Page 131 - 2019年9月第30卷第18期

续表1
Continued tab 1

终点HbA1c 二分类变量 数值变量
变量
控制好，例 控制差，例 假设检验方法 统计量 P 假设检验方法 统计量 P
吸烟 188 201
已戒烟 90 100
是否喝酒 χ 检验 1.09 0.579 Kruskal-Wallis秩和检验 0.31 0.855
2
从不 844 788
喝酒 239 248
已戒酒 61 56
是否锻炼 Wilcoxon秩和检验 2.22 0.026 Spearman相关性检验 0.06 0.006
从不 209 197
有时 261 190
经常 674 705
2
饮食习惯 χ 检验 12.91 0.002 Kruskal-Wallis秩和检验 12.86 0.002
荤菜为主 92 68
荤素搭配 301 357
素菜为主 751 667
用药依从性 χ 检验 8.03 0.005 Wilcoxon秩和检验 －2.83 0.005
2
差 847 864
好 297 228
2
饮食控制依从性 χ 检验 15.90 ＜0.001 Spearman相关性检验 －0.04 0.096
差 89 139
中 286 240
好 769 713
血糖监测，次 Spearman相关性检验 －0.05 0.024
血糖监测依从性 χ 检验 15.37 ＜0.001 Wilcoxon秩和检验 4.46 ＜0.001
2
差 1 040 1 039
好 104 53
胰岛素用量，u Wilcoxon秩和检验 2.72 0.007 Spearman相关性检验 0.06 0.008
2
是否使用胰岛素 χ 检验 2.90 0.089 Wilcoxon秩和检验 －2.00 0.046
未使用 874 790
使用 270 302

2.2.2 终点 HbA1c 水平的单因素分析（数值变量） 终 量的OR值为1.600，说明血糖监测依从性好的患者相对
点 HbA1c 水平（数值变量）的单因素分析中发现，终点 于血糖监测依从性差的患者，终点HbA1c控制在7.0％以
HbA1c水平在患者年龄、BMI、文化程度、从业状况、周工 内的发生比高60.0％。
作小时数、家庭平均月收入、经济负担、周围糖尿病患者 对模型进行检验：由于 Logistic 回归模型不能通过
数和到最近医疗机构时间等人口经济学变量上存在显 直接计算方差膨胀因子（Variance inflation factor，VIF）
著性差异（P＜0.05）；在糖尿病病程上存在显著性差异 来检查多重共线性问题，故本研究中采用了两种方法进
（P＜0.05）；在是否锻炼、饮食习惯、用药依从性、血糖监 行处理：第一，采用线性回归的方法进行处理，在结果中
测次数和胰岛素使用等疾病管理特征变量上亦存在显 不考虑回归系数，直接估计VIF。结果显示，所有变量的
著性差异（P＜0.05），详见表1。 VIF均小于10，平均VIF为1.73。第二，采用特征根判定
2.3 多元回归分析 法，在 Stata SE 11.0 软件中利用“Coldiag 2”命令计算模
2.3.1 终点HbA1c水平的多元回归模型分析（二分类变 型的最大条件数k＝33.40，低于100，说明模型不存在严
量） 回归模型结果见表 2。由表 2 可见，对终点 HbA1c 重的多重共线性问题。
水平有显著影响的变量包括 BMI、周工作小时数、到最 对模型进行有无忽略重要变量的检验，预测值拟合
近医疗机构时间、病程（＞10年）、基线HbA1c水平、血糖 平方项“_hatsq”项的 P 值为 0.814，说明估计无偏差，表
监测依从性和饮食控制依从性等。其中，饮食控制依从 明模型没有忽略重要的变量。
性中虚拟变量的比值比（OR）为 1.819，饮食控制依从性 对模型预测准确概率进行计算，按照“模型预测终
好虚拟变量的OR值为1.786，说明饮食控制依从性中的 点 HbA1c 控制在 7.0％以内的概率至少在 0.5 以上”的标
患者相对于饮食控制依从性差的患者终点 HbA1c 控制 准，预测正确的样本占全部样本的68.43％。
在7.0％以内的发生比高81.9％，饮食控制依从性好的患 对模型进行拟合效果检验，结果 P 值为 0.437，说明
者相对于饮食控制依从性差的患者终点 HbA1c 控制在 模型具有一定的解释能力。
7.0％以内的发生比高 78.6％。血糖监测依从性虚拟变 2.3.2 终点 HbA1c 水平的多元回归模型分析（数值变

·2574 · China Pharmacy 2019 Vol. 30 No. 18 中国药房 2019年第30卷第18期