基于潛變量增長曲線模型的糖尿病患者抑郁狀況動態(tài)變化研究

厚海偉，趙亞玲，陳方堯，曾令霞，裴磊磊

（西安交通大學(xué)醫(yī)學(xué)部公共衛(wèi)生學(xué)院流行病與衛(wèi)生統(tǒng)計學(xué)系，陜西西安 710061）

糖尿病是嚴(yán)重威脅人類健康的世界性公共衛(wèi)生問題。近30 多年來，我國糖尿病患病率快速增加：1980 年我國成人糖尿病患病率為0.67%，2007 年達(dá)9.7%，2013 年更高達(dá) 10.4%，2017 年增長至 11.2%[1]。長期高血糖易導(dǎo)致機(jī)體出現(xiàn)應(yīng)激樣反應(yīng)，血漿皮質(zhì)醇、胰高血糖素、生長激素等水平上升，皮質(zhì)醇活性發(fā)生改變，上述變化使患者更易出現(xiàn)焦慮和抑郁情緒。同時糖尿病的長期治療給患者及家庭帶來沉重的經(jīng)濟(jì)負(fù)擔(dān)，這些也可能導(dǎo)致許多糖尿病患者背負(fù)沉重的心理壓力最終并發(fā)抑郁癥[2]。國內(nèi)外大量的研究顯示，糖尿病患者的抑郁癥發(fā)生風(fēng)險高于非糖尿病患者[3-7]。然而，目前國內(nèi)外的研究大多采用橫斷面研究來探討糖尿病與抑郁癥之間的關(guān)聯(lián)，未能分析抑郁狀況的連續(xù)性變化特征，且不能合理推斷變量之間的因果關(guān)系。

區(qū)別于橫斷面調(diào)查設(shè)計研究的局限性，縱向追蹤數(shù)據(jù)可以研究抑郁狀況的連續(xù)性變化趨勢，并由變量的時間先后合理推斷因果關(guān)系[8]。傳統(tǒng)的縱向數(shù)據(jù)分析方法如重復(fù)測量設(shè)計的方差分析在對總體趨勢進(jìn)行描述的同時，很少關(guān)注個體之間增長趨勢的差異，也沒有對個體之間的增長趨勢的差異進(jìn)行解釋[9]。多層線性模型對個體之間發(fā)展趨勢差異的問題提供了切實可行的解決途徑，但對于變量之間的關(guān)系問題的探討也僅限于直接影響關(guān)系的分析[10-11]。為彌補(bǔ)傳統(tǒng)分析方法存在的弊端，本文擬采用潛變量增長曲線模型(latent growth curve modeling, LGCM)綜合考慮總體水平的平均變化趨勢和個體間的發(fā)展差異，以便對縱向隨訪數(shù)據(jù)做出更合理的解釋。

1 對象與方法

1.1 研究對象

本研究采用中國健康與養(yǎng)老追蹤調(diào)查（China Health and Retirement Longitudinal Study, 簡稱CHARLS）數(shù)據(jù)。CHARLS 是由北京大學(xué)社會科學(xué)研究院負(fù)責(zé)設(shè)計實施的一項專門針對中老年人的全國性大型追蹤調(diào)查。該調(diào)查采用多階段抽樣，樣本覆蓋了除中國臺灣、香港、澳門、海南以及中國大陸的西藏和寧夏以外的全國28 個省（自治區(qū)、直轄市）的 150 個縣、450 個社區(qū)（村）總計 1.24 萬戶家庭中的1.9 萬名受訪者，樣本具有良好的代表性[12]。本研究納入CHARLS 研究2011 年基線調(diào)查樣本中年齡≥45 歲和 2013、2015、2018 年 3 次隨訪調(diào)查均完成的研究對象，剔除缺失值和異常值。

1.2 變量定義

通過問卷中的問題“是否有醫(yī)生曾經(jīng)告訴過您有糖尿病或血糖升高（包括糖耐量異常和空腹血糖升高）”對糖尿病定義：糖尿病患者回答“是”。抑郁癥狀采用流調(diào)中心抑郁水平評定量表（the Center for Epidemiological Studies Depression Scale,CES-D）測量。該量表是由ANDRESEN 等[13]對原20 條目量表進(jìn)行簡化后得到的，由10 個條目組成，每項0～3 分，總分30 分，得分越高代表抑郁癥狀越嚴(yán)重，將≥10 分評定為有抑郁癥狀。黃慶波等[14]研究發(fā)現(xiàn)此量表的克朗巴赫系數(shù)在0.8 以上，滿足分析要求。

基于既往文獻(xiàn)研究[15-16]，本研究納入模型的其他混雜因素包括：年齡、性別、文化程度、婚姻狀況、居住地區(qū)、醫(yī)療保險、家庭收入。其中年齡根據(jù)原始數(shù)據(jù)分為4 個等級。文化程度根據(jù)問題“你現(xiàn)在獲得的最高教育水平”及給出的11 個選項分為：小學(xué)及以下（文盲、未讀完小學(xué)、私塾畢業(yè)、小學(xué)畢業(yè)）、初中（初中畢業(yè)）、高中（高中畢業(yè)、中專畢業(yè)）和大學(xué)及以上（大專畢業(yè)、本科畢業(yè)、碩士畢業(yè)、博士畢業(yè)）?；橐鰻顩r根據(jù)問題“你目前的婚姻狀態(tài)”及給出的6 個選項分為：有配偶（已婚與配偶一起居住、已婚暫時沒有跟配偶一起居?。┖蜔o配偶（分居、離異、喪偶、從未結(jié)婚）。醫(yī)療保險根據(jù)問題“你本人是否參加了以下醫(yī)療保險”及給出的12 個選項分為：有醫(yī)療保險（城鎮(zhèn)職工醫(yī)療保險，城鄉(xiāng)居民醫(yī)療保險、城鎮(zhèn)居民醫(yī)療保險、新型農(nóng)村合作醫(yī)療保險、公費(fèi)醫(yī)療、醫(yī)療救助、單位購買的商業(yè)醫(yī)療保險、個人購買的醫(yī)療保險、城鎮(zhèn)無業(yè)居民大病醫(yī)療保險、長期護(hù)理保險、其他醫(yī)療保險）和無醫(yī)療保險。其他變量根據(jù)原始問卷給出。

1.3 統(tǒng)計學(xué)分析

首先通過傾向性得分匹配法（propensity score matching, PSM）消除糖尿病與抑郁癥關(guān)聯(lián)之間的混雜因素。傾向評分（propensity score, PS）這一概念由 ROSENBAUM 和 RUBIN 在 1983 年首次提出，其基本原理是“降維”，即用一個PS 來概括多個協(xié)變量的影響并整合成為一個綜合的分?jǐn)?shù)[17]。本文基于Logistic 回歸模型計算傾向得分，即以是否患糖尿病為因變量，上述混雜因素（年齡、性別、文化程度、婚姻狀況、居住地區(qū)、醫(yī)療保險、家庭收入）為自變量進(jìn)行擬合。選用最鄰近匹配法進(jìn)行得分匹配，匹配比例設(shè)為1∶4，卡鉗值設(shè)為0.03。最后檢驗匹配后非糖尿病組與糖尿病組各變量的均衡性，以P＜0.05 為差異具有統(tǒng)計學(xué)意義。

然后建立潛變量增長曲線模型分析糖尿病患者和非糖尿病患者抑郁癥的變化特征。潛變量增長曲線模型是一種基于結(jié)構(gòu)方程模型基礎(chǔ)上的較新的處理追蹤研究數(shù)據(jù)的統(tǒng)計方法，此方法可以同時對個體的發(fā)展趨勢和個體間的差異進(jìn)行解釋，并且可以對變量之間復(fù)雜的因果關(guān)系進(jìn)行分析[18]。采用比較擬合指數(shù)(comparative fit index, CFI)、塔克-路易斯指數(shù)(Tucker-Lewis Index, TLI)、均方根近似值(rootmean-square error of approximation, RMSEA)和標(biāo)準(zhǔn)化均方根殘差(standardized root mean square residual, SRMR)來 評 價 模 型 擬 合 。 CFI 和 TLI＞0.90、RMSEA＜0.08、SRMR＜0.10 被認(rèn)為是模型擬合充分的證據(jù)[19]。所有研究分別采用R3.5.2 和Mplus7.11軟件完成。

2 結(jié) 果

2.1 研究對象的基本特征

本研究最終納入5 711 名信息完整的研究對象，平均年齡（57.08±8.114）歲[非糖尿病組（57.02±8.114）歲，糖尿病組（57.98±8.006）歲]，非糖尿病組與糖尿病組中男性比例分別為48.5% 和44.1%。2011 年調(diào)查時糖尿病患病率為5.79%（331/5 711），其它基線特征見表1。通過傾向性得分匹配后，納入樣本為1 621 人（非糖尿病組1 291 人，糖尿病組330 人），平均年齡（57.65±8.090）歲[非糖尿病組（57.58±8.123）歲，糖尿病組（57.91±7.969）歲]，非糖尿病組與糖尿病組中男性比例分別為43.0% 和43.9%。匹配后各變量在兩組之間均衡可比。

表1 傾向性得分匹配前后研究對象的基本特征Tab. 1 The subjects’basic characteristics before and after propensity score matching [n（%）]

2.2 糖尿病與抑郁癥的關(guān)聯(lián)

2011、2013、2015、2018 年非糖尿病組與糖尿病組 的 抑 郁 評 分 分 別 為 9.70±4.723，7.84±4.834，8.78±5.100，11.07±8.646 和 10.10±4.707，8.21±4.782，9.29±5.233，11.30±7.382。以 2011 年基線調(diào)查的CES-D10 抑郁量表評分作為抑郁癥診斷的依據(jù)。PS 匹配前非糖尿病組與糖尿病組的抑郁癥狀無統(tǒng)計學(xué)差異（χ2=2.686，P=0.101）。在控制年齡、性別、文化程度、婚姻狀況、居住地區(qū)、醫(yī)療保險和收入情況后，非糖尿病組與糖尿病組的抑郁癥狀具有統(tǒng)計學(xué)差異（χ2=3.861，P=0.049），糖尿病組患抑郁癥的風(fēng)險是非糖尿病組的1.13 倍（表2）。

表2 匹配前后非糖尿病組與糖尿病組的抑郁狀態(tài)Tab. 2 Depression status of non-diabetic group and diabetic group before and after propensity score matching [n（%）]

2.3 潛變量增長曲線模型結(jié)果

本研究擬合了3 種潛變量增長曲線模型，表3 顯示了3 種模型的擬合情況。對于定義的線性增長模型，CFI=0.590 和TLI=0.508，表示模型與數(shù)據(jù)之間的擬合尚可以接受，但是RMSEA=0.198，SRMR=0.112 表示模型與數(shù)據(jù)擬合不好。對于定義的二次增長模型，從擬合指數(shù)的絕對值上看，二次增長模型擬合結(jié)果優(yōu)于線性模型，ΔAIC=284.191，ΔBIC=241.064。不定義曲線類型的增長模型擬合指標(biāo)與二次增長模型相比，模型擬合有了進(jìn)一步的提升，ΔAIC=15.849，ΔBIC =37.412。CFI 和 TLI＞0.95，RMSEA＜0.06，SRMR＜0.04 這四個指標(biāo)均提示模型擬合良好，因此采用不定義增長曲線類型的模型為增長函數(shù)的最優(yōu)模型解。

表3 3 種增長模型的擬合情況Tab. 3 The fitting of three latent growth curve models

不定義曲線類型的增長模型潛變量均值的估計結(jié)果表明，非糖尿病組和糖尿病組的初始狀態(tài)平均抑郁評分分別為9.640 和10.097，在隨訪期內(nèi)，兩組的抑郁評分有先降后升的趨勢，但是非糖尿病組的抑郁評分始終低于糖尿病組。潛變量方差估計的結(jié)果表明，初始時非糖尿病組和糖尿病組的抑郁狀況都存在顯著的個體間差異，在隨訪期內(nèi)，兩組抑郁評分的變化速度卻都不存在個體間差異。潛變量截距和斜率之間的協(xié)方差，從定義模型的參數(shù)估計結(jié)果可以看出非糖尿病組的截距和斜率之間的相關(guān)為正，糖尿病組的截距和斜率之間的相關(guān)為負(fù)，兩組都未達(dá)到顯著水平，在追蹤期內(nèi)，初始抑郁評分的高低與后來的變化速度之間相關(guān)無統(tǒng)計學(xué)意義。詳見表4。

表4 不定義曲線類型的增長模型參數(shù)估計結(jié)果Tab. 4 The results of parameter estimation based on the model without defined curve type

3 討 論

糖尿病是一種慢性終身性疾病，病情遷延不愈，治療費(fèi)用昂貴，給家庭及社會造成很大負(fù)擔(dān)。研究發(fā)現(xiàn)，糖尿病與抑郁癥存在共同的生理學(xué)基礎(chǔ)，二者發(fā)病都在于下丘腦-垂體-腎上腺軸功能紊亂[20]。糖尿病患者的促腎上腺皮質(zhì)激素釋放激素高于正常人，而大量的促腎上腺皮質(zhì)激素釋放激素會導(dǎo)致機(jī)體出現(xiàn)焦慮、抑郁和厭食等機(jī)體功能障礙癥狀。隨著社會醫(yī)學(xué)模式的轉(zhuǎn)變，人們更關(guān)心患者的心理狀況變化。通過LGCM 模型構(gòu)建患者的抑郁評分變化軌跡優(yōu)于傳統(tǒng)方法，可以描述個體的發(fā)展軌跡并分析個體間的差異及存在差異的原因，可以對給定的增長趨勢進(jìn)行檢驗，也可以對個體隨時間變化的趨勢類型進(jìn)行探索。通過確定適當(dāng)模型，揭示糖尿病患者抑郁狀況動態(tài)變化規(guī)律，對抑郁狀況較嚴(yán)重的患者盡早實施個性化干預(yù)。

本研究設(shè)定的3種模型均為非條件的增長模型，即不包含任何時間變量以外的預(yù)測變量模型。在不知道數(shù)據(jù)本身發(fā)展趨勢的情況下，可以用非定義模型進(jìn)行擬合，用數(shù)據(jù)來確定最優(yōu)模型，真實世界的數(shù)據(jù)往往比較復(fù)雜，需要不斷深入挖掘，先從線性模型到曲線模型，再從非條件模型到條件模型，并進(jìn)一步添加協(xié)變量擬合模型。通過非定義模型發(fā)現(xiàn)糖尿病患者的抑郁狀況呈現(xiàn)出先下降后上升的非線性動態(tài)變化趨勢。因此，醫(yī)師在控制患者血糖的同時必須注意其心理狀況的變化，在不同的階段給予患者恰當(dāng)?shù)男睦碇委?。李玉萍等[21]發(fā)現(xiàn)，個性化心理指導(dǎo)聯(lián)合微信健康教育，可以提升老年糖尿病患者的遵醫(yī)行為，幫助患者有效控制血糖，提高血糖控制達(dá)標(biāo)率，緩解負(fù)性情緒，促進(jìn)患者回歸正常生活。董宗美等[22]發(fā)現(xiàn)，認(rèn)知行為療法可減輕2 型糖尿病患者的心理壓力，進(jìn)而改善血糖控制水平。

本研究基于CHARLS 的縱向隨訪數(shù)據(jù)開展，在探索糖尿病患者的抑郁狀況時，將橫斷面研究與縱向研究相結(jié)合，使結(jié)論具有較強(qiáng)的說服力。同時，通過傾向性得分匹配，重新定義了非糖尿病組與糖尿病組，消除了一些混雜因素的影響，使兩組均衡可比。盡管本研究納入了7 個混雜因素（年齡、性別、文化程度、婚姻狀況、居住地區(qū)、醫(yī)療保險、家庭收入），但影響糖尿病與抑郁癥的因素較多，很明顯其余未知混雜因素的影響尚不能排除，且其他慢性病對患者的心理狀況也會產(chǎn)生影響。此外，潛變量增長曲線模型包括多種，例如潛在增長混合模型、潛在轉(zhuǎn)換分析等，而本文僅僅使用了最基礎(chǔ)的3 種方法，因此糖尿病患者抑郁狀況的變化規(guī)律需要進(jìn)一步深入探討。