CN117747123A - 一种体检人群慢性病发生风险预测模型构建方法和系统 - Google Patents

一种体检人群慢性病发生风险预测模型构建方法和系统 Download PDF

Info

Publication number
CN117747123A
CN117747123A CN202311799156.6A CN202311799156A CN117747123A CN 117747123 A CN117747123 A CN 117747123A CN 202311799156 A CN202311799156 A CN 202311799156A CN 117747123 A CN117747123 A CN 117747123A
Authority
CN
China
Prior art keywords
risk
individual
score
risk score
crowd
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN202311799156.6A
Other languages
English (en)
Inventor
赵莹莹
苏运
田英杰
吴裔
李凡
郭乃网
王卫斌
瞿海妮
周琪
黄立成
陈玮
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shanghai Fuze Energy Technology Co ltd
State Grid Shanghai Electric Power Co Ltd
Original Assignee
Shanghai Fuze Energy Technology Co ltd
State Grid Shanghai Electric Power Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shanghai Fuze Energy Technology Co ltd, State Grid Shanghai Electric Power Co Ltd filed Critical Shanghai Fuze Energy Technology Co ltd
Priority to CN202311799156.6A priority Critical patent/CN117747123A/zh
Publication of CN117747123A publication Critical patent/CN117747123A/zh
Pending legal-status Critical Current

Links

Landscapes

  • Measuring And Recording Apparatus For Diagnosis (AREA)

Abstract

本发明涉及一种体检人群慢性病发生风险预测模型构建方法和系统,模型的数据处理过程包括:根据慢性病的危险因素,选取主要危险因素和相对危险度值大小;通过危险分数转换表,将各主要危险因素的相对危险度值大小转换为对应的危险分数;确定各主要危险因素的人群暴露率,并根据危险分数,计算人群平均风险分数;接收待预测个体的体检数据,确定该待预测个体的主要危险因素的相对危险度值大小,计算每个主要危险因素的危险分数,并相加,得到个体总的危险分值;计算个体总的危险分值与人群平均风险分数的比值;并进行等级划分,输出预测后的风险等级。与现有技术相比,本发明有利于提升构建的各种慢性病风险评估模型预测结果的准确性和可靠性。

Description

一种体检人群慢性病发生风险预测模型构建方法和系统
技术领域
本发明涉及风险预测技术领域,尤其是涉及一种体检人群慢性病发生风险预测模型构建方法和系统。
背景技术
哈佛癌症风险指数(Harvard Cancer Risk Index)1是一种健康风险评估模型,该方法基于相关统计学原理,结合专家意见,根据相关危险因素与疾病发病之间的关系进行模型拟合,并对评估个体的发病风险进行量化、分级。
哈佛癌症风险指数根据疾病病因与疾病关联的风险强度,提供了一种简单的估算癌症风险的方法。目前在癌症及慢性病的风险评估中发挥着重要的作用。该方法通过汇总当前已有研究的样本量,克服了当前缺乏大规模及全面队列研究情况下,保证了构建的风险评估模型预测结果的准确性和可靠性。
哈佛癌症风险指数主要选择那些经专家共识的、影响慢性病发生的遗传学因素、环境因素、营养因素及生活方式等因素。哈佛癌症风险指数设计的目的在于激励个体改变行为危险因素及生活方式等因素,从而达到预防疾病的目的。如今,基于哈佛癌症风险指数构建的基本发病风险预测模型已在美国网站向大众公开,并将其更名为“Your DiseaseRisk”,主要用来预测美国40岁以上人群的几种重要慢性病及肿瘤的发病风险,且在实际应用中对于激励个体改变行为危险发挥了巨大作用。
发明内容
本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种提升构建的风险评估模型预测结果的准确性和可靠性的体检人群慢性病发生风险预测模型构建方法和系统。
本发明的目的可以通过以下技术方案来实现:
一种体检人群慢性病发生风险预测模型构建方法,包括:构建体检人群慢性病发生风险预测模型,该模型的数据处理过程包括:
根据慢性病的危险因素,选取主要危险因素和相对危险度值大小;通过预先构建的危险分数转换表,将各主要危险因素的相对危险度值大小转换为对应的危险分数;确定各主要危险因素的人群暴露率;并根据危险分数,计算人群平均风险分数;
接收待预测个体的体检数据,确定该待预测个体的主要危险因素的相对危险度值大小,根据危险分数转换表,计算该待预测个体每个主要危险因素的危险分数,并相加,得到个体总的危险分值;
计算个体总的危险分值与人群平均风险分数的比值;根据比值对待预测个体慢性病风险水平进行等级划分,输出预测后的风险等级。
进一步的,所述危险分数转换表的指标包括相对危险度值、关联强度和危险分值,所述危险分数转换表设有各个区间的相对危险度值对应的关联强度和危险分值。
进一步的,所述人群平均风险分数的具体计算公式为:
人群平均风险分数=∑(各危险因素暴露率×各危险因素的危险分数)。
进一步的,通过哈佛癌症疾病风险水平表,根据比值对待预测个体慢性病风险水平进行等级划分。
进一步的,所述慢性病包括脑卒中、糖尿病、高血压、结直肠癌、乳腺癌、胃癌和肺癌。
本发明还提供一种体检人群慢性病发生风险预测系统,包括
主要危险因素选取模块,用于根据慢性病的危险因素,选取主要危险因素和相对危险度值大小;
危险分数转换模块,用于通过预先构建的危险分数转换表,将各主要危险因素的相对危险度值大小转换为对应的危险分数;
人群平均风险分数计算模块,用于确定各主要危险因素的人群暴露率;并根据危险分数,计算人群平均风险分数;
个体总的危险分值计算模块,用于接收待预测个体的体检数据,确定该待预测个体的主要危险因素的相对危险度值大小,根据危险分数转换表,计算该待预测个体每个主要危险因素的危险分数,并相加,得到个体总的危险分值;
风险等级预测模块,用于计算个体总的危险分值与人群平均风险分数的比值;根据比值对待预测个体慢性病风险水平进行等级划分,输出预测后的风险等级。
进一步的,所述危险分数转换表的指标包括相对危险度值、关联强度和危险分值,所述危险分数转换表设有各个区间的相对危险度值对应的关联强度和危险分值。
进一步的,所述人群平均风险分数的具体计算公式为:
人群平均风险分数=∑(各危险因素暴露率×各危险因素的危险分数)。
进一步的,通过哈佛癌症疾病风险水平表,根据比值对待预测个体慢性病风险水平进行等级划分。
进一步的,所述慢性病包括脑卒中、糖尿病、高血压、结直肠癌、乳腺癌、胃癌和肺癌。
与现有技术相比,本发明具有以下优点:
(1)本研究基于哈佛癌症风险指数构建方法,根据慢性病的主要危险因素和对应的相对危险度值大小,针对群体计算出了人群平均风险分数,针对个体计算出了个体总的危险分值,从而根据两者比值,确定预测后的体检人群慢性病发生风险等级,实现多种慢性病风险评估模型的构建,包括脑卒中、脑卒中、糖尿病、高血压、结直肠癌、乳腺癌、胃癌等疾病,以期为上述疾病的预防与控制提供指导。
附图说明
图1为本发明实施例中提供的一种体检人群慢性病发生风险预测模型构建方法的流程示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
实施例1
如图1所示,本实施例提供一种体检人群慢性病发生风险预测模型构建方法,包括:构建体检人群慢性病发生风险预测模型,该模型的数据处理过程包括:
S1:根据慢性病的危险因素,选取主要危险因素和相对危险度值大小;
S2:通过预先构建的危险分数转换表,将各主要危险因素的相对危险度值大小转换为对应的危险分数;
S3:确定各主要危险因素的人群暴露率;并根据危险分数,计算人群平均风险分数;
S4:接收待预测个体的体检数据,确定该待预测个体的主要危险因素的相对危险度值大小,根据危险分数转换表,计算该待预测个体每个主要危险因素的危险分数,并相加,得到个体总的危险分值;
S5:计算个体总的危险分值与人群平均风险分数的比值;根据比值对待预测个体慢性病风险水平进行等级划分,输出预测后的风险等级。
具体地,所述危险分数转换表的指标包括相对危险度值、关联强度和危险分值,所述危险分数转换表设有各个区间的相对危险度值对应的关联强度和危险分值。
所述人群平均风险分数的具体计算公式为:
人群平均风险分数=∑(各危险因素暴露率×各危险因素的危险分数)。
通过哈佛癌症疾病风险水平表,根据比值对待预测个体慢性病风险水平进行等级划分。
所述慢性病包括脑卒中、糖尿病、高血压、结直肠癌、乳腺癌、胃癌和肺癌。
下面提供一种采用哈佛癌症风险指数构建慢性病发生风险预测模型的示例流程。
1.选择危险因素
基于高质量研究及专家共识,选择该慢性疾病的主要危险因素及其相对危险度(Relative risk,RR)值大小。
2.计算危险分数
根据危险分数转换表(表1),将各危险因素的RR值转换为危险分数。
表1危险分数转换表
3.确定各危险因素的人群暴露率
4.计算人群平均风险分数
人群平均风险分数的具体计算公式为:
人群平均风险分数=∑(各危险因素暴露率×各危险因素的危险分数)
5.评估个体慢性疾病风险分数
根据个体的具体情况,参照表1,计算每个危险因素的危险分数,将该个体所有的危险分值相加,如没有对应的危险分数,危险分值则记为0分,从而得到个体总的危险分值。
6.计算个体风险分数与人群平均风险分数的比值R,R=个体风险分数/人群平均风险分数。
7.确定等级风险水平
参照哈佛癌症疾病风险水平表(表2),对评估个体慢性病风险水平进行等级划分,可分为7个级别。
表2哈佛癌症疾病风险水平表
下面分别以脑卒中、糖尿病、高血压、结直肠癌、乳腺癌、胃癌和肺癌为例,对上述方案进行举例说明。
1、脑卒中
脑卒中主要是指急性脑血管病,由一系列血管性病因引起的急性或局灶性脑功能障碍,主要包括脑血栓形成、脑栓塞、脑出血、蛛网膜下腔出血。在世界范围内,脑卒中已成为全球第二大致死疾病。本研究参照相关研究,基于Meta分析,筛选脑卒中致病的危险因素,应用哈佛癌症风险指数法,构建脑卒中发病风险评估模型,评估个体脑卒中发病风险,为人群脑卒中的早期筛查、提升防治水平,提供有效的支持。
首先,通过文献检索,筛选并提取出相关研究中的脑卒中相关因素及调整后的相对危险度(Relative Risk,RR),并运用Meta分析的方法得到脑卒中人群相关因素的合并风险值。
基于Meta分析的结果,最终纳入模型的危险因素11项,合并的RR值如表3所示。
表3脑卒中危险因素
根据上述Meta分析中合并的RR值,参照表1计算出各危险因素的危险分数,高血压危险因素为10分,糖尿病危险因素为10分,吸烟危险因素为10分,饮酒危险分数为5分,TC危险分数为10分,LDL-C危险分数为5分,TG危险分数为10分,BMI>24kg/m2危险分数为10分,心脏病病史危险分数为10分,年龄危险分数为5分,脑血管家族病病史危险分数为10分,总危险分数为95分。
参照国家统计年鉴和国家大型队列研究,确定纳入本次风险评估模型危险因素的人群暴露率(表3)。根据公式:人群平均风险分数=∑(各危险因素暴露率×各危险因素的危险分数),计算人群脑卒中平均危险分数,经计算得,脑卒中人群平均风险分数为20.75分。
根据个体的具体情况,参照表3,计算每个危险因素的危险分值,将该个体所有的危险分数分值相加,从而得到该个体的总的危险分值。计算个体脑卒中风险分数与人群脑卒中平均危险分数的比值R。根据哈佛癌症风险指数(表2),对个体脑卒中发病风险水平进行划分。
举例分析:一名高血压患者(10分),患有糖尿病(10分),吸烟(10分)饮酒(5分),无心脏病史,BMI为27kg/m2(10分),TC为7.12(10分),脑卒中家族史(10分)。
根据建立的哈佛癌症风险模型,该患者危险分数为65分,与人群平均分值的比值为3.86,根据表2中危险等级划分标准,该患者患脑卒中具有较高的风险。
2、糖尿病
糖尿病是严重影响人类健康的世界性公共卫生问题。随着生活方式的改变和人口牢老龄化,糖尿病的患病率迅速上升。因此,对高危人群进行早期筛查,通过健康教育和改变生活方式,控制风险因素,从而减少糖尿病的发生,具有十分重要的意义。
本研究参照国内外相关的研究,采用有多学科专家小组讨论达成共识的方法,依据国内近20年来糖尿病流行病学资料,确定我国成年人糖尿病发病的主要风险因素及其相对风险度,并应用哈佛癌症风险指数(Harvard Cancer Risk Index)工作小组提出的计算公式,建立我国成年人糖尿病风险评估计算模型,以用于健康管理系统及社区预防保健和健康教育。
通过手工检索及文献追溯的方法,查找近20年来国内外主要学术期刊上发表的我国人群糖尿病相关流行病学研究资料,并成立多学科专家小组,在充分讨论的基础上,对预测变量的选取、数据的取舍和计算模型所应用的取值达成共识。参照大型研究,确定纳入本次风险评估模型危险因素的人群暴露率,相关数据如表4所示。
表4糖尿病危险因素赋值及人群暴露率
a静坐生活方式指在工作、家务、交通期间或休闲时间内,无或仅有非常少的体力活动;b体力活动不足指平均每天中等强度体力活动不足30min或每周重体力活动时间不足60min;c肉类食物不包括鱼肉;d蔬菜水果少指每周进食蔬菜水果少于2~3d,或每天进食蔬菜水果在1次或以下;e每杯酒指含乙醇10g的任何酒类;f空腹血糖调节受损指空腹血糖值在5.6~6.9mm0L/L(2003年国际糖尿病专家委员会建议)
根据公式:人群平均风险分数=∑(各危险因素暴露率×各危险因素的危险分数),计算人群脑卒中平均危险分数,经计算得,脑卒中人群平均风险分数为19.45分。
根据个体的具体情况,参照表3,计算每个危险因素的危险分值,将该个体所有的危险分数分值相加,从而得到该个体的总的危险分值。计算个体脑卒中风险分数与人群脑卒中平均危险分数的比值R。根据哈佛癌症风险指数(表2),对个体脑卒中发病风险水平进行划分。
举例分析:一名患者有高血压病史(10分),母亲患有糖尿病(5分),体重指数为25.0kg/m2(10分),腰围85cm(5分),体力活动不足(5分),肉类食物和蔬菜水果摄入少(5分),吸烟(5分),不饮酒,血糖正常,血甘油三酯>1.7mmol/L(10分),血胆固醇<5.2mmol/L。
根据建立的哈佛癌症风险模型,该患者危险分数为55分,与人群平均分值的比值为2.83,根据表2中危险等级划分标准,该患者患脑卒中具有较高的风险。
3、高血压
高血压病被认为是一种严重影响人类身体健康的常见疾病,是最常见的心、脑血管危险因素。居民高血压患病率呈持续增加的趋势。高血压造成的并发症,如脑卒中、心脏病等。
在高血压主要危险因素研究过程中,主要依据询证医学文献检索结果,结合相关临床专家意见,参照国内外现有的基本风险评估模型及根据实际等原则进行确定。研究依据人群患病率较高、对人群危害较大、疾病危险因素与人类生活方式密切相关等原则,基于哈佛癌症风险指数,深入探讨高血压危险因素测量计数及其风险等级评估方法,为正确评价常见病主要危险因素及其影响程度,有针对性开展疾病危险因素干预等提供科学依据。
根据循证医学文献检索结果,结合专家意见,对高血压的主要危险因素进行初步检索分析。在对各研究疾病的主要危险因素确定过程中,主要选择疾病防治指南、Meta分析研究结果及单个大型纵向研究中的相关危险因素作为本研究中的主要分析因素。参考相关研究指南,结合临床专家意见及文献检索结果可知,研究以高血压为结局变量,以年龄、性别、高血压家族史、超重或肥胖和甘油三脂异常、吸烟和大量饮酒7个变量为影响变量,参照哈佛癌症指数方法,构建高血压发病风险等级指数。
基于文献资料及相关研究结果,确定的高血压发病危险因素的相对危险度大小见表5。参照哈佛癌症指数的危险分数转换表(表1),将各危险因素转化为具体的危险分数。转化结果显示,年龄、性别、高血压家族史、超重或肥胖、TG异常、吸烟和饮酒7个危险因素对应的危险分数分别为5分、10分、10分、10分、10分、10分和10分。
表5.高血压主要危险因素及其相对危险度大小
本研究参阅相关文献,估计各危险因素人群平均暴露水平,各危险因素暴露率取值见表5。根据公式:
人群平均风险分数=∑(各危险因素暴露率×各危险因素危险分数),计算得到高血压人群平均风险分数为18.33。
评估个体首先根据表1计算个体危险得分值及个体风险分数与人群平均风险分数的比值R(R=个体高血压风险分数/人群平均分数),然后根据表2换算被评估个体的风险水平。
举例分析:某男性(10分),年龄58岁(5分),无高血压家族史(0分),身高175cm,体重65kg,BMI=21.22kg/m2(0分),甘油三脂1.20mmol/L(0分),不吸烟(0分),常饮酒(10分)。
该个体的高血压风险等级计算过程如下:该个体的危险得分为25分,该个体风险与人群平均分值的比值为R=1.364,根据表2换算出该个体高血压风险等级为“高风险”。
4、结直肠癌
结直肠癌(col orectal cancer,CRC)是威胁居民生命健康的主要癌症之一,造成了严重的社会负担。如何有效地降低我国结直肠癌疾病负担是亟待解决的重大公共卫生问题。
本研究建立的结直肠癌健康风险评估模型,大肠癌危险因素暴露率主要通过参考政府部门、学术机构发表的专题报告和统计报告获得,如《中国卫生统计年鉴》、《国家卫生服务调查报告》、2002年中国营养与健康调查,如表6所示。
表6.结直肠癌主要危险因素及其相对危险度大小
a慢性便秘(chronic constipation)定义为排便次数减少、粪便干硬和/或排便困难症状出现至少6个月。b一般将病程大于4周的腹泻定义为慢性腹泻。
人群平均风险分数=∑(各危险因素暴露率×各危险因素危险分数),计算得到结直肠癌人群平均风险分数为16.425。
评估个体首先根据表1计算个体危险得分值及个体风险分数与人群平均风险分数的比值R(R=个体高血压风险分数/人群平均分数),然后根据表2换算被评估个体的风险水平。
举例分析:男性,大肠癌家族史(10分),不吸烟,饮酒(5分),无阑尾炎史,无慢性直结肠炎史,曾因胆囊结石行胆囊切除术(10分),吃蔬菜<1次/d(10分),无消化道溃疡,无肠息肉,无长期腹泻便秘史,便中有血(50分)、无黏液。
该个体的结直肠癌风险等级计算过程如下:该个体的危险得分为85分,该个体风险与人群平均分值的比值为R=5.18,根据表2换算出该个体发生大肠癌的风险非常高。
5、乳腺癌
乳腺癌是全球女性最常见的癌症,2018年全球女性乳腺癌发病率和死亡率分别为46.3/10 5和13.0/105,且均呈上升趋势。近年来,女性乳腺癌的发病率急剧上升,疾病负担也日益增加,已成为全球重点公共卫生问题。
本研究基于哈佛癌症风险指数,建立乳腺癌健康风险评估模型,首先参照全球癌症研究基金会(WCRF)、美国癌症研究所(AICR)和国际癌症研究中心(IARC)工作组等国际权威机构确认的与乳腺癌有明确因果联系的危险因素,并通过文献检索,筛选并确定危险因素。人群暴露率数据主要来源于大样本、大范围的代表全国人群的调查数据,结合相关研究,共纳入12个危险因素,各危险因素的相对危险度和人群暴露率如表7所示。
表7.乳腺癌主要危险因素及其相对危险度大小
人群平均风险分数=∑(各危险因素暴露率×各危险因素危险分数),计算得到结直肠癌人群平均风险分数为9.425。
评估个体首先根据表1计算个体危险得分值及个体风险分数与人群平均风险分数的比值R(R=个体高血压风险分数/人群平均分数),然后根据表2换算被评估个体的风险水平。
举例分析:某成年女性,无烟酒史,体重正常,体检发现良性乳腺结节(10分),祖母患乳腺癌(10分),月经初潮14岁,出产年龄28岁,育有1子,无口服避孕药,曾行激素替代治疗3个月(5分)。
该个体的乳腺癌风险等级计算过程如下:该个体的危险得分为25分,该个体风险与人群平均分值的比值为R=2.65,根据表2换算出该个体发生乳腺癌的风险较高。
6、胃癌
癌症是世界范围内的重大公共卫生问题,胃癌(Gastric cancer,GC)是对当前世界人类健康和生命威胁最严重的恶性肿瘤之一,胃癌每年发病人数约63万,居世界第四位,死亡人数约46.9万,占癌症死亡总数的10.1%,位居第三位。研究发现,胃癌的发生发展是多因素多阶段的过程,与生物、环境暴露以及遗传因素密切相关。幽门螺杆菌是已明确的胃癌生物致病因子,这也是胃癌发病率较高的原因之一;环境及行为因素主要包括吸烟、饮酒、新鲜水果蔬菜摄入少、高盐饮食、暴饮暴食、三餐不规律、使用腌制食品、胃癌家族史,消化系统疾病史,以及精神因素等,均与胃癌的发生有关。
本研究基于哈佛癌症风险指数,建立胃癌风险评估模型。首先通过文献检索,并进行Meta分析,筛选并确定胃癌的危险因素。将人群中危险因素暴露部分的相对危险度(Relative risk,RR)划分为人群中暴露和未暴露部分的RR,并获得给定暴露效应的RR。如果发病率极低(罕见病,一般发病率低于1/10000),RR近似等于OR(RR≈OR),RR估计值使用Meta分析的OR来代替。得到的胃癌危险因素、相对危险以及人群暴露率如表8所示,数据参照相关研究。
表8.胃癌主要危险因素及其相对危险度大小
人群平均风险分数=∑(各危险因素暴露率×各危险因素危险分数),计算得到胃癌人群平均风险分数为36。
评估个体首先根据表1计算个体危险得分值及个体风险分数与人群平均风险分数的比值R(R=个体高血压风险分数/人群平均分数),然后根据表2换算被评估个体的风险水平。
举例分析:某成年男性,胃溃疡1年余,患糖尿病(5分),胃部幽门螺杆菌感染(10分),无烟酒史,祖父患胃癌(10分),高盐饮食(10分),饮食不规律(10分),无食用腌制食品、烫食、熏炸食品或辛辣食品的生活习惯,无精神抑郁。
该个体的胃癌风险等级计算过程如下:该个体的危险得分为45分,该个体风险与人群平均分值的比值为R=1.25,根据表2换算出该个体发生胃癌的风险为高风险。
6、肺癌
肺癌是发病率和死亡率最高的恶性肿瘤。肺癌防治是恶性肿瘤防控面临的重大挑战。
肺癌病例的发现以临床晚期居多,总体5年生存率偏低。肺癌患者的生存时间与其临床诊断发现的早晚密切相关。研究显示,肺癌5年生存率随着诊断分期的升高而降低,Ⅰ期的5年生存率为55.5%,而Ⅳ期仅为5.3%。
本研究参照相关研究,收集过去10年间已发表的关于肺癌危险因素探索的流行病学文献,采用Meta分析的方法,对吸烟、被动吸烟、呼吸系统疾病、精神因素、室内油烟、室内煤烟、厨房通风情况、卧室通风情况与群肺癌关系进行研究,探讨目前我国人群肺癌发生的主要危险因素,建立哈佛癌症风险模型,评估个体肺癌患病风险,为制定肺癌的预防控制措施提供科学依据。
通过文献检索收集近20年来国内外关于健康危险因素评价、疾病危险因素评价的研究资料、各种危险因素与肺癌的病例对照研究资料、近5年来人群肺癌危险因素暴露率资料,进行Meta分析,计算合并效应量RR值,基于哈佛癌症风险指数,计算各风险因素的危险分数,进而评估个体患肺癌的风险。各危险因素合并的RR值以及危险分数如表9所示。
表9.肺癌主要危险因素及其相对危险度大小
吸烟按WHO(1984)关于吸烟标准化建议所定义,即规律吸烟≥1支/日,持续1年以上为吸烟。将从不吸烟或偶尔吸烟平均<1支/日定为不吸烟。停止吸烟2年为戒烟。与吸烟者共事或共同生活长于5年者为被动吸烟。呼吸系统疾病史主要包括慢性支气管炎、肺气肿、肺结核。家族肺癌史指父母或亲兄弟、姐妹中有一人患病即为阳性家族史。长期精神压抑指经常感到不愉快,郁闷,每周3~4d。口服避孕药指连续使用口服避孕药达6个月以上者。
人群平均风险分数=∑(各危险因素暴露率×各危险因素危险分数),计算得到肺癌人群平均风险分数男性89.17,女性为38.82。
举例分析:某老年女性,曾患肺结核(10分),吸烟10年(50分),平均每日10根(10分),无肺癌家族史,无精神压抑。
该个体的肺癌癌风险等级计算过程如下:该个体的危险得分为70分,该个体风险与人群平均分值的比值为R=1.80,根据表2换算出该个体发生肺癌的风险为高风险。
实施例2
本实施例提供一种体检人群慢性病发生风险预测系统,包括
主要危险因素选取模块,用于根据慢性病的危险因素,选取主要危险因素和相对危险度值大小;
危险分数转换模块,用于通过预先构建的危险分数转换表,将各主要危险因素的相对危险度值大小转换为对应的危险分数;
人群平均风险分数计算模块,用于确定各主要危险因素的人群暴露率;并根据危险分数,计算人群平均风险分数;
个体总的危险分值计算模块,用于接收待预测个体的体检数据,确定该待预测个体的主要危险因素的相对危险度值大小,根据危险分数转换表,计算该待预测个体每个主要危险因素的危险分数,并相加,得到个体总的危险分值;
风险等级预测模块,用于计算个体总的危险分值与人群平均风险分数的比值;
根据比值对待预测个体慢性病风险水平进行等级划分,输出预测后的风险等级。
本实施例的上述系统各模块的实现可以通过软件模块或电路模块等实现。
本实施例的上述系统的具体方案流程和效果参见上述实施例1,在此不进行赘述。
以上详细描述了本发明的较佳具体实施例。应当理解,本领域的普通技术人员无需创造性劳动就可以根据本发明的构思做出诸多修改和变化。因此,凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案,皆应在由权利要求书所确定的保护范围内。

Claims (10)

1.一种体检人群慢性病发生风险预测模型构建方法,其特征在于,包括:构建体检人群慢性病发生风险预测模型,该模型的数据处理过程包括:
根据慢性病的危险因素,选取主要危险因素和相对危险度值大小;通过预先构建的危险分数转换表,将各主要危险因素的相对危险度值大小转换为对应的危险分数;确定各主要危险因素的人群暴露率,并根据危险分数,计算人群平均风险分数;
接收待预测个体的体检数据,确定该待预测个体的主要危险因素的相对危险度值大小,根据危险分数转换表,计算该待预测个体每个主要危险因素的危险分数,并相加,得到个体总的危险分值;
计算个体总的危险分值与人群平均风险分数的比值;根据比值对待预测个体慢性病风险水平进行等级划分,输出预测后的风险等级。
2.根据权利要求1所述的一种体检人群慢性病发生风险预测模型构建方法,其特征在于,所述危险分数转换表的指标包括相对危险度值、关联强度和危险分值,所述危险分数转换表设有各个区间的相对危险度值对应的关联强度和危险分值。
3.根据权利要求1所述的一种体检人群慢性病发生风险预测模型构建方法,其特征在于,所述人群平均风险分数的具体计算公式为:
人群平均风险分数=∑(各危险因素暴露率×各危险因素的危险分数)。
4.根据权利要求1所述的一种体检人群慢性病发生风险预测模型构建方法,其特征在于,通过哈佛癌症疾病风险水平表,根据比值对待预测个体慢性病风险水平进行等级划分。
5.根据权利要求1所述的一种体检人群慢性病发生风险预测模型构建方法,其特征在于,所述慢性病包括脑卒中、糖尿病、高血压、结直肠癌、乳腺癌、胃癌和肺癌。
6.一种体检人群慢性病发生风险预测系统,其特征在于,包括
主要危险因素选取模块,用于根据慢性病的危险因素,选取主要危险因素和相对危险度值大小;
危险分数转换模块,用于通过预先构建的危险分数转换表,将各主要危险因素的相对危险度值大小转换为对应的危险分数;
人群平均风险分数计算模块,用于确定各主要危险因素的人群暴露率;并根据危险分数,计算人群平均风险分数;
个体总的危险分值计算模块,用于接收待预测个体的体检数据,确定该待预测个体的主要危险因素的相对危险度值大小,根据危险分数转换表,计算该待预测个体每个主要危险因素的危险分数,并相加,得到个体总的危险分值;
风险等级预测模块,用于计算个体总的危险分值与人群平均风险分数的比值;根据比值对待预测个体慢性病风险水平进行等级划分,输出预测后的风险等级。
7.根据权利要求6所述的一种体检人群慢性病发生风险预测系统,其特征在于,所述危险分数转换表的指标包括相对危险度值、关联强度和危险分值,所述危险分数转换表设有各个区间的相对危险度值对应的关联强度和危险分值。
8.根据权利要求6所述的一种体检人群慢性病发生风险预测模型构建方法,其特征在于,所述人群平均风险分数的具体计算公式为:
人群平均风险分数=∑(各危险因素暴露率×各危险因素的危险分数)。
9.根据权利要求6所述的一种体检人群慢性病发生风险预测系统,其特征在于,通过哈佛癌症疾病风险水平表,根据比值对待预测个体慢性病风险水平进行等级划分。
10.根据权利要求6所述的一种体检人群慢性病发生风险预测系统,其特征在于,所述慢性病包括脑卒中、糖尿病、高血压、结直肠癌、乳腺癌、胃癌和肺癌。
CN202311799156.6A 2023-12-26 2023-12-26 一种体检人群慢性病发生风险预测模型构建方法和系统 Pending CN117747123A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311799156.6A CN117747123A (zh) 2023-12-26 2023-12-26 一种体检人群慢性病发生风险预测模型构建方法和系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311799156.6A CN117747123A (zh) 2023-12-26 2023-12-26 一种体检人群慢性病发生风险预测模型构建方法和系统

Publications (1)

Publication Number Publication Date
CN117747123A true CN117747123A (zh) 2024-03-22

Family

ID=90260889

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311799156.6A Pending CN117747123A (zh) 2023-12-26 2023-12-26 一种体检人群慢性病发生风险预测模型构建方法和系统

Country Status (1)

Country Link
CN (1) CN117747123A (zh)

Similar Documents

Publication Publication Date Title
Das Gupta Death clustering, mothers' education and the determinants of child mortality in rural Punjab, India
Rasmussen Epidemiology of headache
Crowe et al. Diet and risk of diverticular disease in Oxford cohort of European Prospective Investigation into Cancer and Nutrition (EPIC): prospective study of British vegetarians and non-vegetarians
Scragg et al. Diet, alcohol, and relative weight in gall stone disease: a case-control study.
Irving et al. Effect of exercise training intensity on abdominal visceral fat and body composition
Derbyshire et al. Diet, physical inactivity and the prevalence of constipation throughout and after pregnancy
Friedman et al. Precursors of essential hypertension: body weight, alcohol and salt use, and parental history of hypertension
Kratzer et al. Gallstone prevalence in relation to smoking, alcohol, coffee consumption, and nutrition: the Ulm Gallstone Study
Wright et al. Diet quality and cognitive function in an urban sample: findings from the Healthy Aging in Neighborhoods of Diversity across the Life Span (HANDLS) study
Le Marchand et al. Independent and joint effects of family history and lifestyle on colorectal cancer risk: implications for prevention
Edington et al. Outcomes of undernutrition in patients in the community with cancer or cardiovascular disease
Edlitz et al. Prediction of type 2 diabetes mellitus onset using logistic regression-based scorecards
Leone et al. Contribution of binge eating behaviour to cardiometabolic risk factors in subjects starting a weight loss or maintenance programme
Tominaga et al. Epidemiologic Aspects of Biliary Tract Cancer in Japan 1, 2
Yuan et al. Being breastfed in infancy and risk of colorectal cancer and precursor lesions
CN108805775A (zh) 基于移动式体检设备的公共卫生服务健康管理系统
CN117747123A (zh) 一种体检人群慢性病发生风险预测模型构建方法和系统
Allison Toward an empirically derived typology of obese persons
Read et al. Hospital admissions before the age of 2 years in Western Australia.
Cox et al. Reduced risk of colorectal cancer among recent generations in New Zealand
Hustrini et al. 61. Older Age is the strongest risk factors for hypertension in Indonesia: Subgroup Analysis of the National Basic Health Survey 2018
CN110400640A (zh) 一种低碳水化合物饮食对非酒精性脂肪肝病的研究方法
Kaplan et al. Exercise supresses heritability estimates for obesity in Mexican-American families
Robinson 13 Cardiovascular disease
Maehata et al. Foresight of physical development indicated by the National Health and Nutrition Survey in Japan: An approach in terms of biomedical sciences

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination