北京体育大学运动人体科学学院体育统计与测量教研室
- 作品数：2 被引量：13H指数：2
- 相关机构：北京大学公共卫生学院北京大学公共卫生学院流行病与卫生统计学系更多>>
- 发文基金：国家自然科学基金更多>>
- 相关领域：医药卫生更多>>
- 基于环境与遗传风险的2型糖尿病发病风险预测模型的比较被引量：8
- 2016年
- 目的尝试采用logistic回归、神经网络、支持向量机3种方法,构建适合中国人群特点的2型糖尿病（T2DM）发病风险评估模型,为T2DM高危人群筛查、健康管理和个性化预防提供科学依据。方法在现况调查资料的基础上,在北京市房山区选取745例T2DM患者及1 964例对照。采用统一的调查问卷收集全部研究对象的一般人口学资料、行为生活方式、既往病史等信息;采用标准化的方法对研究对象进行统一体检及生化检查;实验室采用飞行时间质谱方法对既往全基因组关联研究（GWAS）报道的15个T2DM易感基因的27个SNP位点进行基因型检测,并采用非加权遗传风险评分法综合评估研究对象的遗传风险。分别采用logistic回归模型、神经网络及支持向量机方法构建包含基因和环境危险因素的T2DM发病风险评估模型。结果 （1）logistic回归模型：单独纳入传统危险因素或遗传风险评分时,模型的曲线下面积（AUC）分别为0.647（95%CI：0.623～0.670）和0.579（95%CI：0.554～0.604）;同时纳入传统危险因素和遗传风险评分时,模型的AUC为0.670（95%CI：0.647～0.693）。（2）神经网络模型：单独纳入传统危险因素或遗传风险评分时,模型的AUC分别为0.690（95%CI：0.668～0.713）和0.579（95%CI：0.554～0.604）;同时纳入传统危险因素和遗传风险评分时,模型的AUC为0.728（95%CI：0.706～0.749）。（3）支持向量机模型：单独纳入传统危险因素或遗传风险评分时,模型的AUC分别为0.733（95%CI：0.663～0.803）和0.562（95%CI：0.484～0.640）;同时纳入传统危险因素和遗传风险评分时,模型的AUC为0.765（95%CI：0.700～0.831）。结论与只纳入传统危险因素相比,同时纳入传统危险因素和遗传风险评分时,T2DM发病风险评估模型的预测效果更好。与logistic回归模型相比,采用神经网络或支持向量机构建的T2DM发病风险评估模型的预测效果更好�
- 张留伟李文桓段芳芳刘志科陈瑜吉振鹏吴柯叶胡永华陈大方
- 关键词：风险评估
- 电针对中心性肥胖患者不同腰围的影响被引量：5
- 2017年
- 目的:观察并比较电针与减肥仪对中心性肥胖患者上、中、下腰围的影响。方法:将147例患者简单随机分为电针组、减肥仪组,观察测量患者的上、中、下腰围变化。结果:电针及减肥仪治疗第5次、第10次与初始腰围相比,患者上、中、下腰围均极显著减小(P<0.01),而电针5次治疗后上腰围减小的速度明显快于中腰围及下腰围。结论:在早期治疗(1-5次)内电针、减肥仪均能有效减小中心性肥胖患者的不同腰围且速度相当,但随着疗程增加(5-10次),电针对于上腰围减小效果要优于中、下腰围。
- 李辉刘刚张留伟史榕荇
- 关键词：电针中心性肥胖
