论文部分内容阅读
目的绘制儿童BMI生长轨迹图,描述婴儿期BMI峰值(infant BMI peak,IP)及脂肪重积聚(adiposity rebound,AR)特征,探讨其与学龄前儿童代谢异常的关联,阐明其对学龄前儿童代谢异常的预测作用。方法本研究为前瞻性队列研究设计,以马鞍山优生优育队列(Ma’anshan Birth Cohort,MABC)的3 474对母子为基线人群,对2013年10月至2015年4月出生的儿童追踪随访至6岁。分别在儿童出生时、42天、3月龄、6月龄、9月龄、1岁、1.5岁、2岁、2.5岁、3岁、3.5岁、4岁、4.5岁、5岁、5.5岁和6岁时收集身长/身高、体重、头围、胸围等信息。于队列儿童学龄前采集空腹12~14h的静脉血2 m L,采用罗氏诊断产品(上海)有限公司提供的试剂测定血糖、胰岛素、三酰甘油(甘油三酯,TG)、胆固醇(TC)、高密度脂蛋白胆固醇(HDL-C)、低密度脂蛋白胆固醇(LDL-C)等代谢指标,同时采用儿童水银柱式血压计测量受试者右上臂肱动脉血压,重复测量3次,每次间隔1~2 min,记录均值。参照国际糖尿病联盟(International Diabetes Federation,IDF)对12岁以上代谢综合征的诊断[1],界定本研究中代谢异常的判定标准。以课题组自制的《母婴健康记录表》和《学龄前儿童健康记录表》为依据,采用问卷调查的形式收集儿童的母乳喂养情况、辅食添加情况,饮食,睡眠时长,户外活动时间等;母亲孕前身高体重,孕期增重,有无妊娠期合并症,文化程度等相关人口统计学信息。本研究共纳入2 022名儿童,敏感性分析阶段排除164名巨大儿,共1 858名儿童。在Stata 13.0统计软件中建立研究对象的BMI分式多项式混合效应模型,绘制BMI生长曲线,计算儿童的BMI生长函数。最后采用分割的方法确定BMI函数曲线的最高点(IP)和最低点(AR)。为了减小偏倚,规定BMI最大值与随后一次BMI差值≥0.1 kg/m~2,若BMI最大值(Y1)与随后一次BMI值(Y)的差值<0.1 kg/m~2,则将Y1作为最大值,再次比较Y1与随后一次BMI值(Y3)的差值,以此类推,直至确定最高点[2];同样的方法确定最低点。Logistic回归分析IP特征和AR特征与学龄前儿童代谢异常的关联,回归预测模型对其关联进行预测。结果2022名儿童的IP水平为(18.39±1.60)kg/m~2,IP年龄为(7.18±1.54)月,AR时相为(51.64±14.95)月,AR水平为(15.48±1.22)kg/m~2;1 026名男童的IP水平为(18.62±1.56)kg/m~2,IP年龄为(7.06±1.52)月,AR时相为(51.40±15.52)月,AR水平为(15.59±1.25)kg/m~2;996名女童的IP水平为(18.11±1.60)kg/m~2,IP年龄为(7.30±1.61)月,AR时相为(51.91±14.36)月,AR水平为(15.31±1.22)kg/m~2。婴儿期IP水平及年龄均存在性别差异,男童的IP水平高于女童(18.62 kg/m~2 vs.18.11 kg/m~2,P<0.01),年龄早于女童(7.06月vs.7.30月,P<0.01);AR时相性别之间无统计学差异(P>0.05),但AR水平男童高于女童(15.59 kg/m~2 vs.15.31 kg/m~2,P<0.01)。学龄前儿童代谢异常的检出率为16.9%。调整了母亲妊娠期合并症、孕前BMI、文化程度、性别、6月龄内喂养方式、挑食情况、每日活动时间等混杂因素,Logistic回归分析结果显示,与正常组相比,婴儿期高IP水平是学龄前儿童代谢异常的危险因素(RR=1.46,95%CI:1.07~1.97),低IP水平与代谢异常之间无统计学关联(RR=0.88,95%CI:0.63~1.23);IP年龄提前或延后与学龄前儿童代谢异常之间无统计学关联(RR=0.86,95%CI:0.62~1.20;RR=1.02,95%CI:0.74~1.39);高AR水平组的儿童发生代谢异常的风险较高(RR=2.59,95%CI:1.92~3.52),低AR水平与代谢异常之间不存在统计学关联(RR=0.97,95%CI:0.68~1.39);AR时相提前的学龄前儿童发生代谢异常的风险增加(RR=1.82,95%CI:1.34~2.48),AR延迟与代谢异常之间不存在统计学关联(RR=0.94,95%CI:0.67~1.33)。在敏感性分析阶段,排除巨大儿后,上述结果仍然成立。IP特征和AR特征可以作为学龄前儿童代谢异常的预测因素,两者联合的预测效果较好(R=90.2%)。结论马鞍山市儿童的AR时相有提前趋势,这一趋势可能会长期存在。学龄前期儿童代谢异常的发生风险也在增加。与正常IP和AR特征的儿童相比,IP时点高BMI水平、AR时相提前以及AR时点高BMI水平能够增加学龄前儿童代谢异常的发生风险。IP特征和AR特征的联合作用对学龄前儿童代谢异常的预测效果较好,可作为学龄前儿童代谢异常的预测因素。