戴光亚
【摘要】目的：了解糖尿病患者颈总动脉硬化的一些影响因素，为更好地预防糖尿病，提高人民健康水平提供依据。方法：采用简单随机抽样的方法，对60名糖尿病患者进行调查，然后使用多分类Logistic回归模型进行分析，得出糖尿病患者颈总动脉硬化是否与某些影响因素有关。结论：糖尿病患者的性别、年龄、收缩压和尿白蛋白这四个因素与其颈总动脉是否硬化有关。
【关键词】糖尿病患者；颈总动脉硬化；影响因素；多分类Logistic回归分析
【中图分类号】R587.1 【文献标识码】A 【文章编号】2095-6851（2017）12--01
引言
頸总动脉硬化是糖尿病的重要并发症之一，是糖尿病患者主要的死亡原因，它确切的发病机制现在还不清楚，但我们可以确信的是，引起颈总动脉硬化的因素有很多。
1 研究对象与方法
1.1 研究对象
某地区60名糖尿病患者，其中男性28人（46.7%），女性32人（53.3%）年龄30-73岁，平均年龄52岁。颈总动脉硬化27例（45%）。
1.2 研究方法
（1）抽样方法：采用简单随机抽样方法，从某地区的各个医院抽取共60名糖尿病患者作为研究对象。（2）各指标含义：因变量：颈总动脉是否硬化（type），type=1表示颈总动脉硬化，type=0表示颈总动脉非硬化；自变量：性别（sex），sex=1表示男性，sex=0表示女性：年龄（age），糖尿病史（dura）、胰岛素敏感指数（ISI）、甘油三酯（TG）、胆固醇（CHO）、收缩压（SBP）、尿白蛋白（ALB）。（3）统计分析：数据采用excel进行录入，用SPSS软件和R语言对数据进行统计分析，显著性水平为α=0.1，以p<0.1为差异有统计学意义。
2、模型的理论
Logistic回归模型是一种非线性回归模型，假设在自变量χ1，χ2，…χn的作用下，某一事件发生的概率为P，则其不发生的概率为1-P，于是该事件发生与不发生的概率比为P/1-P，记为“Ω”，对Ω取自然对数后得到Logistic函数。
（1）
（1）式称为P的Logit变换，则Logistic回归模型为：
（2）
本文中因变量的量化取值，当颈总动脉硬化时，取值为1，当颈总动脉非硬化时，取值为0。影响颈总动脉硬化的因素有8个，分别为：χ1，χ2，…χ8。其中，P代表颈总动脉硬化的概率，β0表示截距，β1，…β8分别表示对应影响因子的系数。
3 结果及分析
3.1 用SPSS软件进行多分类Logistic回归分析
以颈总动脉是否硬化为因变量，以性别（sex）、年龄（age）、糖尿病史（dura）、胰岛素敏感指数（ISI）、甘油三酯（TG）、胆固醇（CHO）、收缩压（SBP）、尿白蛋白（ALB）为自变量，进行多分类Logistic回归分析。
表1是最终回归模型下的检验。由输出结果可知，在显著性概率（Sig）=0.1时，性别（sex）、年龄（age）、收缩压（SBP）和尿白蛋白（ALB）对颈总动脉硬化有显著性影响。
3.2 用R语言进行多分类Logistic回归分析
由于数据已经在Excel中录入，故只需调用即可。从输出结果表2可以看出，在显著性概率（Sig）=0.1时，性别（sex）、年龄（age）、收缩压（SBP）和尿白蛋白（ALB）对颈总动脉硬化有显著性影响。
4 讨论
通过多因素Logistic回归分析发现糖尿病的并发症颈总动脉硬化的危险因素分别是是性别、年龄、收缩压和尿白蛋白。针对这些危险因素，相关部门应该采取多元的方法宣传，同时在日常生活中提高自我防治意识。
参考文献
何晓群.现代统计分析方法与应用[M].中国人民大学出版社，2012.
Prabhanjan Narayanachar Tattar.R统计应用开发实战[M].机械工业出版社，2015.endprint
