大连医科大学公共卫生学院卫生统计教研室(116044) 雷 芳 宋桂荣 刘启贵 胡冬梅 李国荣 唐 晓

【提 要】 目的 探讨潜变量增长混合模型(latent growth mixture modeling，GMM)和潜类增长模型(latent class growth model，LCGM)在识别儿童体重增长变化潜在类别上的应用。方法 以大连市932名6～12岁学龄儿童的体检纵向数据为例。运用Mplus8.3软件构建不同性别儿童体质指数(body mass index，BMI)变化的GMM和LCGM模型。结果 LCGM模型对男女学龄儿童的生长轨迹均识别出3个增长趋势不同的亚组：“稳定组”、“肥胖组”、“偏瘦组”；GMM模型对男性学龄儿童的生长轨迹识别出2个增长趋势不同的亚组：“稳定增长组”和“肥胖增长组”。结论 GMM和LCGM模型可以识别学龄儿童BMI发展轨迹的异质性，拓展了描述儿童体重动态变化的方法研究。

儿童生长发育状况关系到社会发展水平及健康水平。体质指数(body mass index，BMI)，是国际上常用于评价儿童生长发育、营养状况及胖瘦程度的重要指标[1]。在对BMI多次监测构成的纵向数据的研究中，广义线性混合模型、多元线性回归模型等模型是目前常见的分析方法，但这些研究方法都只对调查对象进行了一个群体性BMI轨迹研究，并未对群体内部BMI发展异质性进一步研究与探索。然而，在实际情况中，不同个体BMI变化的轨迹可能是存在差异的，比如，某一儿童群体的BMI随时间变化可能会呈现“持续保持平稳”、“明显升高”、“明显降低”等不同类别的变化轨迹，即研究群体内部可能存在BMI发展趋势不同的亚群。潜变量增长混合模型(latent growth mixture modeling，GMM)和潜类增长模型(latent class growth model，LCGM)是目前较先进的纵向数据建模方法，可用于识别随时间变化有不同发展趋势的群体，探究并确定研究群体中各个亚群的发展趋势及轨迹特征。……