国际高血压杂志

PDF
国际高血压杂志/2021/文章

研究文章|开放获取

体积 2021 |文章的ID 6613231 | https://doi.org/10.1155/2021/6613231

王林,Mulalibieke Heizhati,蔡新田,李梅,杨志康,王忠荣,Reyila Abudereyimu,李南方 中国西北欠发达地区初级卫生保健中高血压患者获得治疗的障碍:预测Nomogram”,国际高血压杂志 卷。2021 文章的ID6613231 11 页面 2021 https://doi.org/10.1155/2021/6613231

中国西北欠发达地区初级卫生保健中高血压患者获得治疗的障碍:预测Nomogram

学术编辑器:兰弗兰科·埃利亚
收到了 12月7日2020
接受 2021年4月3日
发表 2021年4月15日

摘要

背景.本研究旨在评估与未经治疗的高血压相关的危险因素,并在中国西北欠发达地区的初级卫生保健中编制和内部验证未经治疗的高血压患者的危险指数图。方法.将西北欠发达地区符合条件的初级卫生保健高血压患者895例分为训练集(n= 626)和验证集(n= 269)。未经治疗的高血压被定义为在过去两周内没有服用抗高血压药物。使用最小绝对收缩和选择算子(LASSO)回归模型,我们确定了不治疗的最佳危险因素,然后建立了预测nomogram。通过受试者工作特征曲线(AUC)下面积、校准曲线和决策分析来确定鉴别能力、校准和临床有用性。结果通过验证集中的内部验证进行评估。结果.从LASSO回归模型推导出5个独立的危险因素,并输入nomogram:年龄、牧民、家庭成员人均收入、居住地海拔、共病。该nomogram显示出较强的鉴别能力,AUC为0.859(95%置信区间:0.812-0.906),且校正良好。在决策曲线分析中,当干预的可能性阈值为7%至91%时,该nomogram方法在临床上是有用的。结果经内部验证。结论.我们的nomogram在中国西北欠发达地区的初级卫生保健中对未经治疗的高血压显示出良好的预测准确性,并可能有助于初级卫生保健评估高血压患者不治疗的风险。

1.简介

高血压是心血管疾病(CVD)的主要危险因素,心血管疾病仍然是一个重要的公共卫生问题,是中国最主要的死亡原因之一,导致严重的社会、家庭和经济功能障碍[12].在年龄≥18岁的人群中,高血压的患病率约为27.9% [必威24903.]而在中国35岁以上的人口中,这一比例高达41.9% [4],但高血压的治愈率只有40.7%,与中国东南部的51.4%相比,在不发达的西北地区(22.1%)甚至低得令人无法接受[56].

对于高血压患者来说,降压治疗对于改善健康结果、减少其影响、预防进一步残疾和降低医疗成本至关重要[78].尽管高血压是初级保健治疗中最常见的慢性疾病之一[9]以及降低高血压患者血压水平的益处已得到证实[1011,在很大一部分患者中,即使是那些知道自己患有高血压的患者,也没有得到治疗。与欧美国家相比,由于中国独特的社会医疗制度、医疗保健政策、家庭经济限制、交通障碍等原因,高血压在中国的治疗率增长缓慢[12- - - - - -15].因此,中国对高血压的认识和一级预防仍面临巨大挑战。

西北地区经济欠发达,土地面积大,人口密度稀疏。当地五分之一的居民过着游牧或半游牧的生活,医疗资源普及率低,健康意识差,生活方式不健康[1617].所有这些因素都可能导致高血压患病率较高,治疗效果较差,特别是在畜牧业地区。然而,抗高血压药物非治疗受多种决定因素影响,如患者相关因素(如年龄、性别、教育水平和获得医疗保健的机会)、社会经济因素(如职业、婚姻状况、情感支持和家庭收入)和病情相关因素(如健康状况和共病)[18].

考虑到如此多的相关危险因素,准确预测非治疗工具和早期干预可能是治疗不理想的最有效措施。因此,本研究旨在通过人口统计学因素、社会经济地位、生活环境、健康相关行为和人体测量值五个维度,确定西北地区初级卫生保健高血压管理中与未治疗高血压相关的危险因素,并编制预测nomogram来估计给定就诊中未治疗的概率。

2.材料与方法

2.1.研究设计与人群

横断面研究根据STROBE检查表标准进行报告。本研究的设计和方法已在前面描述过[19].简而言之,我们采用四阶段(市/县-区/乡-社区/村-居民)分层随机抽样的方法,在2014年8月至2015年9月期间获得中国西北新疆地区年龄≥15岁的研究样本。调查共涉及5个农村县和2个城市区84个站点(60个村,24个社区),参与者7276人(回复率>95%)。入选标准如下:(1)愿意参与调查并签署知情同意书的居民(2)当地居民年龄≥15岁(3)在当前地址居住6个月以上(4)未怀孕的妇女

对于当前的分析,我们排除了没有回应的参与者(n= 124),年龄<18岁(n= 469)。我们选择了1612名高血压患者,并进一步排除了不知道自己患有高血压的患者(n= 717),因为不知道患有高血压的患者在调查时不会接受降压治疗。因此,在本研究调查前已确诊为高血压的895名受试者被纳入最终分析,如图所示1.新疆维吾尔自治区人民医院伦理委员会和阜外医院伦理审查委员会批准了目前的研究。

2.2.数据收集和测量

训练有素的研究人员使用标准化问卷收集人口统计学特征(如性别、年龄和种族)、社会经济地位(每个成员的职业、教育程度、婚姻状况和家庭收入)、健康相关行为(饮酒和吸烟)的数据[19],以及高血压状况(是否曾被医生诊断,是否接受过治疗,是否在过去两周内服用过降压药)。

2.3.人体测量的变量

训练有素的观察员按照标准化的设备和程序测量每位参与者的身高、体重、腰围(WC)和血压(BP)。为了在人体测量过程中保护参与者的隐私,我们将测量地点安排在一个温度适宜的房间内,并且一次只能有一名参与者进入。此外,参与者穿着轻薄的衣服,同时测量他们的体重和腰围。每位参与者在坐着休息5分钟后,使用欧姆龙HBP-1300专业便携式血压监测仪(欧姆龙,京都,日本)在右上臂上测量三次血压记录,每次测量间隔30秒,并有观察员在场。用三次测量的平均值进行分析。体重指数(BMI)为体重除以身高(kg/m)的平方2).

2.4.血糖和血脂测量

所有受试者禁食≥8小时,并采集5 mL空腹血样本。接下来,采用标准方法检测空腹血糖(FPG)、甘油三酯(TG)、总胆固醇、低密度脂蛋白胆固醇(LDL-C)和高密度脂蛋白胆固醇(HDL-C)。

2.5.定义

高血压定义为收缩压≥140 mm Hg和/或舒张压≥90 mm Hg和/或2周内使用抗高血压药物和/或自我报告存在高血压[20.].治疗高血压定义为过去两周内未服用抗高血压药物。职业地位被定义为牧民和非牧民。教育程度被分为三个层次:小学和更低,初中和高中和更高。婚姻状况分别是单身,已婚,分居。家庭成员人均收入分为四个等级:< 500元/月、500 - 1000元/月、1001-3000元/月、> 3000元/月。吸烟者被定义为一生中至少吸过20包香烟,目前正在吸卷烟或无烟烟草的参与者[19].当前饮酒者被定义为在过去一个月内每周至少饮用一次酒精饮料的参与者。BMI被进一步划分为正常、超重和肥胖BMI低于24.0 kg/m2,在24.0 ~ 27.9 kg/m之间2,≥28.0 Kg/m2,分别。腹部肥胖定义为男性WC≥90 cm,女性WC≥85 cm。糖尿病定义为FPG≥7.0 mmol/L或自我报告存在糖尿病。血脂异常根据中国成人血脂异常防治指南推荐的标准,定义为TC≥6.22 mmol/L, LDL-C≥4.14 mmol/L, HDL-C < 1.04 mmol/L, TG≥2.26 mmol/L,自我报告存在血脂异常的一种或多种状态的组合[21].伴随疾病被定义为一种或多种疾病的组合:CVD(冠心病、中风)、糖尿病和血脂异常。

2.6.统计分析

使用SPSS 20.0 for Windows (SPSS Inc.,芝加哥,伊利诺伊州)对895名受试者进行基线描述数据。连续变量以均数±标准差(M±SD)表示,类别变量以频数(n)和比例(%),并使用Student 's对结果进行比较t-检验,卡方检验和曼-惠特尼检验U分别检验统计显著性。

使用R版本3.5.1中的“rms”包(http://www.r-project.org/首先,我们提取从70% (n= 626)的随机抽样总样本用于构建nomogram。我们保留了剩余的30% (n= 269)作为验证集进行验证。在LASSO回归模型中,使用最小绝对收缩和选择算子(LASSO)方法从非零系数的训练集中识别独立的预测特征[22- - - - - -24].其次,我们使用多变量逻辑回归分析,基于从LASSO回归模型中选择的特征构建预测的nomogram [2526],结果显示为 和优势比(OR)与相关的95%置信区间(95% CI)。第三,分别通过受试者工作特征曲线(AUC)下面积和校准曲线图[27].此外,通过内部验证来评估nomogram精度,其中我们计算了验证集中的AUC。最后,为了量化研究中不同阈值概率下的净收益,在验证集中进行了决策曲线分析,以确定非治疗nomogram的有用性[28].所有统计检验均为双侧,且 < 0.05为差异有统计学意义。

3.结果

3.1.病人的特点

共纳入895例患者,平均年龄为52.65±17.49岁,女性占52.7%。训练集和验证集之间的基线特征如表所示1.两组患者在年龄、性别、文化程度、民族、家庭成员数量、婚姻状况、居住海拔、吸烟、饮酒、BMI、腹部肥胖、合并症等方面差异无统计学意义。


变量 训练集(n= 626) 验证集(n= 269) (总n= 895) P价值

年龄(年) 52.63±17.61 52.69±17.26 52.65±17.49 0.963
< 45 y 191 (30.5) 77 (28.6) 268 (29.9) 0.820
45 - y 201 (32.1) 91 (33.8) 292 (32.6)
> 60 y 234 (37.4) 101 (37.5) 335 (37.5)

性别、妇女(n, %) 337 (53.8) 135 (50.2) 472 (52.7) 0.316
牧人(n, %) 260 (41.5) 116 (43.1) 376 (42.0) 0.659

教育程度(n, %)
初级和低级 361 (57.7) 159 (59.1) 520 (58.1) 0.923
初中 145 (23.2) 60 (22.3) 205 (22.9)
高中及以上 120 (19.2) 50 (18.6) 170 (19.0)

种族(n, %)
269 (43.0) 111 (41.3) 380 (42.5) 0.198
哈萨克斯坦 90 (14.4) 54 (20.1) 144 (16.1)
塔吉克族 74 (11.8) 28日(10.4) 102 (11.4)
其他人 193 (30.8) 76 (28.3) 269 (30.1)

家庭成员人数(n, %)
1 33 (5.3) 10 (3.7) 43 (4.8) 0.551
2 - 4 403 (64.4) 172 (63.9) 575 (64.3)
≥5 190 (30.4) 87 (32.3) 277 (30.9)

婚姻状况(n, %)
64 (10.2) 21日(7.8) 85 (9.5) 0.508
结婚了 511 (81.6) 224 (83.3) 735 (82.1)
分离 51 (8.1) 24 (8.9) 75 (8.4)

家庭成员人均收入
< 500元/月 142 (22.7) 65 (24.2) 207 (23.1) 0.004
¥500 - 1000 /月 73 (11.7) 30 (11.2) 103 (11.5)
¥1001 - 3000 /月 286 (45.7) 146 (54.3) 432 (48.3)
3000元/月 125 (20.0) 28日(10.4) 153 (17.1)

居住海拔(m)
< 1000 387 (61.8) 164 (61.0) 551 (61.6) 0.717
1000 - 3000 163 (26.0) 76 (28.3) 239 (26.7)
> 3000 76 (12.1) 29 (10.8) 105 (11.7)

现吸烟人士(n, %) 150 (24.0) 50 (18.6) 200 (22.3) 0.077
现时饮酒者(n, %) 138 (22.0) 46 (17.1) 184 (20.6) 0.093

身体质量指数 27.29±4.30 27.25±4.48 27.28±4.35 0.917
BMI: <23.9 kg/m2 124 (19.8) 53 (19.7) 177 (19.8) 0.669
BMI: 24.0 ~ 27.9 kg/m2 242 (38.7) 112 (41.6) 354 (39.6)
BMI:≥28.0 kg/m2 260 (41.5) 104 (38.7) 364 (40.7)

腹部肥胖(n, %) 424 (67.7) 183 (68.0) 607例(67.8%) 0.930
化学汽相淀积(n, %) 21日(3.4) 2 (0.7) 23日(2.6) 0.195
糖尿病(n, %) 91 (14.5) 31 (11.5) 122 (13.6) 0.228
血脂异常(n, %) 113 (18.1) 41 (15.2) 154 (17.2) 0.307
伴随疾病(n, %) 193 (30.8) 66 (24.5) 259 (28.9) 0.057

血压(mmHg)
收缩压 149.37±20.58 152.09±21.34 150.19±20.83 0.073
舒张压 85.67±12.31 85.97±13.68 85.76±12.73 0.749

CVD,心血管疾病。 学生的t-test连续变量。Mann-WhitneyU测试有序多范畴变量。二元变量卡方检验。

表S1显示高血压患者的未治疗率为20.9%(187/895)。与接受降压治疗的患者相比,未接受降压治疗的患者年龄较大、为牧民、受教育程度较低、家庭成员人均收入较低、共病的可能性较小。

3.2.模型选择因素

用训练集的样本建立模型。在人口统计学特征、社会经济地位、居住地区、健康相关行为和人体测量值中,17个因素被减少到5个潜在预测因素(∼3:1比例;数据2(一个)而且2 (b)),并且在LASSO回归模型中具有非零系数。这些因素包括年龄、牧民、家庭成员人均收入、居住地海拔和共病(表2)2).


分层 或(95% ci) 价值

年龄 0.517 1.68 (1.27 - -2.21) < 0.001
牧人 1.054 2.87 (1.77 - -4.64) < 0.001
家庭成员人均收入 −1.644 0.19 (0.15 - -0.25) < 0.001
居住海拔 1.134 3.11 (2.17 - -4.44) < 0.001
伴随疾病 −0.776 0.46 (0.27 - -0.78) 0.004
常数 −1.920 0.147 < 0.001

OR:优势比;CI:置信区间。
3.3.预测Nomogram的发展

多变量logistic回归分析结果见表2,其中包括上述独立预测因子。然后,建立模型,并以nomogram(图3.).我们观察到,家庭成员人均收入< 500元/月对应的风险得分最高(100分),其次是居住海拔>3000 m(53分),其次是牧民(26分),无共病(19分),年龄> 60岁(18分)。

3.4.Nomogram鉴别能力,验证和校准

预测nomogram AUC为0.859 (95% CI: 0.812-0.906)(图4,经内部验证为0.864 (95% CI: 0.794-0.934),表明模型判别能力较好。通过校准曲线图对预测高血压患者未治疗风险的未治疗风险nomogram进行校准。当 值为> 0.05时,模型的校准能力较好。训练集的校准曲线为 验证集的校准曲线为 均大于0.05,说明模型具有较好的校准能力(图5(一个)而且5 (b)).

3.5.临床使用

未经处理的nomogram决策曲线分析显示,如果高血压患者的阈值概率在7%至91%之间,使用未经处理的nomogram来预测未经治疗的风险比该方案更有利(图6).

4.讨论

在此,本研究首次在中国西北欠发达地区初级卫生保健中相对具有代表性的高血压患者中,开发预测nomogram来评估影响高血压治疗可及性的因素。尽管存在普遍可及性和有效的治疗方法,但高血压患者的未治疗率仍然很高。所开发的nomogram很简单(仅由5个因子组成;在为每个块选择变量时,许多变量被淘汰了,因为它们与不治疗无关,或者因为它们与其他变量强共线),并显示出良好的标准化和辨别能力。值得一提的是,它的高敏感性(85%),表明所包括的因素能够从整体上正确预测无法获得治疗的高血压患者。

牧民是指过游牧或半游牧生活方式的人。在许多畜牧业地区,由于游牧生活方式,普通的降压药并不容易获得。此外,根据他们的家庭收入,他们中买不起这些药物的人的比例要高得多[2930.].也有迹象表明,高血压患者在血压达到控制后往往会停止服用抗高血压药物[31].与之前的研究相似,我们的研究结果表明,家庭成员人均收入< 500元/月也与较高的不治疗相关。此外,与三级医院医师相比,乡村医师使用降压药治疗模式存在差异[31].畜牧地区的乡村医生可能缺乏知识或意愿遵循新的指导方针,并可能因信息交流障碍而固守传统的处方习惯[4].患者常因药物治疗不佳而放弃持续的抗高血压治疗[32].因此,它至少可以部分解释为什么高血压未经治疗的比率很高。

随着地理海拔的增加,人口将变得稀少,生活和生产方式将变得更加单一,高海拔地区的卫生需求和获得卫生保健成为相当大的挑战[3334].生活在高海拔地区的居民常患高血压[3536]在大多数情况下,需要药物治疗才能正确控制。一些研究表明,综合药房和初级卫生保健的流行与慢性病的流行有关[3738].出乎我们意料的是,居住海拔是影响治疗的一个关键因素。由于高海拔地区缺乏足够的卫生网络,能够适当地为居民提供护理和必要的降血压剂,高海拔可能导致治疗不良[39],限制了他们的降压效果。据报道,约有8300万人居住在高地(定义为海拔250必威24900米)[40],主要分布于南美洲、东非和中亚[41].高海拔地区的高血压患病率高达55.9% [42].因此,考虑到高海拔地区人口众多,高血压负担巨大,在心血管风险方面的作用已经得到证实,进一步增加高海拔地区,特别是3000米以上地区的初级保健提供者或服务的密度和高血压药物的可及性,可能会加强高血压患者的治疗。

无合并症的老年高血压患者与不治疗相关。这可能是由于农村和牧区的老年人进城购买降压药存在交通障碍,大多数农牧民的经济资源与年轻人相比普遍损失较大,这可能导致他们服用降压药断断续续[31].与有共病的高血压患者相比,无共病的高血压患者可能不太关注自己的健康状况,这也可能有助于这些无共病的高血压患者成为未经治疗的高血压的预测因素。因此,增加获得医疗保健的机会,加强健康教育和定期随访目标依从性可能是进一步改善高血压治疗的重要途径[4344].

我们的研究有几个优势。首先,非治疗风险预测工具可以为临床医生提供最佳医疗保健服务提供重要的见解。使用年龄、职业、家庭成员人数、居住地海拔高度和有关共病的信息等可获得的指标,该工具可以帮助临床医生,特别是初级卫生保健提供者更好地确定不按规定服用药物的高风险患者。必威2490发现这样的患者是干预提高其依从性之前的重要一步。其次,我们的模型在训练集和验证集上表现出良好的准确性和一致性,表明模型具有良好的可移植性和泛化性。

在解释结果时,应牢记当前报告中的一些局限性。首先,研究样本可能不能代表所有中国高血压患者。不知道自己有高血压的患者也被排除在分析之外。其次,危险因素分析可能遗漏了一些可能影响降压治疗开始的潜在变量,如治疗相关因素(如药物类型、副作用、药物相关问题)和社会支持。第三,虽然我们的nomogram的稳健性通过内部验证进行了检验,但我们没有进行外部验证,因此当前数据在其他人群和地区/国家的泛化性可能有限,需要进行相关的外部验证。

5.结论

在中国西北欠发达地区,初级卫生保健中高血压患者的非治疗率相当高。本研究开发了一种相对准确的新型nomogram方法,以帮助初级卫生保健机构在管理高血压患者时了解不治疗的风险。生活在高海拔地区、家庭收入低的牧民可能是加强降压治疗的重点人群。

数据可用性

手稿中包含的材料(不包括相关原始数据)将免费提供给任何希望将其用于非商业目的的研究人员,同时保留任何必要的保密性和匿名性。

伦理批准

经新疆维吾尔自治区人民医院伦理审查委员会批准。

利益冲突

作者宣称他们没有利益冲突。

作者的贡献

Li Nanfang和Lin Wang对研究设计做出了贡献。Li Nanfang, Lin Wang, Mulalibieke Heizhati, Mei Li, Zhikang Yang, zhonggrong Wang, Reyila Abudereyimu参与了数据收集。Lin Wang和Xintian Cai进行统计分析。林王起草了手稿。Mulalibieke Heizhati对手稿进行了批判性的修改。李南方、李梅、杨志康、王忠荣、Reyila Abudereyimu等人提出了重要建议,并做出了重大改变。所有作者都审阅并批准了论文的最终版本。

致谢

国家重点研发计划项目(2018YFC1311503)资助。作者感谢所有参与本研究的个人,也感谢所有调查参与者,包括人口。他们感谢中国新疆维吾尔自治区科技厅为该项目提供资金。

补充材料

表S1:研究人群中治疗组和非治疗组的基线特征。补充材料

参考文献

  1. Zhou M., Wang H., Zeng X.等,“1990-2017年中国及其省份的死亡率、发病率和风险因素:2017年全球疾病负担研究的系统分析”,《柳叶刀》,第394卷,no。2019年,中国科学院学报(自然科学版)。视图:出版商的网站|谷歌学者
  2. GBD死亡原因合作者,“1980-2016年264种死亡原因的全球、区域和国家年龄性别特定死亡率:全球疾病负担研究的系统分析”《柳叶刀》,第390卷,no。《中国科学》,2016年第4期。视图:出版商的网站|谷歌学者
  3. 王哲,陈哲,张磊等,“中国高血压现状”,循环,第137卷,no。22, pp. 2344-2356, 2018。视图:出版商的网站|谷歌学者
  4. Li W., H. Gu, K. K. Teo等人,“中国115个农村和城市社区涉及47000人的高血压患病率、意识、治疗和控制。”高血压杂志,第34卷,no。1,页39-46,2016。视图:出版商的网站|谷歌学者
  5. Li H., X. Yan, X. Deng等,“中国深圳高血压患病率、意识、治疗和控制的横断面研究”。BMJ开放,第7卷,no。6, p. e015206,2017。视图:出版商的网站|谷歌学者
  6. Xu M., Li x.f, D. Goan等,“中国劳动力人口中高血压的患病率和预测因素:来自新疆维吾尔自治区的横断面调查结果,”生物医学与环境科学:BES,第29卷,no。4,页290-294,2016。视图:出版商的网站|谷歌学者
  7. K. R.洛里格,P.里特,A. L.斯图尔特等人,“慢性疾病自我管理计划”,医疗保健,第39卷,no。11,页1217 - 1223,2001。视图:出版商的网站|谷歌学者
  8. T. Bodenheimer, K. Lorig, H. Holman和K. Grumbach,“初级保健中慢性疾病的患者自我管理”,《美国医学会杂志》,第288卷,没有。19, pp. 2469-2475, 2002。视图:出版商的网站|谷歌学者
  9. T. Krause, K. Lovibond, M. Caulfield, T. McCormack, B. Williams和指南开发小组,“高血压的管理:NICE指南总结”BMJ,卷343,p. d4891, 2011。视图:出版商的网站|谷歌学者
  10. H. Arima,“降低血压治疗对不同类型中风的一级和二级预防,”心血管治疗专家评论,第7卷,no。6, pp. 627-636, 2009。视图:出版商的网站|谷歌学者
  11. B. M. Psaty, T. Lumley, C. D. Furberg等人,“与各种作为一线药物的抗高血压治疗相关的健康结果”。《美国医学会杂志》,第289卷,no。19, pp. 2534-2544, 2003。视图:出版商的网站|谷歌学者
  12. 李晓霞,陆杰,胡舒等,“中国的初级卫生保健制度”,《柳叶刀》,第390卷,no。《中国科学》,2017年第4期。视图:出版商的网站|谷歌学者
  13. 李宏,刘凯,顾杰,张宇,乔宇,孙欣,“1949 - 2015年中国初级卫生保健的发展和影响:重点回顾”国际卫生规划与管理杂志,第32卷,no。3, pp. 339-350, 2017。视图:出版商的网站|谷歌学者
  14. 张涛,徐玉玉,任杰,孙林,刘春华,“中国卫生资源和卫生服务分配的不平等:医院与初级保健机构,”《国际卫生公平杂志》,第16卷,no。1,页42,2017。视图:出版商的网站|谷歌学者
  15. Lu S., Zhang Y., Niu Y.和L. Zhang,“从家庭角度探索医疗支出集群和高成本人群的决定因素:来自中国农村的基于人口的回顾性研究。”国际环境研究和公共卫生杂志,第15卷,no。12,页2673,2018。视图:出版商的网站|谷歌学者
  16. 王铮,黄舒,赵颖,赵伟,梁晓亮,“饮食因素在中国慢性疾病控制中的作用”,中华育方学杂志,第49卷,no。8,页757-760,2015。视图:谷歌学者
  17. L. Wang, N. Li, M. Heizhati等,“中国西北新疆多民族农业、畜牧业和城市高血压的患病率、意识、治疗、控制和相关因素:47000名成年人的横断面筛查。”国际高血压杂志中国科学院学报,2019年第4期,第1-8页。视图:出版商的网站|谷歌学者
  18. S. J. Rolnick, P. A. Pawloski, B. D. Hedblom, S. E. Asche和R. J. Bruzek,“与药物依从性相关的患者特征”,临床医学与研究,第11卷,no。2, pp. 54-65, 2013。视图:出版商的网站|谷歌学者
  19. L. Wang, M. Heizhati, D. Zhang等,“过度减肥是中国西北多民族人群控制高血压的重要策略:横断面分析。”医学,第98卷,no。36, p. e16894, 2019。视图:出版商的网站|谷歌学者
  20. 刘立生和编写组《2018年中国高血压管理指南》,《2018年中国高血压防治指南》。,《中国高血压防治指南修订委员会报告》,老年心脏病学杂志2019年,中国科学院学报,vol. 16, pp. 182-245。视图:谷歌学者
  21. 中国成人血脂异常防治指南制定联合委员会,“中国成人血脂异常防治指南”,中华新学冠冰杂志,第35卷,no。5, pp. 390-419, 2007。视图:谷歌学者
  22. W. Sauerbrei, P. Royston和H. Binder,“多变量模型中连续预测因子的重要变量的选择和函数形式的确定”,医学统计学,第26卷,no。30, pp. 5512 - 5528,2007。视图:出版商的网站|谷歌学者
  23. Z. Li和M. J. Sillanpää,“lasso相关的惩罚回归方法在定量性状定位和基因组选择中的概述,”理论与应用遗传学,第125卷,no。3,页419-435,2012。视图:出版商的网站|谷歌学者
  24. R. Alhamzawi和H. T. M. Ali,《贝叶斯自适应套索回归》数学生物科学2018年,中国科学院学报,vol. 303, pp. 75-82。视图:出版商的网站|谷歌学者
  25. V. P. Balachandran, M. Gonen, J. J. Smith和R. P. DeMatteo,“肿瘤学中的nomogram:不仅仅是眼睛看到的,”柳叶刀肿瘤学,第16卷,no。4, pp. e173-e180, 2015。视图:出版商的网站|谷歌学者
  26. a . Iasonos, D. Schrag, G. V. Raj和K. S. Panageas,“如何建立和解释癌症预后的nomogram,”临床肿瘤学杂志,第26卷,no。8, pp. 1364-1370, 2008。视图:出版商的网站|谷歌学者
  27. a . Poncet, T. V. Perneger, P. Merlani, M. Capuzzo和C. Combescure,“重症监护中SAPS II和SAPS 3死亡率评分校准的决定因素:一项欧洲多中心研究。”重症监护(英国伦敦),第21卷,no。1,页85,2017。视图:出版商的网站|谷歌学者
  28. V. B. An Calster, L. Wynants, J. Verbeek等人,“报告和解释决策曲线分析:调查人员指南”欧洲泌尿学,第74卷,no。6,页796-804,2018。视图:谷歌学者
  29. 周伟林、王振,《中国医疗支出的区域不平等》,卫生经济学,第18卷,no。S2, pp. S137-S146, 2009。视图:出版商的网站|谷歌学者
  30. R. Khatib, M. McKee, H. Shannon等人,“高收入、中等收入和低收入国家心血管疾病药物的可获得性和可负担性及其对使用的影响:PURE研究数据分析”《柳叶刀》,第387卷,no。10013, pp. 61-69, 2016。视图:出版商的网站|谷歌学者
  31. 王志强,王晓强,陈志强等,“中国社区卫生中心高血压控制:抗高血压药物治疗模式分析”,美国高血压杂志,第27卷,no。2, pp. 252-259, 2014。视图:出版商的网站|谷歌学者
  32. P. Karakurt和M. Kaşikçi,“高血压患者药物依从性的影响因素”,血管护理杂志:周围血管护理学会的官方刊物,第30卷,no。4, pp. 118-126, 2012。视图:出版商的网站|谷歌学者
  33. M. Calderón, R. Alvarado-Villacorta, M. Barrios等人,“生活在的的喀喀湖岛上的高海拔土著人口的健康需求评估,Perú,”《国际卫生公平杂志》,第18卷,no。1,页94,2019。视图:出版商的网站|谷歌学者
  34. O. veaga - hinojosa, M. H. Cardiel和P. Ochoa-Miranda,“生活在高海拔的秘鲁城市人口中肌肉骨骼表现和相关残疾的患病率。COPCORD研究。阶段我。”Reumatología Clínica(英文版),第14卷,no。5,页278-284,2018。视图:出版商的网站|谷歌学者
  35. N. Aryal, M. Weatherall, Y. K. D. Bhatta和S. Mann,“长期生活在高海拔地区的成年人的血压和高血压:系统回顾和荟萃分析。”高原医学与生物,第17卷,no。3,页185-193,2016。视图:出版商的网站|谷歌学者
  36. 王丽丽,李娜娜,M. Heizhati等,“高原帕米尔高原塔吉克游牧民族高血压患病率、认知、治疗、控制及相关因素”。国际高血压杂志, vol. 2020, Article ID 5406485, 2020。视图:出版商的网站|谷歌学者
  37. F. Sganga, D. L. Vetrano, S. Volpato等人,“住院老年人的身体表现测量和综合用药:来自CRIME研究的结果,”营养、健康与衰老杂志,第18卷,no。6,页616-621,2014。视图:出版商的网站|谷歌学者
  38. D. Gnjidic, S. N. Hilmer, F. M. Blyth等人,“多种药物的截断和结果:使用五种或五种以上的药物来确定社区居住的有不同不良结果风险的老年男性。”临床流行病学杂志,第65卷,no。9, pp. 989-995, 2012。视图:出版商的网站|谷歌学者
  39. 刘x .,高伟,颜宏,“中国西部农村孕产妇卫生服务利用不平等的衡量和分解,”BMC健康服务研究《中国科学》,2014年第14卷,第102页。视图:出版商的网站|谷歌学者
  40. F. Leon-Velarde和J. T. Reeves,“慢性高山病的国际共识小组”,实验医学与生物学进展“,,卷474,页351-353,1999。视图:出版商的网站|谷歌学者
  41. C. M. Beall,“高海拔适应:表型和基因型”人类学年鉴,第43卷,no。1,页251-272,2014。视图:出版商的网站|谷歌学者
  42. 赵晓霞,李珊珊,巴珊珊等,“西藏海拔4300米牧民高血压患病率、认知、治疗和控制”,美国高血压杂志,第25卷,no。5, pp. 583-589, 2012。视图:出版商的网站|谷歌学者
  43. M. Van Heuckelum, C. Van den Ende, a . Houterman, C. Heemskerk, S. Van Dulmen和B. Van den Bemt,“电子监测反馈对药物依从性和临床结果的影响:一项系统综述”,《公共科学图书馆•综合》,第12卷,no。10, p. e0185453, 2017。视图:出版商的网站|谷歌学者
  44. R. Nieuwlaat, N. Wilczynski, T. Navarro等人,“提高药物依从性的干预措施”,Cochrane系统评价数据库, 2014年第2期。11, p. CD000011, 2014。视图:出版商的网站|谷歌学者

betway赞助版权所有©2021王林等。这是一篇开放获取的文章,在创作共用署名许可协议它允许在任何媒介上不受限制地使用、传播和复制,前提是正确地引用原始作品。


更多相关文章

PDF 下载引用 引用
下载其他格式更多的
订购印刷本订单
的观点215
下载201
引用

相关文章