應用廣義估計方程建立沈陽地區不同孕周體重常模*

遼寧省沈陽市婦女兒童保健中心（110032） 李 靜 黃彥紅楊 柳 姚曉光 李荔荔 李 妍 邵 杰 董 爽

應用廣義估計方程建立沈陽地區不同孕周體重常模*

遼寧省沈陽市婦女兒童保健中心（110032） 李 靜 黃彥紅△楊 柳 姚曉光 李荔荔 李 妍 邵 杰 董 爽

目的針對重復測量數據應用廣義估計方程，制定更為科學合理的不同孕周的體重常模，用于孕期保健臨床指導中。方法采取按比例分層隨機抽樣方法，將沈陽市分為城市、郊區、農村3層，每層按照2009年活產數的10%抽取樣本，共獲得有效資料3203例，這些孕婦在整個孕期分4～7次進行體重測量，追蹤其分娩的新生兒健康狀況。采用廣義估計方程（GEE）方法建立不同孕周體重常模。結果孕前BMI不同，其孕期體重增長不同，應用廣義估計方程能建立分孕前BMI的三條不同孕周的體重常模。結論應用廣義估計方程建立不同孕周體重常模更為科學。

孕周 體重 廣義估計方程

研究孕婦孕期體重變化，除了橫斷面研究中直接測量孕婦當下孕期的體重外，我們還能獲得孕婦在整個孕期不同孕周的體重資料。這些不同孕周的體重資料具有如下特點［1］：①同一觀察對象的重復測量值之間是非獨立的；②觀察指標在所測量的時間范圍內可能成趨勢性變化；③觀察值的變異來源很多等。針對這些重復資料的分析常用的方法有重復測量方差分析、廣義估計方程（generalized estimation equations，GEE）等。由于本次分析的資料中有缺失值，每名孕婦在孕期的測量次數不同，因此我們采用GEE進行分析。

對象與方法

1.對象 采取按比例分層隨機抽樣方法，將沈陽市分為城市、郊區、農村3層，每層按照2009年活產數的10%抽取樣本，共計3383例，刪除不完整、不合邏輯數據180例，最終資料完整、單胎妊娠、新生兒健康者，共獲得有效資料3203例，這些孕婦在整個孕期分4～7次進行體重等調查，并追蹤其妊娠結局。

2.方法

（1）問卷調查 自行設計調查表，內容包括人口統計學特征、孕前影響因素等。

（2）全身體檢和產科檢查 孕期分4～7次定期進行產前檢查，分別測量記錄孕婦的體重；分娩后記錄新生兒體重等。

（3）體重判定標準 根據國際生命科學學會中國辦事處中國肥胖問題工作組標準判定孕前體重狀況，體重過低：BMI＜18.5，體重正常：18.5≤BMI＜24.0，超重及肥胖：BMI≥24.0。

（4）統計學處理 采用Epidata3.1進行數據錄入，采用SPSS20.0完成資料分析。針對孕期連續性體重資料采用GEE進行統計分析。

結 果

1.一般情況 本次研究的3203例孕婦中，平均年齡26.92±4.22歲；孕前平均體重56.26±9.05kg，孕前平均BMI為21.44±3.23；文化程度方面：初中以下占30.9%，高中占22.7%，大專占24.1%，本科及以上占22.2%；職業分布中家務所占比例最高達29.9%；家庭月收入平均在2000元左右比例最高為44.9%，其次在4000元左右為27.6%。孕婦平均分娩孕周為38.98±1.21周；順產26.60%，剖宮產73.40%。新生兒出生體重平均為3.41±0.45kg，其中男嬰52.04%，出生體重平均為3.44±0.48kg，女嬰占47.96%，出生體重平均為3.37±0.42 kg。

2.不同孕周體重的廣義估計方程 將3202例孕婦從孕早期開始進行孕期每周體重的隨訪，重復測量的次數從4次到7次不等，共有5763個測量數據，但這些數據有缺省值，且每個孕婦體重測量的次數不同，測量時間間隔不同，因此采用GEE進行分析，結果詳見表1和表2。結果表明：按孕前不同BMI分組，其孕期體重Waldχ2＝941.650，P＜0.01，組間差異有統計學意義；不同孕周體重的比較結果為Waldχ2＝8455.898，P＜0.01，孕周差異有統計學意義。結果表明孕早期與孕晚期的體重差異顯著，孕前不同BMI的孕婦孕期體重有差異，且隨著孕周的增加，體重逐漸增加。表2中還可根據孕前BMI，計算出孕期每周體重值及95%的可信區間，具體見圖1～3。

表1 模型效應檢驗

圖1 孕前低BMI不同孕周體重常模

圖2 孕前中BMI不同孕周體重常模

圖3 孕前高BMI不同孕周體重常模

討 論

1.應用BMI指標的意義 BMI即體重指數，是用體重（kg）除以身高（m2）得出的數字，是目前國際上常用的衡量人體胖瘦程度以及是否健康的一個標準。主要用于統計用途，當我們需要比較及分析一個人的體重對于不同高度的人所帶來的健康影響時，BMI值是一個中立而可靠的指標。由于孕前BMI不同，其孕期體重增長不同［2］，為此我們將孕期體重按照孕前BMI不同分成三組進行分析。

表2 參數估計

2.重復測量數據的應用 針對本次調查的孕婦孕期體重變化的重復測量資料，我們如果只是在各時間點上進行對比分析，則沒有充分利用觀察對象在不同時點間的內在聯系，降低了檢驗效能；也沒能考慮孕期體重在各時間點上的變化規律，更沒能考慮其他協變量與時間的交互作用對結果的影響。因為如果忽略重復觀測間的相關性，將損失數據中的信息，參數估計可能不準確［3］。為此，對于不同孕周孕婦體重的縱向觀察資料進行分析，由于該資料中每名孕婦不是全部按照規定孕周進行產檢，因此數據庫中存在缺失值，即孕婦在整個孕期的體重測量次數是不同的，測量的時間間隔不相等，那么應用GEE進行分析應更為科學合理［4］。GEE是在廣義線性模型和重復測量數據中，運用準似然估計方法估計參數的一種用于分析相關性數據的回歸模型。利用GEE進行統計，可以有效地控制中心效應、重復測量因素及其他影響因素，克服因忽略組內相關而造成的檢驗結果偏差較大、參數估計值無效等問題［5］。本文通過GEE分析，得出不同孕前BMI的孕婦孕期每周體重的回歸模型，根據模型計算孕婦每周體重，得出三條體重曲線（詳見圖1－3）。我們的婦保醫生可根據孕婦的孕前BMI及當前的孕周數推算孕婦體重的正常范圍，過高或過低都會給予警示，指導孕婦將體重控制在正常范圍，防止由于孕期體重增長過高或過低所帶來的一系列問題，特別是預防孕期并發癥的發生。

1.楊珉，李曉松.醫學和公共衛生研究常用多水平統計模型.北京：北京大學醫學出版社，2008：49-51.

2.楊柳，黃彥紅，李靜，等.沈陽地區孕期體重增長與妊娠結局關系研究.中國婦幼保健雜志，2012，27（19）：2927-2929.

3.趙振，潘曉平，張俊輝.廣義估計方程在縱向資料中的應用.現代預防醫學，2006，33（5）：707-708.

4.李新，董丹.重復測量資料的廣義估計方程分析及SPSS實現.數理醫藥學雜志，2012，25（5）：549-551.

5.張茜，朱振昕，孟文佳，等.縱向監測健康體檢數據的統計分析策略.山東大學學報（醫學版），2012，50（2）：149-151.

（責任編輯：郭海強）

遼寧省科研項目（項目編號：2009225007）

△通信作者：黃彥紅，E-mail：hyh.8656＠yahoo.com.cn