期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
超重或肥胖型多囊卵巢综合征患者的家庭参与式个案健康管理 被引量:8
1
作者 刘才琪 孙小玲 +4 位作者 王静 卢山 张宁 孟芳芳 张成果 《护理学杂志》 CSCD 北大核心 2023年第8期5-9,共5页
目的探讨家庭参与式个案管理在超重或肥胖型多囊卵巢综合征患者健康管理中的应用效果。方法将80例超重或肥胖型多囊卵巢综合征患者按就诊时间分为对照组和观察组各40例。对照组给予常规健康管理,观察组应用家庭参与式个案管理,实施干预... 目的探讨家庭参与式个案管理在超重或肥胖型多囊卵巢综合征患者健康管理中的应用效果。方法将80例超重或肥胖型多囊卵巢综合征患者按就诊时间分为对照组和观察组各40例。对照组给予常规健康管理,观察组应用家庭参与式个案管理,实施干预3个月。结果对照组36例和观察组38例患者完成研究。结果显示,两组BMI、体脂百分比、焦虑、抑郁得分及疾病相关生活质量总分的时间效应、组间效应、交互效应显著(均P<0.05),且干预后观察组BMI、体脂百分比、焦虑、抑郁评分显著低于对照组,疾病相关生活质量量表总分及情绪障碍、体质量、月经失调维度评分显著高于对照组(均P<0.05)。结论家庭参与式个案管理能有效降低超重或肥胖型多囊卵巢综合征患者BMI及体脂百分比,改善患者焦虑、抑郁情绪,最终提高患者生活质量。 展开更多
关键词 多囊卵巢综合征 超重 肥胖 个案管理 焦虑 抑郁 生活质量 健康管理
在线阅读 下载PDF
中国内脏脂肪指数与脂肪肝发生风险的回顾性队列研究
2
作者 徐浩 方达 +2 位作者 周卫红 毕艳 顾天伟 《中国全科医学》 北大核心 2025年第11期1336-1341,1366,共7页
背景肥胖是脂肪肝发生的重要危险因素,但肥胖的诊断指标不能有效反映脂肪组织分布在脂肪肝发生中的作用。目的评估基线内脏脂肪指数(VAI)及中国内脏脂肪指数(CVAI)与脂肪肝发生风险之间的相关性。方法本研究为回顾性队列研究,纳入2018年... 背景肥胖是脂肪肝发生的重要危险因素,但肥胖的诊断指标不能有效反映脂肪组织分布在脂肪肝发生中的作用。目的评估基线内脏脂肪指数(VAI)及中国内脏脂肪指数(CVAI)与脂肪肝发生风险之间的相关性。方法本研究为回顾性队列研究,纳入2018年2月—2021年11月于南京大学医学院附属鼓楼医院健康管理中心的17086名成年体检人群作为研究对象。通过健康管理中心的电子信息系统查阅健康体检档案,收集基本信息、一般体格检查、实验室检查指标及器械检查结果。根据随访的腹部超声和CT结果,判断是否发生脂肪肝。随访截至2022年12月。终点事件为基线无脂肪肝至首次发生脂肪肝或末次随访时间。根据随访是否发生脂肪肝分为两组,比较两组基线VAI、CVAI。根据基线VAI、CVAI的四分位数水平,将人群各分为4组(Q1、Q2、Q3、Q4组),比较4组的脂肪肝发生率。采用Cox回归分析评估VAI、CVAI与脂肪肝发生的相关性,并通过受试者工作特征(ROC)曲线评估VAI、CVAI对脂肪肝发生的预测价值,采用Delong's检验比较VAI、CVAI的曲线下面积(AUC)差异。结果纳入的受试者平均年龄(44.3±13.2)岁,平均BMI(23.2±2.6)kg/m^(2),平均随访时间(2.7±1.1)年。截至随访结束,2523例(14.8%)受试者发生脂肪肝。其中男性[19.4%(1837/9461)]脂肪肝发生率高于女性[9.0%(686/7625)](P<0.001)。脂肪肝组VAI和CVAI均高于未发生脂肪肝组(P<0.05)。趋势性检验分析结果显示,随着基线VAI、CVAI水平的增加,脂肪肝发生率也增加(χ^(2)_(趋势)=1034.9、1334.8,P<0.001)。多因素Cox回归分析结果显示,VAI-Q4组和CVAI-Q4组发生脂肪肝的风险分别是VAI-Q1组的2.579倍(95%CI=2.088~3.186)和CVAI-Q1组的3.375倍(95%CI=2.488~4.576)。ROC曲线显示,CVAI预测脂肪肝的AUC大于VAI的AUC(0.737与0.708,P<0.001)。分层分析显示,CVAI在不同性别、年龄及BMI分组中,CVAI-Q4组均与脂肪肝发生相关(P<0.001)。结论基线CVAI与脂肪肝发生显著相关,且CVAI对脂肪肝发生的预测能力优于VAI。 展开更多
关键词 脂肪肝 肥胖 中国内脏脂肪指数 内脏脂肪指数 危险因素
在线阅读 下载PDF
体脂成分及代谢指标与非肥胖人群代谢相关脂肪性肝病的相关性研究 被引量:15
3
作者 王颖捷 程昊然 周卫红 《中国全科医学》 CAS 北大核心 2023年第6期672-680,共9页
背景近年来,代谢相关脂肪性肝病(MAFLD)患病率增长迅速,非肥胖MAFLD患者体脂成分和代谢指标的特点及各指标对该病预测价值的研究结论尚不一致。目的分析非肥胖MAFLD患者的体脂成分及关键代谢指标的变化特点,明确非肥胖MAFLD的危险因素,... 背景近年来,代谢相关脂肪性肝病(MAFLD)患病率增长迅速,非肥胖MAFLD患者体脂成分和代谢指标的特点及各指标对该病预测价值的研究结论尚不一致。目的分析非肥胖MAFLD患者的体脂成分及关键代谢指标的变化特点,明确非肥胖MAFLD的危险因素,探讨以上指标与非肥胖MAFLD相关性及对该病的预测价值。方法选取2018年1月至2019年1月南京大学医学院附属鼓楼医院健康管理中心体检人员为研究对象,根据肝脏B超结果分为脂肪肝患者和非脂肪肝者,排除脂肪肝患者中的非MAFLD患者后,再根据体质指数(BMI)将两组体检者分为非肥胖非脂肪肝组(n=129)、肥胖MAFLD组(n=129)、肥胖非脂肪肝组(n=129)、非肥胖MAFLD组(n=129),比较非肥胖MAFLD组与其他3组间体脂成分及代谢指标,分析各指标与非肥胖MAFLD的相关性,采用Logistic回归分析明确非肥胖MAFLD的独立危险因素,采用受试者工作特征(ROC)曲线分析各指标对非肥胖MAFLD的预测价值。结果(1)体脂成分及代谢指标比较:非肥胖MAFLD组BMI、体脂肪(BF)、体脂率(BFR)、内脏脂肪面积(VFA)、腰围(WC)、腰臀比(WHR)、总胆固醇(TC)、三酰甘油(TG)、低密度脂蛋白胆固醇(LDL-C)、尿酸(UA)、丙氨酸氨基转移酶(ALT)及谷酰转肽酶(GGT)高于非肥胖非脂肪肝组,高密度脂蛋白胆固醇(HDL-C)低于非肥胖非脂肪肝组(P<0.05);非肥胖MAFLD组BMI、BF、VFA、WC、WHR、空腹血糖(FPG)、糖化血红蛋白(HbA1c)低于肥胖MAFLD组(P<0.05);非肥胖MAFLD组BMI、BF、WC低于肥胖非脂肪肝组,TG、UA、ALT、GGT高于肥胖非脂肪肝组(P<0.05);非肥胖MAFLD组中女性年龄、BF、BFR、VFA高于男性,WC、UA、GGT低于男性(P<0.05)。(2)Kendall's相关分析结果显示,BFR、VFA、WHR、TC、TG、LDL-C、UA、ALT、GGT与非肥胖MAFLD呈正相关(r=0.099、0.092、0.136、0.095、0.176、0.092、0.114、0.125、0.142,P<0.05),HDL-C与非肥胖MAFLD呈负相关(r=-0.112,P<0.05)。(3)多因素Logistic回归分析结果显示,TG、ALT、UA、BFR和VFA为非肥胖MAFLD的影响因素(P<0.05)。(4)BFR、VFA、TG、UA、ALT预测非肥胖MAFLD的ROC曲线下面积(AUC)分别为0.853〔95%CI(0.807,0.898)〕、0.938〔95%CI(0.906,0.970)〕、0.807〔95%CI(0.754,0.860)〕、0.665〔95%CI(0.599,0.731)〕、0.752〔95%CI(0.692,0.812)〕,灵敏度分别为0.789、0.852、0.822、0.605、0.814,特异度分别为0.770、0.904、0.713、0.682、0.770,最佳临界值分别为22.30%、61.45 cm2、1.02 mmol/L、356.00μmol/L、18.35 U/L。结论非肥胖MAFLD患者与非肥胖非脂肪肝人群相比,BF及内脏脂肪增多,脂质代谢异常,UA水平升高,转氨酶上升;TG、ALT、UA、BFR和VFA为非肥胖MAFLD的影响因素;BFR、VFA、TG、UA、ALT对非肥胖MAFLD具有一定诊断价值,可用于预测非肥胖MAFLD的发生,以便尽早进行干预。 展开更多
关键词 脂肪肝 非肥胖代谢相关脂肪性肝病 血脂 血糖 尿酸 内脏脂肪 危险因素 灵敏度 特异度 影响因素分析 诊断
在线阅读 下载PDF
基于极端梯度提升算法的高血压识别模型建立 被引量:2
4
作者 凡如 许碧云 +4 位作者 焦志刚 臧一腾 陈思臻 陈炳为 周卫红 《中国卫生统计》 CSCD 北大核心 2023年第1期74-77,共4页
目的探索基于极端梯度提升(extreme gradient boosting,XGBoost)算法构建的高血压识别模型性能。方法本研究收集了2020年1月至12月南京大学附属鼓楼医院健康管理中心健康体检人群中1577位高血压确诊患者和3754位同期健康对照的相关数据... 目的探索基于极端梯度提升(extreme gradient boosting,XGBoost)算法构建的高血压识别模型性能。方法本研究收集了2020年1月至12月南京大学附属鼓楼医院健康管理中心健康体检人群中1577位高血压确诊患者和3754位同期健康对照的相关数据,采用单因素分析对高血压影响因素进行筛选,基于XGBoost算法和自适应增强(AdaBoost)算法构建高血压识别模型,采用留出法验证模型泛化性能,灵敏度、特异度、阳性预测值、准确度、G-mean、F-measure、马修斯相关系数(MCC)和受试者特征曲线下面积综合评价和比较模型性能。结果XGBoost模型灵敏度(90.3%)、特异度(86.8%)、阳性预测值(87.3%)、准确度(88.6%)、G-mean(0.886)、F-measure(0.888)、MCC(0.772)和受试者工作特征曲线下面积(0.954)表明其具有更好的识别高血压患者的能力。结论XGBoost算法对识别高血压患者具有较强的实用性和可行性,为未来类似研究提供一定的模型选择参考。 展开更多
关键词 极端梯度提升 高血压 机器学习 分类模型
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部