Research on the Development of Atherosclerotic Cardiovascular Disease Prediction Model for the Elderly Based on TCM Constitution

doi:10.12114/j.issn.1007-9572.2023.0406

Abstract

Abstract:

Background

The most effective prevention strategy for atherosclerotic cardiovascular disease (ASCVD) is primary management, with the core measure of risk assessment. The existing prediction models for ASCVD for the elderly are not able to guide TCM primary management well. Therefore, it is necessary to integrate TCM elements into the development of prediction models to guide the primary management of ASCVD with combined traditional Chinese and western medicine.

Objective

To construct and validate the ASCVD prediction model for the elderly based on TCM constitution.

Methods

A total of 1 418 elderly people who underwent physical examination at Huayuan Street Community Health Service Center, Chentangzhuang Street Community Health Service Center, Xiangyang Road Street Community Health Service Center and Daqiuzhuang Town Central Health Center in 2017 were included as the study subjects. General data of the study subjects were collected and constitution identification was performed. The incidence of ASCVD (clinical outcome) was followed up from 2017 to 2022. The follow-up will end at 2022-11-30. The data of the subjects were randomly divided into a training set (n=1 127) and validation set (n=291) according to 8∶2. In the training set, the conventional ASCVD prediction model for the elderly (model 1) and the conventional ASCVD+constitution prediction model for the elderly (model 2) were constructed by using the forward stepwise method. The nomogram of ASCVD prediction model for the elderly based on TCM constitution was plotted. The calibration curve was plotted and the Hosmer-Lemeshow goodness of fit test was performed to determine the calibration of the model. The receiver operating characteristic curve was plotted and the area under the curve (AUC) was calculated to determine the discrimination of the model. AUC, Net Reclassification Index (NRI), Integrated Discrimination Improvement (IDI), and Decision Curve Analysis (DCA) were used to compare model 2 with model 1 to evaluate the improvement efficacy of model 2.

Results

There was no significant difference in the general data between the training set and validation set (P>0.05). The results of multivariate analysis showed that model 1 included 7 predictors of gender, age, waist circumference, systolic blood pressure, triacylglycerol (TG), BMI, systolic blood pressure×hypertension medication history. model 2 included 8 predictors of gender, age, waist circumference, systolic blood pressure, TG, BMI, systolic blood pressure×hypertension medication history, and constitution type. Hosmer-Lemeshow goodness-of-fit test showed good fit of model 2; Delong test results showed that AUC of model 2 was higher than that of model 1 (Z=2.741, P=0.006), NRI=0.511 (95%CI=0.359-0.663, P<0.001), IDI=0.038 (95%CI=0.024-0.051, P<0.001), suggesting that the addition of constitution predictors could improve the accuracy of model prediction. The clinical utility comparison results showed that the net benefit of model 2 to predict severe ASCVD events in the elderly was better than model 1 at a threshold probability of 5% to 74%.

Conclusion

In this study, a ASCVD prediction model for the elderly was constructed including 8 predictor variables of gender, age, waist circumference, systolic blood pressure, TG, BMI, systolic blood pressure×hypertension medication history, and constitution type. After testing, the differentiation and calibration performed well, which was better than the conventional prediction model, and can be applied to the individualized risk assessment of ASCVD in the elderly and guide the primary management of ASCVD with combined traditional Chinese and western medicine.

Key words: Coronary disease, Atherosclerosis, Constitutional type (TCM), Aged, Risk prediction model

摘要：

背景

动脉粥样硬化性心血管疾病（ASCVD）最有效的预防策略是实施基层管理，其核心措施是进行风险评估，现有老年人ASCVD预测模型不能很好地指导中医基层管理，因此，需将中医元素融入预测模型的开发，以指导ASCVD中西医结合基层管理。

目的

构建并验证基于中医体质的老年人ASCVD预测模型。

方法

纳入2017年在华苑街社区卫生服务中心、陈塘庄街社区卫生服务中心、向阳路街社区卫生服务中心、大邱庄镇中心卫生院进行健康查体的1 418名老年人（≥65岁）为研究对象，收集研究对象一般资料，对研究对象进行体质辨识。于2017—2022年随访研究对象ASCVD发病情况（临床结局），随访截止于2022-11-30。将研究对象数据按照8∶2随机拆分为训练集和验证集，在训练集中，采用向前逐步法构建老年人ASCVD常规预测模型（模型1）和老年人ASCVD常规+体质预测模型（模型2）。绘制基于中医体质的老年人ASCVD预测模型列线图。绘制校准曲线及进行Hosmer-Lemeshow拟合优度检验判定模型的校准度。绘制受试者工作特征（ROC）曲线并计算ROC曲线下面积（AUC）判定模型的区分度。使用AUC、净重分类改善度（NRI）、综合判别指数（IDI）、临床决策曲线（DCA）对模型2与模型1进行比较，评估改善效能。

结果

训练集（n=1 127）与验证集（n=291）研究对象一般资料比较，差异无统计学意义（P>0.05）。多因素Logistic分析结果显示，模型１包含性别、年龄、腰围、收缩压、三酰甘油、BMI、收缩压×高血压用药史，共计7种预测变量；模型2包含性别、年龄、腰围、收缩压、三酰甘油、BMI、收缩压×高血压用药史、体质类型，共计8种预测变量。Hosmer-Lemeshow拟合优度检验结果示模型2拟合度良好，Delong检验结果显示，模型2的AUC高于模型1（Z=2.741，P=0.006），NRI=0.511（95%CI=0.359~0.663，P<0.001），IDI=0.038（95%CI=0.024~0.051，P<0.001），提示添加体质预测变量可提高模型预测的准确度。临床效用对比结果示，在5%~74%阈值概率下，使用模型2预测严重老年人ASCVD事件的净收益率优于模型1。

结论

本研究构建了一个包含性别、年龄、腰围、收缩压、三酰甘油、BMI、收缩压×高血压用药史、体质类型８个预测变量的老年人ASCVD预测模型，经检验，区分度、校准度表现良好，较传统常规预测模型表现更为优秀，可以应用于老年人ASCVD个体化风险评估，指导ASCVD中西医结合基层管理。

关键词: 冠心病, 动脉粥样硬化, 中医体质类型, 老年人, 风险预测模型

GAO Ying,XU Xinyi,LIU Yang, et al. Research on the Development of Atherosclerotic Cardiovascular Disease Prediction Model for the Elderly Based on TCM Constitution[J]. Chinese General Practice, 2024, 27(15): 1878-1885. DOI: 10.12114/j.issn.1007-9572.2023.0406.
高颖,许欣宜,刘洋等. 基于中医体质的老年人动脉粥样硬化性心血管疾病预测模型的开发研究[J]. 中国全科医学, 2024, 27(15): 1878-1885. DOI: 10.12114/j.issn.1007-9572.2023.0406.

Figures/Tables 9

References 31

[1]	GBD Diseases and Injuries Collaborators. Global burden of 369 diseases and injuries in 204 countries and territories，1990-2019：a systematic analysis for the Global Burden of Disease Study 2019[J]. Lancet，2020，396(10258):1204-1222. DOI：10.1016/S0140-6736(20)30925-9.
[2]	向祥龙，王琦琦，李俊琦，等. 2009—2019年中国心脑血管疾病死亡率趋势分析[J]. 中国预防医学杂志，2021，22(11):811-818. DOI：10.16506/j.1009-6639.2021.11.001.
[3]	中华医学会全科医学分会慢病管理专业学组. 中国成人动脉粥样硬化性心血管疾病基层管理路径专家共识（建议稿）[J]. 中国全科医学，2017，20(3):251-261. DOI：10.3969/j.issn.1007-9572.2017.03.001.
[4]	RANSTAM J, COOK J A, COLLINS G S. Clinical prediction models[J]. Br J Surg，2016，103(13):1886. DOI：10.1002/bjs.10242.
[5]	谷鸿秋，周支瑞，章仲恒，等. 临床预测模型：基本概念、应用场景及研究思路[J]. 中国循证心血管医学杂志，2018，10(12):1454-1456,1462. DOI：10.3969/j.issn.1674-4055.2018.12.04.
[6]	白明华，王济，郑燕飞，等. 基于108015例样本数据的中国人群中医体质类型分布特征分析[J]. 北京中医药大学学报，2020，43(6):498-507. DOI：10.3969/j.issn.1006-2157.2020.06.010.
[7]	谢琴，何华琴. 不同中医体质人群心血管病危险因素调查分析[J]. 中医药管理杂志，2021，29(5):48-49. DOI：10.16690/j.cnki.1007-9203.2021.05.020.
[8]	王思佳，张哲. 基于冠状动脉粥样硬化性心脏病与中医体质的相关性探讨防治策略[J]. 实用中医内科杂志，2022，36(5):70-72. DOI：10.13729/j.issn.1671-7813.Z20211288.
[9]	王琦. 中医体质学在大健康问题中的应对与优势[J]. 北京中医药大学学报，2021，44(3):197-202. DOI：10.3969/j.issn.1006-2157.2021.03.001.
[10]	刘冬桂，王晓蕾，杨丽花，等. 中医体质综合干预在高尿酸血症患者心血管疾病预防中的应用价值[J]. 中国当代医药，2019，26(22):41-44. DOI：10.3969/j.issn.1674-4721.2019.22.012.
[11]	黄钜明. "辨质论治"结合慢病管理干预动脉粥样硬化的临床疗效分析[D]. 广州：广州中医药大学，2016.
[12]	北京高血压防治协会，北京糖尿病防治协会，北京慢性病防治与健康教育研究会，等. 基层心血管病综合管理实践指南2020[J]. 中国医学前沿杂志（电子版），2020，12(8):1-73. DOI：10.12037/YXQY.2020.08-01.
[13]	YANG X L, LI J X, HU D S，et al. Predicting the 10-year risks of atherosclerotic cardiovascular disease in Chinese population：the china-PAR project （prediction for ASCVD risk in China）[J]. Circulation，2016，134(19):1430-1440. DOI：10.1161/CIRCULATIONAHA.116.022367.
[14]	RILEY R D, ENSOR J, SNELL K I E，et al. Calculating the sample size required for developing a clinical prediction model[J]. BMJ，2020，368:m441. DOI：10.1136/bmj.m441.
[15]	杨松，马龙腾，张菁菁. 中国临床医学真实世界研究施行规范[J]. 解放军医学杂志，2018，43(1):1-6. DOI：10.11855/j.issn.0577-7402.2018.01.01.
[16]	STEYERBERG E W. Clinical prediction models：a practical approach to development，validation，and updating[M]. Switzerland：Springer Nature，2019：37-57. DOI：10.1007/978-3-030-16399-0.
[17]	HEMANN B A, BIMSON W F, TAYLOR A J. The Framingham Risk Score：an appraisal of its benefits and limitations[J]. Am Heart Hosp J，2007，5(2):91-96. DOI：10.1111/j.1541-9215.2007.06350.x.
[18]	韩泽森，来利红. 冠状动脉粥样硬化性心脏病临床预测模型研究现状概述[J]. 心血管病学进展，2020，41(6):638-641.
[19]	WOLFF R F, MOONS K G M, RILEY R D，et al. PROBAST：a tool to assess the risk of bias and applicability of prediction model studies[J]. Ann Intern Med，2019，170(1):51-58. DOI：10.7326/M18-1376.
[20]	吴锡桂，赖声汉，高红，等. 首都钢铁公司988名男性工人冠心病危险因素的多元分析[J]. 中华心血管病杂志，1983，11(1):28-32.
[21]	LIANG X, WANG Q, JIANG Z Q，et al. Clinical research linking Traditional Chinese Medicine constitution types with diseases：a literature review of 1639 observational studies[J]. Chung I Tsa Chih Ying Wen Pan，2020，40(4):690-702. DOI：10.19852/j.cnki.jtcm.2020.04.019.
[22]	FRANKLIN J. The elements of statistical learning：data mining，inference and prediction[J]. Math Intell，2005，27(2):83-85. DOI：10.1007/BF02985802.
[23]	MAHMOOD S S, LEVY D, VASAN R S，et al. The Framingham Heart Study and the epidemiology of cardiovascular disease：a historical perspective[J]. Lancet，2014，383(9921):999-1008. DOI：10.1016/S0140-6736(13)61752-3.
[24]	QUESADA J A, LOPEZ-PINEDA A, GIL-GUILLÉN V F，et al. Machine learning to predict cardiovascular risk[J]. Int J Clin Pract，2019，73(10):e13389. DOI：10.1111/ijcp.13389.
[25]	WU Y F, FANG Y. Stroke prediction with machine learning methods among older Chinese[J]. Int J Environ Res Public Heath，2020，17(6):1828. DOI：10.3390/ijerph17061828.
[26]	DEBRAY T P, DAMEN J A, SNELL K I，et al. A guide to systematic review and meta-analysis of prediction model performance[J]. BMJ，2017，356:i6460. DOI：10.1136/bmj.i6460.
[27]	MOONS K G, KENGNE A P, WOODWARD M，et al. Risk prediction models：I. Development，internal validation，and assessing the incremental value of a new （bio）marker[J]. Heart，2012，98(9):683-690. DOI：10.1136/heartjnl-2011-301246.
[28]	STEYERBERG E W, PENCINA M J, LINGSMA H F，et al. Assessing the incremental value of diagnostic and prognostic markers：a review and illustration[J]. Eur J Clin Invest，2012，42(2):216-228. DOI：10.1111/j.1365-2362.2011.02562.x.
[29]	文玲子，王俊峰，谷鸿秋. 临床预测模型：新预测因子的预测增量值[J]. 中国循证心血管医学杂志，2020，12(6):655-659. DOI：10.3969/j.issn.1674-4055.2020.06.04.
[30]	COOK N R. Quantifying the added value of new biomarkers：how and how not[J]. Diagn Progn Res，2018，2:14. DOI：10.1186/s41512-018-0037-2.
[31]	PICKERING J W, ENDRE Z H. New metrics for assessing diagnostic potential of candidate biomarkers[J]. Clin J Am Soc Nephrol，2012，7(8):1355-1364. DOI：10.2215/CJN.09590911.

组别	例数	性别（男/女）	年龄				吸烟史		ASCVD家族史
组别	例数	性别（男/女）	65~69岁	70~74岁	75~79岁	≥80岁	有	无	有	无
训练集	1 127	503/624	465（41.26）	321（28.48）	188（16.68）	153（13.58）	635（56.34）	492（43.66）	320（28.39）	807（71.61）
验证集	291	138/153	129（44.33）	65（22.34）	56（19.24）	41（14.09）	166（57.05）	125（42.96）	89（30.58）	202（69.42）
χ²值		0.73	4.66				0.05		0.54
P值		0.394	0.199				0.830		0.462
组别	糖尿病史		收缩压		高血压用药史		腰围
组别	有	无	<140 mmHg	≥140 mmHg	有	无	正常水平（男性<85 cm/女性<80 cm）	升高（男性≥85 cm/女性≥80 cm）
训练集	344（30.52）	783（69.48）	737（65.39）	390（34.61）	633（56.17）	494（43.83）	251（22.27）	876（77.73）
验证集	84（28.87）	207（71.13）	188（64.61）	103（35.39）	167（57.39）	124（42.61）	65（22.34）	226（77.66）
χ²值	0.30		0.06		0.14		0.00
P值	0.583		0.801		0.708		0.981
组别	BMI				TC			TG
组别	低体质量（<18.5 kg/m²）	正常体质量（18.5~23.9 kg/m²）	超重（24.0~27.9 kg/m²）	肥胖（≥28.0 kg/m²）	合适水平（<5.2 mmol/L）	边缘升高（5.2~<6.2 mmol/L）	升高（≥6.2 mmol/L）	合适水平（<1.7 mmol/L）	边缘升高（1.7~<2.3 mmol/L）	升高（≥2.3 mmol/L）
训练集	377（33.45）	443（39.31）	297（26.35）	10（0.89）	589（52.26）	391（34.69）	147（13.04）	756（67.08）	206（18.28）	165（14.64）
验证集	89（30.58）	132（45.36）	66（22.68）	4（1.38）	146（50.17）	113（38.83）	32（11.00）	191（65.64）	55（18.90）	45（15.46）
χ²值	4.44				2.08			0.23
P值	0.217				0.354			0.893
组别	体质类型									ASCVD事件
组别	平和质	气虚质	气郁质	湿热质	特禀质	痰湿质	血瘀质	阳虚质	阴虚质	有	无
训练集	258（22.89）	26（2.31）	106（9.41）	45（3.99）	10（0.89）	249（22.09）	109（9.67）	171（15.17）	153（13.58）	178（15.79）	949（84.21）
验证集	61（20.96）	7（2.41）	30（10.31）	9（3.09）	4（1.38）	62（21.31）	20（6.87）	56（19.24）	42（14.43）	48（16.50）	243（83.50）
χ²值	6.21									0.09
P值	0.623									0.771

组别	例数	性别（男/女）	年龄				吸烟史		ASCVD家族史
组别	例数	性别（男/女）	65~69岁	70~74岁	75~79岁	≥80岁	有	无	有	无
训练集	1 127	503/624	465（41.26）	321（28.48）	188（16.68）	153（13.58）	635（56.34）	492（43.66）	320（28.39）	807（71.61）
验证集	291	138/153	129（44.33）	65（22.34）	56（19.24）	41（14.09）	166（57.05）	125（42.96）	89（30.58）	202（69.42）
χ²值		0.73	4.66				0.05		0.54
P值		0.394	0.199				0.830		0.462
组别	糖尿病史		收缩压		高血压用药史		腰围
组别	有	无	<140 mmHg	≥140 mmHg	有	无	正常水平（男性<85 cm/女性<80 cm）	升高（男性≥85 cm/女性≥80 cm）
训练集	344（30.52）	783（69.48）	737（65.39）	390（34.61）	633（56.17）	494（43.83）	251（22.27）	876（77.73）
验证集	84（28.87）	207（71.13）	188（64.61）	103（35.39）	167（57.39）	124（42.61）	65（22.34）	226（77.66）
χ²值	0.30		0.06		0.14		0.00
P值	0.583		0.801		0.708		0.981
组别	BMI				TC			TG
组别	低体质量（<18.5 kg/m²）	正常体质量（18.5~23.9 kg/m²）	超重（24.0~27.9 kg/m²）	肥胖（≥28.0 kg/m²）	合适水平（<5.2 mmol/L）	边缘升高（5.2~<6.2 mmol/L）	升高（≥6.2 mmol/L）	合适水平（<1.7 mmol/L）	边缘升高（1.7~<2.3 mmol/L）	升高（≥2.3 mmol/L）
训练集	377（33.45）	443（39.31）	297（26.35）	10（0.89）	589（52.26）	391（34.69）	147（13.04）	756（67.08）	206（18.28）	165（14.64）
验证集	89（30.58）	132（45.36）	66（22.68）	4（1.38）	146（50.17）	113（38.83）	32（11.00）	191（65.64）	55（18.90）	45（15.46）
χ²值	4.44				2.08			0.23
P值	0.217				0.354			0.893
组别	体质类型									ASCVD事件
组别	平和质	气虚质	气郁质	湿热质	特禀质	痰湿质	血瘀质	阳虚质	阴虚质	有	无
训练集	258（22.89）	26（2.31）	106（9.41）	45（3.99）	10（0.89）	249（22.09）	109（9.67）	171（15.17）	153（13.58）	178（15.79）	949（84.21）
验证集	61（20.96）	7（2.41）	30（10.31）	9（3.09）	4（1.38）	62（21.31）	20（6.87）	56（19.24）	42（14.43）	48（16.50）	243（83.50）
χ²值	6.21									0.09
P值	0.623									0.771

变量	β	SE	Wald χ²值	OR（95%CI）	P值
性别（以女为参照）
男	0.744	0.167	19.942	2.105（1.522~2.926）	<0.001
年龄（以65~69岁为参照）
70~74岁	0.471	0.219	4.652	1.602（1.043~2.463）	0.031
75~79岁	1.250	0.223	31.302	3.492（2.255~5.426）	<0.001
≥80岁	0.732	0.257	8.100	2.080（1.246~3.427）	0.004
BMI（以未超重为参照^a）
超重	0.397	0.206	3.722	1.488（0.998~2.241）	0.054
肥胖	0.741	0.214	12.003	2.099（1.384~3.208）	0.001
糖尿病史	0.114	0.175	0.423	1.120（0.791~1.572）	0.515
ASCVD家族史	0.507	0.171	8.770	1.661（1.183~2.317）	0.003
高血压用药史	0.165	0.166	0.982	1.179（0.853~1.637）	0.322
收缩压×高血压用药史	1.560	0.190	67.667	4.757（3.275~6.893）	<0.001
收缩压升高	1.069	0.167	41.150	2.913（2.104~4.048）	<0.001
吸烟史	0.074	0.165	0.199	1.076（0.780~1.492）	0.656
TC（以参考范围为参照）
边缘升高	0.391	0.186	4.408	1.478（1.025~2.130）	0.036
升高	1.120	0.222	25.566	3.066（1.977~4.721）	<0.001
TG（以参考范围为参照）
边缘升高	0.464	0.197	5.544	1.590（1.073~2.327）	0.019
升高	-0.242	0.259	0.872	0.785（0.460~1.279）	0.350
腰围升高	1.538	0.308	24.922	4.657（2.654~8.975）	<0.001
体质类型（以平和质为参照）
阳虚质	0.223	0.312	0.510	1.249（0.673~2.297）	0.475
阴虚质	1.046	0.280	13.951	2.846（1.651~4.971）	<0.001
痰湿质	1.041	0.254	16.749	2.833（1.738~4.729）	<0.001
血瘀质	0.814	0.316	6.641	2.256（1.208~4.190）	0.010
气郁质	-1.050	0.550	3.644	0.350（0.101~0.927）	0.056
其他^b	-0.022	0.426	0.003	0.978（0.399~2.166）	0.958

变量	β	SE	Wald χ²值	OR（95%CI）	P值
性别（以女为参照）
男	0.744	0.167	19.942	2.105（1.522~2.926）	<0.001
年龄（以65~69岁为参照）
70~74岁	0.471	0.219	4.652	1.602（1.043~2.463）	0.031
75~79岁	1.250	0.223	31.302	3.492（2.255~5.426）	<0.001
≥80岁	0.732	0.257	8.100	2.080（1.246~3.427）	0.004
BMI（以未超重为参照^a）
超重	0.397	0.206	3.722	1.488（0.998~2.241）	0.054
肥胖	0.741	0.214	12.003	2.099（1.384~3.208）	0.001
糖尿病史	0.114	0.175	0.423	1.120（0.791~1.572）	0.515
ASCVD家族史	0.507	0.171	8.770	1.661（1.183~2.317）	0.003
高血压用药史	0.165	0.166	0.982	1.179（0.853~1.637）	0.322
收缩压×高血压用药史	1.560	0.190	67.667	4.757（3.275~6.893）	<0.001
收缩压升高	1.069	0.167	41.150	2.913（2.104~4.048）	<0.001
吸烟史	0.074	0.165	0.199	1.076（0.780~1.492）	0.656
TC（以参考范围为参照）
边缘升高	0.391	0.186	4.408	1.478（1.025~2.130）	0.036
升高	1.120	0.222	25.566	3.066（1.977~4.721）	<0.001
TG（以参考范围为参照）
边缘升高	0.464	0.197	5.544	1.590（1.073~2.327）	0.019
升高	-0.242	0.259	0.872	0.785（0.460~1.279）	0.350
腰围升高	1.538	0.308	24.922	4.657（2.654~8.975）	<0.001
体质类型（以平和质为参照）
阳虚质	0.223	0.312	0.510	1.249（0.673~2.297）	0.475
阴虚质	1.046	0.280	13.951	2.846（1.651~4.971）	<0.001
痰湿质	1.041	0.254	16.749	2.833（1.738~4.729）	<0.001
血瘀质	0.814	0.316	6.641	2.256（1.208~4.190）	0.010
气郁质	-1.050	0.550	3.644	0.350（0.101~0.927）	0.056
其他^b	-0.022	0.426	0.003	0.978（0.399~2.166）	0.958

变量	模型1		模型2
变量	OR（95%CI）	P值	OR（95%CI）	P值
性别（以女为参照）
男	3.368（2.298~4.936）	<0.001	3.145（2.114~4.677）	<0.001
年龄（以65~69岁为参照）
70~74岁	1.613（1.012~2.57）	0.044	1.547（0.959~2.495）	0.074
75~79岁	2.845（1.748~4.632）	<0.001	2.882（1.737~4.779）	<0.001
≥80岁	1.002（0.555~1.81）	0.994	1.130（0.618~2.064）	0.692
BMI（以未超重为参照^a）
超重	0.902（0.559~1.454）	0.671	0.902（0.552~1.475）	0.682
肥胖	1.666（1.000~2.776）	0.050	1.690（0.998~2.863）	0.051
腰围升高	5.910（2.920~11.964）	<0.001	6.094（2.962~12.537）	<0.001
收缩压升高	2.337（1.468~3.723）	<0.001	2.291（1.423~3.689）	0.001
TC（以参考范围为参照）
边缘升高	1.771（1.171~2.679）	0.007	1.798（1.178~2.744）	0.007
升高	3.959（2.385~6.572）	<0.001	3.609（2.144~6.074）	<0.001
收缩压×高血压用药史	3.269（1.915~5.579）	<0.001	3.505（2.021~6.078）	<0.001
体质类型（以平和质为参照）
阳虚质			1.200（0.607~2.373）	0.601
阴虚质			2.679（1.438~4.993）	0.002
痰湿质			3.067（1.750~5.374）	<0.001
血瘀质			2.530（1.276~5.014）	0.008
气郁质			0.418（0.136~1.285）	0.128
其他^b			1.010（0.408~2.500）	0.982