目的评估泛免疫炎症值(pan-immune-inflammation value,PIV)对抑郁状态人群中全因和特定原因死亡率的预测价值。方法本研究为一项前瞻性队列研究,数据来自美国2005—2018年国家健康和营养检查调查(National Health and Nutrition Examin...目的评估泛免疫炎症值(pan-immune-inflammation value,PIV)对抑郁状态人群中全因和特定原因死亡率的预测价值。方法本研究为一项前瞻性队列研究,数据来自美国2005—2018年国家健康和营养检查调查(National Health and Nutrition Examination Survey,NHANES)和2005—2019年国家死亡指数(National Death Index,NDI)。共纳入了8567名参与者。参与者按PIV四分位数分组(Q1、Q2、Q3、Q4)或按二分位数分组(low组、high组),采用Cox比例风险模型评估PIV与抑郁人群全因死亡率、心血管死亡率和癌症死亡率的相关性;通过平滑曲线拟合探讨非线性剂量反应关系,经阈值效应分析确定拐点后,以拐点为界,将参与者分为2组,并构建分段回归模型并结合Kaplan-Meier生存曲线探究PIV与节段生存状态之间的关系。亚组分析探讨了PIV与死亡率关联的稳定性。结果Cox结果显示,较高的PIV水平与全因死亡率(HR=1.05,95%CI:1.04~1.07,P<0.001)、心血管死亡率(HR=1.07,95%CI:1.05~1.10,P<0.001)和癌症死亡率(HR=1.05,95%CI:1.01~1.08,P<0.001)增加显著相关。平滑曲线拟合结果显示,PIV与全因死亡率之间存在U型关系,拐点为80.97(P<0.05)。生存分析显示:当PIV>80.97时,与low组相比,high组的全因死亡率(HR=1.29,95%CI:1.12~1.48,P<0.001)升高;与Q1组相比,Q4组的全因死亡率(HR=1.53,95%CI:1.25~1.87,P<0.001)升高。亚组分析结果显示,在女性人群中PIV与全因死亡率(HR=1.08,95%CI:1.05~1.10,P=0.038)和心血管死亡率(HR=1.11,95%CI:1.07~1.16,P=0.031)的关联更强;患有糖尿病以及其他种族(除墨西哥裔美国人、其他西班牙裔、非西班牙裔白人、非西班牙裔黑人之外)人群的PIV与全因死亡率[糖尿病(HR=1.09,95%CI:1.06~1.10,P=0.023)其他种族(HR=1.22,95%CI:1.11~1.35,P=0.032)]和癌症死亡率[糖尿病(HR=1.12,95%CI:1.06~1.18,P=0.006)、其他种族(HR=2.00,95%CI:1.79~2.24,P=0.002)]的关联更强。结论PIV升高是抑郁状态人群多种死亡结局的独立危险因素。本研究明确PIV作为死亡风险预测生物标志物的潜力,对高危人群早期识别、精准管理及疾病负担的全面降低提供重要依据。展开更多
背景出生性别比是计划生育考核中较敏感的数字,但长期以来,计生统计和卫生统计存在差别。目的利用住院和非住院分娩的出生婴儿登记记录分析出生性别比情况,并比较计生和卫生系统出生性别比的差异,以期为出生性别比综合治理措施提供科学...背景出生性别比是计划生育考核中较敏感的数字,但长期以来,计生统计和卫生统计存在差别。目的利用住院和非住院分娩的出生婴儿登记记录分析出生性别比情况,并比较计生和卫生系统出生性别比的差异,以期为出生性别比综合治理措施提供科学依据。方法采用问卷调查与深入访谈相结合的方法,对某县具有产科资质且开展产科业务的全部医疗机构进行普查,收集新生儿及产妇的相关信息,推算计划外婴儿出生情况以及总体出生性别比情况。结果 T 县医疗机构出生性别比为118.07,考虑非住院分娩出生的影响为118.27,而同期计划生育系统统计的出生性别比为115.73,误差率在2.02%～2.31%之间。结论当地存在明显的性别选择现象；计生统计中存在漏报和误报,男婴的漏报或误报现象明显,需将出生性别比从计生考核中剥离,并定期对计生报告数据的质量进行抽检,建立基于数据质量的奖惩机制,以提高计生数据的真实性。展开更多
文摘目的评估泛免疫炎症值(pan-immune-inflammation value,PIV)对抑郁状态人群中全因和特定原因死亡率的预测价值。方法本研究为一项前瞻性队列研究,数据来自美国2005—2018年国家健康和营养检查调查(National Health and Nutrition Examination Survey,NHANES)和2005—2019年国家死亡指数(National Death Index,NDI)。共纳入了8567名参与者。参与者按PIV四分位数分组(Q1、Q2、Q3、Q4)或按二分位数分组(low组、high组),采用Cox比例风险模型评估PIV与抑郁人群全因死亡率、心血管死亡率和癌症死亡率的相关性;通过平滑曲线拟合探讨非线性剂量反应关系,经阈值效应分析确定拐点后,以拐点为界,将参与者分为2组,并构建分段回归模型并结合Kaplan-Meier生存曲线探究PIV与节段生存状态之间的关系。亚组分析探讨了PIV与死亡率关联的稳定性。结果Cox结果显示,较高的PIV水平与全因死亡率(HR=1.05,95%CI:1.04~1.07,P<0.001)、心血管死亡率(HR=1.07,95%CI:1.05~1.10,P<0.001)和癌症死亡率(HR=1.05,95%CI:1.01~1.08,P<0.001)增加显著相关。平滑曲线拟合结果显示,PIV与全因死亡率之间存在U型关系,拐点为80.97(P<0.05)。生存分析显示:当PIV>80.97时,与low组相比,high组的全因死亡率(HR=1.29,95%CI:1.12~1.48,P<0.001)升高;与Q1组相比,Q4组的全因死亡率(HR=1.53,95%CI:1.25~1.87,P<0.001)升高。亚组分析结果显示,在女性人群中PIV与全因死亡率(HR=1.08,95%CI:1.05~1.10,P=0.038)和心血管死亡率(HR=1.11,95%CI:1.07~1.16,P=0.031)的关联更强;患有糖尿病以及其他种族(除墨西哥裔美国人、其他西班牙裔、非西班牙裔白人、非西班牙裔黑人之外)人群的PIV与全因死亡率[糖尿病(HR=1.09,95%CI:1.06~1.10,P=0.023)其他种族(HR=1.22,95%CI:1.11~1.35,P=0.032)]和癌症死亡率[糖尿病(HR=1.12,95%CI:1.06~1.18,P=0.006)、其他种族(HR=2.00,95%CI:1.79~2.24,P=0.002)]的关联更强。结论PIV升高是抑郁状态人群多种死亡结局的独立危险因素。本研究明确PIV作为死亡风险预测生物标志物的潜力,对高危人群早期识别、精准管理及疾病负担的全面降低提供重要依据。
文摘背景出生性别比是计划生育考核中较敏感的数字,但长期以来,计生统计和卫生统计存在差别。目的利用住院和非住院分娩的出生婴儿登记记录分析出生性别比情况,并比较计生和卫生系统出生性别比的差异,以期为出生性别比综合治理措施提供科学依据。方法采用问卷调查与深入访谈相结合的方法,对某县具有产科资质且开展产科业务的全部医疗机构进行普查,收集新生儿及产妇的相关信息,推算计划外婴儿出生情况以及总体出生性别比情况。结果 T 县医疗机构出生性别比为118.07,考虑非住院分娩出生的影响为118.27,而同期计划生育系统统计的出生性别比为115.73,误差率在2.02%～2.31%之间。结论当地存在明显的性别选择现象；计生统计中存在漏报和误报,男婴的漏报或误报现象明显,需将出生性别比从计生考核中剥离,并定期对计生报告数据的质量进行抽检,建立基于数据质量的奖惩机制,以提高计生数据的真实性。
