段芳芳
- 作品数：4 被引量：16H指数：2
- 供职机构：北京大学公共卫生学院流行病与卫生统计学系更多>>
- 发文基金：国家自然科学基金北京市自然科学基金更多>>
- 相关领域：医药卫生更多>>
- 如何撰写高质量的流行病学研究论文第二讲分子流行病学研究报告规范——STROBE—ME介绍被引量：1
- 2013年
- 随着分子生物学理论和技术的迅速发展，生物标志越来越多地应用于流行病学研究中，进而形成了分子流行病学，为病因研究和预防措施评价开辟了新的途径。近年来，分子流行病学的应用范围不断扩大，但相关研究的报告质量却参差不齐，限制了研究的进一步运用与发展。本文旨在介绍“加强观察性流行病学研究报告质量——分子流行病学研究”（StrengtheningtheReportingofObservationalStudiesinEpidemiology-MolecularEpidemiology，STROBE-ME），并对清单的一些重要条目进行解读。
- 陈茹段芳芳詹思延
- 关键词：分子标志物
- 基于环境与遗传风险的2型糖尿病发病风险预测模型的比较被引量：8
- 2016年
- 目的尝试采用logistic回归、神经网络、支持向量机3种方法,构建适合中国人群特点的2型糖尿病（T2DM）发病风险评估模型,为T2DM高危人群筛查、健康管理和个性化预防提供科学依据。方法在现况调查资料的基础上,在北京市房山区选取745例T2DM患者及1 964例对照。采用统一的调查问卷收集全部研究对象的一般人口学资料、行为生活方式、既往病史等信息;采用标准化的方法对研究对象进行统一体检及生化检查;实验室采用飞行时间质谱方法对既往全基因组关联研究（GWAS）报道的15个T2DM易感基因的27个SNP位点进行基因型检测,并采用非加权遗传风险评分法综合评估研究对象的遗传风险。分别采用logistic回归模型、神经网络及支持向量机方法构建包含基因和环境危险因素的T2DM发病风险评估模型。结果 （1）logistic回归模型：单独纳入传统危险因素或遗传风险评分时,模型的曲线下面积（AUC）分别为0.647（95%CI：0.623～0.670）和0.579（95%CI：0.554～0.604）;同时纳入传统危险因素和遗传风险评分时,模型的AUC为0.670（95%CI：0.647～0.693）。（2）神经网络模型：单独纳入传统危险因素或遗传风险评分时,模型的AUC分别为0.690（95%CI：0.668～0.713）和0.579（95%CI：0.554～0.604）;同时纳入传统危险因素和遗传风险评分时,模型的AUC为0.728（95%CI：0.706～0.749）。（3）支持向量机模型：单独纳入传统危险因素或遗传风险评分时,模型的AUC分别为0.733（95%CI：0.663～0.803）和0.562（95%CI：0.484～0.640）;同时纳入传统危险因素和遗传风险评分时,模型的AUC为0.765（95%CI：0.700～0.831）。结论与只纳入传统危险因素相比,同时纳入传统危险因素和遗传风险评分时,T2DM发病风险评估模型的预测效果更好。与logistic回归模型相比,采用神经网络或支持向量机构建的T2DM发病风险评估模型的预测效果更好�
- 张留伟李文桓段芳芳刘志科陈瑜吉振鹏吴柯叶胡永华陈大方
- 关键词：风险评估
- 基于家系研究的空腹血糖水平遗传模式分析
- 2016年
- 目的研究遗传因素作用于空腹血糖(FPG)水平的模式,为探讨复杂性疾病的遗传方式、寻找疾病主效基因提供依据。方法本研究采用家系研究设计,在课题组前期收集的慢性病家系队列中,选取符合条件的非糖尿病家系285个,其中核心家系17个,同胞对387对。采用S.A.G.E.6.3软件分析家系中不同亲属间FPG水平的相关性,并对家系中FPG水平进行分离分析,筛选出家系中FPG水平传递的最佳模型。结果研究共纳入686名研究对象,其FPG水平的中位数(四分位数间距)为5.0(1.0)mmol/L,其中,先证者的FPG水平为5.0(1.1)mmol/L。家系中母-子(n=54,相关性系数为0.422 4,P<0.01)、母-女(n=41,相关性系数为0.435 7,P<0.01)、姐妹间(n=91,相关性系数为0.341 3,P<0.01)的相关性有统计学意义,而配偶(n=17)、父-女(n=26)、父-子(n=29)、兄弟间(n=119)以及异性同胞间(n=177)FPG水平的相关性均无统计学意义(P>0.05),提示,性别可能影响家系中FPG的水平。混合分离分析显示,三均值模型的赤池信息量准则(Akaike’s Information Criteria,AIC)值(1 664.728)最小,此模型最佳,提示在该家系中存在影响FPG水平的主效应因素。进一步复杂分离分析显示,与一般模型相比,孟德尔遗传模型和共显性模型均被拒绝(P<0.01);而环境模型与一般模型无统计学差异(P>0.05),且其AIC值最小,为最佳模型。结论家系中FPG水平的分布不存在主效基因效应,FPG的水平主要受环境因素影响。
- 段芳芳吉振鹏刘志科黄少平李娜唐迅武轶群李劲吴涛胡永华陈大方
- 关键词：空腹血糖主效基因
- TCF7L2和KCNQ1基因多态性与2型糖尿病的关联被引量：7
- 2014年
- 目的研究TCF7L2和KCNQl基因多态性与2型糖尿病（type 2 diabetes mellitus, T2DM ）的关联，并探讨基因-环境之间的交互作用。方法采用以社区为基础的病例对照研究方法，在北京市房山区选取349例T2DM患者和300例对照，采用单碱基延伸方法对研究对象的基因型进行检测，运用广义多因子降维法 generalized muhifactor dimensionality reduction,GMDR）分析基因-环境交互作用。结果Logistic回归分析结果显示，TCFTL2基因rs12255372位点GT基因型个体患T2DM的风险是GG基因型个体的2．049倍（OR=2．049，95％CI：1．107～3．792），KCNQ1基因rs2237892位点CC基因型个体患T2DM的风险是TT基因型个体的2．619倍（OR=2．619，95％CI：1．60％-4．263），rs2237897位点CC基因型个体患T2DM的风险是TT基因型个体的3．066倍（OR=3．066，95％CI：1．870～5．029），饮酒者患T2DM的风险是不饮酒者的2．749倍（OR=2．749，95％CI：1．753～4．311）。GMDR分析结果显示，饮酒-rs2237892-rs2237897-rs12255372模型的验证样本准确度（0．6572）和交叉验证一致性（10／10）均最高。结论在本次调查的人群中，TCF7L2、KCNQ1基因多态性与T2DM存在关联，KCNQ1基因rs2237892、rs2237897位点、TCF7L2基因rs12255372位点与饮酒因素对T2DM发病存在交互作用。
- 张留伟李劲段芳芳刘志科马子晴胡永华詹思延陈大方
- 关键词：基因多态性2型糖尿病基因-环境交互作用
