多項(xiàng)膨脹效應(yīng)模型對(duì)美國(guó)城市4～9歲兒童哮喘危險(xiǎn)因素的分析

顧丹彤 林燧恒

（復(fù)旦大學(xué)公共衛(wèi)生學(xué)院生物統(tǒng)計(jì)學(xué)教研室 上海 200032）

哮喘是最為常見(jiàn)的兒童慢性呼吸系統(tǒng)疾病，其癥狀主要為喘息、胸悶、咳嗽等。哮喘發(fā)病率逐年升高，已經(jīng)成為全球最大的公共衛(wèi)生健康問(wèn)題之一［1］。20年來(lái)，在美國(guó)城市兒童哮喘的防治方面并無(wú)突破，目前仍無(wú)可以治愈哮喘的治療方案。更好地了解哮喘的危險(xiǎn)因素，并及早提供預(yù)防方案，已成為控制兒童哮喘的當(dāng)務(wù)之急［2］。

為了調(diào)查與哮喘癥狀相關(guān)的潛在危險(xiǎn)因素，美國(guó)城市合作哮喘研究（National Cooperative Inner City Asthma Study，NCICAS）團(tuán)隊(duì)在1993年對(duì)診斷為哮喘且居住于市中心貧困地區(qū)的1 376名兒童進(jìn)行了9個(gè)月的隨訪，并于基線、3、6和9個(gè)月重復(fù)測(cè)量了4次，研究的主要結(jié)局變量之一是患兒在過(guò)去2周內(nèi)氣喘的天數(shù)，取值范圍是0～14的整數(shù)。NCICAS是第一個(gè)大型的美國(guó)城市兒童哮喘病研究，之后的針對(duì)美國(guó)城市哮喘兒童的研究多是基于此研究結(jié)果來(lái)設(shè)計(jì)干預(yù)或集中探討某方面的因素，所包含的危險(xiǎn)因素較這個(gè)原始數(shù)據(jù)反而相對(duì)較少。由于NCICAS收集到的縱向數(shù)據(jù)在0值和14值處出現(xiàn)大量堆積，用傳統(tǒng)的廣義線性模型進(jìn)行建模可能會(huì)導(dǎo)致估計(jì)偏倚，并影響對(duì)危險(xiǎn)因素的估計(jì)。

事件發(fā)生數(shù)中含有大量的零值或其他某一數(shù)值時(shí)，由于計(jì)數(shù)資料中某個(gè)值過(guò)多，且取相同的值時(shí)反映的情況不同，常常會(huì)導(dǎo)致計(jì)數(shù)資料的變異度較大，這類現(xiàn)象被稱為計(jì)數(shù)資料的膨脹［3］。這種離散數(shù)據(jù)的特殊性使其無(wú)法用一般的泊松、二項(xiàng)或負(fù)二項(xiàng)分布等計(jì)數(shù)模型來(lái)進(jìn)行預(yù)測(cè)。多項(xiàng)膨脹模型能解釋計(jì)數(shù)資料中某些過(guò)多的值，彌補(bǔ)了普通模型分析膨脹結(jié)構(gòu)數(shù)據(jù)時(shí)的缺陷［4］，使得估計(jì)結(jié)果更加無(wú)偏和可靠，并已經(jīng)用于解決一些傳統(tǒng)模型無(wú)法回答的實(shí)際問(wèn)題。

NCICAS收集的美國(guó)城市哮喘兒童發(fā)病因素變量最多，數(shù)據(jù)最全面。本研究旨在利用NCICAS數(shù)據(jù)以發(fā)現(xiàn)更全面的兒童哮喘危險(xiǎn)因素，首次通過(guò)建立更適合反應(yīng)變量的多項(xiàng)膨脹效應(yīng)模型，以更好地吻合數(shù)據(jù)分布、減少偏倚，并在此基礎(chǔ)上進(jìn)一步采用單因素及多因素分析挖掘美國(guó)城市兒童哮喘發(fā)病與危險(xiǎn)因素之間的關(guān)系，為兒童哮喘的預(yù)防提供理論依據(jù)。

資料和方法

數(shù)據(jù)獲取及研究對(duì)象本研究的數(shù)據(jù)來(lái)源于美國(guó)NCICAS，我們通過(guò)美國(guó)公開(kāi)數(shù)據(jù)政策M(jìn)-13-13獲得NCICAS項(xiàng)目主持人的授權(quán)并使用這批數(shù)據(jù)。NCICAS是一項(xiàng)對(duì)美國(guó)城市兒童哮喘發(fā)病率進(jìn)行的兩階段研究。該項(xiàng)目收集了1993—1997年關(guān)于哮喘癥狀及有關(guān)因素的隨訪數(shù)據(jù)，并針對(duì)基線收集的數(shù)據(jù)進(jìn)行分析［5］。研究對(duì)象為美國(guó)國(guó)家城市合作哮喘研究中被觀測(cè)的1 376名4～9歲的兒童，由美國(guó)北部、中部和東北部氣候條件相似的大城市的8個(gè)哮喘研究中心招募。

研究變量該項(xiàng)目中每個(gè)家庭在基線檢查后再次接受問(wèn)卷調(diào)查，并要求估計(jì)過(guò)去2周有氣喘癥狀的天數(shù)和前3個(gè)月計(jì)劃外就診或住院的次數(shù)?；€調(diào)查主要包括被監(jiān)測(cè)兒童的年齡、性別、家庭住址、開(kāi)始監(jiān)測(cè)時(shí)的季節(jié)等。

本研究探討的兒童哮喘影響因素主要包括兒童自身情況、父母或照料者情況及環(huán)境因素三方面。其中患兒年齡（age）、父母心理量表（Brief Symptom Inventory，BSI）得 分 、兒 童 行 為 量 表（Child Behavior Checklist，CBCL）得分、服藥次數(shù)（medicine）、就醫(yī)次數(shù)（doctor）、社會(huì)支持（support）得分、家庭環(huán)境（environment）得分為連續(xù)性變量；患兒種族（race）分為3類，黑人、西班牙人、其他種族分別賦值為1、2、3；患兒性別分為2類，男性賦值為0，女性賦值為 1；患兒是否過(guò)敏（atopic）、患兒出生時(shí)是否住進(jìn)重癥監(jiān)護(hù)室（ICU）、患兒哮喘時(shí)是否難以得到照料（hard_1）、是否難以得到后續(xù)看護(hù)（hard_2）、家長(zhǎng)是否關(guān)心患兒治療的不良反應(yīng)（sideeffect）、家中是否吸煙（smoke）、是否在冬天進(jìn)行觀測(cè)（winter）均為分類變量，是賦值為1，否賦值為0。

統(tǒng)計(jì)學(xué)方法

描述性分析 我們將患兒按家長(zhǎng)匯報(bào)的氣喘天數(shù)分為0天，1～13天和14天3類。分析所研究變量的情況，連續(xù)變量描述其均數(shù)及標(biāo)準(zhǔn)差情況，分類變量描述其人數(shù)及占比情況，描述其分布后檢驗(yàn)數(shù)據(jù)正態(tài)及方差齊性，對(duì)滿足正態(tài)性及方差齊性的數(shù)據(jù)進(jìn)行χ2檢驗(yàn)，對(duì)不滿足條件的數(shù)據(jù)進(jìn)行Kruskal-Wallison檢驗(yàn)。

模型擬合與比較傳統(tǒng)的用于擬合計(jì)數(shù)數(shù)據(jù)最常見(jiàn)的模型是泊松回歸（Poisson regression，POI）模型，泊松回歸模型要求數(shù)據(jù)的期望均數(shù)等于期望方差。當(dāng)均數(shù)與方差不等時(shí)，可以考慮使用負(fù)二項(xiàng)回歸（negative binomial regression，NB）模型進(jìn)行擬合。針對(duì)本文使用的零值較多且符合泊松分布的過(guò)離散（方差明顯大于均值）復(fù)合計(jì)數(shù)資料，采用零膨脹及多項(xiàng)膨脹泊松分布模型進(jìn)行擬合。零膨脹泊松模型（zero-inflated Poisson regression，ZIP）的基本方法是將數(shù)據(jù)集看成全0數(shù)據(jù)集A和一個(gè)服從泊松或負(fù)二項(xiàng)分布的數(shù)據(jù)集B組成的混合數(shù)據(jù)集，對(duì)混合計(jì)數(shù)數(shù)據(jù)建立混合概率分布，用一些特征變量對(duì)個(gè)體是否真的屬于A用Logistic模型進(jìn)行預(yù)測(cè)，然后將真實(shí)屬于A中的個(gè)體排除后，構(gòu)建泊松或負(fù)二項(xiàng)分布的計(jì)數(shù)模型；Logistic部分主要回答協(xié)變量影響事件發(fā)生與否的問(wèn)題，泊松或負(fù)二項(xiàng)模型部分主要回答協(xié)變量影響事件發(fā)生次數(shù)多寡的問(wèn)題。多項(xiàng)膨脹泊松模型（multi-inflated Poisson regression，ZKIP）則是在零膨脹模型的基礎(chǔ)上再多加一個(gè)全n數(shù)據(jù)集C［6］。泊松、負(fù)二項(xiàng)、零膨脹泊松和多項(xiàng)膨脹模型的概率密度函數(shù)及其參數(shù)見(jiàn)表1。

表1 不同模型概率密度及其參數(shù)Tab 1 Probability density and parameters of different models

模型的擬合及參數(shù)估計(jì)使用統(tǒng)計(jì)軟件SAS中的過(guò)程步PROC NLMIXED完成，相應(yīng)的代碼如下所示。

/*zkip*/

procnlmixed data=data.time0 method=gauss qtol=0.0005 TECH=nmsimp；

parameters a0=-..9 a14=-2.3 b0=1.2；

prob0=exp（a0+u1）/（1+exp（a0）+exp（a14））；

prob14 = exp （a14+u2）/（1+exp （a0） +exp（a14））；

mu=exp（b0）；

if whzchst=0 then ll=log（prob0+（1-prob0-prob14）*exp（-mu））；

else if whzchst=14 then ll=log（prob14+（1-prob0-prob14）*exp（-mu）*（mu**14）/gamma（15））；

else ll=log（（1-prob0-prob14））-mu+whzchst*log（mu）-lgamma（whzchst+1）；

model whzchst～general（ll）；

title3"Zero-14-inflated Poisson Effects Model"；

run；

單因素分析 我們向ZKIP模型中的3個(gè)部分分別設(shè)置連接函數(shù)并引入?yún)f(xié)變量，在零膨脹部分，我們引入額外0概率和期望泊松計(jì)數(shù)與線性預(yù)測(cè)指標(biāo)間的連接函數(shù)logit(p i)；在14膨脹部分，引入額外14概率和期望泊松計(jì)數(shù)與線性預(yù)測(cè)指標(biāo)間的連接函數(shù)logit(qi)；在泊松回歸部分，引入期望泊松計(jì)數(shù)與線性預(yù)測(cè)指標(biāo)間的連接函數(shù)logit(θi)。通過(guò)在這些連接函數(shù)中引入?yún)f(xié)變量來(lái)構(gòu)建含有協(xié)變量的多項(xiàng)膨脹泊松模型：

其中W 1是零膨脹部分的一個(gè)1376×c的協(xié)變量矩陣，W 2是14膨脹部分的一個(gè)1376×c的協(xié)變量矩陣，該矩陣除截距項(xiàng)共有c-1個(gè)協(xié)變量；X是負(fù)二項(xiàng)部分的一個(gè)1376×c的協(xié)變量矩陣，該矩陣除截距項(xiàng)共有c-1個(gè)協(xié)變量；γ1是零膨脹部分協(xié)變量的c×1的回歸系數(shù)向量，該矩陣除截距項(xiàng)共有c-1個(gè)協(xié)變量；γ2是14膨脹部分協(xié)變量的c×1的回歸系數(shù)向量，β是負(fù)二項(xiàng)部分協(xié)變量的c×1的回歸系數(shù)向量。在單因素分析中W1、W2、X中同時(shí)納入相同的變量。

多因素分析 通過(guò)在W1、W2、X中同時(shí)納入變量建立模型，并比較各個(gè)模型的擬合優(yōu)度參數(shù)AIC、AICC、BIC，選擇最優(yōu)的模型。首先對(duì)泊松回歸部分加入一系列協(xié)變量進(jìn)行建模，找出泊松部分的最優(yōu)模型后，在0和14膨脹部分分別加入?yún)f(xié)變量建模。建立最優(yōu)模型后，對(duì)該模型進(jìn)行多因素分析，旨在發(fā)現(xiàn)實(shí)際情況下，多個(gè)影響因素并存時(shí)，研究變量對(duì)發(fā)病指標(biāo)的影響大小，并找出針對(duì)不同人群相應(yīng)的有影響的變量。

統(tǒng)計(jì)軟件 本研究采用SAS 9.4軟件進(jìn)行分析，所有統(tǒng)計(jì)均采用雙側(cè)檢驗(yàn)，P＜0.05為差異有統(tǒng)計(jì)學(xué)意義。

結(jié) 果

研究對(duì)象基本特征我們對(duì)1 376名兒童進(jìn)行基線分析。共有男性兒童508名（36.9%），平均年齡6.24歲，其中328名（64.6%）呈現(xiàn)過(guò)敏陽(yáng)性，152名（29.9%）在冬季監(jiān)測(cè)；共有女性兒童868名（63.1%），平均年齡6.15歲，其中589名（67.9%）呈現(xiàn)過(guò)敏陽(yáng)性，257名（29.6%）在冬季監(jiān)測(cè)。匯報(bào)患兒氣喘天數(shù)為0天、1～13天和14天的3個(gè)人群中，兒童行為量表得分、服藥次數(shù)、就醫(yī)次數(shù)、患兒哮喘時(shí)是否難以得到照料、是否難以得到后續(xù)看護(hù)等方面差異均有統(tǒng)計(jì)學(xué)意義（表2）。

表2 1 376名哮喘兒童的基本特征Tab 2 Basic characteristics of 1 376 children with asthma［ or n（%）］

表2 1 376名哮喘兒童的基本特征Tab 2 Basic characteristics of 1 376 children with asthma［ or n（%）］

a：χ2 or Kruskal-Wallis test.BSI：Brief Symptom Inventory scores；CBCL：Child Behavior Checklist scores；ICU：Lived in ICU at birth；Medicine：Number of medications；Doctor：Number of doctor’s visit；Hard_1：Hard to get care for asthma；Hard_2：Difficult to get followup care；Side-effect：Concern for treatment side effects；Support：Social support score；Smoke：Caretaker smokes；Environment：Family environment score；Winter：Observation was done in winter.

Characteristics P a Days of wheeze due to Asthma 0（n=451）6.2±1.8 1-13（n=852）6.1±1.7 14（n=73）6.2±1.70.933 0.899 0.106 0.301 0.100＜0.001 0.456＜0.001 0.007 0.007＜0.001 0.156 0.180 0.811 0.936 0.082 Age（y）Race（%）Black Spanish Others Atopic（%）Gender（male%）BSI CBCL ICU（yes%）Medicine Doctor Hard_1（yes%）Hard_2（yes%）Side-effect（yes%）Support Smoke（yes%）Environment Winter（yes%）331（73.4）89（19.7）31（6.9）347（76.9）176（39.0）55.0±11.3 55.6（11.7）104（23.1）1.7±1.2 1.2±0.4 202（44.8）192（42.6）271（74.7）7.2±2.2 252（57.0）5.4±1.5 163（36.1）628（73.7）169（19.8）55（6.5）691（81.1）310（36.4）55.9±11.3 57.4±11.5 212（24.9）2.1±1.3 1.1±0.3 460（54.0）488（57.3）587（79.4）7.1±2.3 495（58.9）5.5±1.4 268（30.3）57（78.1）11（15.1）5（6.8）54（74.0）22（30.1）58.0±11.2 61.9（9.61）22（30.1）2.0±1.4 1.2±0.4 41（56.2）50（68.5）49（81.7）6.7±2.4 43（58.9）5.4±1.4 21（28.8）

對(duì)基線問(wèn)卷的結(jié)局變量（即孩子在2周內(nèi)的氣喘天數(shù)）進(jìn)行分析，據(jù)家長(zhǎng)匯報(bào)情況，氣喘的平均次數(shù)為2.86，方差為12.67。我們進(jìn)一步研究發(fā)現(xiàn)匯報(bào)為0次和14次的人群相對(duì)于計(jì)數(shù)分布的其他次數(shù)人群呈現(xiàn)出匯報(bào)的高峰，以基線數(shù)據(jù)為例，0次和14次的占比分別為32.8%和5.3%。

模型擬合比較本研究所使用的數(shù)據(jù)明顯具有過(guò)離散的特征，故而在傳統(tǒng)模型擬合的基礎(chǔ)上，我們考慮使用零膨脹泊松和多項(xiàng)膨脹泊松模型與傳統(tǒng)的泊松及負(fù)二項(xiàng)模型進(jìn)行對(duì)比，擇優(yōu)選擇最佳的模型進(jìn)行擬合，擬合結(jié)果見(jiàn)表3。綜合考慮模型參數(shù)AIC、BIC、AICC均顯示多項(xiàng)膨脹泊松模型擬合效果最佳。

表3 不同模型的擬合優(yōu)度比較Tab 3 Comparison of goodness in fit in different models

將以上各個(gè)模型擬合后的預(yù)測(cè)頻數(shù)分布與原始數(shù)據(jù)的頻數(shù)分布相比較（圖1），明顯可以看出，多項(xiàng)膨脹泊松模型的擬合效果最好。

圖1 各模型擬合分布比較Fig 1 Comparison of fitted distributions of various models

多項(xiàng)膨脹泊松模型的單因素分析在0膨脹部分，對(duì)于額外0的對(duì)數(shù)發(fā)生比，就醫(yī)次數(shù)具有顯著的正效應(yīng)，兒童行為量表得分和服藥次數(shù)具有顯著的負(fù)效應(yīng)，患兒為女性、在冬天觀測(cè)的患兒家長(zhǎng)更不容易將氣喘天數(shù)匯報(bào)為0次。在14膨脹部分，對(duì)于額外14的對(duì)數(shù)發(fā)生比，患兒為女性、哮喘時(shí)難以得到治療、難以得到后續(xù)照料、出生時(shí)住進(jìn)重癥監(jiān)護(hù)室、在冬天觀測(cè)的患兒家長(zhǎng)更不容易將氣喘天數(shù)匯報(bào)為14天。在泊松部分，患兒的年齡、服藥次數(shù)具有顯著的正效應(yīng)，女性、過(guò)敏、就醫(yī)次數(shù)多、不關(guān)心治療的不良反應(yīng)、在冬天觀測(cè)的患兒家長(zhǎng)傾向于匯報(bào)更少的氣喘天數(shù)（表4）。

多項(xiàng)膨脹泊松模型的多因素分析我們先對(duì)泊松模型加入?yún)f(xié)變量進(jìn)行建模，以找到能最好解釋泊松部分的協(xié)變量，建模過(guò)程見(jiàn)表5，通過(guò)后退法逐步剔除上一個(gè)模型中無(wú)顯著統(tǒng)計(jì)學(xué)意義的變量，并不斷比較模型的擬合優(yōu)度參數(shù)AIC、AICC、BIC（3個(gè)指標(biāo)均為越小越好），我們最終選擇model 8進(jìn)行泊松部分的建模。

在選取擬合效果最好的泊松模型后，我們?cè)谀Ｐ偷牟此刹糠止潭ㄊ褂媚Ｐ?的變量，即在泊松部分固定納入?yún)f(xié)變量年齡、服藥次數(shù)、家長(zhǎng)是否關(guān)心治療的不良反應(yīng)、是否在冬天觀測(cè)。然后開(kāi)始對(duì)0和14膨脹部分使用后退法加入?yún)f(xié)變量建模，建模過(guò)程見(jiàn)表6。進(jìn)行多次建模嘗試后，通過(guò)比較模型的評(píng)價(jià)參數(shù)AIC、AICC、BIC，我們最終選擇model 7進(jìn)行最終的建模，最終在模型的0膨脹部分納入變量性別、過(guò)敏、服藥次數(shù)、就醫(yī)次數(shù)、是否在冬天觀測(cè)、兒童行為量表得分，在14膨脹部分納入變量性別、種族、哮喘時(shí)難以得到治療、是否難以獲得后續(xù)照料、兒童行為量表得分。

表4 多項(xiàng)膨脹泊松模型中患兒氣喘天數(shù)的單因素分析Tab 4 Single-factor analysisof the number of days child had wheeze in ZKIPmodel

表5 泊松部分構(gòu)建過(guò)程——變量及評(píng)價(jià)參數(shù)Tab 5 Model comparison of poisson part：variables and goodnessof fit

表6 多項(xiàng)膨脹泊松模型構(gòu)建過(guò)程——變量及評(píng)價(jià)參數(shù)Tab 6 Model comparison of multi-inflated parts：variables and goodness of fit

對(duì)最優(yōu)模型進(jìn)行多因素分析，我們發(fā)現(xiàn)在泊松回歸部分，控制其他協(xié)變量后：年齡每增長(zhǎng)1歲，家長(zhǎng)匯報(bào)患兒氣喘的的期望天數(shù)增加4%；服藥次數(shù)每增加1次，家長(zhǎng)匯報(bào)患兒氣喘的期望天數(shù)增加7%；與不關(guān)心治療不良反應(yīng)的家長(zhǎng)相比，關(guān)心治療不良反應(yīng)的家長(zhǎng)匯報(bào)氣喘的期望天數(shù)增加12%；與其他季節(jié)相比，在冬天進(jìn)行問(wèn)卷調(diào)查的患兒家長(zhǎng)匯報(bào)的氣喘期望天數(shù)減少11%，差異均有統(tǒng)計(jì)學(xué)意義；對(duì)0處的膨脹研究顯示，服藥次數(shù)越少、就醫(yī)次數(shù)越多、兒童行為量表得分越低，對(duì)兒童家長(zhǎng)匯報(bào)其氣喘天數(shù)為0具有正效應(yīng)；兒童行為量表得分越高，對(duì)兒童家長(zhǎng)匯報(bào)其氣喘天數(shù)為14具有正效應(yīng)，具體分析結(jié)果見(jiàn)表7。

討 論

本文使用的美國(guó)哮喘兒童哮喘病發(fā)病數(shù)據(jù)具有零膨脹數(shù)據(jù)的特征，在對(duì)其進(jìn)行描述性分析后，我們發(fā)現(xiàn)其還具有在某點(diǎn)處的聚集性，符合0_K膨脹分布的特征，這個(gè)數(shù)據(jù)特征是由問(wèn)卷收集過(guò)程中的回憶偏倚和選擇偏倚導(dǎo)致的，使用傳統(tǒng)的廣義線性模型進(jìn)行分析可能難以得出準(zhǔn)確的參數(shù)估計(jì)，故而我們考慮使用多項(xiàng)膨脹泊松模型分析數(shù)據(jù)。為了進(jìn)一步研究對(duì)美國(guó)家長(zhǎng)匯報(bào)患兒氣喘天數(shù)有影響的變量，我們?cè)诙囗?xiàng)膨脹模型中引入?yún)f(xié)變量，并構(gòu)建模型，最終發(fā)現(xiàn)年齡、服藥次數(shù)、家長(zhǎng)關(guān)心治療的不良反應(yīng)是家長(zhǎng)匯報(bào)患兒氣喘天數(shù)增多的危險(xiǎn)因素；對(duì)0處的膨脹研究顯示，服藥次數(shù)越少、就醫(yī)次數(shù)越多、兒童行為表現(xiàn)越差，對(duì)兒童家長(zhǎng)匯報(bào)患兒氣喘天數(shù)為0具有正效應(yīng)。兒童行為表現(xiàn)越好，對(duì)兒童家長(zhǎng)匯報(bào)患兒氣喘天數(shù)為14天具有正效應(yīng)。

表7 多項(xiàng)膨脹泊松模型中患兒氣喘天數(shù)的多因素分析Tab 7 Multi-factor analysis of thenumber of days child had wheeze in ZKIPmodel

本研究的模型發(fā)現(xiàn)了美國(guó)哮喘兒童的心理量表得分越高對(duì)家長(zhǎng)匯報(bào)的氣喘14膨脹的正效應(yīng)，一組臨床隨機(jī)對(duì)照的干預(yù)研究顯示哮喘組的兒童行為量表得分顯著高于健康組［7］，支氣管哮喘患兒存在一定的心理?yè)p傷，同時(shí)哮喘兒童更易出現(xiàn)焦慮、抑郁、退縮等不良心理現(xiàn)象，提示我們?cè)趯?duì)哮喘兒童進(jìn)行管理時(shí)需要預(yù)防心理方面的疾病。目前的哮喘治療主要采用吸入糖皮質(zhì)激素，可能會(huì)導(dǎo)致患者發(fā)生咽部不適、咽炎、口腔念珠菌病等不良反應(yīng)［8］，孩子的服藥次數(shù)越多、家長(zhǎng)對(duì)治療的不良反應(yīng)越關(guān)心，家長(zhǎng)越可能存在焦慮與抑郁現(xiàn)象。有研究顯示患兒家長(zhǎng)的焦慮和抑郁水平檢出率顯著高于正常群體［9］，這可能可以解釋在泊松部分期望天數(shù)的增加。

模型顯示在冬天進(jìn)行問(wèn)卷調(diào)查的情形下，家長(zhǎng)報(bào)告患兒氣喘的期望天數(shù)減少11%，極有可能與冬天過(guò)敏源的相應(yīng)減少有關(guān)。以往研究中也明確提出了過(guò)敏對(duì)哮喘的影響，過(guò)敏史一般包括藥物過(guò)敏及食物過(guò)敏，對(duì)哮喘兒童而言，這兩種過(guò)敏往往同時(shí)存在，而食物過(guò)敏更為常見(jiàn)［10］。食物過(guò)敏引發(fā)的兒童哮喘約占總發(fā)病人數(shù)的6%～8%，它能顯著增加兒童哮喘的發(fā)病率，且呈現(xiàn)出發(fā)病率隨過(guò)敏食物增多而增高的特點(diǎn)［11］，對(duì)雞蛋（OR=2.0，P＜0.01）和堅(jiān)果的食物過(guò)敏（OR=2.0，P=0.02）是兒童哮喘的獨(dú)立危險(xiǎn)因素；更有研究結(jié)果報(bào)告食物過(guò)敏的兒童中有45.6%為哮喘病患者［12］。大量研究發(fā)現(xiàn)，孕婦及兒童對(duì)目前廣泛使用的對(duì)乙酰氨基酚有過(guò)敏反應(yīng)，且其使用劑量與致哮喘風(fēng)險(xiǎn)呈現(xiàn)出劑量反應(yīng)關(guān)系。研究發(fā)現(xiàn)某些存在抗氧化基因缺陷的兒童在使用對(duì)乙酰氨基酚后會(huì)出現(xiàn)嗜酸粒細(xì)胞炎癥，且其患哮喘的風(fēng)險(xiǎn)顯著增加［13］。過(guò)敏陽(yáng)性的兒童出現(xiàn)哮喘的可能性更高，其父母也更易發(fā)現(xiàn)其有氣喘的情況，這與本文的研究結(jié)果一致。

哮喘兒童的年齡越大，治療時(shí)間越長(zhǎng)，被診斷為難治性哮喘的可能性越大［14］。難治性哮喘是指結(jié)合使用長(zhǎng)效β2激動(dòng)劑及吸入中高劑量糖皮質(zhì)激素和兩種或更多種的控制藥物進(jìn)行規(guī)范治療至少3～6個(gè)月后仍不能得到良好控制的哮喘。若兒童在急性哮喘發(fā)作期未得到有效治療，極易轉(zhuǎn)化為慢性哮喘，病情難以得到緩解，且隨年齡增大愈發(fā)成為頑疾。另外有研究指出，母嬰保護(hù)是哮喘的重要保護(hù)路徑［15］，Meta分析指出母乳喂養(yǎng)（OR=0.508，95%CI：0.396～0.653）是兒童哮喘的保護(hù)因素［13］，其主要原因可能是母乳中包含大量消化寡糖類物質(zhì)、細(xì)胞因子、IgA及長(zhǎng)鏈脂肪酸，可以有效減少嬰兒感染并降低特異性反映發(fā)生概率［16］。本研究發(fā)現(xiàn)兒童年齡越大，父母匯報(bào)其氣喘的期望天數(shù)顯著增加，這可能與大齡兒童出現(xiàn)慢性哮喘、難治性哮喘的可能性增加且其來(lái)自母乳的免疫功能降低有關(guān)。

分析表明，我們的多項(xiàng)膨脹泊松模型更適合于擬合這個(gè)存在數(shù)值堆積的哮喘數(shù)據(jù)。該模型擬合數(shù)據(jù)的預(yù)測(cè)值更接近實(shí)際值、模型的擬合優(yōu)度更好，通過(guò)該模型，我們發(fā)現(xiàn)了以往使用傳統(tǒng)模型研究中未曾發(fā)現(xiàn)的兒童行為量表得分對(duì)患兒家長(zhǎng)匯報(bào)患兒氣喘天數(shù)的影響，可以為哮喘的預(yù)防提供一些理論基礎(chǔ)。

作者貢獻(xiàn)聲明顧丹彤 數(shù)據(jù)統(tǒng)計(jì)和分析，模型運(yùn)算，論文撰寫和修訂。林遂恒 論文構(gòu)思，數(shù)據(jù)采集，論文修訂。

利益沖突聲明所有作者均聲明不存在利益沖突。