目的 调查分析上海市嘉定区新成路街道老年人主观认知下降(subjective cognitive decline,SCD)发生的相关影响因素,为进一步预防SCD提供依据.方法 调查于2022年1月-2022年12月在上海市嘉定区新成路街道社区卫生服务中心参加免费体检的≥60岁老年人共961例.采用单因素回归筛选具有临床意义的常见观察指标;采用多元回归模型探讨SCD发生的影响因素.结果 共有902例居民参与了本项研究(男性373例、女性529例),入组老年人群SCD检出率为21.1％.单因素Logistic回归分析结果显示:性别、年龄、学历、受教育年限、尿酸、血红蛋白、糖尿病、冠心病、身体水分含量、去脂体重、基础代谢、无机盐、肌肉量、蛋白质量及衰弱分期等参数与SCD具有显著相关性(P＜0.05).多因素Logistic回归分析结果显示:受教育年限为SCD的独立保护因素[OR=0.90,95％CI:0.85～0.95,P＜0.001];女性[OR=1.68,95％CI:1.08～2.62,P=0.021]、衰弱[OR=2.51,95％CI:1.84～3.40,P＜0.001]为SCD的独立危险因素.结论 上海市嘉定区新成路街道老年人群SCD检出率为21.1％.女性和衰弱是SCD的危险因素,受教育年限是其保护因素.

目的 了解福建省龙岩市糖尿病居民中糖尿病视网膜病变(DR)的患病情况及其相关因素.方法 调查研究.2022年1月至2023年12月在福建省龙岩市7个县市区的112个镇街中纳入社区慢性病随访管理系统的糖尿病患者10 061例作为目标调查人群.对其进行问卷调查、常规全身检查及视力和免散瞳眼底数码照相检查.剔除身高、体重、血压、空腹血糖(FPG)、糖尿病病程均缺失者762例,不能窥清眼底者507例,最终纳入统计分析8 792例.DR诊断及分型参照2019年DR国际临床分级标准;单眼或双眼DR者均作为1例纳入DR患病率统计;双眼DR以程度较重眼进行DR分级.按有、无DR对受检者进行分组;以平均年龄67岁为界分为年龄≤67岁组、＞67岁组进行统计分析.采用x2检验统计分析与患病相关的影响因素;通过二分类多因素logistic回归分析,筛选DR的影响因素.结果 8 792例受检者中,检出DR 888例(10.1％,888/8 792)(DR组);无DR 7 904例(89.0％,7 904/8 792)(无DR组).与无DR组比较,DR组患者FPG(Z=-12.448)、糖尿病病程(Z=-18.936)、收缩压(Z=-4.237)、舒张压(Z=-2.881)、体重指数(BMI)≥24 kg/m2者均升高,差异有统计学意义(P＜0.001);两组高血压(x2=11.450)、高血脂(x2=5.100)、肾脏疾病(x2=7.039)、糖尿病家族史(x2=5.0.25)以及是否规律用药(x2=66.034)比较,差异均有统计学意义(P＜0.05).年龄≤67岁组、＞67岁组分别为4 688、4 104例.年龄≤67岁组中,不同FPG水平(x2=111.754)、糖尿病病程(x2=231.658)、BMI(x2=12.404)、收缩压(x2=17.912)、是否规律用药(x2=40.727)以及有无高血脂病史(x2=6.816)、高血压病史(x2=6.775)者DR患病率比较,差异均有统计学意义(P＜0.05);年龄＞67岁组中,不同FPG水平(x2=59.916)、糖尿病病程(x2=128.362)、收缩压(x2=5.183)、是否规律用药(x2=22.097)以及有无肾脏疾病(x2=6.251)、糖尿病家族史(x2=4.967)者DR患病率比较,差异均有统计学意义(P＜0.05).不同性别、不同文化程度、有无吸烟史、有无饮酒史、有无运动习惯、有无心脏病史、有无其他疾病家族史的糖尿病患者间DR患病率差异无统计学意义(P＞0.05).Logistics回归分析结果显示,年龄＞67岁者,FPG[比值比(OR)=1.074,95％可信区间(CI)1.046～1.102]、糖尿病病程(OR=1.088,95％CI 1.071～1.106)、收缩压(OR=1.007,95％CI 1.001～1.013)、肾脏疾病(OR=3.617,95％CI1.268～10.320)为DR发生的危险因素(P＜0.05);年龄≤67岁者,FPG(OR=1.088,95％CI1.067～1.110)、糖尿病病程(OR=1.108,95％CI 1.091～1.125)、收缩压(OR=1.008,95％CI 1.003～1.013)是DR发生的独立危险因素(P＜0.05),BMI≥24 kg/m2(OR=0.934,95％CI0.908～0.965)是DR的保护因素(P＜0.05).年龄、是否规律用药、高血压、高血脂均为DR发生的可疑混杂因素.结论 福建省龙岩地区糖尿病患者DR患病率为10.1％;FPG、糖尿病病程、收缩压为DR发生的独立危险因素,年龄、是否规律用药、高血压、高血脂为DR发生的可疑混杂因素.

目的 探讨我国社区人群甘油三酯葡萄糖乘积(TyG)指数与尿白蛋白/肌酐比值(UACR)的相关性,并比较不同胰岛素抵抗指数和肥胖指数对异常白蛋白尿预测价值的差异.方法 共纳入来自REACTION(中国糖尿病患者癌症风险评估)数据库的34 655例受试者,根据UACR值将其分为正常白蛋白尿组和异常白蛋白尿组,再根据TyG指数将其再分为TyG-Q1组～TyG-Q4组.收集所有受试者一般临床资料、实验室检查指标及各项指数并分组进行比较.采用多因素logistic回归分析评估TyG指数与UACR异常的相关性.采用受试者工作特征(ROC)曲线评估TyG指数等新型指标对异常白蛋白尿的预测效能.结果 Q2、Q3和Q4组受试者异常白蛋白尿发生率、体重、WC、HC、TC、ALT、AST、GGT、SBP、DBP均显著高于Q1组;Q3组受试者LDL-C显著高于Q1组;Q4组受试者身高显著高于Q1组(P＜0.001).多因素logistic回归分析结果显示,TyG指数作为连续变量时,TyG指数与UACR异常呈显著正相关;TyG指数为分类变量时,高TyG指数与UACR异常呈显著正相关(Q3组P=0.015,Q4组P＜0.001).ROC曲线分析结果显示,TyG指数、HOME-IR、METS-IR、CVAI、ABSI和BMI对异常白蛋白尿发生均具有预测价值(P＜0.001),TyG指数和CVAI的预测价值显著高于其他指标(P＜0.05),但两者的预测效能无明显差异(P＞0.05).结论 TyG指数升高与中国社区人群UACR异常显著相关,TyG指数和CVAI对异常白蛋白尿的发生预测价值最高,提示其在临床预测中具有潜在应用价值.

目的:评价影响儿童及青少年1型糖尿病患者生命质量的主要因素。方法:系统检索从建库到2019年3月19日在中国期刊全文数据库、中国生物医学文献数据库、维普、万方、PubMed、Webscien等数据库中关于儿童及青少年1型糖尿病患者生命质量影响因素研究的文献，采用RevMan5.3软件和Stata12.0软件对符合纳入条件的文献进行分析。结果:根据纳入和排除标准，共纳入17篇文献，总样本量11 266例。儿童及青少年1型糖尿病患者生命质量的影响因素合并效应量及95% CI分别为性别0.31（0.20~0.42）、年龄0.22（0.08~0.36）、发病年龄0.07（0.01~0.12）、是否为独生子女0.62（0.33~0.91）、家庭年收入-0.45 (-0.66~-0.24）、血糖控制情况0.66（0.50~0.82）、每天注射胰岛素次数-0.22（-0.39~-0.04）、HbA1c0.39（0.33~0.46）。 结论:性别、年龄、发病年龄、是否为独生子女、家庭年收入、血糖控制情况、每天注射胰岛素次数、HbA1c是影响儿童及青少年1型糖尿病患者生命质量的主要因素。为医院、家庭、社区、学校采取多样化切实可行的措施提供参考。

目的:探讨O2O模式在糖尿病社区护理中的应用效果及对服药依从性的影响。方法:选取该社区2017年8月至2019年8月慢病管理的糖尿病患者108例，随机分为参照组和实验组，各54例。参照组患者采用传统社区护理，实验组患者采用O2O模式护理，对比两组血糖指标、服药依从性、SF-36评分情况。结果:实验组护理后FBG、HbA1c、2hPG均显著低于参照组，实验组服药依从性(96.30%)显著高于参照组(74.07%)，实验组护理后SF-36评分显著高于参照组，差异均有统计学意义(均 P<0.05)。 结论:O2O模式应用于糖尿病社区护理中可显著提高患者服药依从性，降低患者血糖，改善患者生活质量。

目的:挖掘与分析在线健康社区妊娠期高血糖（HIP）用户的网络问答文本，为HIP患者健康信息服务提供参考。方法:采集"糖尿病网"和"妈妈网"问答数据108 590条，运用社会网络分析法构建文本内容特征词共现网络并进行可视化分析与展示。在识别内容主题的基础上进一步分析主题间及主题内部节点关系，并结合Wilson信息行为理论对内容主题进行属性区分。结果:本研究构建出包含321个节点的HIP用户问答文本特征词网络，其中最大连通子网包括177个节点。围绕血糖控制和应对疾病压力两大类信息寻求动机，共识别出12个内容主题。其中，4个主题具有生理属性、7个主题具有认知属性、6个主题具有情感属性。药物治疗、饮食与营养包含的特征词数量最为突出，各主题内部均存在高点度中心度的特征词。结论:HIP用户关注的内容具有多种属性、多个维度。临床、社区医护人员及其他健康信息服务者可不断完善针对HIP患者的信息服务内容，满足其健康信息需求。

目的:开发一种将2型糖尿病患病相关因素作为诊断预测因子在社区人群中进行2型糖尿病筛查的列线图模型。方法:选取2020年10月至2020年12月参加新疆克拉玛依社区"全民健康体检"、体检资料完整、符合入选及排除标准的6 028名社区居民作为研究对象。研究对象的体检资料采集包括病史收集、体格检查、实验室检查和超声检查。采用随机分割抽样方法将人群分为训练集和验证集队列，运用 LASSO回归分析，筛选与糖尿病相关的独立影响因素。将筛选出的独立相关因素纳入到多因素 logistic回归，并使用RMS软件包来构建列线图，利用受试者工作特征(ROC)曲线下面积衡量模型的区分度，利用校准曲线直观地反映模型的校准度。 结果:在建模组中，多因素 logistic回归分析结果显示，年龄、性别(女性)、高血压病史、高血脂病史、HbA 1C、尿微量白蛋白、稳态模型评估的胰岛素抵抗指数和三酰甘油葡萄糖生成指数这8个因子为糖尿病的独立相关因子， OR分别为1.053(95% CI 1.038~1.069)、0.681(95% CI 0.512~0.906)、1.802(95% CI 1.227~2.626)、1.789(95% CI 1.303~2.448)、10.973(95% CI 8.318~14.745)、1.002(95% CI 1.001~1.004)、2.914(95% CI 2.248~3.799)和2.673(95% CI 2.03~3.536)。训练集和验证集的ROC曲线下面积分别为0.945和0.955。ROC曲线中最佳临界值在训练集中为0.178(灵敏度0.930，特异度0.839)，在验证集中为0.201(灵敏度0.945，特异度0.848)。 结论:本研究建立的2型糖尿病筛查模型具有较高的灵敏度和特异度，可作为筛查2型糖尿病高危人群的工具。

糖尿病已成为严重危害人类健康的全球公共卫生问题之一。其健康管理显得尤为重要。而社区医生在糖尿病健康管理中充当了一个不可或缺的角色。目前，社区医生存在着诊疗水平低，人才短缺等诸多问题，对其开展继续教育迫在眉睫，但现有的研究表明社区医生的继续教育尚未完善，未来需要更多教育方式，以促进糖尿病健康管理的发展。

目的:调查社区全科门诊老年高血压患者潜在不适当用药（PIM）情况并分析其影响因素。方法:选取北京市某社区卫生服务中心全科门诊2020年11月至2021年8月老年高血压患者处方767张，应用《中国老年人潜在不适当用药判断标准（2017年版）》筛查PIM发生情况，并分析PIM的影响因素。结果:在767张老年高血压患者处方中检出198张（25.8%）处方、244例次PIM。PIM检出率前3位的是苯二氮?类-艾司唑仑64例次，氯吡格雷53例次，胰岛素35例次。按照是否应用PIM药物进行分组，单因素分析显示，用药种类、高血压合并血脂异常、冠心病、2型糖尿病、骨关节病、上呼吸道感染、失眠具有统计学意义（χ 2=82.58、13.65、17.74、7.52、10.34、68.19，均 P<0.05）。再将这些因素纳入多因素logistic回归分析显示，用药种类、高血压合并上呼吸道感染、失眠是PIM发生的影响因素（ OR=1.55、2.47、9.05，均 P<0.05）。 结论:社区全科门诊老年高血压患者PIM发生较普遍，用药种类、高血压合并上呼吸道感染、失眠是PIM发生的影响因素。提示社区全科医生应提高对PIM识别，尽量精简处方，选择新型药物或非药物治疗替代，减少PIM发生。

目的:探索人工智能(AI)在社区糖尿病视网膜病变(DR)诊断和转诊中的应用价值。方法:采用诊断试验研究方法，纳入2020年1月1日至2021年12月31日就诊于东莞市3个社区医院的糖尿病患者421例812眼，其中男267例，占63.42%，女154例，占36.58%；年龄18~82岁，平均(51.72±11.28)岁；病程0~30年，平均3.00(1.00，7.00)年。收集以黄斑为中心的50°彩色眼底照片，建立DR图片库。所有病例图像分别由AI DR诊断系统、经过培训的社区医生组、眼科专家组作出分级诊断：有无DR、有无具有转诊意义的糖尿病视网膜病变(RDR)及转诊推荐。以眼科专家组诊断结果为金标准，分析该AI系统诊断DR的敏感性及特异度；分别比较该AI系统和社区医生诊断DR，尤其是RDR的一致性及有效转诊率。结果:所有入组彩色眼底照片中，无DR 570眼，轻度非增生性糖尿病视网膜病变(NPDR)23眼，中度NPDR 120眼，重度NPDR 60眼，增生性糖尿病视网膜病变(PDR)39眼。AI系统诊断DR的敏感性及特异度分别为87.60%和97.89%，诊断RDR的敏感性及特异度分别为90.41%和96.29%。与眼科专家判读结果相比，AI系统诊断DR和RDR的Kappa系数均为0.87，诊断一致性低于经过培训的社区医生组(Kappa系数分别为0.93和0.98)。在眼科专家建议转诊的病例中，AI系统有效转诊率为90.87%(199/219)，略高于社区医生组的89.50%(196/219)，但差异无统计学意义( P＝1.000)。 结论:该AI系统诊断DR，尤其是RDR的敏感性、特异度及一致性均较高。与培训后的社区医生相比，AI系统能更有效转诊RDR。