高血壓個體家庭連續自測收縮壓特征描述與分析

馬曉涵，吳 越，柴 靜，沈興蓉，王德斌

安徽醫科大學衛生管理學院，安徽 合肥 230032

高血壓是威脅居民健康的主要慢性疾病之一，是心腦血管疾病的重要危險因素，也是導致死亡的主要原因之一［1］。我國高血壓患病總人數已超過2.7億［2］。高血壓病程長，病情發展緩慢，絕大部分高血壓危害可以預防控制［3］。現有的基層高血壓防治策略及相關研究主要是通過針對不同人群的分級管理來實現的，較少關注個體的血壓變化［4］。實際上每個人的血壓表現都有自己的特征，影響高血壓的因素也因人而異。正因為長期以來的高血壓防控均以人群為導向，其作用已經接近可能的“平臺”。相比之下，個性化精準防控嘗試遠遠滯后，這其中很可能蘊藏著巨大的潛力。近年來，得益于互聯網應用的爆發式增長以及血壓遠程監測技術和設備的進展，基于互聯網的家庭血壓監測管理模式應運而生［5］。隨著高血壓患病率的增高和醫療資源的愈發緊張，高血壓患者的自我血壓管理愈發重要。在國內外眾多高血壓管理指南中，普遍強調了血壓自我管理的重要性［6-7］。要實現個性化精準干預，就需要以個性化血壓分析為基礎，因此本研究的目的是通過分析患者血壓自測數據，以個體為對象從多個角度發掘患者血壓及血壓測量行為特征，為患者個體控制血壓提供建議，為干預者建立高血壓個性化精準管理方案提供線索。

一、對象和方法

（一）研究對象

以合肥市城區使用了電子血壓計并綁定至科大訊飛醫療高血壓管理平臺的高血壓患者為研究對象，選擇其中第一批注冊的患者（這部分患者的家庭自測時間最長，下載數據時連續自測血壓時間達到10個月）。

（二）數據獲取與分析

從科大訊飛醫療高血壓管理平臺下載選定患者的全部收縮壓自測數據及測量日期和時間。通過安徽省氣象局官方網站查閱并記錄患者血壓自測時的日平均氣溫。將數據合并后導入微軟Excel表格，利用其中的插圖功能為每位患者繪制4種散點圖。所有散點圖均以收縮壓為縱坐標，分別以測量時間、測量日期、相鄰兩次測量時間間隔、測量時環境氣溫為橫坐標。分類逐一人工觀察上述過程繪制的全部散點圖，從每類散點圖中挑選4個差別明顯的個例（共16個）以構成易于直觀比較的散點圖組合。

二、結 果

（一）收縮壓測量值的24小時散點分布

圖1顯示的是4例典型患者（P1～P4）收縮壓測量值在24小時時間軸上的散點分布特征。4位患者的散點圖各有特點。P1的血壓散點主要分布在上午6點到下午16點之間和晚上20點到23點這兩個時間段；晚上的血壓散點族群呈現相對集中的特點，并且晚上血壓散點分布的水平均線略低于上午；兩個血壓散點集中族群均出現了一條水平分界線。P2的血壓散點集中分布在上午8點左右和晚上20點左右，兩個血壓散點集中族群均出現了兩條明顯的分界線。P3的血壓散點圖出現了三個較為集中的族群，三個血壓散點族群分別集中分布在上午5點至8點間和下午13點至17點間以及晚上20點至24點間；上午和晚上的血壓散點集中度比下午更集中，且上午血壓散點分布的水平均線略高于下午和晚上。P4的血壓散點呈明顯的兩條水平均線分布，且平均分布在上午5點至晚上23點間。

（二）收縮壓與測量日期的散點分布

圖2 是4例典型患者（P5～P8）收縮壓測量值在10個月內隨測量日期變化的散點分布特征圖。4例患者的散點圖各有特點，血壓散點分布分別呈上升、下降、波動和平穩4種趨勢。P5的血壓散點隨著時間的推移呈現持續上升趨勢，前100天內的血壓散點集中度比后200天內更集中。P6呈現出血壓散點隨著時間的推移先下降后平緩的趨勢，血壓散點分布較均勻，但在50天左右散點圖出現了1次斷點。P7的血壓散點分布隨測量時間的變化整體呈波動趨勢，在100天內血壓散點最為密集。P8的血壓散點隨著時間的推移呈現出平穩的趨勢，且血壓散點中出現了一條不明顯的水平分界線；比較明顯的是，水平均線較高和水平均線較低的血壓散點族群均在150～200天未出現血壓值散點。

（三）相鄰兩個測量時點收縮壓值或收縮壓差隨兩時點時間間隔變化的散點分布

圖3是4例典型患者前后兩個測量時點收縮壓差（P9，P10）和收縮壓值隨兩時點時間間隔變化（P11，P12）的散點分布圖。P9的血壓散點集中在測量時間間隔為0～1天，血壓散點集中在收縮壓差值為±30 mmHg的范圍內。P10的血壓散點在測量時間間隔15天內均有分布，在測量時間間隔7天內較多；在測量時間間隔為3～7天內呈現出測量時間間隔越大，血壓散點越靠近橫軸的特點；血壓散點集中在收縮壓差值為±50 mmHg的范圍內。P11的血壓散點集中分布在0～3天，血壓散點呈現出隨著測量時間間隔的增加，收縮壓值范圍逐漸縮小的特點。P12的血壓散點主要集中在測量時間間隔為0～1天時，在1～13天內呈現出較為均勻的分布。

（四）收縮壓測量值隨測量時環境氣溫變化的散點分布

圖4 是4例典型患者（P13～P16）收縮壓測量值隨測量時環境氣溫變化的散點分布圖。P13的血壓散點隨著溫度的升高呈現出先平緩后下降的特征，血壓散點在溫度為-5℃時開始出現，溫度在25～30℃時血壓散點集中度比25℃以下時更集中。P14的血壓散點隨著溫度的升高呈現出平穩的特征，血壓散點中出現了一條較明顯的水平分界線。P15的血壓散點隨著溫度的升高呈現出先上升后下降的特征，血壓散點在溫度接近0℃時開始出現，血壓散點集中度在0～5℃比5℃以上更集中，在15～20℃血壓值散點呈現出較為稀疏的分布。P16的血壓值散點在0℃以上時開始出現，溫度較高時血壓散點分布的水平均線低于溫度較低時，溫度較高時的血壓散點集中度明顯高于溫度較低時。

三、討 論

個體收縮壓值的24小時散點分布圖（圖1）為觀察收縮壓的晝夜變節律、作息規律及血壓測量意愿提供了直觀的手段。首先，通過觀察圖1中收縮壓隨測量時間點變化的特征，可見P4血壓無明顯節律，P3晝高夜低，P2晝低夜高。血壓晝夜節律變化對保護心血管正常結構與功能、適應機體活動要求起著至關重要的作用［8］。有學者認為，血壓晝夜節律消失可導致心腦血管并發癥的發生［9］。其次，通過24小時血壓散點圖中的散點聚集區個數及其對應的時點可以推測患者每天測量血壓的時間及次數（如P3明顯多于P2）。如果在24小時散點分布圖上出現一個或幾個較明顯的聚集區（如P2每天大約測兩次，時間分別為早晨6—10點和下午19—22點），則提示該患者有血壓測量時點上的偏好和規律，也可推測其生活較為規律；反過來，如果血壓散點無規律地散布在24小時時間軸上，則提示患者測量血壓的時間不固定。通過相同時間段內（本研究為10個月）的血壓散點數可以推測患者對血壓監測的重視程度，點數越多患者越重視血壓測量。這提示我們要對不同晝夜節律變化特征的患者制定不同的干預措施，同時也提示以往對多數患者使用同樣干預手段存在著明顯的弊端。

收縮壓與測量日期的散點分布圖（圖2）則為考察個體患者血壓長期變化趨勢提供了直觀的手段。圖2再次顯示了巨大的患者差異，呈現上升、下降、平緩和波動趨勢的患者均不乏實例。雖然血壓隨年齡增長而上升是一般人群的基本趨勢［10］，但患者個體若采取了有效的自我干預行為或心功能受到了某種損害，血壓也可能表現為隨年齡上升而下降的趨勢［11］。通過圖2還可以間接了解患者的血壓測量意愿。例如，P5的散點圖中100天內的測量次數比后200天的測量次數多，以及P8的散點圖中少數月份無散點，這可能是因為隨著時間的推移，患者的依從性在不斷下降，或患者可能因為外出而不方便隨身攜帶血壓計等。

前一次收縮壓測量值與后一次收縮壓測量值隨兩時點時間間隔變化的散點圖（圖3）可間接地觀測到患者對自身血壓的關注程度。以P11為例，其在圖3中的散點圖呈“橫漏斗狀”，提示患者血壓測量值離均值越遠，再次測量的時間間隔越短，這可能因為當所測血壓值與患者的血壓均值相差越大時，患者希望再次測量以驗證這種差別的意愿越強。另外，圖3中散點在X軸分布的范圍與集中度還反映患者測量血壓的頻率與規律性。如P9的散點集中在測量時間間隔為0～1天，說明其測量血壓較有規律。

透過個體血壓測量值隨環境氣溫變化的散點分布（圖4）可以得知血壓隨溫度變化的特征。研究證實，血壓和溫度存在著負相關關系［12］。這可能是因為當氣溫下降時人體自身的外周血管收縮，血流阻力增加，引起血壓升高［13］。圖4既可見呈負相關的患者（如P13），也可見血壓隨溫度升高保持平穩（如P14）或隨溫度升高呈先上升后下降趨勢的患者（如P15）。這可能是由于患者心臟或基礎代謝功能紊亂，或者外周循環調節功能受到了一定的損害［14］。圖4中，散點的密度隨著溫度的變化而變化的特征還可能反映患者的行為“毅力”。在使用臂式電子血壓計測量血壓時不能穿太厚的衣服，隨著溫度的下降，測量血壓的難度會逐漸增加。若散點密度隨溫度的降低而明顯降低則提示患者因怕冷或覺得脫衣服麻煩而明顯減少血壓測量。

此外，本文遴選的四類散點圖（圖1～4）都可以用來觀測患者的血壓值及波動范圍，以及血壓測量數據是否來自同一個體。血壓值散點在血壓值軸（y軸）分布的區間越大，提示相應患者的血壓波動越大。散點圖上如果出現明顯的與血壓值軸垂直的空白區帶，則提示血壓值來自不同的個體，即不同的個體使用同一個血壓計測量血壓并上傳血壓值。不同個體共用血壓計并上傳測量值對分析結果是有影響的，這提示，分析利用居民家庭自測血壓值時需充分考慮多人共用血壓計可能引起的偏倚并通過適當的比較分析（如綜合比較脈搏、脈壓差等）區分不同的測量個體。有必要時，可考慮增加自測血壓計的身份識別功能（如按鈕、指紋識別裝置等）。

需說明的是，本研究的主要目的是通過列舉有明顯差別的個例來說明，傳統的旨在分析整個人群一般特征的方法存在缺陷，掩蓋了差別懸殊的個體差異。所以挑選病例的標準或原則是，選擇相互差別最大的個例。由于文章中共分析了4個指標，受篇幅限制，我們針對每個指標只挑選了4個差別相對較大的個例，實際存在的個體差異類型與形式遠多于文中所列舉的個例。但這些個例足以說明我們所分析的每個指標都存在著明顯的個體差異。

總之，現有的研究普遍是以人群為對象來分析血壓的變化特征和趨勢，這種以群體為對象尋找血壓表現特征的做法掩蓋了個體血壓變化差異。本研究提示個體的血壓值特征及測量血壓的行為存在著巨大的差異性。這些差異為高血壓個性化精準干預提供了許多新的線索。例如，可在了解患者24小時血壓變化規律的基礎上，建議患者在血壓升高前0.5～1.0小時內及時服藥；可根據個體血壓測量時點偏好安排遠程干預時機，如在患者經常測血壓的時間段給患者推送干預短信，因為此時患者對血壓的關注度較高且干擾到患者日常活動的可能性最小。在患者教育上，對于不經常測量血壓的患者，可著重告知其高血壓的危害性以及測量血壓的重要性；對血壓平穩后測量次數減少的患者，可教育其不能因為血壓趨于平穩而減少測量次數；對于多人共用血壓計的情況可針對患者親友進行教育；對于低溫較敏感且低溫時測量毅力不足的患者，可教育其低溫時應在合適時段堅持測量血壓。未來的患者教育也應根據患者的具體情況來設計。針對群體的血壓干預已經被廣泛運用，干預效果的提升空間越來越小，未來應更重視針對個體的個性化精準干預。有研究提示，個性化醫學將有望較大幅度地改善腫瘤及慢性病管理效果［15］。本研究提示，個性化干預同樣有望較大幅度提升高血壓干預效果，為近3億高血壓患者帶來福音。