国家自然科学基金(81172768)
- 作品数：17 被引量：134H指数：7
- 相关作者：陈大方胡永华武轶群郑启文吴涛更多>>
- 相关机构：北京大学北京体育大学广西医科大学附属肿瘤医院更多>>
- 发文基金：国家自然科学基金北京市自然科学基金深圳市科技计划项目更多>>
- 相关领域：医药卫生更多>>
- “互联网+医疗健康”中法律与政策保障现状分析与建议被引量：14
- 2020年
- 随着经济社会的飞速发展和人民群众对多层次、多样化医疗健康服务的需求日益增长,“互联网+医疗健康”应运而生。本文对我国提出“互联网+医疗健康”的战略考量及现状、法律规范和政策保障现状进行梳理,剖析现存问题,旨在提出关于政策保障和规范立法的对策建议,推动对“互联网+医疗健康”的有效监管,使其更为规范有序地发展。
- 周元元陈大方
- 关键词：法律
- 年龄分层下不同血糖控制水平与糖尿病视网膜病变的关联被引量：8
- 2020年
- 目的探讨不同年龄段2型糖尿病(T2DM)患者血糖控制情况与糖尿病视网膜病变的关系,为有效预防糖尿病视网膜病变的发生提供临床依据。方法选取2018年1—12月在中国科学院大学深圳医院东院区内分泌科住院的439例T2DM患者为研究对象。进行实验室生化指标测定;由专业眼科医生进行双侧眼底照相,根据病变严重程度进行糖尿病视网膜病变分期;根据年龄和糖化血红蛋白(HbA1C)评价血糖控制情况(血糖控制良好为≥65岁人群HbA1C<8.0%,<65岁人群HbA1C<6.5%)。用SAS 9.4软件进行t检验、非参数检验、χ^2检验、单因素和多因素非条件logistic回归分析。结果439例患者中,糖尿病视网膜病变组138例,非糖尿病视网膜病变组301例。糖尿病视网膜病变组年龄、男性比例、糖尿病病程、高密度脂蛋白胆固醇、尿微量白蛋白/尿肌酐、糖尿病周围神经病变、高血压及服用降压药的比例均高于非糖尿病视网膜病变组;而尿酸、甘油三酯、血红蛋白和红细胞计数均低于非糖尿病视网膜病变组,差异均有统计学意义(P<0.05,P<0.01)。多因素logistic回归分析调整混杂因素后结果显示,血糖控制良好的T2DM患者发生视网膜病变的风险低于血糖控制差的患者(OR=0.450,95%CI:0.212~0.957),有统计学意义(P<0.05)。进一步分析发现,血糖控制良好的T2DM患者发生Ⅱ期及以上视网膜病变的风险低于血糖控制差的T2DM患者(OR=0.326,95%CI:0.131~0.811),有统计学意义(P<0.05)。结论65岁以下T2DM患者HbA1C控制在6.5%以下,65岁及以上T2DM患者HbA1C控制在8%以下,能有效降低糖尿病视网膜病变的发病风险,特别是Ⅱ期及以上视网膜病变的风险。
- 郭雅丽周泽宸田峰梁彩红何爱萍李笑温剑峰陈大方
- 关键词：糖尿病视网膜病变糖化血红蛋白
- 2型糖尿病精准健康管理的研究进展被引量：21
- 2020年
- 国际糖尿病联盟2017年12月发布的第8版全球糖尿病地图显示,全球约有4.25亿成年人患糖尿病,预计到2045年,这个数字将上升至6.29亿[1]。中国是糖尿病大国,2013年中国慢性病及其危险因素监测研究数据表明,我国成年人糖尿病的患病率约为10.9%,糖尿病前期的比例约为35.7%;更为值得注意的是,糖尿病的发病趋于年轻化,40岁以下人群的患病率高达5.9%[2]。根据病因学证据,糖尿病可分为四大类.
- 郑启文车前子杨君婷陈大方
- 关键词：分子标志物健康干预
- 基于欧洲人群公共数据的代谢综合征多组分共享遗传研究
- 2020年
- 目的研究代谢综合征各组分之间的遗传相关性,探讨不同性状共享的遗传组分对各性状贡献的大小,探索代谢综合征各组分间的共享遗传基础。方法利用欧洲人群收缩压、舒张压、空腹血糖、餐后2 h血糖、腰围、甘油三酯和高密度脂蛋白胆固醇的全基因组关联研究(GWAS)汇总统计数据以及连锁不平衡评分数据,采用R 3.5.0软件的GenomicSEM软件包构建跨性状连锁不平衡评分回归(cross-trait LDSC),计算各性状之间的遗传相关性。应用共同因子分析探讨不同性状共享的遗传组分对各性状贡献的大小。结果收缩压和舒张压具有显著正向的遗传相关性(r_g=0.81),高密度脂蛋白胆固醇与甘油三酯、腰围均具有负向的遗传相关性(r_g值分别为-0.61、-0.41),均有统计学意义(P<0.05)。共享因子分析结果显示,共享遗传因素对腰围、甘油三酯和高密度脂蛋白胆固醇这3个性状的因子载荷分别为0.456、0.678和-0.903。结论在代谢综合征多组分的相关性状中,欧洲人群收缩压与舒张压,腰围、高密度脂蛋白胆固醇与甘油三酯存在一定程度的共享遗传。
- 周泽宸郑启文车前子陈思马雨佳武轶群吴涛胡永华陈大方
- 关键词：代谢综合征
- 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
- 风险评估分级依据建立的方法学研究进展
- 2016年
- 风险评估近年来处于不断发展和完善的阶段,美国国家环保局在20世纪80年代提出健康风险评估的步骤,其他国家如加拿大、英国、日本和韩国等也在20世纪90年代中期到本世纪初提出并开展了健康风险评估的研究工作。但是,关于风险等级划分及其分级依据并没有明确的统一,风险评估方法也一直都处于探索阶段,尤其是国内一些等级划分标准直接借鉴国外等级划分方案,如环境空气质量评价中二氧化硫（SO2）等指标的浓度限值，由于国内外环境质量情况不同，并且居民的健康水平不同，直接引用国外划分方案可能与我国实际情况不符，需要建立适合于中国人群、中国环境的等级划分方案。
- 吴柯叶曾小云陈大方
- 关键词：风险评估
- 阻塞性睡眠呼吸暂停对2型糖尿病患病影响的遗传修饰作用被引量：3
- 2020年
- 目的采用多基因遗传风险评分探讨阻塞性睡眠呼吸暂停(obstructive sleep apnea,OSA)对2型糖尿病患病影响的遗传修饰作用,为对2型糖尿病进行精准化的预防和控制提供理论依据。方法研究对象选自2011—2012年建立的基于北京市房山社区的心脑血管慢性病队列,最终共纳入5144名研究对象,收集其一般人口学资料、行为生活方式、既往病史、体检检查等信息,使用Berlin量表采集其OSA临床特征信息,对2型糖尿病相关的26个单核苷酸多态性位点进行基因型检测,并采用加权遗传风险评分计算研究对象的遗传风险。使用SAS 9.4软件采用多因素logistic回归模型分析OSA风险、糖尿病遗传风险评分与2型糖尿病患病的关联和联合作用。结果(1)在调整了年龄、性别、受教育程度、婚姻状态、体质指数、体育锻炼、饮酒和吸烟等因素后,OSA高风险人群相较于OSA低风险人群具有更高的糖尿病患病风险(OR=1.381,95%CI:1.193~1.599,P<0.01);高糖尿病遗传风险人群比低糖尿病遗传风险人群有着更高的糖尿病患病风险(OR=1.587,95%CI:1.309~1.925,P<0.01)。(2)在中、高糖尿病遗传风险的人群中OSA高风险能够显著增加糖尿病的患病风险(中风险人群:调整后OSA高风险的OR值为1.439,95%CI为1.170~1.769,P<0.01;高风险人群:调整后OSA高风险的OR值为1.422,95%CI为1.073~1.885,P<0.05)。低糖尿病遗传风险人群中,OSA风险高低对糖尿病患病的影响差异无统计学意义(P>0.05)。(3)进一步分析两因素联合作用,高遗传风险与OSA高风险之间存在联合作用,能够显著增加糖尿病的患病风险(调整后OR=2.331,95%CI:1.758~3.090,P<0.01)。结论OSA高风险对2型糖尿病患病的影响存在遗传个体差异,OSA高风险和高遗传风险评分具有联合作用,能够显著提高2型糖尿病的患病风险。
- 代晓彤郑启文车前子陈思马雨佳周泽宸武轶群吴涛胡永华陈大方张留伟
- 关键词：阻塞性睡眠呼吸暂停
- 疾病防控新理念:精准健康管理被引量：28
- 2020年
- 健康管理是指对个体和群体的健康危险因素进行全面管理的过程,是对健康人群、亚健康人群、疾病人群的健康危险因素进行全面监测、分析评估和预测,提供健康咨询和指导,以及对健康危险因素进行干预的全过程。其中,健康检查是基础,风险评估与干预是关键,管理是重点,健康促进与改善是目的[1]。其宗旨是调动个体和群体及整个社会的积极性,有效地利用有限资源来达到最大健康效果。健康管理始终以健康问题为中心.
- 陈大方
- 关键词：疾病
- TCF7L2和KCNQ1基因多态性与2型糖尿病的关联被引量：7
- 2014年
- 目的研究TCF7L2和KCNQl基因多态性与2型糖尿病（type 2 diabetes mellitus, T2DM ）的关联，并探讨基因-环境之间的交互作用。方法采用以社区为基础的病例对照研究方法，在北京市房山区选取349例T2DM患者和300例对照，采用单碱基延伸方法对研究对象的基因型进行检测，运用广义多因子降维法 generalized muhifactor dimensionality reduction,GMDR）分析基因-环境交互作用。结果Logistic回归分析结果显示，TCFTL2基因rs12255372位点GT基因型个体患T2DM的风险是GG基因型个体的2．049倍（OR=2．049，95％CI：1．107～3．792），KCNQ1基因rs2237892位点CC基因型个体患T2DM的风险是TT基因型个体的2．619倍（OR=2．619，95％CI：1．60％-4．263），rs2237897位点CC基因型个体患T2DM的风险是TT基因型个体的3．066倍（OR=3．066，95％CI：1．870～5．029），饮酒者患T2DM的风险是不饮酒者的2．749倍（OR=2．749，95％CI：1．753～4．311）。GMDR分析结果显示，饮酒-rs2237892-rs2237897-rs12255372模型的验证样本准确度（0．6572）和交叉验证一致性（10／10）均最高。结论在本次调查的人群中，TCF7L2、KCNQ1基因多态性与T2DM存在关联，KCNQ1基因rs2237892、rs2237897位点、TCF7L2基因rs12255372位点与饮酒因素对T2DM发病存在交互作用。
- 张留伟李劲段芳芳刘志科马子晴胡永华詹思延陈大方
- 关键词：基因多态性2型糖尿病基因-环境交互作用
- 基于潜在类别分析的男性心肌梗死患者不同危险因素模式与随访结局的关系被引量：6
- 2020年
- 目的综合探讨ST段抬高型心肌梗死(STEMI)患者的多个危险因素与随访结局的关系,为STEMI患者的健康管理提供决策依据。方法中国急性心肌梗死救治项目2期(CSCAP-2)是2015年立项开展的国家医疗质量改善项目,于2015—2018年共调查了全国23个省市236家医院的20800名STEMI患者。利用CSCAP-2资料,首先通过潜在类别分析,根据7项危险因素的暴露情况对15677名男性STEMI患者进行分类,判断其危险因素模式。其次,通过Cox比例风险模型,探讨不同危险因素模式与主要心脑血管不良事件(MACCE)及全因死亡的关系。本研究采用R 3.4.0进行统计分析。结果根据各危险因素的暴露情况,研究对象可分为中青年少病、中年超重、中老年正常体重以及老年多病4种危险因素模式,分别占32.6%、31.6%、19.9%和15.9%,各危险因素在不同模式间分布差异均有统计学意义(P<0.01)。研究对象在4种模式中的MACCE发生率,从高到低分别为老年多病模式(15.9%)、中老年正常体重模式(11.1%)、中年超重模式(9.3%)和中青年少病模式(6.3%);全因死亡率,从高到低分别为老年多病模式(9.2%)、中老年正常体重模式(4.9%)、中年超重模式(2.9%)和中青年少病模式(1.7%),差异均有统计学意义(P<0.01)。与中青年少病模式的患者比,MACCE的发生风险在中年超重模式(HR=1.5,95%CI:1.3~1.7)、中老年正常体重模式(HR=1.8,95%CI:1.6~2.1)以及老年多病模式(HR=2.7,95%CI:2.3~3.1)的患者中均显著升高。与中青年少病模式的患者比,死亡风险在中年超重模式(HR=1.7,95%CI:1.3~2.2)、中老年正常体重模式(HR=3.0,95%CI:2.3~3.9)以及老年多病模式(HR=5.7,95%CI:4.4~7.3)的患者中也显著升高。结论男性STEMI患者可分中青年少病、中年超重、中老年正常体重、老年多病4种危险因素模式。不同危险因素模式患者其MACCE及死亡的发生风险不同,可为STEMI患者的精准健康管理提供依据。
- 陈思车前子郑启文张岩贾佳武轶群霍勇陈大方
- 关键词：ST段抬高型心肌梗死
