您的账号已在其他设备登录,您当前账号已强迫下线,
如非您本人操作,建议您在会员中心进行密码修改

确定
收藏 | 浏览27 | 下载11

目的 本研究旨在分析女性围绝经期综合征(PMS)的社会、生物学影响因素,预测围绝经期女性罹患PMS的概率,为预防、诊断、管理PMS和预测女性患病概率提供相应依据.方法 选取2019年10月-2020年6月于杭州市妇产科医院更年期保健专科门诊就诊的围绝经期女性212人作为研究对象.根据研究对象改良Kupperman量表(KMI)得分将其分为2组,其中KMI得分<15分者分入健康组(n=111),KMI得分≥15分者分入PMS组(n=101).采用健康问卷(一般信息问卷+KMI)对研究对象进行问卷调查,并在完成问卷调查1周内完成实验室辅助检查.通过多因素Logistic回归分析PMS患病的影响因素;依据回归分析结果构建PMS患病风险预测模型,并通过诺莫(Nomogram)图将模型可视化.结果 通过单因素分析和多因素分析得出:γ-谷氨酰转肽酶(y-GT)、钙、文化水平、痛经情况、每日水果摄入量、适量运动情况为研究对象PMS患病的影响因素(P<0.05).根据回归分析结果构建PMS患病风险预测模型,其受试者工作特征(ROC)曲线下面积(AUC)为0.783(P<0.001,95%CI:0.721~0.846),提示此模型可用于围绝经期女性罹患PMS的概率预测.通过Nomogram图将PMS患病风险预测模型进行可视化,发现γ-GT对PMS患病的影响最大,其次为钙,此后依次为文化水平、每日水果摄入量、痛经和适量运动情

作者:叶康丽;陈昌贵;任菁菁

来源:保健医学研究与实践 2023 年 20卷 9期

知识库介绍

临床诊疗知识库该平台旨在解决临床医护人员在学习、工作中对医学信息的需求,方便快速、便捷的获取实用的医学信息,辅助临床决策参考。该库包含疾病、药品、检查、指南规范、病例文献及循证文献等多种丰富权威的临床资源。

详细介绍
热门关注
免责声明:本知识库提供的有关内容等信息仅供学习参考,不代替医生的诊断和医嘱。

收藏
| 浏览:27 | 下载:11
作者:
叶康丽;陈昌贵;任菁菁
来源:
保健医学研究与实践 2023 年 20卷 9期
标签:
围绝经期综合征 改良Kupperman量表评分 影响因素 诊断 概率预测 Perimenopausal syndrome Modified Kupperman menopausal index Influencing factors Diagnosis Probabilistic prediction
目的 本研究旨在分析女性围绝经期综合征(PMS)的社会、生物学影响因素,预测围绝经期女性罹患PMS的概率,为预防、诊断、管理PMS和预测女性患病概率提供相应依据.方法 选取2019年10月-2020年6月于杭州市妇产科医院更年期保健专科门诊就诊的围绝经期女性212人作为研究对象.根据研究对象改良Kupperman量表(KMI)得分将其分为2组,其中KMI得分<15分者分入健康组(n=111),KMI得分≥15分者分入PMS组(n=101).采用健康问卷(一般信息问卷+KMI)对研究对象进行问卷调查,并在完成问卷调查1周内完成实验室辅助检查.通过多因素Logistic回归分析PMS患病的影响因素;依据回归分析结果构建PMS患病风险预测模型,并通过诺莫(Nomogram)图将模型可视化.结果 通过单因素分析和多因素分析得出:γ-谷氨酰转肽酶(y-GT)、钙、文化水平、痛经情况、每日水果摄入量、适量运动情况为研究对象PMS患病的影响因素(P<0.05).根据回归分析结果构建PMS患病风险预测模型,其受试者工作特征(ROC)曲线下面积(AUC)为0.783(P<0.001,95%CI:0.721~0.846),提示此模型可用于围绝经期女性罹患PMS的概率预测.通过Nomogram图将PMS患病风险预测模型进行可视化,发现γ-GT对PMS患病的影响最大,其次为钙,此后依次为文化水平、每日水果摄入量、痛经和适量运动情