中华预防医学杂志    2018年02期 2013年中国成人糖尿病前期的地理分布及相关因素分析    PDF     文章点击量:325    
中华预防医学杂志2018年02期
中华医学会主办。
0

文章信息

赵振平 李镒冲 王丽敏 张梅 黄正京 张笑 李纯 邓茜 周脉耕
ZhaoZhenping,LiYichong,WangLimin,ZhangMei,HuangZhengjing,ZhangXiao,LiChun,DengQian,ZhouMaigeng
2013年中国成人糖尿病前期的地理分布及相关因素分析
Geographical variation and related factors in prediabetes prevalence in Chinese adults in 2013
中华预防医学杂志, 2018,52(2)
http://dx.doi.org/10.3760/cma.j.issn.0253-9624.2018.02.008

文章历史

投稿日期: 2017-07-17
上一篇:2013年中国不同区域成人高胆固醇血症流行水平及相关因素分析
下一篇:2013年中国慢性病及其危险因素监测系统省级代表性评价
2013年中国成人糖尿病前期的地理分布及相关因素分析
赵振平 李镒冲 王丽敏 张梅 黄正京 张笑 李纯 邓茜 周脉耕     
赵振平 100050 北京,中国疾病预防控制中心慢性非传染性疾病预防控制中心
李镒冲 北京大学临床研究所
王丽敏 100050 北京,中国疾病预防控制中心慢性非传染性疾病预防控制中心
张梅 100050 北京,中国疾病预防控制中心慢性非传染性疾病预防控制中心
黄正京 100050 北京,中国疾病预防控制中心慢性非传染性疾病预防控制中心
张笑 100050 北京,中国疾病预防控制中心慢性非传染性疾病预防控制中心
李纯 100050 北京,中国疾病预防控制中心慢性非传染性疾病预防控制中心
邓茜 100050 北京,中国疾病预防控制中心慢性非传染性疾病预防控制中心
周脉耕 100050 北京,中国疾病预防控制中心慢性非传染性疾病预防控制中心
摘要: 目的  了解中国不同区域成人糖尿病前期的地理分布,分析糖尿病前期流行的相关因素。方法  2013年中国慢性病及其危险因素监测采用多阶段分层整群随机抽样方法,抽取内地31个省(自治区、直辖市)298个监测点的18岁及以上常住居民177 099名。问卷调查获取人口统计学特征、个人生活方式和社会经济区域因素等信息。采集调查对象身体测量数据,抽取空腹和服糖后2 h静脉血。本研究纳入了糖尿病前期相关信息完整的171 567名调查对象。经复杂抽样加权后,计算中国不同省份及地理分区的糖尿病前期流行率,选取糖尿病前期相关因素建立多水平logistic模型,分析糖尿病前期流行率的区域和个体因素。结果  中国18岁以上常住居民的糖尿病前期流行率为16.6%(95%CI: 15.6%~17.6%)。华南地区最高(18.3%),西北地区最低(13.1%),不同区域的糖尿病前期流行率差异无统计学意义(P=0.510)。将中国各省糖尿病前期流行率按五分位数分成5组,海南、吉林、山东、安徽、湖南和重庆为糖尿病前期高流行区(18.6%~22.7%),西藏、青海、甘肃、宁夏、贵州与江西为糖尿病前期低流行区(7.6%~12.6%)。糖尿病前期流行率在县/区级水平中位数比值比为1.60(95%CI:1.53~1.67),变异程度高于省级及乡镇/街道水平[中位数比值比分别为1.21(95%CI:1.08~1.29)、1.23(95%CI:1.14~1.30)]。糖尿病前期风险的相关因素包括现在吸烟、危险饮酒、有害饮酒、过去30 d饮酒、超重或肥胖、中心型肥胖、含糖饮料摄入、高血压、高胆固醇血症、高甘油三酯血症、高低密度脂蛋白胆固醇血症、低高密度脂蛋白胆固醇血症等因素(P值均<0.05)。在模型中调整以上变量后,可解释92.5%的糖尿病前期省级水平变异。结论  中国成人居民糖尿病前期在不同地理区域存在分布差异,县/区级水平差异明显,相关因素包括人口学特征、个体行为方式及地理区域因素等。
关键词 :糖尿病前期;危险因素;横断面研究;多水平模型
Geographical variation and related factors in prediabetes prevalence in Chinese adults in 2013
ZhaoZhenping,LiYichong,WangLimin,ZhangMei,HuangZhengjing,ZhangXiao,LiChun,DengQian,ZhouMaigeng     
National Center for Chronic and Non-communicable Disease Control and Prevention, Chinese Center for Disease Control and Prevention, Beijing 100050, China
Corresponding author: Zhou Maigeng, Email: maigengzhou@126.com
Abstract:Objective  To investigate the geographical variation of prediabetes in adults in different regions of China, and to analyze the related factors of prediabetes.Methods  Data was obtained from China Chronic Disease and Related Risk Factor Surveillance in 2013. The surveillance adopted multiple-stage stratified cluster random sampling method, which sampled 177 099 residents aged above 18 years old among 298 surveillance points in 31 provinces of Chinese Mainland. Questionnaire interview was used to obtain demographic variables, personal living style, and socio-economical information. Physical examination was conducted and fasting venous blood sample and (oral glucose tolerance test-2 hours, OGTT-2 h) venous blood sample were obtained from the participants. A total of 171 567 residents aged 18 and above were included in the analysis. The prevalence of prediabetes was analyzed by provinces and by China's geographical regions, after complex weighting. Multilevel logistic models were established to explore the related factors of prediabetes on the area level and individual level.Results  The prevalence of prediabetes among residents aged 18 and above was 16.6% (95%CI: 15.6%-17.6%) in China. The prevalence of prediabetes was the highest (18.3%) in the south China and lowest (13.1%) in the northwest area. The difference of the prevalence in different areas were not statistically significant (P=0.510). If categorized the prevalence of prediabetes into 5 groups by quintile, Hainan, Jilin, Shandong, Anhui, Hunan and Chongqing were in the highest group of prevalence of prediabetes (18.6%-22.7%), and Tibet, Qinghai, Gansu, Ningxia, Guizhou, and Jiangxi were in the lowest group (7.6%-12.6%). The variance of prevalence of prediabetes on the county level (MOR: 1.60 (95%CI:1.53-1.67)) was more diverse than the province level (MOR: 1.21(95%CI:1.08-1.29)) and higher than the street level (1.23 (95%CI:1.14-1.30)). Several factors increased risk of pre-diabetes, including smoking, hazardous drinking and harmful drinking, drinking in the past 30 days, overweight, obesity, central obesity, sugary drink intake, hypertension, high total cholesterol, high triglycerides, high blood low-density lipoprotein cholesterol, low blood high-density lipoprotein cholesterol (all P<0.05). After adjusted the above variables, 92.5% of variance of prediabetes prevalence conld be explained on the provincial level.Conclusion  The geographical distribution of prediabetes in adults in China differed by geographic areas, and it significantly varied on the county level. The related variables included demographic variables, personal behavior, and geographic related variables.
Key words :Prediabetic state;Risk factor;Cross-sectional study;Multi-level model
全文

糖尿病前期是介于健康与糖尿病之间的疾病前状态,包括空腹血糖受损(impaired fasting glucose,IFG)和/或糖耐量异常(impaired glucose tolerance,IGT)。世界各地糖尿病前期的流行率增长迅速,预计2030年世界糖尿病前期人口达4.7亿[1]。2013年,我国18岁及以上成人糖尿病前期流行率为16.6%[2]。本研究利用2013年中国慢性病及其危险因素监测数据,探讨中国糖尿病前期人群的地理分布及其相关因素。

对象与方法  

1.对象:  2013年中国慢性病及其危险因素监测在中国内地31个省(份)的298个监测县(区)以及4个新疆生产建设兵团中开展。监测县(区)的选取原则和省级代表性评价见参考文献[3]。每个监测县(区)采用多阶段分层整群抽样方法,抽取4个乡镇(街道),每个乡镇(街道)抽取3个行政村(居委会)。在每个抽中的行政村(居委会)内,采用简单随机抽样抽取1个村民/居民小组,再按照KISH表法,随机抽取1名18岁及以上常住居民,共抽取18岁以上常住居民177 099名。具体的样本量测算、抽样方法参考文献[4]。本研究纳入了298个监测点(除新疆生产建设兵团外)糖尿病前期相关信息完整的171 567名调查对象。所有调查对象均签署了知情同意书,研究通过了中国疾病预防控制中心慢性非传染性疾病预防控制中心伦理审查委员会的审查(审批号:201307)。

2.调查内容及方法:  (1)问卷调查:包括个人问卷和家庭问卷,家庭问卷主要收集家庭成员基本信息、经济状况及家庭饮食,个人问卷主要收集调查对象的个人信息、行为危险因素的流行状况,主要慢性病患病等信息。(2)体检:包括身高、体重、腰围和血压的测量。身高测量采用长度为2.0 m、精确度为0.1 cm的机械式身高坐高计(TZG型,蚌埠恒盛体检设备有限公司);体重测量采用最大称重为150 kg、精确度为0.1 kg的杠杆秤(RGT-140型,蚌埠恒盛体检设备有限公司);腰围测量采用长度为1.5 m、精度为0.1 cm的火炬形腰围尺;血压测量使用欧姆龙HBP-1300电子血压计,精确到1 mmHg(1 mmHg=0.133 kPa)。测量所用详细方法、仪器和精密度见报告[5]。(3)实验室检测:所有调查对象均抽取空腹静脉血测量空腹血糖(fasting plasma glucose, FPG)、血脂四项和糖化血红蛋白。无糖尿病史的调查对象口服75 g无水葡萄糖测定服糖后2 h(oral glucose tolerance test-2 hours, OGTT-2 h)血糖。FPG和OGTT-2h由各监测点实验室的全自动或半自动生化检测仪测定,其他血样由监测点在采集后1个月内送至国家项目检测中心统一检测。糖化血红蛋白检测采用美国伯乐公司D-10糖化血红蛋白测试系统及原装试剂,采用HPLC进行检测。血脂检测采用瑞士罗氏诊断公司Cobas C702生化检测仪及原装试剂,血脂检测使用酶法[5]

3.糖尿病前期的诊断标准:  未被乡镇级以上卫生服务机构诊断为糖尿病且符合以下任一项者为糖尿病前期:(1)IFG:FPG介于6.1~7.0 mmol/L且OGTT-2h血糖<7.8 mmol/L。(2)IGT:FPG<7.0 mmol/L且OGTT-2 h血糖介于7.8~11.1 mmol/L。

4.区域划分:  按照地理、气候、经济发展的相似性,将中国内地31个省(直辖市、自治区)分为7个区域,分别为华东(江苏、浙江、安徽、福建、江西、山东、上海)、华南(广东、广西、海南)、华北(河北、山西、北京、天津和内蒙古)、华中(湖北、湖南和河南)、东北(辽宁、吉林和黑龙江)、西南(四川、云南、贵州、重庆和西藏)、西北(宁夏、新疆及青海、陕西和甘肃)。

5.变量的定义与分组:  (1)人口学特征:未受教育:未接受正规学校教育或小学未毕业;(2)行为因素:现在吸烟:调查时有吸烟行为;身体活动不足:指身体活动代谢当量<600 MET?min/周;(3)膳食因素:危险饮酒:酒精摄入量≥41 g/d且<61 g/d(男性),≥21 g/d且<41 g/d(女性);有害饮酒:酒精摄入量≥61 g/d(男性),≥41 g/d(女性);蔬菜和水果摄入不足:<400 g/d;红肉摄入过量:>100 g/d;含糖饮料:含糖碳酸饮料或果汁及果味饮料;(4)体检指标:超重或肥胖:BMI≥24 kg/m2;中心型肥胖:腰围≥90 cm(男性),≥85 cm(女性);高血压:近2周内服用降压药物或者SBP≥140 mmHg和(或)DBP≥90 mmHg;高胆固醇血症:TC≥6.2 mmol/L,低高密度脂蛋白胆固醇血症:HDL-C<1.0 mmol/L;高低密度脂蛋白血症:LDL-C≥4.1 mmol/L,高甘油三酯血症:TG≥2.3 mmol/L[6]

6.质量控制:  为保证调查数据真实可靠,本调查制定了严格的质控方案并建立了国家、省级和调查点的三级质量控制体系,在调查实施的各个阶段进行实时动态质控。调查前期对调查方案和问卷进行了多轮论证,对现场工作人员的资质进行了严格限定,对调查员进行二级培训,考核合格方可参与调查。调查对监测点实验室性能进行了验证、对实验室的每个检测工作日均进行质控。调查问卷均要求两次平行录入,数据清理和分析由两组人员独立编写程序并核对结果。

7.统计学分析:  在中国慢性病及其危险因素监测系统平台上进行数据录入,采用SAS 9.4软件进行数据清理、描述性统计分析和地图绘制:(1)采用复杂抽样加权对不同区域研究人群的基本特征构成比和糖尿病前期流行率进行调整[2];(2)采用泰勒级数线性化法计算糖尿病前期流行率及其95%CI值,采用Rao-Scott χ2检验比较不同地区糖尿病前期流行率;(3)采用五分位数绘制中国各省糖尿病前期流行率的分省地图。采用MLwin2.3软件进行多水平logistic回归模型分析糖尿病前期风险的地理分布及其相关因素分析[7,8],其主要步骤为:(1)建立省、县(区)、乡镇(街道)和个体水平的空模型,将糖尿病前期分布的地理变异随机效应分解至省级、县区、乡镇街道等3个水平,计算中位数比值比(median odds ratio, MOR),评价不同区域水平糖尿病前期流行率的聚集;(2)向空模型中加入地区、城乡、性别和年龄等因素进行调整,建立模型1,计算糖尿病前期流行率(95%CI)和OR(95%CI)值;(3)根据协变量对地理变异随机效应的影响进行筛选并加入模型1,建立模型2。通过比较不同模型各级空间水平随机效应的方差改变值,说明不同模型对省级、县(区)、乡镇(街道)和村(居委)等各级空间水平随机效应方差的解释比例。检验水准α=0.05。

结果  

1.2013年中国慢性病及其危险因素监测不同区域样本人群基本特征:  171 567名调查对象中,超重肥胖、中心性肥胖检出率分别为46.5%、31.6%,高血压检出率为28.0%,高胆固醇血症、高甘油三酯血症、高低密度脂蛋白血症、低高密度脂蛋白血症检出率分别为7.1%、13.8%、8.0%、20.3%。华东地区危险饮酒率和有害饮酒率较高;华南地区过去30 d饮酒率、红肉摄入过量率,高总胆固醇血症和高低密度脂蛋白胆固醇血症检出率最高;华北地区蔬菜水果摄入不足率,超重肥胖、中心型肥胖、高血压检出率最高;华中地区的家庭人均每日烹调油摄入量最高;西南地区现在吸烟率最高。详见表1

表12013年中国慢性病及其危险因素监测不同区域样本人群的基本特征[n(%)]

2.2013年中国成人糖尿病前期的地理分布状况:  中国18岁以上常住居民的糖尿病前期流行率为16.6%(95%CI: 15.6%~17.6%)。其中,华南地区最高(18.3%),西北地区最低(13.1%),不同区域的糖尿病前期流行率差异无统计学意义(P=0.510)(表2)。将中国各省糖尿病前期流行率按五分位数分成5组,海南、吉林、山东、安徽、湖南和重庆为糖尿病前期高流行区,西藏、青海、甘肃、宁夏、贵州与江西为糖尿病前期低流行区(图1)。

图12013年中国不同省(直辖市、自治区)人群糖尿病前期流行率
表22013年中国内地不同区域人群糖尿病前期流行状况

3.2013年中国成人糖尿病前期流行率的多水平logistic模型分析结果:  糖尿病前期的多水平logistic空模型的随机效应显示,糖尿病前期流行率在县/区水平的变异最大,MOR为1.60 (95%CI:1.53~1.67)(表3)。调整地区、城乡、性别和年龄因素后,模型1可解释67.5%的糖尿病前期流行率省级变异。进一步调整社会经济因素、危险因素(现在不吸烟者、危险饮酒者、有害饮酒、过去30 d饮酒、蔬菜水果摄入不足、红肉摄入过量、身体活动不足、含糖饮料摄入)和患病(超重或肥胖、中心型肥胖、高血压患病、高胆固醇血症、高甘油三酯血症、高低密度脂蛋白血症、低高密度脂蛋白血症)等个体因素后,模型2可解释92.5%的糖尿病前期流行率省级变异(表4表5)。通过模型的变量相关OR (95%CI)值可判断,与糖尿病前期风险升高的相关因素包括现在吸烟、危险饮酒、有害饮酒、过去30 d饮酒、超重或肥胖、中心型肥胖、含糖饮料摄入、高血压、高胆固醇血症、高甘油三酯血症、高低密度脂蛋白胆固醇血症、低高密度脂蛋白胆固醇血症等因素。

表32013年中国内地不同区域成人糖尿病前期流行率的多水平logistic回归空模型随机效应分析结果
表42013年中国内地不同区域成人糖尿病前期流行率的多水平logistic回归模型的固定效应分析结果
表52013年中国内地不同区域成人糖尿病前期流行率的多水平logistic回归模型的随机效应分析结果

讨论  与血糖正常者相比,糖尿病前期个体进展至糖尿病及相关血管病变的风险明显增加,是预防糖尿病的重要阶段[9,10,11,12,13,14,15,16]。本研究首次采用具有全国及省级代表性的资料进行糖尿病前期流行率的多水平logistic模型分析,为准确估计糖尿病前期的地理分布差异提供线索。
        本研究结果显示,糖尿病前期流行率的变异在县/区级水平变异高于省级和乡镇/街道变异水平。因此,可以县区作为干预或评估的初级单元,对海南、吉林、山东、安徽、湖南与重庆等糖尿病前期流行率较高地区,作为优先干预或评估地区。研究发现,华南的糖尿病前期流行率最高。该地区人群过去30 d饮酒率、红肉摄入过量率、高胆固醇血症率、高低密度脂蛋白血症率、蔬菜水果摄入不足率、含糖饮料摄入率相对较高。东北的糖尿病前期流行率仅低于华南,该地区的城镇居住比例、危险饮酒率、有害饮酒率、过去30 d饮酒率、高甘油三酯血症率、过去30 d饮酒率、超重或肥胖比例、中心型肥胖比例,高血压患病率、身体活动不足率、高低密度脂蛋白血症率和未受教育者比例相对较高。西北的糖尿病前期流行率最低,该地区危险饮酒率、有害饮酒率和过去30 d饮酒率,红肉摄入过量率、高胆固醇血症、高低密度脂蛋白血症率最低。
        本研究结果与Yang等[17]的研究结果一致。Wang等[18]研究显示,中国糖尿病前期流行率为35.7%,高于本研究结果,原因在于该研究采用美国糖尿病协会糖尿病前期诊断标准(2010年),而本研究采用WHO糖尿病前期诊断标准(1999)。采用美国糖尿病协会的诊断标准得到的糖尿病前期流行率为采用WHO标准的2.1倍,本研究与Wang等[18]的研究结果差异与糖尿病切点的相关研究结果相符。
        本研究的局限性在于由于无法获取医疗服务的可及性等因素在县/区、乡镇/街道水平的分布资料,所建立的模型不能很好地解释糖尿病前期流行率在县/区和乡镇/街道水平的变异。此外,地区水平的混杂因素较多,可能存在生态学谬误,因而不能在个体水平上直接说明研究因素与糖尿病前期相关性。

参考文献
[1]TabákAG, HerderC, RathmannW, et al. Prediabetes: a high-risk state for diabetes development[J]. Lancet, 2012,379(9833):2279-2290. DOI: 10.1016/S0140-6736(12)60283-9.
[2]中国疾病预防控制中心慢性非传染性疾病预防控制中心.中国慢性病及其危险因素监测报告(2013)[M].北京: 军事医学出版社,2015.
[3]赵振平,王丽敏,李镒冲,等. 2013年中国慢性病及其危险因素监测系统省级代表性评价[J].中华预防医学杂志, 2018,52(2):165-169. DOI:10.3760/cma.j.issn.0253-9624.2018.02.009.
[4]王丽敏,张梅,李镒冲,等. 2013年中国慢性病及其危险因素监测总体方案[J].中华预防医学杂志,2018,52(2):191-194. DOI:10.3760/cma.j.issn.0253-9624.2018.02.015.
[5]WangL, MoN, PangR, et al. Should quality goals be defined for multicenter laboratory testing? Lessons learned from a pilot survey on a national surveillance program for diabetes[J]. Int J Qual Health Care, 2016,28(2):259-263. DOI: 10.1093/intqhc/mzv121.
[6]中国成人血脂异常防治指南修订联合委员会.中国成人血脂异常防治指南(2016年修订版)[J].中国循环杂志,2016,31(10):937-950. DOI: 10.3969/j.issn.1000-3614.2016.10.001.
[7]ZhouM, Astell-BurtT, BiY, et al. Geographical variation in diabetes prevalence and detection in china: multilevel spatial analysis of 98,058 adults[J]. Diabetes Care, 2015,38(1):72-81. DOI: 10.2337/dc14-1100.
[8]RasbashJ, SteeleF, BrowneWJ. A User's Guide to MLwiN[EB/OL].[2017-06-13] http://www.bristol.ac.uk/cmm/media/software/mlwin/downloads/manuals/3-01/manual-web.pdf.
[9]CohenJA, JeffersBW, FaldutD, et al. Risks for sensorimotor peripheral neuropathy and autonomic neuropathy in non-insulin-dependent diabetes mellitus (NIDDM)[J]. Muscle Nerve, 1998,21(1):72-80.
[10]PlantingaLC, CrewsDC, CoreshJ, et al. Prevalence of chronic kidney disease in US adults with undiagnosed diabetes or prediabetes[J]. Clin J Am Soc Nephrol, 2010,5(4):673-682. DOI: 10.2215/CJN.07891109.
[11]WongTY, LiewG, TappRJ, et al. Relation between fasting glucose and retinopathy for diagnosis of diabetes: three population-based cross-sectional studies[J]. Lancet, 2008,371(9614):736-743. DOI: 10.1016/S0140-6736(08)60343-8.
[12]JiaW, GaoX, PangC, et al. Prevalence and risk factors of albuminuria and chronic kidney disease in Chinese population with type 2 diabetes and impaired glucose regulation: Shanghai diabetic complications study (SHDCS)[J]. Nephrol Dial Transplant, 2009,24(12):3724-3731. DOI: 10.1093/ndt/gfp349.
[13]HuFB, StampferMJ, HaffnerSM, et al. Elevated risk of cardiovascular disease prior to clinical diagnosis of type 2 diabetes[J]. Diabetes Care, 2002,25(7):1129-1134.
[14]RaoKSS, KaptogeS, ThompsonA, et al. Diabetes mellitus, fasting glucose, and risk of cause-specific death[J]. N Engl J Med, 2011,364(9):829-841. DOI: 10.1056/NEJMoa1008862.
[15]BarrEL, BoykoEJ, ZimmetPZ, et al. Continuous relationships between non-diabetic hyperglycaemia and both cardiovascular disease and all-cause mortality: the Australian Diabetes, Obesity, and Lifestyle (AusDiab) study[J]. Diabetologia, 2009,52(3):415-424. DOI: 10.1007/s00125-008-1246-y.
[16]EdelsteinSL, KnowlerWC, BainRP, et al. Predictors of progression from impaired glucose tolerance to NIDDM: an analysis of six prospective studies[J]. Diabetes, 1997,46(4):701-710.
[17]YangW, LuJ, WengJ, et al. Prevalence of diabetes among men and women in China[J]. N Engl J Med,2010, 362(12):1090-1101. DOI: 10.1056/NEJMoa0908292.
[18]WangL, GaoP, ZhangM, et al. Prevalence and Ethnic Pattern of Diabetes and Prediabetes in China in 2013[J]. JAMA, 2017,317(24):2515-2523. DOI: 10.1001/jama.2017.7596.