多水平模型在社区随机对照试验分析中的应用

摘要

目的探讨多水平模型在社区随机对照试验数据分析中的适用性,为该领域统计分析方法提供新的思路。方法于2014年7—11月,以北京市房山区16个社区(村)510例2型糖尿病患者为研究对象,将患者随机分为干预组(260例)和对照组(250例)。对照组接受国家基本公共卫生服务,干预组在对照组的基础上进行糖尿病自我管理小组活动干预。采用调查问卷收集患者人口学信息、患病情况,采用糖尿病患者自我效能量表收集患者自我效能信息,采集患者空腹静脉血测量糖化血红蛋白。分别计算干预前后两组糖化血红蛋白差值及自我效能得分差值。采用SAS 9.4软件进行秩和检验,采用多水平模型对差值进行分析并与多重线性回归模型分析结果进行比较。结果本研究共纳入500名研究对象进行分析。干预后,干预组糖化血红蛋白差值中位数[0.40%(P25~P75:-0.40%~1.70%)]与对照组差值中位数[0.70%(P25~P75:-0.30%~1.50%)]比较,差异无统计学意义(P>0.05);干预组自我效能得分差值中位数[17.00分(P25~P75:3.00~28.00分)]与对照组差值中位数[8.00分(P25~P75:0.00~21.00分)]比较,差异有统计学意义(P0.05);控制协变量前后,干预组自我效能得分较对照组均有升高,差异均有统计学意义(P0.05),在多重线性回归模型中差异有统计学意义(P<0.05);以自我效能得分为因变量,控制协变量后,多水平模型赤池信息准则(AIC)较控制前下降91.30,多重线性回归模型AIC较控制前上升9.50。结论多水平模型适用于分析具有层次结构的随机对照试验数据。与多重线性回归模型相比,多水平模型可以减少假阳性错误,改善模型拟合效果,今后应进一步推广应用。