Association between Air Pollutant Exposure and Dyslipidemia in Middle-aged and Elderly People in Mining Areas

doi:10.12114/j.issn.1007-9572.2022.0809

Chinese General Practice ›› 2023, Vol. 26 ›› Issue (18): 2238-2244.DOI: 10.12114/j.issn.1007-9572.2022.0809

Special Issue: 老年问题最新文章合辑；环境与健康最新文章合辑

• Original Research • Previous Articles Next Articles

Association between Air Pollutant Exposure and Dyslipidemia in Middle-aged and Elderly People in Mining Areas

1. Hunan Provincial Key Laboratory of Typical Environmental Pollution and Health Hazards/School of Public Health, Hengyang Medical School, University of South China, Hengyang 421001, China
2. The Key Laboratory of Ecological Health and Critical Human Diseases Prevention of Hunan Province Department of Education/School of Basic Medical Sciences, Hengyang Medical School, University of South China, Hengyang 421001, China
3. Department of Social Medicine and Health Service Management, Xiangya School of Public Health, Central South University, Changsha 410078, China

Received:2022-10-17 Revised:2022-12-31 Published:2023-06-20 Online:2022-12-02
Contact: SHEN Minxue, YANG Fei

矿区空气污染物暴露与中老年人血脂异常的相关性研究

1．421001　湖南省衡阳市，南华大学衡阳医学院公共卫生学院　湖南省典型环境污染与健康危害重点实验室
2．421001　湖南省衡阳市，南华大学衡阳医学院基础医学院　生态健康与人类重要疾病防控湖南省高校重点实验室
3．410078　湖南省长沙市，中南大学湘雅公共卫生学院社会医学与卫生事业管理学系

通讯作者: 沈敏学, 杨飞
作者简介:
作者贡献：奉水东负责文章审查和编辑写作以及修订；李君艳负责原稿写作和形式分析以及修订；邓蜀湘、陈立谋、曹梦悦、唐艳、唐鹏、刘俊负责形式分析以及文章的审查、评论；沈敏学负责开展调查、数据管理、资源提供；杨飞负责开展调查、数据管理、资金支持、提出想法、监督以及文章的审查、评论等全面指导；所有作者确认了论文的最终稿。
基金资助:
湖湘青年人才计划项目(2021RC3107); 湖南省优秀青年基金(2020JJ3053)

Abstract

Abstract:

Background

Dyslipidemia has become one of the global public health issues. However, the relationship between air pollution and dyslipidemia has been rarely reported.

Objective

To explore the relationship between air pollutant exposure and dyslipidemia in middle-aged and elderly people in mining areas.

Methods

A total of 1 965 residents over 45 years old were sampled using cluster random sampling from mining areas in western Hunan from 2018 to 2019. The general data and lipid indices were obtained by using an interviewer-administered questionnaire survey, a physical examination and a laboratory test. The level of air pollution of the mining area was calculated by inverse distance weighted interpolation, and the average daily dose (ADD_total) of air pollutants of each resident was calculated, and used to divide them into Q1 group (0.5-0.7 m³·kg^-1·d^-1, n=172), Q2 group (>0.7-0.9 m³·kg^-1·d^-1, n=870), Q3 group (>0.9-1.1 m³·kg^-1·d^-1, n=717), and Q4 group (>1.1 m³·kg^-1·d^-1, n=172). Unconditional Logistic regression was used to analyze the relationship between ADD_total and dyslipidemia.

Results

The annual average concentration of PM_2.5 in the two mining areas exceeded the National Air Quality Standard (Ⅱ). The prevalence rate of dyslipidemia was 25.3% (498/1 965). There were statistically significant differences in mean age and body mass index (BMI), prevalence of smoking and hypertension between patients with normal and dyslipidemia (P<0.05). The detection ratios of abnormal triglyceride (TG) and high density lipoprotein cholesterol in Q1 to Q4 groups were statistically significant different (P<0.05). After adjusting for age, sex, hypertension, BMI, smoking, diabetes, drinking and other factors, unconditional Logistic regression analysis found that Q2, Q3 and Q4 groups had a greater risk of abnormal TG (P<0.05), and Q4 group also had a greater risk of abnormal total cholesterol (TC) (P<0.05), compared with group Q1 (with the lowest concentration of ADD_total) .

Conclusion

The air pollutants in the two mining areas were mainly PM_2.5, the ADD_total of air pollutants was positively correlated with TC and TG anomalies, which provides a reference for further research on the relationship between air pollutant exposure and dyslipidemia.

Key words: Dyslipidemia, Air pollution, Middle aged, Aged, Risk factors, Root cause analysis

摘要：

背景

血脂异常已成为全球性公共卫生事件之一，然而空气污染与血脂异常的关系如何，目前报道较少。

目的

探讨矿区空气污染物暴露与中老年人血脂异常的关系。

方法

采用整群随机抽样的方法，于2018—2019年抽取湖南省西部两个矿区45岁以上的居民1 965人作为研究对象，通过问卷调查、体格检查和实验室检查获取研究对象的一般资料和血脂指标，通过反距离权重插值法估算矿区空气污染物的浓度，并估算个体的每日平均摄入量（ADD_总），根据ADD_总水平，将研究对象分为Q1组（0.5~0.7 m³·kg^-1·d^-1，n=172）、Q2组（>0.7~0.9 m³·kg^-1·d^-1，n=870）、Q3组（>0.9~1.1 m³·kg^-1·d^-1，n=717）、Q4组（>1.1 m³·kg^-1·d^-1，n=206）。采用非条件Logistic回归分析探究研究对象ADD_总与血脂异常之间的关联。

结果

两个矿区PM_2.5年平均浓度超出国家空气质量标准（Ⅱ级），研究对象血脂异常患病率为25.3%（498/1 965）。血脂正常与血脂异常者年龄、体质指数（BMI）、吸烟情况、高血压比例比较，差异有统计学意义（P<0.05）。三酰甘油（TG）、高密度脂蛋白胆固醇异常检出率在Q1~Q4组中差异有统计学意义（P<0.05）。调整年龄、性别、高血压、BMI、吸烟、糖尿病、饮酒以及其他因素后，非条件Logistic回归分析结果显示ADD_总分组中，与Q1组相比，Q2、Q3、Q4组TG发生异常的风险较大（P<0.05），Q4组总胆固醇（TC）发生异常的风险较大（P<0.05）。

结论

两个矿区空气污染物以PM_2.5为主，空气污染物ADD_总与TC、TG异常呈正相关，为研究空气污染物暴露与血脂异常的进一步研究提供了参考依据。

关键词: 血脂异常, 空气污染, 中年人, 老年人, 危险因素, 影响因素分析

FENG Shuidong,LI Junyan,DENG Shuxiang, et al. Association between Air Pollutant Exposure and Dyslipidemia in Middle-aged and Elderly People in Mining Areas[J]. Chinese General Practice, 2023, 26(18): 2238-2244. DOI: 10.12114/j.issn.1007-9572.2022.0809.
奉水东,李君艳,邓蜀湘等. 矿区空气污染物暴露与中老年人血脂异常的相关性研究[J]. 中国全科医学, 2023, 26(18): 2238-2244. DOI: 10.12114/j.issn.1007-9572.2022.0809.

Figures/Tables 10

References 34

[1]	WHO. Ambient air pollution：a global assessment of exposure and burden of disease[M]. Geneva：World Health Organization，2016.
[2]	GBD 2015 Risk Factors Collaborators. Global，regional，and national comparative risk assessment of 79 behavioural，environmental and occupational，and metabolic risks or clusters of risks，1990-2015：a systematic analysis for the Global Burden of Disease Study 2015[J]. Lancet，2016，388(10053):1659-1724. DOI：10.1016/s0140-6736(16)31679-8.
[3]	BROOK R D, RAJAGOPALAN S, POPE C A，et al. Particulate matter air pollution and cardiovascular disease：an update to the scientific statement from the American Heart Association[J]. Circulation，2010，121(21):2331-2378. DOI：10.1161/cir.0b013e3181dbece1.
[4]	CAI Y, HANSELL A L, BLANGIARDO M，et al. Long-term exposure to road traffic noise，ambient air pollution，and cardiovascular risk factors in the HUNT and lifelines cohorts[J]. Eur Heart J，2017，38(29):2290-2296. DOI：10.1093/eurheartj/ehx63.
[5]	FRANKLIN B A, BROOK R, ARDEN POPE C. Air pollution and cardiovascular disease[J]. Curr Probl Cardiol，2015，40(5):207-238. DOI：10.1016/j.cpcardiol.2015.01.003.
[6]	YANG B Y, GUO Y, MARKEVYCH I，et al. Association of long-term exposure to ambient air pollutants with risk factors for cardiovascular disease in China[J]. JAMA Netw Open，2019，2(3):e190318. DOI：10.1001/jamanetworkopen.2019.0318.
[7]	SHUN C H, YUAN T H, HUNG S H，et al. Assessment of the hyperlipidemia risk for residents exposed to potential emitted metals in the vicinity of a petrochemical complex[J]. Environ Sci Pollut Res Int，2021，28(22):27966-27975. DOI：10.1007/s11356-021-12642-1.
[8]	ABD-RABO M M, WAHMAN L F, EL HOSARY R，et al. High-fat diet induced alteration in lipid enzymes and inflammation in cardiac and brain tissues：assessment of the effects of Atorvastatin-loaded nanoparticles[J]. J Biochem Mol Toxicol，2020，34(5):e22465. DOI：10.1002/jbt.22465.
[9]	MENG L, QIAN Z M, MICHAEL V，et al. Sex-specific difference of the association between ambient air pollution and the prevalence of obesity in Chinese adults from a high pollution range area：33 communities chinese health study[J]. Atmos Environ，2015，117:227-233.
[10]	DONG G H, QIAN Z M, XAVERIUS P K，et al. Association between long-term air pollution and increased blood pressure and hypertension in China[J]. Hypertension，2013，61(3):578-584. DOI：10.1161/hypertensionaha.111.00003.
[11]	YANG B Y, QIAN Z M, LI S，et al. Ambient air pollution in relation to diabetes and glucose-homoeostasis markers in China：a cross-sectional study with findings from the 33 Communities Chinese Health Study[J]. Lancet Planet Health，2018，2(2):e64-73. DOI：10.1016/s2542-5196(18)30001-9.
[12]	YANG B Y, BLOOM M S, MARKEVYCH I，et al. Exposure to ambient air pollution and blood lipids in adults：the 33 Communities Chinese Health Study[J]. Environ Int，2018，119:485-492. DOI：10.1016/j.envint.2018.07.016.
[13]	CHUANG K J, YAN Y H, CHENG T J. Effect of air pollution on blood pressure，blood lipids，and blood sugar：a population-based approach[J]. J Occup Environ Med，2010，52(3):258-262. DOI：10.1097/jom.0b013e3181ceff7a.
[14]	李莲芳，曾希柏，白玲玉，等. 石门雄黄矿周边地区土壤砷分布及农产品健康风险评估[J]. 应用生态学报，2010，21(11):2946-2951.
[15]	卓新隆，谢国军，鲁斌，等.湖南省花垣县大脑坡矿区铅锌矿勘探报告[DS].全国地质资料馆，2019. DOI：10.35080/n01.c.202835.
[16]	沈炼伟，王维. 中国健康与养老追踪调查：中老年人跌倒的相关因素分析及列线图预测模型的构建[J]. 现代预防医学，2022，49(11):2040-2047.
[17]	CHEN B, HUANG S, HE J，et al. Sex-specific influence of prenatal air pollutant exposure on neonatal neurobehavioral development and the sensitive window[J]. Chemosphere，2020，254:126824. DOI：10.1016/j.chemosphere.2020.126824.
[18]	BELL M L. The use of ambient air quality modeling to estimate individual and population exposure for human health research：a case study of ozone in the Northern Georgia Region of the United States[J]. Environ Int，2006，32(5):586-593. DOI：10.1016/j.envint.2006.01.005.
[19]	中国环境监测总站. 2021年9月全国城市空气质量报告[EB/OL].(2021-11-01)[2022-10-17].
[20]	WANG H H, ZHANG S C, WANG J，et al. Combined toxicity of outdoor air pollution on kidney function among adult women in Mianyang City，southwest China[J]. Chemosphere，2020，238:124603. DOI：10.1016/j.chemosphere.2019.124603.
[21]	环境保护部，国家质量监督检验检疫总局. 环境空气质量标准（GB 3095—2012）[S]. 北京：中国环境科学出版社，2012：3.
[22]	TRACZYK P, GRUSZECKA-KOSOWSKA A. The condition of air pollution in kraków，Poland，in 2005-2020，with health risk assessment[J]. Int J Environ Res Public Health，2020，17(17):E6063. DOI：10.3390/ijerph17176063.
[23]	EPA：Inhalation rates，exposure factors handbook[EB/OL].(2011-03)[2022-10-17].
[24]	中国成人血脂异常防治指南修订联合委员会. 中国成人血脂异常防治指南（2016年修订版）[J]. 中华健康管理学杂志，2017，11(1):7-28. DOI：10.3760/cma.j.issn.1674-0815.2017.01.101.
[25]	《中国高血压防治指南》修订委员会. 中国高血压防治指南2018年修订版[J]. 心脑血管病防治，2019，19(1):1-44. DOI：10.3969/j.issn.1009-816X.2019.01.001.
[26]	中华医学会糖尿病学分会. 中国2型糖尿病防治指南（2017年版）[J]. 中华糖尿病杂志，2018，10(1):4-67. DOI：10.3760/cma.j.issn.1674-5809.2018.01.003.
[27]	ZOKAEI A, ZIAPOUR A, KHANGHAHI M E，et al. Investigating high blood pressure，type-2 diabetes，dislipidemia，and body mass index to determine the health status of people over 30 years[J]. J Educ Health Promot，2020，9:333. DOI：10.4103/jehp.jehp_514_20.
[28]	LI K, LIANG T, WANG L，et al. Inhalation exposure and potential health risk estimation of lanthanides elements in PM_2.5 associated with rare earth mining areas：a case of Baotou City，Northern China[J]. Environ Geochem Health，2018，40(6):2795-2805. DOI：10.1007/s10653-018-0146-4.
[29]	MWAANGA P, SILONDWA M, KASALI G，et al. Preliminary review of mine air pollution in Zambia[J]. Heliyon，2019，5(9):e02485. DOI：10.1016/j.heliyon.2019.e02485.
[30]	郭洪菊，陈羲，王娟. 绵阳市60岁以上老年人群血脂现况分析[J]. 预防医学情报杂志，2019，35(9):935-940.
[31]	李凯，邱晶，王夏冬. 张家港市中老年人血脂异常检出情况及危险因素分析[J]. 现代预防医学，2017，44(14):2549-2552.
[32]	POURSAFA P, MANSOURIAN M, MOTLAGH M E，et al. Is air quality index associated with cardiometabolic risk factors in adolescents? The CASPIAN-Ⅲ Study[J]. Environ Res，2014，134:105-109. DOI：10.1016/j.envres.2014.07.010.
[33]	MAO S, CHEN G, LIU F，et al. Long-term effects of ambient air pollutants to blood lipids and dyslipidemias in a Chinese rural population[J]. Environ Pollut，2020，256:113403. DOI：10.1016/j.envpol.2019.113403.
[34]	SHANLEY R P, HAYES R B, CROMAR K R，et al. Particulate air pollution and clinical cardiovascular disease risk factors[J]. Epidemiology，2016，27(2):291-298. DOI：10.1097/ede.0000000000000426.

暴露参数	取值
IR_inh（m³/d）^[23]
45~岁	16.0
51~岁	15.7
61~岁	14.2
71~岁	12.9
>81岁	12.2
EF（d/年）^[22]	350
ED（年）^[22]	24
AT（d）^[22]	8 760

暴露参数	取值
IR_inh（m³/d）^[23]
45~岁	16.0
51~岁	15.7
61~岁	14.2
71~岁	12.9
>81岁	12.2
EF（d/年）^[22]	350
ED（年）^[22]	24
AT（d）^[22]	8 760

组别	例数	年龄〔M（P₂₅，P₇₅），岁〕	性别〔n（%）〕		BMI 〔M（P₂₅，P₇₅），kg/m²〕	受教育程度〔n（%）〕^b			年平均收入〔n（%）〕^c
组别	例数	年龄〔M（P₂₅，P₇₅），岁〕	男	女	BMI 〔M（P₂₅，P₇₅），kg/m²〕	小学及以下	初中	高中及以上	<10 000元	10 000 ~<30 000元	30 000 ~<50 000元	≥50 000元
血脂正常者	1 467	60.5（53.0，68.0）	814（55.5）	653（44.5）	23.3（21.2，25.6）	931（64.2）	400（27.6）	120（8.3）	779（54.1）	484（33.6）	122（8.5）	56（3.9）
血脂异常者	498	57.0（52.0，67.0）	264（53.0）	234（47.0）	24.5（22.0，26.9）	312（63.3）	136（27.6）	45（9.1）	261（53.3）	164（33.5）	46（9.4）	19（3.9）
χ²（Z）值		4.428^a	0.920		43.442^a	0.363			0.401
P值		0.035	0.337		<0.001	0.834			0.940
组别	饮酒情况〔n（%）〕^d			吸烟情况〔n（%）〕^e			高血压〔n（%）〕^f		糖尿病〔n（%）〕^g
组别	不饮酒	曾经饮酒	饮酒	不吸烟	曾经吸烟	吸烟	否	是	否	是
血脂正常者	1 199（82.9）	40（2.8）	207（14.3）	1 083（75.1）	40（2.8）	319（22.1）	584（40.1）	871（59.9）	1 272（86.8）	194（13.2）
血脂异常者	421（86.3）	14（2.9）	53（10.9）	395（80.6）	13（2.7）	82（16.7）	144（29.2）	349（70.8）	389（78.1）	109（21.9）
χ²（Z）值	3.742			6.584			18.790		21.338
P值	0.154			0.037			<0.001		0.104

组别	例数	年龄〔M（P₂₅，P₇₅），岁〕	性别〔n（%）〕		BMI 〔M（P₂₅，P₇₅），kg/m²〕	受教育程度〔n（%）〕^b			年平均收入〔n（%）〕^c
组别	例数	年龄〔M（P₂₅，P₇₅），岁〕	男	女	BMI 〔M（P₂₅，P₇₅），kg/m²〕	小学及以下	初中	高中及以上	<10 000元	10 000 ~<30 000元	30 000 ~<50 000元	≥50 000元
血脂正常者	1 467	60.5（53.0，68.0）	814（55.5）	653（44.5）	23.3（21.2，25.6）	931（64.2）	400（27.6）	120（8.3）	779（54.1）	484（33.6）	122（8.5）	56（3.9）
血脂异常者	498	57.0（52.0，67.0）	264（53.0）	234（47.0）	24.5（22.0，26.9）	312（63.3）	136（27.6）	45（9.1）	261（53.3）	164（33.5）	46（9.4）	19（3.9）
χ²（Z）值		4.428^a	0.920		43.442^a	0.363			0.401
P值		0.035	0.337		<0.001	0.834			0.940
组别	饮酒情况〔n（%）〕^d			吸烟情况〔n（%）〕^e			高血压〔n（%）〕^f		糖尿病〔n（%）〕^g
组别	不饮酒	曾经饮酒	饮酒	不吸烟	曾经吸烟	吸烟	否	是	否	是
血脂正常者	1 199（82.9）	40（2.8）	207（14.3）	1 083（75.1）	40（2.8）	319（22.1）	584（40.1）	871（59.9）	1 272（86.8）	194（13.2）
血脂异常者	421（86.3）	14（2.9）	53（10.9）	395（80.6）	13（2.7）	82（16.7）	144（29.2）	349（70.8）	389（78.1）	109（21.9）
χ²（Z）值	3.742			6.584			18.790		21.338
P值	0.154			0.037			<0.001		0.104

组别	例数	TG水平		TC水平		HDL-C水平		LDL-C水平
组别	例数	异常	正常	异常	正常	异常	正常	异常	正常
Q1组	172	23（13.4）	149（86.6）	18（10.5）	154（89.5）	20（11.6）	152（88.4）	16（9.3）	156（90.7）
Q2组	870	110（12.6）	760（87.4）	109（12.5）	761（87.5）	60（6.9）	810（93.1）	78（9.0）	792（91.0）
Q3组	717	60（8.4）	657（91.6）	89（12.4）	628（87.6）	23（3.2）	694（96.8）	60（8.4）	657（91.6）
Q4组	206	16（7.8）	190（92.2）	37（18.0）	169（82.0）	3（1.5）	203（98.5）	19（9.2）	187（90.8）
χ²值		10.708		5.871		29.920		0.296
P值		0.013		0.118		<0.001		0.961

Association between Air Pollutant Exposure and Dyslipidemia in Middle-aged and Elderly People in Mining Areas

矿区空气污染物暴露与中老年人血脂异常的相关性研究

RichHTML

PDF

Knowledge

Abstract

Cite this article

share this article

Figures/Tables 10

References 34

Related Articles 15

Recommended Articles

Metrics

Comments

自变量	模型1					模型2					模型3
自变量	B	SE	Waldχ²值	P值	OR（95%CI）	B	SE	Waldχ²值	P值	OR（95%CI）	B	SE	Waldχ²值	P值	OR（95%CI）
Q2组	-0.11	0.25	0.18	0.669	0.90（0.55，1.46）	0.92	0.31	9.01	0.003	2.52（1.38，4.61）	0.96	0.32	8.74	0.003	2.61（1.38，4.93）
Q3组	-0.58	0.27	4.72	0.030	0.56（0.33，0.95）	1.19	0.40	8.95	0.003	3.28（1.51，7.15）	1.23	0.42	8.70	0.003	3.42（1.51，7.73）
Q4组	-0.66	0.35	3.52	0.061	0.55（0.26，1.03）	1.55	0.52	8.90	0.003	4.73（1.70，13.13）	1.63	0.54	9.04	0.003	5.12（1.77，14.85）

自变量	模型1					模型2					模型3
自变量	B	SE	Wald χ²值	P值	OR（95%CI）	B	SE	Wald χ²值	P值	OR（95%CI）	B	SE	Wald χ²值	P值	OR（95%CI）
Q2组	0.18	0.27	0.43	0.510	1.20（0.70，2.03）	0.40	0.32	1.61	0.205	1.49（0.80，2.77）	0.32	0.32	0.96	0.326	1.37（0.73，2.57）
Q3组	0.11	0.28	0.17	0.682	1.12（0.65，1.93）	0.52	0.39	1.82	0.177	1.68（0.79，3.57）	0.49	0.39	1.53	0.215	1.63（0.75，3.52）
Q4组	0.50	0.31	2.54	0.111	1.65（0.89，3.05）	0.98	0.47	4.33	0.037	2.67（1.06，6.72）	0.96	0.48	3.97	0.046	2.62（1.02，6.75）

[1]	XU Jialan, YAN Hong, WEN Jun, ZHOU Zitong, WANG Siyu. Prevalence of Potentially Inappropriate Medication in Older Adults with Cancer: a Meta-analysis [J]. Chinese General Practice, 2025, 28(30): 3815-3822.
[2]	XU Baichuan, WANG Yan, ZHANG Peng, LI Yiting, LIU Feilai, XIE Yang. Research and Analysis of Screening Tools for Chronic Obstructive Pulmonary Disease Comorbidity Lung Cancer [J]. Chinese General Practice, 2025, 28(30): 3847-3852.
[3]	LI Ling, LI Yaping, QIAN Shixing, NIE Jing, LU Chunhua, LI Xia. Research on Influencing Factors and Risk Prediction of Cognitive Function in Community-dwelling Middle-aged and Elderly People [J]. Chinese General Practice, 2025, 28(30): 3773-3778.
[4]	SHAO Xiaoying, SHAO Jie, ZHU Yan, SHAO Jinling, SHANG Ling, WU Zhenlian, ZHAO Yu, ZHANG Jiacai. Analysis of the Current Status of Iron Deficiency and Factors Affecting Iron Deficiency Anemia among Children Aged 6-36 Months in Guizhou Province [J]. Chinese General Practice, 2025, 28(27): 3368-3374.
[5]	HU Jieman, TAN Feixiang, YUAN Anxin, CHEN Shiyu, TANG Chulei, YIN Yueheng, BA Lei, XU Qin. Analysis of the Trajectory of Postoperative Frailty and Influencing Factors in Patients with Colorectal Cancer [J]. Chinese General Practice, 2025, 28(26): 3276-3282.
[6]	CHOU Xintong, PENG Hanyu, MA Hui, ZHANG Zhen, SU Xian, QIU Hongyan. Maternal Preferences in Contraceptive Decision-making: an Analysis of Influencing Factors [J]. Chinese General Practice, 2025, 28(26): 3294-3299.
[7]	WEI Jiaohua, PENG Huiru, PENG Jianye, TAN Wenting, HUANG Jine, FANG Li. Expression of the Serum MOTS-c and Its Correlation with Atrial Remodeling in Patients with Atrial Fibrillation [J]. Chinese General Practice, 2025, 28(26): 3271-3276.
[8]	YU Zizi, LIU Duli, LI Ximin, RUAN Chunyi, YIN Xiangyang, CAI Le. Analysis of the Prevalence and Self-management of Hypertension and Its Influencing Factors in Rural [J]. Chinese General Practice, 2025, 28(25): 3137-3143.
[9]	FAN Boyang, ZHANG Yu, SUN Wenning, ZHANG Huifang, WANG Yingjie, ZHANG Ao, ZHAO Yang, WANG Haipeng. Study of Behavioral Intention and Influencing Factors of Integrated Medical and Preventive Care Provided by Grassroots Doctors for Patients with Chronic Diseases [J]. Chinese General Practice, 2025, 28(25): 3144-3150.
[10]	YU Wenhua, LI Jianguo, DUAN Wenyan, GAO Xuyan, LI Xiaxia, ZHANG Zilong, ZHANG Li, MA Lina. Reliability and Validity of the Function Impairment Screening Tool among Community-dwelling Older Adults [J]. Chinese General Practice, 2025, 28(24): 3000-3004.
[11]	YANG Chen, CHEN Tong, ZHANG Lifang, ZHANG Hongxu, LI Pengfei, ZHANG Xuejuan. Prognostic Impact of Dapagliflozin in Elderly Breast Cancer Survivors with Heart Failure with Preserved Ejection Fraction and Type 2 Diabetes [J]. Chinese General Practice, 2025, 28(24): 3053-3058.
[12]	WANG Rupeng, NAN Jing, HU Yiran, YANG Shenghua, JIN Zening. Predictive Value of the Triglyceride-Glucose Body Mass Index for Slow Flow/No-reflow Phenomenon in Patients with Type 2 Diabetes Mellitus and Acute Myocardial Infarction Undergoing Emergency Percutaneous Coronary Intervention [J]. Chinese General Practice, 2025, 28(24): 2985-2992.
[13]	LI Jiaxin, LIU Zhonghui, XIE Shuo, FU Zhifang, SUN Dan, JIAO Hongmei. Trajectory in Biomarkers of Metabolic and Inflammatory States as Early Predictors of Chronic Critical Illness in Aging Patients [J]. Chinese General Practice, 2025, 28(24): 2993-2999.
[14]	WU Yue, WANG Xuetong, KE Bilian. Evaluation of Vision-related Quality of Life in Myopic Macular Degeneration Patients with Low Vision and Associated Factors [J]. Chinese General Practice, 2025, 28(23): 2908-2914.
[15]	DING Zijun, ZHOU Nannan, LUO Xing, LUO Jieyu, HAO Wenjuan, ZHANG Chunjiang, JIN Xin, ZHAO Dan. Cognitive Impairment in Patients on Maintenance Hemodialysis and Its Influencing Factors: a Multicenter Cross-sectional Study [J]. Chinese General Practice, 2025, 28(23): 2885-2893.

自变量	模型1					模型2					模型3
自变量	B	SE	Wald χ²值	P值	OR（95%CI）	B	SE	Wald χ²值	P值	OR（95%CI）	B	SE	Wald χ²值	P值	OR（95%CI）
Q2组	-0.64	0.28	5.32	0.021	0.53（0.31，0.90）	-0.28	0.35	0.64	0.424	0.76（0.38，1.50）	-0.44	0.36	1.51	0.220	0.65（0.32，1.30）
Q3组	-1.48	0.33	20.77	<0.001	0.23（0.12，0.43）	-0.86	0.49	3.13	0.077	0.42（0.16，1.10）	-0.92	0.50	3.34	0.067	0.40（0.15，1.07）
Q4组	-2.32	0.64	13.29	<0.001	0.10（0.03，0.34）	-1.48	0.79	3.46	0.063	0.23（0.05，1.08）	-1.54	0.81	3.60	0.058	0.22（0.04，1.05）

自变量	模型1					模型2					模型3
自变量	B	SE	Wald χ²值	P值	OR（95%CI）	B	SE	Wald χ²值	P值	OR（95%CI）	B	SE	Wald χ²值	P值	OR（95%CI）
Q2组	-0.64	0.28	5.32	0.021	0.53（0.31，0.90）	-0.28	0.35	0.64	0.424	0.76（0.38，1.50）	-0.44	0.36	1.51	0.220	0.65（0.32，1.30）
Q3组	-1.48	0.33	20.77	<0.001	0.23（0.12，0.43）	-0.86	0.49	3.13	0.077	0.42（0.16，1.10）	-0.92	0.50	3.34	0.067	0.40（0.15，1.07）
Q4组	-2.32	0.64	13.29	<0.001	0.10（0.03，0.34）	-1.48	0.79	3.46	0.063	0.23（0.05，1.08）	-1.54	0.81	3.60	0.058	0.22（0.04，1.05）

自变量	模型1					模型2					模型3
自变量	B	SE	Wald χ²值	P值	OR（95%CI）	B	SE	Wald χ²值	P值	OR（95%CI）	B	SE	Wald χ²值	P值	OR（95%CI）
Q2组	-0.09	0.29	0.09	0.767	0.92（0.52，1.62）	0.01	0.35	<0.01	0.977	1.01（0.51，1.99）	-0.14	0.35	0.16	0.691	0.87（0.44，1.72）
Q3组	-0.26	0.30	0.76	0.382	0.77（0.43，1.39）	-0.07	0.43	0.02	0.877	0.94（0.40，2.17）	-0.25	0.44	0.32	0.574	0.78（0.33，1.84）
Q4组	-0.25	0.36	0.46	0.499	0.78（0.38，1.60）	-0.01	0.54	<0.01	0.988	0.99（0.34，1.08）	-0.22	0.56	0.15	0.695	0.80（0.34，2.39）

自变量	模型1					模型2					模型3
自变量	B	SE	Wald χ²值	P值	OR（95%CI）	B	SE	Wald χ²值	P值	OR（95%CI）	B	SE	Wald χ²值	P值	OR（95%CI）
Q2组	-0.09	0.29	0.09	0.767	0.92（0.52，1.62）	0.01	0.35	<0.01	0.977	1.01（0.51，1.99）	-0.14	0.35	0.16	0.691	0.87（0.44，1.72）
Q3组	-0.26	0.30	0.76	0.382	0.77（0.43，1.39）	-0.07	0.43	0.02	0.877	0.94（0.40，2.17）	-0.25	0.44	0.32	0.574	0.78（0.33，1.84）
Q4组	-0.25	0.36	0.46	0.499	0.78（0.38，1.60）	-0.01	0.54	<0.01	0.988	0.99（0.34，1.08）	-0.22	0.56	0.15	0.695	0.80（0.34，2.39）