出生队列健康数据链接的面板数据模型研究

The present study is to seek a new approach for the improvements of statistical analysis quality on birth cohort inquiry, with a bottleneck problem about incomplete data, insufficient observation durations and inadequate statistical methods in China and other countries. The study is an adoption of a multi-dimensional approach to construct a panel data structure based on information from four dimensions: life stages, health-related problems, health risk factors and health service activities. It makes use of stereo-view approach to form the data-panel model to display the inner relationship of personal health events in various times and cross-sections so as to form longitudinal analytical prints. Because the data for modeling is not merely collected from traditional follow-ups, but also from other sources that provide information about life events, health-related events and various kinds of health service activities and health interventions, which occurs in different occasions or health institutions; The present study works with the technique of health-related data links, the health-related information of whole life-cycle, the data of time dependent covariate and time independent covariate of a cohort.After that the method of collection and analysis is established which follow the construction of panel model by model recognition and computing programming then offer the foundation for the evaluation of the dangerous factors in personal health in a long and scientific range of intervention.

本课题研究针对我国出生队列研究质量与国外同类研究比较存在数据记录不全面，观察时间不持久，缺乏有效的统计分析方法这一"瓶颈"问题，将从生命阶段、健康和疾病问题、健康危险因素、卫生服务活动4个维度出发，采用多视角的方式构造面板数据结构，展示个人健康事件不同时间、不同截面的内在联系，形成纵向分析视图。鉴于数学建模数据不局限于传统的定期随访，还包括在不同场合和卫生机构发生的个人事件、健康事件和各种卫生服务活动与干预的相关信息，本项目基于健康数据链接，收集队列中全生命周期的健康事件列表、时间依赖协变量与非时间依赖协变量数据，并通过模型识别和计算编程建立不同健康事件的面板数据模型，创建出生队列研究数据收集机制和统计分析方法，为评价健康危险因素的长期效应与干预的远期效果提供科学依据。

出生队列研究作为观察一个人从出生到成年的健康指标的纵向研究，成为研究个体健康、群体健康优先选用的方法。我国目前的出生队列的纵向研究存在参与机构少、随访时间短（不超过三年）、数据收集不全面等问题，形不成有效的循证医学证据。本研究通过查阅相关文献，咨询相关专家和预调查，确定出生队列健康数据链接的主数据；采用 Rational Rose 软件创建出生队列研究健康数据信息模型；通过问卷调查、数据摘录形式，挖掘出分散在不同机构和不同信息系统中的健康相关数据，利用自由软件R语言平台对健康数据进行面板数据模型分析以及绘制健康数据链接纵向视图。共发表科研论文16篇，其中SCI论文4篇。.主要研究结果包括：（1）确定20类出生队列随访主数据，其中婴儿母亲7类包括：一般情况、孕期体检、膳食与营养、医疗情况等；婴儿13类包括：个体标识、出生状况、喂养方式、体格检查与生长发育测量等。（2）创建1个包括实体和活动的信息模型，其中实体包括个人和机构两个子类，活动包括行为方式、诊断治疗、影响因素、观察、发育评估、死亡信息、分娩7个子类。（3）基于出生队列的健康数据链接的面板数据模型研究显示：采用随机效应模型拟合各自变量对婴儿体重和身高的估计方程结果发现，辅食、户外活动时长、患病、感冒次数、就医行为、孕期呕吐、孕周等变量对婴儿体重的影响存在统计学差异；辅食、户外活动时长、患病、感冒次数、腹泻次数、就医行为、孕期呕吐、孕周变量对婴儿身高的影响具有统计学意义。（4）基于出生队列数据绘制的儿童1-24月龄的健康数据链接纵向视图显示：身长、体重及头围等三项生长发育指标的取值均在图示范围内随出生月龄的增加大致呈对数式增长，且变异也随着月龄的增加而增加。与全国儿童生长发育参照曲线对比后可以看出，研究人群的生长发育情况与全国平均水平较为一致，两者间存在较高的一致性。本研究为多机构参与、信息手段支持的健康数据链接为出生队列研究的长期随访提供科学方法。