刘新蕾，葛 淼，王聪霞，路春爱，杨绍芳，岑敏仪，张 雯

（1.陕西师范大学旅游与环境学院健康地理研究所，陕西西安710062；2.西安交通大学医学院第二附属医院心内科，陕西西安710004；3.陕西师范大学医院，陕西西安710062）

地理环境对P波离散度参考值影响分析

刘新蕾1，葛 淼1，王聪霞2，路春爱3，杨绍芳1，岑敏仪1，张 雯1

（1.陕西师范大学旅游与环境学院健康地理研究所，陕西西安710062；2.西安交通大学医学院第二附属医院心内科，陕西西安710004；3.陕西师范大学医院，陕西西安710062）

为制定中国成年人心电图P波离散度参考值的统一标准提供科学依据，搜集了中国98个单位的9 472例健康成年人P波离散度参考值，运用相关分析与回归分析方法，研究了其与经纬度、海拔等12项地理因素指标的关系.研究结果表明：成年人P波离散度与地理因素之间存在显著的相关关系.运用向后回归分析和主成分分析估计成年人P波离散度的参考值，得到了不同的预测模型，通过比较，最终选择向后回归分析模型作为最优预测模型，并用ArcGIS软件的克里金插值法内插出中国成年人P波离散度参考值的空间趋势分布图.

P波离散度；地理因素；参考值；预测值

P波离散度（P－wave dispersion，Pd）1998年由Dilaveris等首次提出，它是预测房性心律失常阵发性心房纤颤的一个新指标，是心房内存在依从性非均质性电活动的结果［1］.国内外的研究多侧重于Pd与房性心律失常的关系［2－3］，而关于成年人Pd的标准参考值国内外报道得不多［4］.目前研究者多采用Pd＜40ms为参考标准，忽略了不同地理环境可能对Pd造成的影响，影响了临床诊断的准确性.

已有的研究表明，Pd与年龄和性别无明显相关性［5－6］，故本文以中国成年人为研究对象，未对研究人群进行性别划分.为探讨Pd参考值和区域地理环境因素之间的相关性，并为制定其参考值的统一标准提供科学依据，本文运用向后回归分析和主成分分析的方法研究了中国各地测量的成年人Pd参考值与地理因素的关系，发现存在一定的规律性.针对二者之间的关系，本文运用以上两种分析方法估计Pd的参考值，得出了不同的预测模型.

1 Pd参考值与地理因素指标

1.1 Pd参考值

Pd是指在同步记录12导联心电图中测定的P波最大时限与P波最短时限的差值［7］，该指标对于预测阵发性房颤以及评价抗心律失常药物的作用效果具有重要价值［8］.通过检索中国期刊网、万方全文期刊数据库、中国优秀博硕士学位论文全文数据库、超星数字图书馆等相关网络数据库，获取了中国98个市（县）级医院和有关单位及高等院校测定的9 472例健康成年人Pd参考值（ms）［9］.年龄范围18～80岁；分布在中国28个省、市、自治区（见图1），缺乏西藏、甘肃、北京、台湾、香港及澳门的资料；东部平原地区的资料多于西部高原地区.

本文测量的数据取自健康人群，排除下列疾病患者：瓣膜性心脏病；急性冠脉综合征，包括各种类型心肌梗死；预激综合征，各种心律失常；肝肾功能异常者；高血压，甲亢及糖尿病；感染性疾病；血液病，尿崩症；恶性肿瘤；急性脑血管意外；创伤、烧伤；慢性阻塞性肺疾病.

1.2地理因素指标

本文选取了X1经度（°），X2纬度（°），X3海拔（m），X4年日照时数（h），X5年平均气温（℃），X6年平均相对湿度（%），X7年降水量（mm），X8气温年较差（℃），X9年平均风速（m／s），X10表土容量（g／cm2），X11表土有机质含量（%），X12表土pH共12项地理因素指标作为区域环境因素进行研究，探讨它们和Pd参考值的关系.其中的地理资料取材于有关地理著作和辞典［9－10］.

2 基于SPSS的成年人Pd参考值分析

2.1 Pd参考值与地理因素的相关分析

将成年人Pd参考值作为因变量，12项地理因素指标作为自变量，运用SPSS17.0统计分析软件进行相关分析［11］，计算得出成年人Pd参考值与各项地理指标之间的单相关系数r和P（见表1）.

2.2 Pd参考值的向后回归分析

应用SPSS17.0统计分析软件，对Pd参考值与12项地理因素指标进行向后回归分析［11］，推导出二者之间的向后回归方程：

其中：＾Y是成年人Pd参考值；X2是纬度（°）；X3是海拔（m）；X5是年平均气温（℃）；X7是年降水量（mm）；14.88是剩余标准差的值.F＝5.496，P＝0.000＜0.01，说明有着很显著的相关性.

2.3 Pd参考值的主成分分析

地理环境是一定社会所处的地理位置以及与此相联系的各种自然条件的总和，是由气候、土壤等多种自然要素构成的自然综合体，各地理因素之间存在着复杂的相关关系.为解决这一问题，本文选用主成分分析法对各指标进行研究［11］.

在进行主成分分析之前，首先要了解变量之间的相关性以判断进行主成分分析是否适用.运用SPSS17.0统计分析软件，测得12个地理因素指标的KMO适度抽样测定值为0.727＞0.5，Bartlett’s球形检验为0.因此对12个地理因素指标进行主成分分析是可行的.

（1）主成分的统计信息.表2显示了主成分的统计信息，特征值由大到小排列.各主成分的贡献率及累积贡献率显示：前3个主成分的特征值分别为5.296，2.123，1.404，其累计贡献率为73.526%＜80%；第4个主成分的特征值为0.943，接近1，它解释了12个原始变量的总方差的7.861%.前4个特征值的累积贡献率为81.387%，故本文取前4个主成分来代替原有的12个指标变量.

（2）因子得分系数矩阵.表3为因子得分矩阵，通过矩阵可将所有主成分表示为各个原始变量的标准化值的线性组合.本文提取前4个主成分，表达式如下：

然后，由变量的平均值和标准差（见表4）求得原始变量的标准指标变量，如sX1＝（X1－114.61）／6.36（其他sXi的表达式省略）.

（3）主成分回归分析.应用SPSS17.0统计软件，运用统计分析法得到4个主成分Z1，Z2，Z3，Z4与成年人Pd参考值的回归方程：

将主成分Z1，Z2，Z3，Z4的表达式代入上面的回归方程，再将标准自变量sXi还原为原自变量Xi，得到成年人Pd参考值与12项地理因素指标的线性回归方程：

2.4成年人Pd参考值的最优模型选择

利用不同的分析模型，对中国各个地区的地理因素指标与成年人Pd参考值的关系进行预测，得到预测值与实测值如图2所示.

应用SPSS17.0对成年人Pd参考值的两种预测模型进行配对样本双侧T检验［10］，结果表明：向后回归模型T检验的t值为0.000，P值为1.000；主成分分析模型T检验的t值为－1.560，P值为0.120.

由图2可看出，向后回归分析模型的预测结果与实测值较为接近.结合T检验可知，主成分回归模型的t值为0.120，虽大于0.05，但与实测值相比差异仍较大；向后回归模型的配对样本双侧T检验的t值为0.000，P值为1.000，在95%的显著水平下，与实测值之间无显著性差异，因此本文选择向后回归分析模型作为成年人Pd参考值的最优预测模型.

3 成年人P波离散度参考值的空间趋势分布图

为了准确揭示出成年人Pd参考值的地理空间分布趋势，本文选取了全国范围内县级以上行政单位作为观测点，借助ArcGIS软件中的地统计分析模块进行克里金插值［12］，以精确拟合并绘制成年人Pd参考值的地理分布趋势图，结果见图3.本文选取的成年人Pd参考值的最优预测模型为：

＾Y＝72.81－0.825 9 X2－0.002 524 X3－0.754 0 X5－0.006 412 X7±14.88.由图3可清楚得到中国任一地区成年人Pd参考值，位于同一色系和等值线上的Pd参考值相同，同一等值线附近的成年人Pd参考值相近.由图3可知，中国成年人Pd参考值的分布趋势为西部较高，在30.55ms以上，且随海拔较为规律地变动，东南大部、重庆、湖南、四川东部和云南西南、黑龙江和新疆北部以及环渤海地区的Pd参考值则较低.

4 讨论

根据单相关系数，随着纬度（X2）、表土容量（X10）和表土pH（X12）逐渐增大，成年人Pd参考值逐渐增加，相关性显著；随着海拔（X3）、年日照时数（X4）和气温年较差（X8）的增加，Pd参考值也逐渐增大，但相关性不显著；随着经度（X1）、年平均相对湿度（X6）和表土有机质含量（X11）的增加，成年人Pd参考值减小，相关性不显著；随着年平均气温（X5）、年降水量（X7）的增加，成年人Pd参考值减小，相关性很显著.可能的原因是：气温较低的情况下，人体的交感神经张力较高，容易出现异位节律；同时血压升高的比例增大，这会影响心房内激动的传导方向，使其传导频率加快而且不规整，导致不同P波间的差异增大，从而使Pd值增高.

如果已知某地的纬度、海拔、年平均气温和年降水量，可用回归方程计算出这一地区成年人Pd的参考值.以北京为例，其纬度为39.9°，海拔为31.3m，年平均气温为12.3℃，年降水量为571.9mm，可计算得：

因此，北京地区成年人Pd估算为（26.84±14.88）ms.从成年人Pd参考值分布图也可查出某一地区成年人Pd的参考值.

地理环境是人类生存与发展的基础，人与环境之间存在着持续的交互过程，人的生理状况受环境影响尤其明显.地理环境有着明显的地域分异规律，这使得人的很多生理特征也表现出明显的地域性，心功能指标也不例外［13－14］，这与《黄帝内经》中“因地异质，因地制宜”的理论也是相吻合的.本文探索了成年人P波离散度与地理环境的关系，所得的空间分布图可宏观地估计中国大部分地区成年人的Pd参考值，而地理因素对P波离散度的作用机理还有待进一步研究.

［1］ 贾清淼，吴明营.P波离散度在心血管疾病中的研究现状［J］.中国医药导报，2010，7（13）：5－7.

［2］ LAN C Y CHANG，ERIN AUSTIN，BALAJI KRISHNAN，et al.Shorter minimum P－wave duration is associated with paroxysmal lone atrial fibrillation［J］.Journal of Electrocardiology，2014，47（1）：106－112.

［3］ OKAN TURGUT，LZZET TANDOGAN，MEHNET BIRHAN YILMAZ，et al.Association of P－wave duration and dispersion with the risk for atrial fibrillation：practical consideration in the setting of coronary artery disease［J］.International Journal of Cardiology，2010，144（2）：322－324.

［4］ 罗勇，高兴玉，陈丽，等.成年人P波离散度正常值调查及与年龄、性别的关系［J］.临床心电学杂志，2004，13（2）：128－129.

［5］ 王成，谢振武，李茗香，等.国人P波离散度的检测及其相关因素分析［J］.湖南医科大学学报，2001，26（3）：241－243.

［6］ 施剑萍，廖淑萍，吴胜标.P波离散度测定正常值的研究［J］.医学信息，2003，16（6）：330.

［7］ 陈晓婕，覃晓波.血液透析对慢性肾功能衰竭者P波离散度影响的研究进展［J］.齐齐哈尔医学院学报，2013，34（5）：730－731.

［8］ KHALED MAHMOUD.Effect of coronary slow flow on dispersion of P－wave ＆QT－interval and its relationship with thrombolysis in myocardial infarction frame count［J］.The Egyptian Heart Journal，2013（65）：175－180.

［9］ 阎崇年，颜吉鹤，宋俊岭，等.中国市县大辞典［M］.北京：中共中央党校出版社，1991.

［10］ 颜宏，沈国权，毛耀顺，等.中华人民共和国气候图集［M］.北京：气象出版社，2002.

［11］ 赖国超，陈超.SPSS17.0中文版常用功能与应用实例精讲［M］.北京：电子工业出版社，2010：168－337.

［12］ 汤国安，杨昕.ArcGIS地理信息系统空间分析教程［M］.北京：科学出版社，2006：50－203.

［13］ 张亚平，葛淼，闫燕春，等.应用BP神经网络模型分析老年女性心脏指数正常参考值与地理因素的相关性［J］.中国老年学杂志，2011，31（13）：2394－2397.

［14］ 井静.心功能五项指标参考值与地理环境的关系［D］.西安：陕西师范大学，2012.

The relationship between geographic environments and the reference value of Chinese adults’P－wave dispersion

LIU Xin－lei1，GE Miao1，WANG Cong－xia2，LU Chun－ai3，YANG Shao－fang1，CEN Min－yi1，ZHANG Wen1

（1.College of Tourism and Environment，Shaanxi Normal University，Xi’an 710062，China；2.Department of Cardiology，Second Affiliated Hospital of Xi’an Jiaotong University，Xi’an 710004，China；3.Hospital of Shaanxi Normal University，Xi’an 710062，China）

To provide scientific basis for making the normal standard of the reference value of Chinese adults’P－wave dispersion（Pd），this paper collects the reference value of Pdof 9 472healthy adults from 98units.By correlation analysis and regression analysis，the relationship between Pdreference value and geographic factors was studied.The study found that there is significant correlation between them.By backward regression analysis and principal component analysis，different prediction models for Pdreference value were obtained.Through comparative analysis，the paper selected the backward regression model as the optimum one.Then the paper calculated the predictive values of Pdall over the country and made the distribution map of normal Pdreference value by Kriging interpolation method of ArcGIS 10.0software.

P－wave dispersion；geographic factors；reference value；predictive value

R 188 ［学科代码］ 330·37 ［

］ A

（责任编辑：方林）

1000－1832（2015）01－0135－06

10.16163／j.cnki.22－1123／n.2015.01.025

2014－01－16

国家自然科学基金资助项目（40971060）.

刘新蕾（1991－），女，硕士研究生；通讯作者：葛淼（1960－），男，研究员，博士研究生导师，主要从事健康地理研究.