率差异均有统计学意义(均有P<0.05);多因素分析显示:高龄、小学文化程度、职业为农民/农民工和企业人员/工人是MCI的危险因素(均有P<0.05),充足的睡眠时间、适量的运动时间和阅读次数是MCI的保护因素(均有P<0.05)。结论南宁市老年人MCI患病率较高,高龄、小学文化程度、职业为农民/农民工和企业人员/工人的老年人可能是MCI的高危人群,应尽早采取有效措施阻止MCI的发生发展。
暂无评论