Page 42 - 南京医科大学社科版
P. 42

南                                             第4期 总第135期
                                                    南京医科大学学报（社会科学版）京医科大学学报（社会科学版）
              · 372  ·
                                             Journal of Nanjing Medical University（Social Sciences）of Nanjing Medical University（Social Sciences）  2026年8月
                                             Journal
               cMIND 饮食评分的长期轨迹模式。LCGA 假设群体                       关联的反向因果混杂；②完整案例分析：排除存在
               中存在若干潜在亚组，各亚组内个体遵循相同的增                            任何 基 线 协 变 量 缺 失 的 参 与 者 ，采 用 完 整 案 例
               长轨迹，通过最大化组间差异实现最优分类。本研                           （n=1 562）验证多重插补结果的可信度；③控制近期
               究使用 R 4.3.0 软件包进行模型拟合，拟合若干类轨                      饮食变化混杂：在完全调整模型中纳入“cMIND 饮
               迹模型后，选择最优模型。模型选择综合以下指                             食轨迹 × 2014—2018 年 cMIND 评分变化方向（改
               标。①信息准则：赤池信息准则（Akaike information                 善/稳定/恶化）”交互项，检验近期饮食改变是否显
               criterion，AIC）、贝叶斯信息准则（Bayesian informa⁃          著修饰长期轨迹的效应。
               tion criterion，BIC）及 样 本 量 校 正 BIC（adjusted
                                                                                   二、结     果
               BIC，aBIC），数值越小拟合越优；②分类精度：熵值
              （Entropy）≥0.70（可接受），平均后验概率（average                     （一）cMIND 饮食轨迹
               posterior probability，AvePP）>0.70；③类别占比：最             基于 CLHLS 数据库 2008 年、2011 年及 2014 年
               小类占比≥5%，确保统计稳定性；④理论可解释性：                          三个波次 cMIND 饮食评分，采用 LCGA 拟合出 1~5
               轨迹形态需符合老年营养学的实际意义。经上述                             类轨迹模型。模型拟合指标见表 1。其中，4 类模型
               标准综合判定后，选择最优类别数，并依据轨迹形                            在BIC（13 517.42）、aBIC（13 465.17）及Entropy（0.738）
               态命名各亚组。                                           方面表现最优，且各类 AvePP 均>0.85，最小类占比
                   2. cMIND 饮食轨迹与认知障碍的关联性分析                      15.0%，满足≥5%的判定标准。5 类模型虽 AIC 略
                   在结局分析阶段，以 2018 年认知障碍（二分类）                     低，但 Entropy 下降至 0.652 且最小类仅占 8.2%，分
               为主要结局，以持续高依从型为参照，采用修正                             类稳定性不足，故最终选择4类轨迹模型。
               Poisson 回归计算各轨迹组的相对危险度（relative                       4 条饮食轨迹的纵向变化特征见图 1。持续高
               risk，RR）及 其 95% 置 信 区 间（confidence interval，      依从型（n=428，22.6%）：基线 cMIND 评分为（7.62±
               CI）。构建四个逐步调整的模型：模型 1（未调整模                         1.25）分，2011 年略升至（7.85±1.18）分，2014 年维持
               型），仅纳入 cMIND 饮食轨迹；模型 2（人口学调整模                     在（7.58±1.32）分，全程保持高水平依从性；稳定中
               型），在模型 1 基础上调整年龄、性别、教育水平、婚                        等型（n=663，35.0%）：基线评分为（5.08±0.82）分，
               姻状态及居住地；模型 3（生活方式调整模型），在模                         2011 年为（5.18±0.78）分，2014 年为（4.95±0.85）分，
               型 2 基础上进一步调整吸烟、饮酒、规律锻炼及                           波动幅度小，呈稳定中等水平；中等—下降型（n=
               BMI；模型 4（完全调整模型），在模型 3 基础上进一                      284，15.0%）：基线评分为（5.25±0.92）分，2011 年下
               步调整高血压、糖尿病及抑郁状态，以观察关联的                            降至（4.42±0.88）分，2014 年进一步降至（3.85±0.95）
               独立性与稳健性。                                          分，6 年间下降 1.40 分，降幅达 26.7%；持续低依从型
                   3. cMIND 饮食轨迹归属的风险因素分析                       （n=519，27.4%）：基线评分为（2.68±0.72）分，2011
                   为探究不同饮食轨迹的社会人口学及健康行                           年为（2.75±0.68）分，2014 年为（2.58±0.78）分，全程
               为决定因素，以持续高依从型为参照类别，采用多                            处于低水平。
               项 Logistic 回归，分析基线特征对轨迹归属的预测作                         （二）基线特征
               用。模型同时纳入上述人口学、生活方式及慢性病                                在 2018 年随访波次中，共 331 名参与者发生认
               等协变量，以识别影响长期饮食依从性的独立危险                            知障碍，总体发病率为 17.5%。表 2 展示了 2018 年
               因素与保护因素。                                          出现认知障碍与保持正常认知功能个体的基线特
                   4. 敏感性分析                                      征比较情况。相较于认知功能正常者，发生认知障
                   为验证主分析结果的稳健性，本研究从三个维                          碍者具有以下特征：年龄更大、女性比例更高、教育
               度进行敏感性分析。①额外调整基线认知功能：在                            水平低者比例更高、农村居住比例更高、低 BMI 比
               完全调整模型（模型 4）基础上进一步纳入2008 年基                       例更高、规律锻炼比例更低、抑郁比例更高。更为
               线 MMSE 评分，以排除基线认知差异对饮食—认知                         重要的是，cMIND 饮食轨迹分布存在显著差异（P<
                                           表1  cMIND饮食轨迹潜类别增长分析模型拟合指标
                模型类别           AIC           BIC           aBIC         Entropy     AvePP最低类       最小类占比
                   1类        15 842.35     15 868.52     15 855.18        —              —           100.0%
                   2类        14 568.92     14 621.25     14 595.08       0.682          0.885         28.5%
                   3类        13 895.46     13 973.95     13 935.70       0.715          0.872         18.2%
                   4类        13 412.78     13 517.42     13 465.17       0.738          0.858         15.0%
                   5类        13 215.63     13 346.42     13 295.02       0.652          0.795          8.2%
   37   38   39   40   41   42   43   44   45   46   47