潛在類別分析在出生缺陷高危人群識別中的應用*

山西醫科大學公共衛生學院流行病與衛生統計教研室(030001)

李　金　劉小琴　曹紅艷　張巖波△

?

潛在類別分析在出生缺陷高危人群識別中的應用*

山西醫科大學公共衛生學院流行病與衛生統計教研室(030001)

李金劉小琴曹紅艷張巖波△

【提要】目的應用潛在類別分析(latent class analysis，LCA)對具有不同出生缺陷相關因素分布特征的人群進行分類，識別出出生缺陷高危人群，為采取有重點、有針對性的干預措施提供依據。方法選取近親結婚、親屬缺陷兒、自然流產史、既往缺陷兒、孕期發熱、孕期感冒、居住地存在污染源、孕期用藥、育齡9個出生缺陷相關因素作為顯變量，進行潛在類別分析，識別出潛在類別，進而對人群進行分類。結果當潛在類別數目為4時模型擬合最佳，依據各因素在4個潛在類別中的條件概率的分布特征，將類別1～類別4分別命名為：一般人群組、家族缺陷史組、孕期感冒發熱組、單純用藥組。對個體進行聚類后，4類人群的出生缺陷率比較，χ2值為3099.254，P<0.001。不同潛在類別人群缺陷率有差別。家族缺陷史組(73.7%)，感冒發熱組(3.8%)，單純用藥組(2.5%)，一般人群組(1.0%)缺陷率依次降低，其中家族缺陷史組缺陷率最高，提示家族缺陷史組人群為出生缺陷高危人群，應該有重點有針對地進行干預。結論潛在類別分析可以應用于出生缺陷高危人群識別中。依據各因素在潛在類別中的條件概率的分布特征進行人群的分型，通過比較不同類別人群的缺陷率的差異，識別出生缺陷高危人群，揭示出生缺陷預防的重點人群和內容，為制定出生缺陷預防措施提供依據。

潛在類別模型出生缺陷出生缺陷危險因素

出生缺陷(birth defect,BD)也稱先天畸形,是指嬰兒出生前的身體結構由于各種因素的作用,引起的胚胎或胎兒在發育過程中發生的解剖學結構或功能上的異常改變。出生缺陷不僅帶給孩子痛苦、給家庭帶來嚴重的負擔,也是公共衛生問題,影響經濟發展和人們正常生活。我國是出生缺陷的高發國家之一,而山西省更是我國出生缺陷的高發省份之一[1]。因此,以山西省出生缺陷高發地區為研究地點,以出生缺陷危險因素在人群分布特征為研究重點,揭示人群出生缺陷危險因素的分布特征,對制定出生缺陷防控干預策略和提高人口質量具有重要意義。出生缺陷危險因素涉及廣泛，各種研究指標呈現復雜且具有“高維度”的特點,同時各指標間可能存在相關性,對這些因素進行的研究,不僅涉及單個變量的效應,也包括一組相關變量的整體效應。現有對出生缺陷的研究更多側重于危險因素的單獨效應，而較少關注相關因素之間的局部獨立效應。潛在類別分析是探討存在統計學關聯的分類外顯變量背后的類別潛變量的一種統計學技術。較之傳統方法獨具優勢,它既能針對分類變量進行分析，彌補了傳統聚類分析僅能處理連續變量的缺陷，又能反映單變量效應或一組相關變量的整體效應,達到“降維”的效果[2-4]。通過對出生缺陷危險因素進行潛在類別分析，將具有不同缺陷因素分布特征的人群分型，識別出出生缺陷高危人群，從而采取有針對性的措施，對出生缺陷的控制與預防具有重要的意義。本研究將潛在類別分析方法應用于出生缺陷高危人群識別中，通過對具有不同出生缺陷相關因素分布特征的人群進行分類，進一步分析具有不同群組人群的出生缺陷率的差異，識別出出生缺陷高危人群，揭示出生缺陷預防的重點人群和內容，為針對性地制定預防措施提供依據。現將研究結果報告如下。

資料與方法

1.數據來源

研究資料來源于山西醫科大學科研基地——山西省計生委科研所出生缺陷監測基地。調查對象為2006年1月1日-2008年12月31日山西省平定縣、代縣、紛陽市、懷仁縣、中陽縣、交口縣6個縣(市)所有的出生兒母親及其家屬。本次調查共回收調查問卷36917份,其中有效問卷36716份,有效問卷率達99.46%。

2.研究因素

本研究基于山西省六縣市出生缺陷情況調查表的調查結果,同時查閱相關文獻找出出生缺陷人群的危險因素[5-6],對各因素與缺陷結果進行單因素卡方檢驗,選取關聯性由大到小排序的前9個因素選入模型進行分析,9個因素詳見表1。

表1　研究因素賦值方法

3.統計方法

(1) 潛在類別分析的基本模型

潛在類別模型包括潛在類別概率(latent class probabilities)和條件概率(conditional probabilities)兩種類型參數。假設有三個外顯變量A、B、C，其水平數分別為I、J、K，且其彼此之間不相互獨立。若存在某一具有T個潛類別的潛變量X，該變量不僅可以解釋A、B、C三者間的關系，而且在X的每個類別中可維持A、B、C這三個外顯變量的局部獨立性，即為潛在類別分析，則其基本的潛在類別模型為:

(1)

(2) 參數估計

潛在類別分析主要采用極大似然法(maximum likelihood,ML)進行參數估計,其迭代過程中常用的算法有最大期望法(expectation-maximization，EM)、牛頓-拉普森(Newton-Raphson，NR)和Fisher計分法等,其中以EM算法最為常用。

(3) 模型評價

模型評價的主要工作就是找出包含較少參數、簡潔，又具有較好擬合優度的模型。現得到廣泛使用的評價指標有：Pearsonχ2值、似然比χ2值、Akaike信息準則(AIC)和Baysian信息準則(BIC)等。其中Pearsonχ2值和似然比χ2值所對應的P值大于0.05，表明模型擬合得好；AIC 和BIC 統計量值越小，則意味著模型擬合得越好。有研究指出當樣本量以數千計時BIC 指標更可靠，否則AIC 更佳[7]。

(4) 個體的潛在分類

在確定模型后，需要將各觀察值分類到適當的潛在類別當中，以說明觀察值的后驗類別屬性，即潛在聚類分析。潛在聚類分析是在一定的概率模型之下，利用估計所得的潛類別概率和潛類別中各外顯變量的條件概率計算每種外顯變量組合分類到各潛類別的后驗概率，然后依據后驗概率的大小決定該組合的個體應歸入的潛類別。后驗概率的計算公式為：

(2)

(5) 統計分析軟件

本研究的潛在類別分析采用Mplus 5.1軟件，其他統計學分析采用SPSS17.0軟件完成。

結　　果

1.模型擬合結果

表2列出了9個模型的分析結果，可以看出隨著類別數目的增多，Pearsonχ2值和似然比卡方(G2)值逐漸減小。BIC值在模型1-cluster到模型4-cluster依次下降，從模型5-cluster又開始逐步上升。本研究調查樣本n=36716,屬于大樣本，所以模型擬合指標以BIC為主，故選取模型4-cluster為最佳模型。

表2　不同類別數的模型的擬合指標

2.參數估計結果及類別的命名

以潛在類別數目為4作為最優模型,進一步獲得模型的參數估計結果,即各出生缺陷相關因素在4個潛在類別上的條件概率與潛在類別概率,如表3。

表3　各因素在四個潛在類別上的條件概率與潛在類別概率

從條件概率來看，類別1在9個危險因素中回答“無”的條件概率均遠遠高于回答“有”的概率，可見類別1中不存在明顯的危險因素分布特征，可將類別1命名為：一般人群組；類別2在親屬缺陷兒、既往缺陷兒兩個危險因素回答“有”的條件概率分別為0.559、0.727，明顯高于其他3個類別，故可將類別2命名為：家族遺傳史組；類別3在孕期發熱、孕期感冒兩個危險因素回答“有”的條件概率均為1.000，明顯高于在其他3個類別中的條件概率，故可將此類別命名為：孕期感冒發熱組；類別4中，孕期用藥因素回答“有”的條件概率為0.631，在四個類別中最大，而在其它8個危險因素回答“無”的條件概率均遠高于回答“有”的概率，故可將類別4命名為：單純用藥組。

從潛在類別概率來看，類別1到類別4的潛在類別概率分別為0.85169，0.00312，0.01536和0.12983，總和為1，其中類別1所占比重最大。

3.分類結果

潛在聚類分析是潛在類別分析的最后一步，即利用潛在類別概率和條件概率計算每個個體分類到各潛類別的后驗概率，見公式(2)，然后依據后驗概率的大小決定該組合的個體應歸入的潛類別。舉例如表4。

表4　潛在類別分析的分類結果舉例

表4列出了樣本的前9個個體分類的結果,以第一個個體{000101010}為例,被分到第一個潛在類別的概率為0.005,被分到第二個潛在類別的概率為0.077,被分到第三個潛在類別的概率為0.000，被分到第四個潛在類別的概率為0.918，被分到第四個潛在類別的概率最高，所以被分到第四類別——單純用藥組中。同理我們也可以把其他的危險因素組合分到相應的潛變量類別中。分類結果：一般人群組32043人，家族缺陷史組76人，孕期感冒發熱組650人，單純用藥組3947人。

4.四組潛在類別人群缺陷率比較

表5　各潛在類別人群缺陷率比較

經卡方檢驗，χ2=3099.254，P<0.001。不同潛在類別人群缺陷率有差別。經多個實驗組間的兩兩比較卡方檢驗，α=0.007，其中家族缺陷史組、孕期感冒發熱組、單純用藥組與一般人群組之間的卡方檢驗P值均小于0.001，可以認為家族缺陷史組、孕期感冒發熱組、單純用藥組的缺陷率高于一般人群組；家族遺傳史組與一般人群組、孕期感冒發熱組、單純用藥組之間的卡方檢驗P值均小于0.001，可以認為家族缺陷史組缺陷率高于一般人群組、孕期感冒發熱組和單純用藥組。家族缺陷史組缺陷率高達73.7%，提示家族遺傳史組為出生缺陷兒發生高危人群，應該成為出生缺陷預防的重點干預對象。

討　　論

針對出生缺陷人群調查數據“異質性,高維度,關系復雜和變量屬性不同”的特點,傳統統計方法僅關注于危險因素的單獨效應,而忽略相關危險因素的整體效應，顯得略有不足。因此,本文采用潛在類別模型,以山西省出生缺陷高發地區的人群調查為例,研究各類影響因素在人群分布特征的分型,找出多個危險因素的潛在類別，提取多個危險因素的綜合效應，實現了出生缺陷高危人群的異質性分類，為出生缺陷病因學研究提供理論依據,并為下一步制定出生缺陷防控干預策略提供方法支持。

出生缺陷的預防主要分三級。一級預防主要是危險因素的消除與避免接觸，二級預防主要是早發現、早診斷，主要通過孕期檢查來實現。這兩級預防如果不采取有重點，分人群的針對性干預方案，一方面會導致人群的接受度與執行效率的低下，另一方面，會大大增加甚至是浪費人力、物力與財力，最終缺陷率的降低也不一定明顯。本文采用潛在類別分析，將人群分為：家族缺陷史組、孕期感冒發熱組、單純用藥組與一般人群組。進而可針對具有不同出生缺陷相關因素分布特征的人群進行針對性的干預措施，這樣,措施與人群具有的危險因素相符，會大大增加人群對干預措施的接受度，同時節省人力、物力和財力。家族缺陷史組人群(具有既往缺陷兒與親屬缺陷兒危險因素為特征的人群)是出生缺陷的高危人群，針對這類人群，地方的計生醫學部門可以殘疾兒童父母或親屬的再生育審批工作為出發點，尋找到遺傳疾病高發人群，組織專家對曾生育過缺陷兒計劃再生育的夫妻和親屬有過出生缺陷兒的夫妻進行缺陷再發風險詳細分析研究，指導應避免接觸相關危險因素和如何去消除或避免出生缺陷的發生，從根本上杜絕出生缺陷的可能。另一方面，針對此類高危人群進行孕前出生缺陷監測、實驗室檢查和孕期的排畸檢查。減少高危人群缺陷的發生率，就能有效地降低總缺陷率的發生。孕期感冒發熱組與單純用藥組人群缺陷率均高于一般人群組，所以孕期感冒、發熱與孕期用藥危險因素的針對干預應該引起重視。可對孕前婦女進行孕前教育與指導，指導其健康生活，提高免疫，降低孕期的感冒、發熱和其他疾病的發生。如果患病，若能憑抵抗力自愈的話，應避免用藥。如必須用藥，則應該在醫師指導下謹慎安全用藥。

潛在類別分析是探討存在統計學關聯的分類外顯變量背后的類別潛變量的一種統計學技術。較之傳統方法獨具優勢,它能針對分類變量進行分析，彌補了傳統聚類分析僅能處理連續變量的缺陷；能反映單變量效應或一組相關變量的整體效應。本文應用潛在類別分析，依據出生缺陷危險因素分布特征的不同，實現了人群的分類和高危人群的識別，為出生缺陷的預防與干預策略制定提供依據與思路。本次調查數據僅僅涉及山西省出生缺陷高發的六縣(市)三年的相關數據,因此論文中給出的潛變量分類結果不一定能全面反映出全省乃至全國出生缺陷人群高危特征分布的特點。另外，在參數估計結果中，近親結婚、自然流產史、周邊污染源、育齡四個因素在四個潛在類別之間的條件概率差異不明顯，可能是因為選取的9個因素之間相關性不是很強。

結合目前有關育齡婦女的信息采集電子化，預防工作者可利用LCA對高危地區人群進行分類，依據人群出生缺陷相關因素分布特征進行有針對性地干預，有效減低出生缺陷發生率。

[1]中華人民共和國衛生部.中國出生缺陷防治報告2012.www.moh.gov.cn.

[2]張巖波.潛變量分析.北京:高等教育出版社,2009:220-246.

[3]邱唯政.潛在類別模型的原理與技術.北京:教育科學出版社,2008:14-86.

[4]曾憲華，肖 琳，張巖波.潛在類別分析原理及實例分析.中國衛生統計，2013，30(6)：815-817.

[5]郭興萍，王裕，宋春英，等.山西省 6縣(市)出生缺陷發生相關因素分析.中國計劃生育學雜志，2011，19(6)：342-346.

[6]賀亞琴，鄭玉華，王曉成，等.出生缺陷影響因素的meta分析.中國計劃生育學雜志，2012，20(4):233-236.

[7]Lin TH，Dayton CM.Model selection information criteria for non-nestedlatent class models.Journal of Education and Behavioral Statistics，1997，22(3):249-264.

(責任編輯：劉壯)

Application of Latent Class Analysis in the Identification of High-risk Population in Birth Defects

Li Jin,Liu Xiaoqin,Cao Hongyan,et al.

(Shanxi Medical University(030001),Taiyuan)

ObjectiveThis topic expect to identify the high-risk population in birth defects,by classifing the people with different distribution characteristics of risk factors of birth defects,applicating the latent class analysis(LCA),and to provide decision support for birth defects prevention and treatment.MethodsLatent class analysis was used to identify the latent class and classify the population with different distribution characteristics of risk factors for birth defect on the basis of nine key indicator variables:intermarriage,abnormal child-bearing of relatives,history of natural abortion,abnormal child-bearing history,catching a cold during pregnancy,fever during pregnancy,environment pollution resources near residence，drug use during pregnancy,mother′s child-bearing age.Then chi-square test was used to compare the rate of birth defects of different types of mothers and identify the high-risk groups of birth defects.ResultsPopulation of risk factors for birth defects could be divided into four types which were named:family heredity history group(the mothers were mainly characterized by abnormal child-bearing history and relatives having a baby with birth defect)，cold and fevers group(the mothers were mainly characterized by catching a cold and having a fever during pregnancy)，medication group(the mothers were mainly characterized by taking medicine during pregnancy)，and general group(the mothers did not have distinct distribution characteristics of risk factors).The rate of birth defects of different types of mothers were as follows:family heredity history group(73.7%);cold and fevers group(3.8%);medication group(2.5%);general group(1.0%),and the difference was statistically significant(χ2=3099.254，P<0.001).We could find that the family heredity history group had a highest rate of birth defects,so the family heredity history group was the high-risk population in birth defects.ConclusionLatent class model can be used to classify the population basis on the different distribution characteristics of risk factors and identify the high-risk population in birth defects,which indicate the main contents and the most important tasks in birth defects prevention and provide decision support for birth defects prevention and treatment.

Latent class analysis;Birth defects;Risk factors of birth defects

張巖波，E-mail:sxmuzyb@126.com

*:國家自然科學基金資助項目(71403156)