Page 48 - 2022-22-中国全科医学

http://www.chinagp.net E-mail:zgqkyx@chinagp.net.cn ·2733·

·论著·

基于多元统计学方法的骨量肌量减少性肥胖综合征

的结构特征研究

扫描二维码
1
1
1
1
1
2
聂义珍 ，闫朝岐 ，燕巍 ，付红梅 ，赵兴鹃 ，尹慧 ，吴群红 2* 查看原文
【摘要】 背景 骨量肌量减少性肥胖综合征（OSO）是一种严重损害老年人健康的疾病，对疾病进行临床分型
可为疾病的临床诊治提供指导。基于 OSO 诊断变量间的相关性对 OSO 进行分型，并探寻 OSO 的结构特征，可为 OSO
的防治提供新的思路。目的 探索 OSO 的结构特征，为实现 OSO 的个体化诊治提供理论依据。方法 本研究为横断
面研究。于 2018 年 1 月至 2020 年 10 月，采用随机抽样法，选取在哈尔滨医科大学附属第二医院体检中心接受健康体检、
年龄≥ 60 岁的老年 OSO 患者作为研究对象，采集其 OSO 诊断变量〔四肢骨骼肌指数，握力，体脂百分比（BF%），
腰椎 1~4（L 1~4 ）、髋部、股骨颈骨密度（BMD），体质指数（BMI），腰围，步速〕、社会人口学特征、生活方式、
常见慢性病患病情况等方面的资料。在利用因子分析法对 OSO 诊断变量数据进行分析前，采用 KMO 检验、Bartlett's
球形检验评价 OSO 诊断变量数据是否适合进行因子分析。通过主成分分析法，提取特征值≥ 1.000 的成分，并运用
最大方差正交旋转法得出方差最大正交旋转矩阵。根据因子正交旋转矩阵，对公因子进行命名。基于公因子得分，利
用离差平方和系统聚类法生成树状结构并对患者进行分类，通过比较不同类别患者间诊断变量水平和临床特征的差
2
异，分析 OSO 的结构特征。结果 共纳入 107 例老年 OSO 患者。KMO 值为 0.688，Bartlett's 球形检验 χ =492.374，
P<0.001，表明OSO诊断变量数据适合进行因子分析；按特征根>1.000的标准可提取3个公因子（骨质疏松因子、肌肉+体
脂因子、肥胖因子），3 个公因子的累积方差贡献率为 81.408%，各诊断变量在所属公因子上的载荷值为 0.770~0.918。
聚类分析结果显示，共将 OSO 患者分为 3 类。不同类别人群四肢骨骼肌指数、握力、BF%、BMD L1~4 、BMD 髋部 、
BMD 股骨颈 、BMI、腰围比较，差异均有统计学意义（P<0.05）。其中第 1 类人群的 BMD L1~4 、BMD 髋部 、BMD 股骨颈 均低于
其他两类人群（P<0.05）；第 2 类人群的 BMI 和腰围均低于其他两类人群（P<0.05）；第 3 类人群的四肢骨骼肌指数、
握力和 BMD 均高于其他两类人群，BF% 低于其他两类人群（P<0.05）。不同类别人群性别、受教育程度、个人月收
入分布、总胆固醇（TC）、高密度脂蛋白胆固醇（HDL-C）、尿酸（UA）、肌酐（Cr）水平比较，差异有统计学意义（P<0.05）。
第 1 类人群中本科以下学历者占比高于第 3 类人群（P<0.017）；第 2 类人群 TC 水平高于第 3 类人群（P<0.05）；第
3 类人群个人月收入≥ 5 000 元者占比，以及 UA、Cr 水平均高于其他两类人群，女性占比低于其他两类人群（P<0.05
或 P<0.017）。结论 可从骨质疏松、肌肉与体脂、肥胖 3 个方面对 OSO 诊断变量进行概括和解释；OSO 患者具有不
同的结构特征。应用多元统计学方法研究 OSO 患者的结构特征，有助于实现对不同类型 OSO 患者的个体化管理。
【关键词】 骨量肌量减少性肥胖综合征；因子分析；聚类分析；多元统计学方法
【中图分类号】 R 589 R 195 【文献标识码】 A DOI：10.12114/j.issn.1007-9572.2022.0152
聂义珍，闫朝岐，燕巍，等 . 基于多元统计学方法的骨量肌量减少性肥胖综合征的结构特征研究［J］. 中国全科医学，
2022，25（22）：2733-2739，2745.［www.chinagp.net］
NIE Y Z，YAN Z Q，YAN W，et al. A clinical study of structural properties of osteosarcopenic obesity syndrome using
multivariate statistical methods［J］. Chinese General Practice，2022，25（22）：2733-2739，2745.

A Clinical Study of Structural Properties of Osteosarcopenic Obesity Syndrome Using Multivariate Statistical Methods
1
1
2
1
1
1
NIE Yizhen ，YAN Zhaoqi ，YAN Wei ，FU Hongmei ，ZHAO Xingjuan ，YIN Hui ，WU Qunhong 2*
1.Physical Examination Center，the 2nd Affiliated Hospital of Harbin Medical University，Harbin 150086，China
2.School of Health Management，Harbin Medical University，Harbin 150081，China
*
Corresponding author：WU Qunhong，Professor，Doctoral supervisor；E-mail：wuqunhong@163.com
【Abstract】 Background Osteosarcopenic obesity syndrome（OSO）is a disease that seriously endangers the health
of older people. The rational classification of the disease can guide the clinical diagnosis and treatment. Therefore，classifying
基金项目：黑龙江省卫生计生委科研课题（2018164）
1.150086 黑龙江省哈尔滨市，哈尔滨医科大学附属第二医院体检中心
2.150081 黑龙江省哈尔滨市，哈尔滨医科大学卫生管理学院
*
通信作者：吴群红，教授，博士生导师；E-mail：wuqunhong@163.com
本文数字出版日期：2022-06-23