王兰兰 杨永利 贾晓灿 王 莹 施学忠△ 丁素英

成年人脉压差影响因素及脉压差变化特点

王兰兰1杨永利1贾晓灿1王 莹1施学忠1△丁素英2△

目的探讨成年人脉压差影响因素及其变化特点，为制定脉压差异常的防治措施提供参考。方法收集2011年到河南省郑州市某医院进行常规健康体检的1242名18岁及以上成人的资料并对其随访，用HLM 6．08建立两水平模型。结果纳入相关的人口学特征、基线血压或不同单位来源等指标建立脉压差的截距项预测模型和斜率项预测模型；脉压差随着基线年龄或基线收缩压的增加而增加，β分别为0．17（P＜0．001）和0．55（P＜0．001）；脉压差随着身高或基线舒张压增加而降低，β分别为－0．10（P＝0．002）和－0．55（P＜0．001）；年龄越大或基线舒张压越高的人脉压差随时间增加越快，β分别为0．08（P＜0．001）和0．07（P＝0．005）；基线收缩压越高的人脉压差随时间增加越慢（β＝－0．22，P＜0．001）。结论在制定脉压差的防控措施时，应多关注年龄较大、基线收缩压高或基线舒张压低以及身高较低的人群，动态监测其脉压差，防止脉压差的异常升高。

脉压差 多层线性模型 影响因素 成年人

近年来，心血管疾病严重威胁着人们的生命安全及身心健康，随着心血管发病率逐渐升高，脉压差增大作为评价心血管疾病风险的指标也越来越受重视［1］，Glasser SP等的研究表明脉压差是预测中风、冠心病等疾病的重要指标［2－3］。Langenberg C等人指出身高、年龄等因素对脉压差有影响［4－5］，但鲜有脉压差变化特点方面的研究，且既往研究多局限于使用多元回归和方差分析等传统分析方法。若用这些方法处理纵向数据，要求资料满足随机误差独立和方差齐性的前提假设［6］，而且这些方法不能有效地利用缺失数据，因此会给分析结果带来偏性，甚至导致错误的结论［7］。多层线性模型把纵向数据看作是具有层次结构的资料，对误差独立没有要求，还可以在不影响参数估计精度的情况下充分利用有缺失值的观测单位。该研究收集河南省郑州市某医院4年的体检资料，运用多层线性模型探讨成年人脉压差人口学特征影响因素及其变化特点，为制定干预措施提供参考。

资料与方法

1．资料来源

选择2011年到河南省郑州市某医院8个单位参加常规健康体检的年龄大于等于18岁的1242名职工为研究对象，在2012、2013、2014年对其进行随访和体检。

2．研究内容

研究内容包括一般人口学信息（性别、年龄、工作单位等）和健康体检信息（人体测量、血常规和生化监测、B超等）。该研究选择性别、年龄、工作单位、血压和身高等指标进行分析。

3．质量控制

为保证数据的可靠性，对所有参与体检的医生进行统一培训，按照规定的测量方法进行测量；同时前来体检的人员要出示其有效证件后方能进行体检。

4．统计处理

（1）模型构建

多层线性模型的基本形式：

式中，下标i指第i年份；下标j代表第j个人。式（1）为模型的第一层，其中Yij指第i年份第j个人的脉压差；Tij为第i年份第j个人参加体检的时间；β0j为截距项，即Tij是0时，脉压差的平均值；β1j为第一层中Tij的回归系数，rij为随机效应，表示因变量Yij中不能被自变量Tij解释的部分。式（2）和（3）为模型的第二层，以β0j和β1j为因变量分别建立方程，其中γ00和γ10分别是β0j和β1j的平均值，也是固定效应；μ0j和μ1j分别是β0j和β1j的随机效应，在第二层个体间是变化的。

（2）拟合的模型

共考虑六个模型，其中未纳入解释变量的零模型形式如下：

第一层：Yij＝β0j＋rij第二层：β0j＝γ00＋μ0j

模型1即为模型的基本形式，其他4个模型的形式与基本形式类似，但是它们在构建随机系数时存在差异，其相关的系数和参数展示在表2和表3中，其中模型2、3的形式为：

模型2、3和模型1的区别在于分别在截距项或斜率项的第二层模型中纳入性别、基线年龄、基线收缩压、基线舒张压、身高等变量，构建了相应的截距项预测模型和斜率项预测模型。而模型4、5在第二层模型中另外增加了各研究单位，以各研究因素为协变量研究不同单位脉压差增长曲线的异质性。

（3）统计软件

使用SPSS 21．0建立数据集，使用HLM 6．08（Hierarchical Linear and Nonlinear Modeling）软件构建两水平模型。服从正态分布的资料以±s表示，不服从正态分布的以M（P25，P75）表示，以脉压差为因变量，体检年度作为时间变量（Tij），按时间序列分别赋值0、1、2、3。性别（Sex）赋值男1，女0；年龄（Age）、收缩压（SBP）和舒张压（DBP）均为2011年体检时的基线值；研究对象的工作单位用哑变量（以单位3为参照）表示。检验水准取0．05。

结 果

1．基本情况

此次研究共有8个单位1242人（男714人，女528人），其中单位1和单位7属于科研机构，单位4、5、6及单位8为政府机关，单位2和单位3属于高校；每个人至少进行一次血压、身高测量；各单位性别、基线年龄、基线血压及身高的基本情况见表1。

表1 研究对象的基本情况

2．模型拟合结果

模型1到模型5的固定效应见表2，不同模型的随机效应及拟合优度情况见表3。

表2中，模型1参数估计结果显示2011年该体检人群脉压差4年内平均增长速度为1．38mmHg/年。模型2中男女间脉压差差别无统计学意义（P＞0．05）；不同身高、年龄、基线血压的个体间脉压差差别有统计学意义（P＜0．05），其中身高和基线舒张压对脉压差有负向影响，基线年龄与基线收缩压对脉压差有正向影响。模型3中不同年龄、基线血压的个体间脉压差增长速度差别有统计学意义（P＜0．01），其中基线年龄或基线舒张压越大，脉压差增长速度越大，而基线收缩压越大，脉压差增长速度越小。依据模型3建立脉压差随时间变化的预测方程如下：

由公式（4）可预测个体脉压差大小，通过随时间变化的总的估计方差计算其预测精度，即其中为方差Var（rij），t为时间变量T。

表2 纳入解释变量的多层线性模型固定效应拟合结果

表3 不同模型的随机效应（标准误）及拟合优度情况

模型3与模型4、5相比，性别、基线年龄、身高、基线收缩压、基线舒张压等因素的回归系数变化很小。模型4到模型5显示单位5、7与其他单位间脉压差差异有统计学意义（P＜0．05），单位5和其他单位相比脉压差增长速度差异有统计学意义（P＜0．05）。

依据表3中未纳入解释变量的零模型随机效应估计值，可知跨级相关系数ρ＝Var（rij）/（Var（rij）＋Var（μ0j））＝0．155，这8个单位4年内脉压差总变异中有15．5%可由个体特征变量解释，适合构建两水平模型。

模型1显示2011年个体间脉压差的方差为49．88（P＜0．05），不同个体脉压差存在统计学差异，模型2中四年内增长速度的方差为13．54（P＜0．05），不同个体脉压差增长速度存在统计学差异。只考虑第二层截距项的自变量时模型2方差Var（μ0j）由49．88降为12．23，方差明显变小，个体性别、年龄、身高、血压等特征解释了β0，j方差中的75．48%；若同时将这些变量纳入第二层斜率项则模型3方差Var（μ1j）由模型2的 13．54降为7．81，第二层个体特征自变量解释了β1j方差中的42．32%。而从模型3到模型5截距项与斜率项的方差几乎没有变化。

表3中模型拟合优度结果显示，从零模型、模型1至模型5，－2 log-likelihood逐渐减小，模型拟合程度越来越好，但从模型3到模型5变化相对较小。

讨 论

该研究运用多层线性模型，探讨了2011－2014年成年人脉压差的影响因素和变化特点，结果显示身高越低的成年人，脉压差越大；年龄越大的人，脉压差及其增长速度越明显；基线收缩压越高的人，脉压差越大，但其随时间的变化速度越慢；基线舒张压越高的人，脉压差越低，且随时间的变化速度越快。

脉压差的正常范围为30～40mmHg［9］，若脉压差异常升高，则患心血管疾病的风险增加［10］，因此防范脉压差超出正常范围很有必要。该研究发现，脉压差及其增加速度随着基线年龄增加而增大；脉压差随着身高降低而增加；基线收缩压越高的人，脉压差越大，但其随时间的变化速度越慢；基线舒张压越高的人，脉压差越低，且随时间的变化速度越快。因此，在制定脉压差的防控措施时，需考虑个体间的差异及个体变化特点的不同，同时更应关注基线年龄较大、基线收缩压较高或舒张压较低以及身高较低的人群。根据预测方程（4）可计算未经干预者个人的脉压差及其估计精度，并依据自身情况通过改善饮食、锻炼甚至药物［11］提早预防，防止脉压差过大。

该研究中模型4和模型5在模型3的基础上考虑了研究对象的单位来源，在控制性别、基线年龄、身高、基线血压等协变量后检验不同单位个体脉压差及其增长曲线的差异。结果表明从模型3到模型5，只有小部分单位间存在异质性，但无论是个体特征的固定效应还是随机效应甚至模型的拟合优度，几乎都没有明显变化，不影响估计的脉压差变化特点。对于不了解单位来源的模型3几乎和模型4、5相同，即该研究的发现对其他对象具有一定的普遍性和适用性。

近些年国外Butler和Langenberg C等人使用一般线性回归分析了身高、年龄等人口学特征对脉压差的影响［4，12］，本研究结果与这些研究一致。不同的研究中性别对脉压差的影响不一致［12－13］。国内相关研究相对较少，王议和彭霞等人以一般健康人群为基础使用方差分析和回归分析等统计方法发现脉压差随年龄增加而增加，且前者发现男女间脉压差无明显差别，后者研究发现男性脉压差高于女性［5，14］。性别对脉压差的影响可能因人群而异，该研究中性别对脉压差没有明显影响。本研究关于脉压差影响因素的发现和国内外结果一致，因此使用多层线性模型分析脉压差是可行的；并且目前几乎没有脉压差变化情况的研究，本文尝试使用多层线性模型分析脉压差的变化特点。由于该研究仅有3年的随访时间，但这期间的随访频次较高，1年1次，因此关于脉压差的长期演变趋势还需要在实践中进一步验证。

该研究运用多层线性模型探索分析了脉压差的影响因素及脉压差的变化特点，可为制定脉压差过大的防控干预措施提供参考依据。

［1］Gjata M，Nelaj E，Collaku L，et al．Left ventricular hypertrophy in chronic kidney disease．Is pulse pressure an independent risk factor．Medicinski arhiv．2011，65：30-31．

［2］Glasser SP，Halberg DL，Sands C，et al．Is Pulse Pressure an Independent Risk Factor for Incident Acute Coronary Heart Disease E-vents？The REGARDS Study．American Journal Of Hypertension，2014，27（4）：555-563．

［3］Glasser SP，Halberg DL，Sands CD，et al．Is Pulse Pressure an Independent Risk Factor for Incident Stroke，REasons for Geographic And Racial Differences in Stroke．American Journal Of Hypertension，2015，28（8）：987-994．

［4］Langenberg C，Hardy R，Kuh D，et al．Influence of height，leg and trunk length on pulse pressure，systolic and diastolic blood pressure．Journal Of Hypertension，2003，21（3）：537-543．

［5］彭霞，罗扬珩，宋先毅，等．云南省健康成年人脉压差及影响因素分析．基础医学与临床，2013（5）：548-551．

［6］Pandis N．Analysis of variance．American journal of orthodontics and dentofacial orthopedics：official publication of the American Association of Orthodontists，its constituent societies，and the American Board of Orthodontics，2015，148（5）：868-869．

［7］陈长生，徐勇勇，夏结来．医学多变量追踪数据的生长曲线模型．中国卫生统计，2000（4）：3-5．

［8］Goldstein H．Multilevel m ixed linear model analysis using iterative generalized least squares．Biometrika，1986，73：43-56．

［9］O′Rourke M，Frohlich ED．Pulse pressure：Is this a clinically useful risk factor？．Hypertension，1999，34（3）：372-374．

［10］DomanskiM，Mitchell G，Pfeffer M，et al．Pulse pressure and cardiovascular disease-related mortality-Follow-up study of the Multiple Risk Factor Intervention Trial（MRFIT）．Jama-Journal of the American Medical Association，2002，287（20）：2677-2683．

［11］Randall OS，Kwagyan J，Huang Z，etal．Effect of dietand exercise on pulse pressure and cardiac function in morbid obesity：analysis of 24-hour ambulatory blood pressure．Journal of clinical hypertension（Greenwich，Conn），2005，7（8）：455-463．

［12］Butler Jr KR，Penman AD，M inor DS，et al．Determinants of pulse pressure and annual rates of change in the Atherosclerosis Risk in Communities study．Journal of hypertension，2015，33（12）：2463-2470．

［13］Dost A，Molz E，Krebs A，etal．Pulse pressure in children and adolescents with type 1 diabetes mellitus in Germany and Austria．Pediatric diabetes，2014，15（3）：236-243．

［14］王议，吴新华，杨瑛，等．云南农村自然人群冠状动脉钙化与脉压差的关系．中国循环杂志，2014（6）：428-431．

（责任编辑：刘 壮）

The Influencing Factors of Pulse Pressure and its Characteristics among Adults

Wang Lanlan，Yang Yongli，Jia Xiaocan，et al．
（College of Public Health in Zhengzhou University（450001），Zhengzhou）

ObjectiveWe explored the influencing factors of pulse pressure（PP）and characteristics of PP among adults，so as to provide references for making intervention strategies to control PP．Methods1242 adults aged over18 years from one hospital of Zhengzhou city，Henan Province from 2011 to 2014 were invited to this study，and the influencing factors of PP and its characteristics were analyzed using a two-level model with HLM 6．08．ResultsConstruct the PP prediction model of the intercept and the slope based on different demographic characteristics，baseline blood pressure and the work units．PP increased with the baseline age and systolic blood pressure（SBP），βwas 0．17（P＜0．001）and 0．55（P＜0．001）respectively．PP decreased with the height and baseline diastolic blood pressure（DBP），βwas－0．10（P＝0．002）and－0．55（P＜0．001）respectively．PP increased with time faster among the people with older age or higher baseline DBP，βwas 0．08（P＜0．001）and 0．07（P＝0．005）individually．While it increased with time more slow ly among the people with higher baseline SBP（β＝－0．22，P＜0．001）．ConclusionThe people with older age，lower height，higher baseline SBP or lower baseline DBP should be paid more attention，and PP should be monitored dynamically so as to prevent the abnormal increase of PP．

Pulse pressure；Hierarchical linearmodeling；Influencing factor；Adult

1．郑州大学公共卫生学院卫生统计学教研室（450001）

2．郑州大学第一附属医院体检科

△共同通信作者：施学忠，xzshi＠126．com；丁素英，623173429＠qq．com