多层次，糖尿病风险因素的城市社区卫生服务模型：一种新的洞察公共卫生与预防医学

摘要

本研究旨在运用多学科的分析方法和测试两个假设：（1）有从2002年糖尿病（DM）的患病率至2010年在费城和显著增加，这（2）有显著变化整个社区DM的患病率，而这些变化均显著与在附近的物理和社会环境（PSE）的变化。数据来自宾夕法尼亚州东南部居民健康调查在2002 - 2004年（期间1，），并在2008-2010（期间2，)采用横断面比较方法进行分析。从8个具体指标构建了邻域PSE指标。结果表明，年龄调整后的糖尿病患病率从第1期(10.20%)增加到第2期(11.91%)。。调整年龄、性别和调查年限后，糖尿病的优势比估计分别有12.14%、18.33%和11.89%与邻近PSE劣势、超重/肥胖患病率和教育程度较低人群的差异有关。总之，从2002年到2010年，费城的糖尿病患病率显著增加。除了个人层面的糖尿病风险因素外，邻区PSE不利因素可能在糖尿病风险中发挥关键作用。

1.介绍

DM的患病率在全球范围内迅速增加;总患病率预计到2050年，糖尿病及其并发症的原因在长度巨大损失和生活质量[到达美国成年人口的21％1-4]。2007年，糖尿病患者花费了美国的超过$ 174十亿[1，2]。费城，与大约150万个居民（2010年人口普查），是在宾夕法尼亚州最大的城市，被列为仅次于纽约的美国，洛杉矶，芝加哥和休斯敦的第五大城市。这5个城市中，费城有少数民族人口比例最高的。从2010年人口普查的数据表明，城市的种族/民族构成是44.2％黑人，39.0％白色，12.5％的拉美裔和拉丁裔，不到5％的所有其他种群。在2009年的报告，费城也有5间DM（10.7％），高血压（34.5％），和心脏疾病（4.5％）的患病率最高和肥胖的第二患病率最高（29.3％，休斯敦后，29.7％）最大的城市 [五]。在宾夕法尼亚州，费城排名最后出来的67个县的根据2012年和2013 [全国城市排名报告慢性疾病的发病率的卫生措施，危险因素和死亡率的基础上，6]。糖尿病是导致发病和死亡的主要原因之一，已成为费城严重的公共卫生问题。然而，关于糖尿病负担及其相关风险因素的研究，特别是对可能导致糖尿病健康差异的物理和社会环境不利因素的研究，却很少。众所周知，有巨大的变化，在社会经济状况，包括在2007年到2009年的大经济衰退，在国家。众所周知，超重和肥胖作为DM的重要危险因素，已成为我国一个严重的公共卫生问题。然而，目前还不清楚在过去的十年中，费城的糖尿病流行率是否有任何显著的变化，以及糖尿病的过度负担是否一直发生在某些不利地区和社区以及服务不足的人群中。本研究使用的数据来自东南宾夕法尼亚家庭健康调查(SEPA-HHS)，这是该地区最大的人口调查[7],测试两个假设(1)DM患病率显著增加从2002年到2010年在费城,尤其是黑人,,(2)有在社区DM患病率显著变化,而这些变化显著相关社区的物理和社会环境的变化(PSE)缺点和人超重/肥胖的患病率。研究结果可能为控制和预防糖尿病以及城市内外的危险因素提供新的见解。

2.研究设计和方法

2.1。设计和人口

国家环境保护总局，HHS通过使用横断面研究设计，并从五个县在东南宾夕法尼亚超过10000个家庭的概率样本（费城，雄鹿，切斯特，特拉华和蒙哥马利县）公共健康管理公司（PHMC）每两年进行[7]。采用“最后一次生日”法随机抽取年龄在18岁及以上的被试，采用随机数字拨号电话法对其进行访谈，获取其健康状况、健康行为和社区环境。所有的调查问题都是标准化的，大多数都在全国健康调查中进行了管理和测试，包括来自国家健康统计中心(NCHS)为行为风险因素监测系统(BRFSS)开发的工具的项目。调查回复率(参与率)因年份和地区而不同，总体回复率在25%到30%之间，类似于BRFSS的全国电话调查。目前的分析侧重于不同社区(社区级别)的健康差异和糖尿病危险因素(个人/个人级别)，因为费城在某些社区或小区域的居民分布非常不同。在本研究中，小区域的定义是根据邮政编码分类的社区。在费城总共47个五位数的邮政编码中，有46个被纳入分析，因为居住在该地区的邮政编码为19112 (）参加了国家环保总局，HHS。我们使用了SEPA-HHS 2002年和2004年（总结合deidentified数据，以及2008年和2010年(合计)作为研究阶段2)，以便在46个社区中每一个都有足够大的样本。在最终样本中，46个社区的样本容量中位数(四分位范围)在研究期间1为180(121-255)，在研究期间2为211(118-232)。

2.2。研究结果

在国家环保总局，HHS，DM被归类为那些谁回答是对于“医生或其他健康专家是否告诉过你有糖尿病?”目前的分析排除了怀孕期间患有或患有糖尿病的妇女。

2.3。邻里间PSE的措施

为了评估邻里PSE对糖尿病的影响，我们从附近措施，8个问题产生PSE的总和指标。这些问题解决（1）获得和游乐设施的使用;（2）获得的水果和蔬菜;（3）可访问的杂货的质量;（4）的可能性，邻居互相帮助;（5）一起工作的邻居的例子;属于（6）感测;（7）在邻居信任程度;和（8）贫困水平。因为关系到DM每小节的强度可能不同，我们通过四个步骤构成的加权PSE分数。 First, we estimated the relationship (assessed by standard regression coefficients,）8之间PSE措施（)及糖尿病的流行情况(），使用调整年龄多因素Logistic回归分析。其次，估计标准与到DM的患病率呈正相关关系来权衡的个别措施原始值（），导致生产。第三，进行了归纳加权措施，创造总比分PSE。最后，平均得分PSE计算每个居委会，分数越高表示与不良（弱势）PSE状态附近。构建加权指数的主要得到了应用和验证几项研究，包括我们自己的工作[4，8-11]。

2.4。在个人层面风险因素

一些人口，生活方式和健康状况的因素包括：年龄（岁），性别（男，女），种族/民族（黑色，白色，和其他人），教育出勤（<中学，高中，以及>高学校）。吸烟状况是确定的肯定回答调查问题“您现在抽烟吗？”或“有你在你的一生中至少抽100支香烟？”受试者被分为三组（目前吸烟者，戒烟者和从不吸烟）。体力活动状况进行了调查问题的回答进行评估，对过去一个月”的思想，多少次，每周你参加锻炼的任何身体活动至少持续了一个半小时，如散步，篮球，舞蹈，滑旱冰，或园艺？”水果和/或蔬菜食用被调查问题的回答评估“多少水果的份量和蔬菜，你在典型的一天吃？”（水果或蔬菜的份量等于一个中等大小的苹果，豌豆半杯，或半个大型香蕉）。超重和肥胖的流行使用的身体质量指数（BMI），并使用体重（kg）通过的高度（m）除以平方计算。 BMI, categorized using the World Health Organization criteria, were underweight (BMI < 18.5 kg/m²), normal (BMI: 18.5–24.9 kg/m²)、超重(BMI: 25-29.9 kg/m²), and obese (BMI ≥ 30 kg/m²）， 分别。

2.5。统计分析

串行分析对所SEPA-HHS数据进行。首先，我们通过周期1（2002-2004）和2（2008-2010）中所描述的参与者的特性。在两个研究时间段之间的分类变量的差异使用卡方检验和连续变量使用测试测试和方差分析。我们使用地理信息系统(ArcGIS version 10)绘制了46个社区年龄调整后的糖尿病患病率。采用直接标准化方法估算了2000年美国人口的年龄调整糖尿病患病率。其次，我们使用多水平分析技术(广义线性混合模型)来估计个体水平风险因素(年龄、性别、种族/民族、教育水平、吸烟状况、体重、体育活动、蔬菜和/或水果摄入量)和社区水平PSE评分对糖尿病患病率的比值比[12]。用句，PSE与BMI和PSE与糖尿病的几率种族/族裔PSE的互动影响也进行了测试。最后，46个街区被分为使用年龄调整DM患病率（≥13.98％），为截止的最高四分位数两组为了进一步的估计风险因素的影响上DM的与DM率市中心过量患病≥13.98％与那些<13.98％。在分析中，模型1担任示范基地，并调整了年龄，性别和调查期。在模型2-6，同样的协变量（年龄，性别和调查期间）与下面的其他危险因素包括沿：种族/族裔（型号2），教育出勤（3型），行为因素（模型4）超重/肥胖（模型5），并且在步骤一步方式PSE得分（型号6）。模型7测试预防的因素和DM的可能性之间的关联。8型测试的所有研究因素和DM之间的关联。上邻域的过量DM率具有高与低速率的危险因素的影响（≥13.98％比<13.98％）通过下式估计，其中表示OR从模型1导出的;表示OR调整附加协变量（多个）之后;而1.0表示OR时，没有过剩的风险[13]。

所有统计分析均使用SAS软件9.2版本进行（SAS软件研究所，卡里，NC）14]。采用加权方法对SEPA-HHS的概率抽样设计进行了考虑。采用SAS程序GLIMMIX进行多层次分析[12]。一个双边值≤0.05被认为具有统计学意义。

3.结果

3.1。参与者在不同时期的特征

在17254名参与者中（和DM的在周期1和2），年龄调整患病（95％CI）在周期2，黑人是在时期1 10.20（9.54％-10.86％）和11.91％（11.27％-12.55％）具有最高的DM率在这两个时期1和2的年龄调整DM率（95％CI）为在白人黑人，7.99％（6.97％-9.12％）13.96％（12.63％-15.29％），和8.59％（6.88％ -10.29%) in other racial/ethnic groups in period 1 and were 16.09% (14.75%–17.44%) in Blacks, 11.38% (10.21%–12.55%) in Whites, and 10.37% (8.57%–12.18%) in other racial/ethnic groups in period 2. Table1示出的年龄和BMI的装置显著差异，参与者通过种族/民族，和周期1和2之间的DM粗患病的比例。

3.2。PSE分数和映射DM的患病率邻里和研究阶段

Logistic回归分析表明，邻区PSE措施的8个问题中()、6与糖尿病患病率呈正相关(）。一种用于每个参与者总和和加权PSE得分从生产的6个对应的回归系数（创建）和实际措施（）。的46个街区的平均加权PSE分数为0.655（范围：0.499到0.760）。数字1结果显示，不同社区的PSE平均得分存在显著差异。个人社区内PSE评分的变异(SD)为0.230 ~ 0.302，显著低于46个社区PSE评分的变异(SD = 1.069) (）。

数字2结果显示，PSE评分越高(PSE状态越差)的社区在第1期(虚线)和第2期(实线)中DM患病率越高。数据图3（a）和图3（b）显示整个46个社区DM的年龄调整后的发病率显著的变化。在期间1中，有21个街区，其中DM的患病率为≥10.6％（即，≥quartile疾病分布的3）。这些社区与糖尿病的发病率较高是主要位于北，西和西南地区（图图3（a））。在期间2中，与糖尿病的街区数患病≥10.6％在费城（图增加到29，增加了38.1％相比，周期1图3（b））。

3.3。多级建模的概率DM

表格2表明，老化，是男性，是黑色，或属于其他种族/民族团，低级教育出勤，和增加的BMI与DM的几率被显著相关联。在期间2受试者具有DM（OR = 1.10，95％CI：1.04-1.17）的风险高10％，比那些在周​​期1的受试者谁住在与PSE分数≥0.70（四分位数4）的邻域具有53％以上具有DM比生活在与PSE评分<0.62（Q1）的街区的危险。未观察到对DM PSE分数不显着的互动效应。

3.4。多余的DM患病率所解释的风险因素

模型1（表3）表示：或更高DM速率与那些具有较低DM率的街区（95％CI）为1.82（1.63-2.04）（基模型）。另外调整种族/民族（型号2）后，将OR降低到1.57（1.40-1.76），从模型1.减少30.83％当调整为教育水平，在模式3中观察到11.89％的减少调整时对于较赞同/肥胖（模型5）或PSE（型号6）中，观察到OR的减少18.33％或12.14％，分别。在调整了所有预防因子（型号7）和调整种族/民族和可预防的因素时减少51.09％（型号8）时，观察OR的整体32.04％的减少。

4。讨论

该研究的主要结果显示，糖尿病的患病率显著从2002年在费城增加至2010年。谁住在与PSE缺点和那些超重/肥胖的发生率较高和较低的教育考勤社区居民有糖尿病的显著较高的几率。这项研究是第一个定量研究和DM在大都市费城美国使用的数据来自地区最大的家庭健康调查，并利用强大的数据分析方法来评价DM归属的健康差距的机会邻里缺点之间的关联多层次，多因素的风险因素。

之前的大多数研究使用人口普查数据作为评估社区PSE的代理，如使用社区贫困率[8，15-18]。利用普查数据可以在社区和/或邻里层面提供的PSE状态的总体估计。但是，这种方法的潜在限制是普查数据可能不反映个人的实际居委会16]。附近PSE的更好的衡量标准应当由居民个人究竟是谁住在附近的调整整合[8，16]。在本研究中，我们使用以多个邻域为中心的测度和基于邻域PSE和DM之间关联的概念模型的使用标准回归系数的稳健分析过程构建了一个新的邻域PSE指数[4，8-11，19]。这种分析方法增加了新的证据与DM风险研究文献的主体。研究支持和研究结果再次强调一个重要的公共卫生与预防医学理论，改善邻里PSE可以起到消除和减少健康差距至关重要的作用。

在全国大多数州，包括宾夕法尼亚州，都观察到糖尿病患病率的增加。本研究进一步证明，从2002年到2010年，费城年龄调整后的糖尿病患病率增加了16%。尽管这种不健康的增加趋势归因于大量的风险因素,本研究强调,超重/肥胖的患病率,附近的缺点,和受教育程度较低出勤率是最强的,独立的,可预防的DM的可能性的预测。它应该还指出,超过30%的方差为社区DM利率上升和降低DM利率的差异可以解释种族/民族(表的分布3）。因此，邻里型和特定文化为基础的健康促进计划被要求在个人和社区层面，以控制糖尿病的患病率。

通过邻里缺点产生DM的患病风险较高的机制仍有待探索。社区的潜在DM诱导特性，包括无障碍有限的医疗保健资源，保健食品市场和安全的环境，可以解释附近-DM关联。另外的纵向流行病学研究被请求来测试此可能因果关联[8，15]。

本研究有几个优点。首先，结果提供的DM的负担增加以及其与邻近的缺点协会及时的证据。其次，该研究有助于使用加权总和指标来评价PSE状态，并使用多层次的分析技术来研究不同层次的疾病危险因素的应用程序的最新文献[8，15，16，18-20]。这种分析方法能够加入到卫生政策规划，决策和预防医学的新证据。解释目前的研究结果，当一些限制也应牢记。首先，结果是基于一个横断面研究设计调查。因此，任何因果关系无法解释。其次，社区的分类是可能导致误判，因为一个邮政编码内的一些小的区具有PSE巨大差异邮政编码的基础上。如果是这样，这将导致PSE-DM关联的低估，因为PSE的平均值不能代表这个特定邮政编码的PSE。但是，我们认为，由于每个邮政编码相对在费城的社会经济和健康状况非常明显的这种偏差将是非常小的。三，DM被列为参与者的医生诊断糖尿病的认识的基础上。因为没有检测到未知DM个人这将导致马克汇率的低估。 We are unable to test the bias due to lack of serum measures that are needed to diagnose incidence of DM. Last, but not least, the increased trend in the prevalence of DM may partly contribute to the economic recession between the study periods. We are unable to test this potential contribution because the relevant data is unavailable.

尽管有上述的局限性，但本研究的结果表明，从2002年到2010年，费城的糖尿病患病率显著增加。这项研究使用的数据来自地区性最大的健康调查，表明糖尿病奇数增加与大城市的社区劣势、超重/肥胖和受教育程度较低的个人显著相关。

利益冲突

作者宣称没有关于本文的发布利益冲突。

作者的贡献

安娜E.努涅斯博士和龙江刘是本文的唯一特约撰稿人。

致谢

龙建刘和安娜E.努涅斯一个re partly supported by the US DHHS Office of Women’s Health and Office of Public Health and Service—funded Philadelphia Ujima Study (Mind Spirit Body Health Collaborative, PI: Ana E. Núñez) (Grant no. 5 CCEWH111020-02-00). The study used data from the Public Health Management Corporation (PHMC), Philadelphia. The responsibility for the analysis and interpretation of these data is solely that of the authors. The opinions expressed in this paper are those of the authors and do not represent the views of PHMC.

参考

1. J. P.博伊尔，T. J.汤普森，E. W.格雷格，L. E.巴克和D. F.威廉姆森，“在美国成年人患糖尿病的2050年负担投影：发病率，死亡率的动态建模，和糖尿病前期患病率，”人口健康指标卷。8，第29条，2010。视图:出版商网站|谷歌学术
2. K. M. V.纳拉扬，J. P.博伊尔，L. S.盖斯，J. B. Saaddine和T. J.汤普森，“最近对未来的糖尿病负担增加发病率的影响：美国，2005 - 2050年”糖尿病护理卷。29，没有。9，第2114至2116年，2006年。视图:出版商网站|谷歌学术
3. 疾病预防与控制中心，全国糖尿病简介：全国估计，并在美国糖尿病和糖尿病前期基本信息，2011，卫生和人类服务，中心美国部疾病控制和预防，亚特兰大，美国，第1版，2011。
4. L.刘，“社会关系，糖尿病和70岁以上的白人和非洲裔成年人死亡风险：八年随访研究”流行病学年报卷。21，没有。1，第26-33，2011。视图:出版商网站|谷歌学术
5. 公共卫生署费城，“慢性疾病的概述和健康饮食和积极生活指标费城成人和儿童，” 2011年，http://www.phila.gov/health/pdfs/Philadelphia_obesity_chronic_disease812.pdf。视图:谷歌学术
6. RWJF和UWPHI，“县卫生排名2012报告”http://www.countyhealthrankings.org/。视图:谷歌学术
7. 公共健康管理公司，社区卫生数据库2002-2010东南宾夕法尼亚住户健康调查，2012年1月，http://www.chdbdata.org/householdsurvey.html。
8. M. S. Mujahid, A. V. D. Roux, J. D. Morenoff等，“社区特征与高血压，”流行病学卷。19，没有。4，第590-598，2008。视图:出版商网站|谷歌学术
9. 。M. S. V.艾尔金德，P.莱玛克里斯南，Y. P. Moon等人，“传染病负担和中风的风险：北部曼哈顿研究”神经学档案卷。67，没有。1期，第33-38，2010。视图:出版商网站|谷歌学术
10. S·S·阿南德，F·拉扎克，A. D. Davis等人，“社会的缺点和心血管疾病：索引和年龄，性别和种族的影响分析的发展，”国际流行病学杂志卷。35，没有。5，第1239-1245，2006年。视图:出版商网站|谷歌学术
11. L. Liu和C. J. Newschaffer，“在心脏疾病，癌症和老年美国人中全因死亡率的风险社会关系的影响：从第二纵向老化研究（LSOA II）的调查结果，”老年学和老年医学档案卷。53，没有。2，第168-173，2011。视图:出版商网站|谷歌学术
12. J. Li, T. Alterman和J. A. Deddens，大型层次数据的分析与多级物流建模使用PROC GLIMMIX，http://www2.sas.com/proceedings/sugi31/151-31.pdf。
13. Y.廖，K. J. Greenlund，J. B.克罗夫特，N. L.基南，和W. H.贾尔斯，“美国中风带说明过量中风发病率的因素，”中风第40卷，no。10, 3336-3341页，2009年。视图:出版商网站|谷歌学术
14. SAS软件研究所，SAS / STAT用户指南SAS软件研究所，卡里，NC，USA，9.2nd版，2008年。
15. B. Chaix，K豆，C.莱亚尔等，“个人/邻里社会因素和记录队列研究血压：其中的风险因素解释了协会”。高血压第55卷，no。3，第769-775页，2010。视图:出版商网站|谷歌学术
16. B. A. Laraia，A. J. Karter，E. M.沃顿，D.士林格，H. H.莫菲特和N.阿德勒，“地方事宜：附近的剥夺和心脏代谢危险因素北加州的糖尿病研究（距离），”社会科学与医学卷。74，没有。7，第1082至90年，2012。视图:出版商网站|谷歌学术
17. S. V.萨勃拉曼尼亚，J. T.陈，D.H。Rehkopf，P. D.沃特曼，和N.克里格，“在上下文种族差异：在贫穷和在马萨诸塞州黑人群中过量死亡附近变化的多层次的分析，”美国公共卫生杂志，第95卷，no。2, 260-265页，2005年。视图:出版商网站|谷歌学术
18. 陈建民，“社区环境与冠心病:多层分析”，国立台湾大学出版社，2003年。美国流行病学杂志卷。146，没有。1，第48-63，1997。视图:出版商网站|谷歌学术
19. J. M.奥克斯，“该（MIS）的邻里效应估计：因果推断为一个切实可行社会流行病学，”社会科学与医学卷。58，没有。10，页。1929年至1952年，2004年。视图:出版商网站|谷歌学术
20. D. G.西蒙 - 莫顿，B. G.西蒙斯 - 莫顿，G. S.地块和J. F.地堡“影响了社区卫生服务的个人和环境条件：一个多层次的干预模式，”家庭与社区健康第11卷，no。1988年，25-35页。视图:出版商网站|谷歌学术

版权

版权所有©2014龙江刘和Ana E.努涅斯。这是下发布的开放式访问文章知识共享署名许可，允许在任何媒体中不受限制地使用、发布和复制原创作品，只要原稿被正确引用。