獨立自然村老年高血壓人群流行病學數據獲取方法的分析

侯緒良，馮永恩，尹天露，陳威，徐紹華，馮麗潔，劉亞華，孫新，沈洪*

高血壓等慢性疾病已經成為影響全球健康的主要公共衛生問題。2012年全世界共死亡5 600萬人，其中3 800萬人（68%）死于慢性疾病［1］。我國慢性疾病早期發現、實時監測和有效控制情況仍不完善，致使臨床工作者不能準確掌握高血壓等慢性疾病的流行病學特征，增加了此類疾病預防和管理的難度。因此，探索能夠準確獲取疾病流行病學特征的方法有利于慢性疾病的管理。人工智能在居民健康檔案管理中顯現出優勢，可以實現對健康數據地準確獲取和動態監測［2-3］。獨立自然村是自然形成的、獨立的、可居住的村落或者社區，基層醫療以此設定范圍進行診病和醫療健康管理，具備相對的穩定性和可控性。本文通過對一個獨立自然村65歲以上老年人群高血壓流行病學特征調查，比較原有高血壓登記數據、入戶調查數據以及智能輔助診療系統數據，探討3種數據獲取方法的優缺點，發現智能輔助診療系統動態管理居民健康數據的優勢，研究準確獲取疾病流行病學數據的有效方法，更好地對基層慢性疾病進行管理。

本研究創新點：

本研究對比了原有高血壓登記數據、入戶調查數據、智能輔助診療系統數據，凸顯出智能輔助診療系統在疾病數據收集完整性和持續性上的優勢，為慢性疾病的健康管理和監測提供了更有效的方法。

本研究局限性：

根據目前條件，本研究僅對一個獨立自然村65歲以上老年人進行了調查，代表性有限，未來可將更多自然村樣本納入研究，數據代表性會更好。

1 對象與方法

1.1 調查對象 2019年6—7月調查對象為河北省衡水市冀州區門家莊鄉某獨立自然村65歲以上老年人群。至2019年6月，該村總人口為2 603名，村醫自2016年1月開始至2019年6月使用當地衛生信息管理系統共登記管理2 485名（占該村總人口95.47%），其中65歲以上老年人516名（20.76%，方法一研究對象）；2019年6—7月對該村65歲以上老年人進行入戶走訪調查，實際參與調查416名（方法二研究對象），應答率80.62%（416/516）；該獨立自然村從2017年12月開始使用智能輔助診療系統，至2019年6月，已對2 460名村民進行健康數據管理，診療記錄9 856人次，65歲以上老年人337名（方法三研究對象）。

1.2 診斷標準 參照《中國高血壓防治指南（2018年修訂版）》［4］中高血壓的診斷標準：收縮壓≥140 mm Hg（1 mm Hg=0.133 kPa）和/或舒張壓≥90 mm Hg診斷為高血壓；患者既往有高血壓，目前正在使用降壓藥物，調查時血壓雖<140/90 mm Hg，也應診斷為高血壓。

1.3 研究方法

1.3.1 方法一：分析原有高血壓登記數據 原有高血壓登記數據采用當地衛生信息管理系統中65歲以上老年人群登記的健康資料，將現病史中包含“高血壓”村民確定為高血壓患者，獲得高血壓的患病率，但資料中無法獲得高血壓患者的具體血壓測量數據。

1.3.2 方法二：分析入戶調查數據 調查人員采用統一的問卷調查表進行入戶走訪調查。調查內容包括年齡、性別、是否參加年度體檢、是否曾被診斷為高血壓、是否接受治療、治療藥物、有無相關癥狀、既往病史、家族史等。對被調查者采用臂式電子血壓計，按照血壓測量標準方法進行現場血壓測量。對無高血壓史者，若本次測量收縮壓≥140 mm Hg和/或舒張壓≥90 mm Hg，則測量3次非同日血壓，均超過診斷標準者為新確診高血壓患者。知曉既往有高血壓者占全部高血壓患者的比例為知曉率；近兩周服用高血壓藥物患者所占比例為治療率；血壓<140/90 mm Hg患者所占比例為控制率［5］。

1.3.3 方法三：分析智能輔助診療系統數據 將在該系統記錄中有“高血壓”病史者確定為高血壓患者，并獲取、分析其就診記錄中血壓情況，統計患病率、知曉率、治療率和控制率。由于該系統可獲得同一患者多次就診記錄，所獲癥狀和血壓數值更詳盡。

1.4 統計學方法 采用SPSS 24.0統計學軟件進行數據分析。計量資料用（±s）表示，多組間比較采用單因素方差分析；計數資料采用率或構成比表示，組間比較采用χ2檢驗。以P<0.05為差異有統計學意義。

2 結果

2.1 一般資料 方法一調查516名，平均年齡（72.8±6.3）歲；其中男238名（46.12%），女278名（53.88%）。方法二實際調查416名，應答率80.62%，平均年齡（72.7±6.0）歲；男196名（47.12%），女220名（52.88%）。未能參與本組調查者為100名，平均年齡（73.3±7.7）歲；男42名（42.00%），女58名（58.00%）。與參與調查者相比，兩者平均年齡和性別比較，差異均無統計學意義（P>0.05）。方法三統計337名，平均年齡（72.2±6.4）歲；男158名（46.88%），女179名（53.12%）。三種方法研究對象平均年齡及性別比較，差異均無統計學意義（P>0.05），見表1。

表1 三種方法中研究對象一般資料比較Table 1 Comparison of general information of three groups of participants studied using different methods

2.2 原有高血壓數據（方法一） 方法一確診高血壓患者226名，患病率為43.80%（226/516），當地衛生信息管理系統無就診時具體血壓測量數值，未能獲得知曉率、治療率和控制率的數據。

2.3 入戶調查數據（方法二） 方法二確診高血壓患者313名，患病率75.24%（313/416）；本次入戶調查新發現高血壓患者53名，知曉既往有高血壓者260名，高血壓知曉率為83.07%（260/313）；近兩周在服用高血壓藥物者238名，治療率為76.04%（238/313）；調查時血壓<140/90 mm Hg者74名，控制率為23.64%（74/313）。

2.4 智能輔助診療系統數據（方法三） 方法三確診高血壓患者176名，患病率為52.23%（176/337）；知曉既往有高血壓者172名，高血壓知曉率為97.73%（172/176）；近兩周在服用高血壓藥物者168名，治療率為95.45%（168/176）；有血壓測量記錄者118名，血壓<140/90 mm Hg者32名，控制率為27.12%（32/118）。176名高血壓患者總計就診476人次，血壓≥140/90 mm Hg者為289人次（60.71%，289/476），<140/90 mm Hg者 為129人 次（27.10%，129/476），無血壓測量記錄或未因高血壓就診58人次（12.18%，58/476）；人均就診（2.75±3.19）次。

3 討論

高血壓是長期危害人類健康的疾病，也是基層醫療機構管理的慢性疾病。準確掌握病情變化的各項數據資料，獲得高血壓流行現狀、趨勢和特點，是高血壓防治的信息基礎［6］，且有利于臨床工作者對其進行有效管理，也為政府相關部門制訂政策提供數據基礎。本研究基于獨立自然村人員生活環境相對固定、就診場所相對集中，且村衛生室可集中實施健康和疾病管理，故以獨立自然村為基本研究單位能夠獲得更確切、可靠的高血壓患者的血壓變化數據資料，以利于更有效地開展基層高血壓的防控。

方法一（原有高血壓登記數據）采用當地衛生信息管理系統所登記的村民健康數據，其中村醫僅就已知村民的健康和疾病狀況進行詢問并登記，未實際測定具體血壓值且未對高血壓治療和控制情況進行詳細記錄，統計獲取高血壓患病率僅為43.80%，低于其他地區同類高血壓患病率文獻報道［7-10］，同時也低于方法二（75.24%）和方法三（52.23%）所獲取的患病率。這致使現有登記數據與實際疾病流行病學特征之間存在明顯差別，推測疾病資料不準確的情況可能在基層醫療機構中具有普遍性，影響總體疾病流行病學特征調查的準確性。因此，方法一不利于高血壓患病率等流行病學數據的采集和慢性疾病的管理。

方法二（入戶調查數據）是研究疾病流行病學特征的通用方法，通過此方法發現新增或未曾被診斷為高血壓者53名，其中未曾因高血壓癥狀到村衛生室就診者16名（30.19%），就診時未測量血壓者23名（43.40%），所得高血壓患病率（75.24%）高于方法三（智能輔助診療系統）所得高血壓患病率（52.23%），也高于多數其他地區文獻報道的同類人群高血壓患病率（48.75%～66.3%）［7-13］，與北京市石景山區調查的同類人群患病率相仿［14］。這可能與方法二可較為全面、詳實地獲取疾病數據有關。但方法二所獲取的高血壓知曉率、治療率和控制率（83.07%、76.04%、23.64%）均低于方法三所得相應數據（97.73%、96.45%、27.12%），這可能是由于方法二僅為某一時間點的檢查數據，缺乏對病情變化及血壓值等連續監測，未能達到動態管理村民健康狀況的目標，對高血壓等慢性疾病的長期管理有局限性。

方法三（智能輔助診療系統數據）可對患者每次就診時的癥狀、體征、檢查、診斷及治療等數據進行詳細記錄，但作為就診記錄，不如方法二采集數據規范和全面，提示需要對基層醫生診療記錄的完整性和規范性加強培訓和管理。通過智能輔助診療系統，人均就診次數為（2.75±3.19）次，最多就診次數為17次，可對患者病情變化、血壓控制和用藥情況進行動態監測，并及時對其作出提醒和指導，增加了對血壓等數值觀察的時間和頻度，有利于高血壓患病率等流行病學數據的獲取和慢性疾病的管理。

因此，基層日常診療工作過程中使用智能化方法，如智能輔助診療系統等，可對村民健康數據進行連貫記錄，有利于基層醫生指導、監督患者規范用藥，控制疾病發展，是連續掌握村民健康狀況和疾病控制情況的有效方法，可更好地對慢性疾病進行管理。但智能輔助診療系統在應用中仍有不足之處，需要加強基層醫生的培訓和管理，更好地服務于慢性疾病患者。

作者貢獻：侯緒良進行文章的構思與設計、統計學處理；陳威、馮麗潔、孫新、沈洪進行研究的實施與可行性分析；侯緒良、馮永恩、尹天露進行數據收集；侯緒良、徐紹華進行數據整理；侯緒良、尹天露進行結果的分析與解釋；侯緒良、尹天露、徐紹華撰寫論文；馮麗潔、劉亞華進行論文的修訂；馮麗潔負責文章的質量控制及審校；馮麗潔、沈洪對文章整體負責，監督管理。

本文無利益沖突。