这是一篇开放获取的文章,根据创作共用署名许可(http://creativecommons.org/licenses/by/2.0/)的条款发布,允许在任何媒介上无限制地使用、分发和复制,前提是正确引用最初发表在《医学互联网研究杂志》上的原创作品。必须包括完整的书目信息,//www.mybigtv.com/上的原始出版物的链接,以及此版权和许可信息。
慢性非传染性疾病,特别是心血管和代谢疾病,是工业化国家和中低收入国家死亡和发病的主要原因。最近的流行病学调查表明,管理生活方式因素,如压力和缺乏体育活动,可能对心脏代谢状况具有重要价值,而信息技术工具可以发挥重要的促进作用。
我们研究的目的是验证使用一个私人网站的可行性,该网站针对意大利一家大公司的员工,使用一份特别的自我管理问卷来描述他们的健康状况、生活方式和工作习惯。
作为一家跨国公司正在进行的健康促进项目的一部分,我们对945名参与者(683人完成了任务)进行了匿名的基于网络的多项选择问卷调查。通过非线性主成分分析综合定性和定量数据,构建压力、控制和生活方式领域的指标(即变量)。考虑到缺勤,Calinski-Harabasz统计和聚类分析共同区分了7个聚类,这些聚类表现出不同的标准化分类变量分布。最后一步是评估由此产生的七种受试者类型与个人数据、疾病和代谢综合征状态之间的关系,大部分采用描述性方法进行。
统计分析选出了压力和控制两个不重叠的领域,以及体育活动、吸烟和饮酒习惯三个不重叠的领域。该程序生成的七个簇的质心显著为(
目前基于内部网的研究显示了应用各种统计技术联合处理定性和定量自我报告数据的潜力。由此产生的主题类型学及其与个人特征的关系的正式描述可能为支持在工作环境中促进健康提供一个方便的工具。
慢性非传染性疾病,特别是心血管疾病和代谢疾病,是世界各地死亡和发病的主要原因,对工业化国家和中低收入国家都有影响。最近流行病学调查[
在中年时期保持理想的健康风险状况可能对延长寿命、减少疾病、提高生活质量和降低成本具有重要意义[
考虑到这一点,我们设计了这项探索性调查,以验证在工作场所使用基于内部网的工具的可行性[
这项研究是意大利一家大型跨国公司正在进行的基于网络的健康促进计划的一部分。在项目的初始阶段,通过公司内联网向工人提供了关于促进健康的信息服务,重点是各种与工作和无关的问题,从流行性感冒到健康的生活方式。此外,作为公司的一项福利,员工可以登录健康门户网站,根据自己填写的网络问卷,参加一项教育项目[
匿名问卷,这是一个扩展的项目定制版本的主观压力症状评分问卷(4SQ;前文已述[
问题的数量是填写问卷所需的时间和可以得出的推论的细节之间的平衡。
每周的活动量是根据每日的活动量(分钟)和名义强度估计的,并使用经过验证的方法以(估计的)代谢当量(METs)表示[
心理窘迫的估计来自以下项目:身体症状感知、压力感知、疲劳感知和控制感知,与我们之前关于这个主题的研究一样[
这项研究的参与者在严格匿名的保证下进行,调查问卷提供了一个月的时间,从2008年10月到11月。在进行这项研究时,该公司意大利分公司约有2.4万名员工可以访问内联网,将其作为日常工作的基本工具。每月约有9970名工作人员访问补充健康门户网站;在这4877名员工中,有1380名员工阅读了有关正在进行的预防活动的信息,有945名员工选择在完全自愿的基础上积极参与调查。基于输入数据,员工可以立即获得其风险因素概况和改进领域的个人地图,从而激励员工准确填写问卷[
为了优化数据质量,我们排除了那些没有完成报告或提供不切实际数据的参与者,特别是在生物化学、血压或人体测量学方面。最终数据集包括683名参与者。
该研究的方案得到了机构伦理委员会的批准,作为正在进行的基于生活方式的预防调查的一部分。
揭示和评估心脏代谢危险因素与感知压力和控制以及生活方式之间可能的关系的主要目标是通过四个关键步骤完成的(
针对分析的第一步,简要的描述性统计在
数据分析阶段示意图(ALS =交替最小二乘,PRINCALS =非线性主成分分析)。
数据分布(N = 683名参与者):总百分比和性别内百分比
变量 | 男性 | 女 | 总计 |
|
||||
|
||||||||
性别 | 495/683, 72.5% | 188/683, 27.5% | ||||||
工作类别 | <措施 | |||||||
蓝领 | 24/495, 4.8% | 1/188, 0.5% | 25/683, 3.7% | |||||
初级白领 | 249/495, 50.3% | 124/188, 66.0% | 373/683, 54.6% | |||||
高级白领 | 197/495, 39.8% | 59/188, 31.4% | 256/683, 37.5% | |||||
经理 | 25/495, 5.1% | 4/188, 2.1% | 29/683, 4.2% | |||||
年龄组别(年) | nsb | |||||||
< 35 | 55/495, 11.1% | 26/188, 13.8% | 81/683, 11.9% | |||||
35-44 | 133/495, 26.9% | 58/188, 30.9% | 191/683, 28.0% | |||||
45 - 54 | 234/495, 47.3% | 87/188, 46.3% | 321/683, 47.0% | |||||
> 54 | 73/495, 14.7% | 17/188, 9.0% | 90/683, 13.2% | |||||
|
||||||||
吸烟的习惯 | nsb | |||||||
不抽烟的人 | 341/495, 68.9% | 140/188, 74.5% | 481/683, 70.4% | |||||
戒烟1年 | 58/495, 11.7% | 20/188, 10.6% | 78/683, 11.4% | |||||
戒烟<1年 | 10/495, 2.0% | 5/188, 2.7% | 15/683, 2.2% | |||||
≤5支/天 | 22/495, 4.4% | 8/188, 4.3% | 30/683, 4.4% | |||||
>5 ~≤10个/天 | 26/495, 5.3% | 9/188, 4.8% | 35/683, 5.1% | |||||
>10 ~≤20个/天 | 29/495, 5.9% | 5/188, 2.7% | 34/683, 5.0% | |||||
> 20 /天 | 9/495, 1.8% | 1/188, 0.5% | 10/683, 1.5% | |||||
打算辞职 | nsb | |||||||
是的,现在 | 40/495, 8.1% | 7/188, 3.7% | 47/683, 6.9% | |||||
是的,6个月后 | 24/495, 4.8% | 8/188, 4.3% | 32/683, 4.7% | |||||
不打算辞职 | 30/495, 6.1% | 8/188, 4.3% | 38/683, 5.6% | |||||
有组织的体育活动 | nsb | |||||||
没有一个 | 70/495, 14.1% | 24/188, 12.8% | 94/683, 13.8% | |||||
没有,但我很想去 | 133/495, 26.9% | 43/188, 22.9% | 176/683, 25.8% | |||||
有时 | 51/495, 10.3% | 21/188, 11.2% | 72/683, 10.5% | |||||
每周1小时左右 | 64/495, 12.9% | 32/188, 17.0% | 96/683, 14.1% | |||||
≤30分钟/天,每周3次 | 81/495, 16.4%, | 42/188, 22.3% | 123/683, 18% | |||||
≤30分钟/天,中等强度运动5次/周或≤20分钟/天,高强度运动3次/周 | 60/495, 12.1% | 16/188, 8.5% | 76/683, 11.1% | |||||
每天≤30分钟中等或高强度的活动 | 36/495, 7.3% | 10/188, 5.3% | 46/683, 6.7% | |||||
葡萄酒或啤酒(杯/周) | <措施 | |||||||
没有一个 | 72/495, 14.5% | 78/188, 41.5% | 150/683, 22% | |||||
1 - 2 | 147/495, 29.7% | 77/188, 41.7% | 224/683, 32.8% | |||||
3 - 7 | 169/495, 34.1% | 21/188, 11.2% | 190/683, 27.8% | |||||
8 - 14 | 77/495, 15.6% | 8/188, 4.3% | 85/683, 12.4% | |||||
15至21 | 20/495, 4.0% | 3/188, 1.6% | 23/683, 3.4% | |||||
比如22 - 30 | 7/495, 1.4% | 0/188, 0% | 7/683, 1.0% | |||||
> 30 | 3/495, 0.6% | 1/188, 0.5% | 4/683, 0.6% | |||||
酒精(眼镜/周) | <措施 | |||||||
没有一个 | 361/495, 72.9% | 178/188, 94.7% | 539/683, 78.9% | |||||
1 - 2 | 118/495, 23.8% | 9/188, 4.8% | 127/683, 18.6% | |||||
3 - 7 | 15/495, 3.0% | 0/188, 0.0% | 15/683, 2.2% | |||||
8 - 14 | 1/495, 0.2% | 1/188, 0.5% | 2/683, 0.3% | |||||
|
nsb | |||||||
没有一个 | 316/495, 63.8% | 116/188, 61.7% | 432/683, 63.3% | |||||
功能性疾病 | 51/495, 10.3% | 31/188, 16.5% | 82/683, 12% | |||||
有机疾病 | 128/495, 25.9% | 41/188, 21.8% | 169/683, 24.7% | |||||
|
<措施 | |||||||
正常的 | 55/495, 11.1% | 140/188, 74.5% | 195/683, 28.6% | |||||
临床前 | 285/495, 57.6% | 46/188, 24.5% | 331/683, 48.5% | |||||
代谢综合征 | 155/495, 31.3% | 2/188, 1.1% | 157/683, 23.0% |
一个检验变量与性别独立原假设的卡方检验的显著性水平。
b不显著(
c代谢综合征是从文献中提出的数据推断出来的
描述性数据(N = 683名参与者)一个
变量 | 总计 | 男性 | 女 | 参考 |
||||
的意思是 | SD | 的意思是 | SD | 的意思是 | SD | |||
|
||||||||
总胆固醇(mg/dL) | 203.23 | 38.03 | 203.92 | 38.76 | 201.43 | 36.07 | < 200 | |
高密度脂蛋白b胆固醇(mg / dL) * *,组合,‡‡ | 60.01 | 23.37 | 56.68 | 23.13 | 68.79 | 21.70 | 男:>29,女:>35 | |
低密度脂蛋白c胆固醇(mg / dL) *,__,‡‡(Friedewald公式) | 120.48 | 40.08 | 122.61 | 41.49 | 114.86 | 35.59 | < 100 | |
甘油三酸酯(mg / dL) * *,组合,‡‡ | 113.72 | 71.03 | 123.16 | 74.44 | 88.88 | 53.91 | < 150 | |
葡萄糖(mg / dL) * *,组合,‡‡ | 90.09 | 16.63 | 91.89 | 17.79 | 85.34 | 11.90 | 74 - 106 | |
收缩压(mmHg)**,组合,‡‡ | 122.73 | 11.23 | 124.51 | 10.17 | 118.06 | 12.50 | < 120 | |
舒张压(mmHg)**,组合,‡‡ | 78.54 | 7.91 | 79.44 | 7.20 | 76.15 | 9.12 | < 80 | |
心率(次/分钟)**,组合,‡ | 70.09 | 10.12 | 69.22 | 10.15 | 72.37 | 9.70 | 60 - 90 | |
体重(公斤)* *,组合,‡‡ | 75.27 | 13.60 | 79.72 | 11.57 | 63.55 | 11.43 | NAd | |
身高(厘米)* *,组合,‡‡ | 172.93 | 7.86 | 176.02 | 6.00 | 164.78 | 6.18 | NA | |
体重指数(kg/m2) * *,组合,‡‡ | 25.06 | 3.61 | 25.71 | 3.39 | 23.35 | 3.62 | < 25 | |
腰围(厘米)**,组合,‡‡ | 90.42 | 12.06 | 93.76 | 10.30 | 81.63 | 11.98 | 男性:<102,女性:<88 | |
|
||||||||
走 | 436.17 | 451.37 | 455.98 | 469.64 | 384.03 | 395.75 | ||
适度的活动 | 378.38 | 445.24 | 370.26 | 449.14 | 399.73 | 435.27 | ||
剧烈活动* *,组合,‡‡ | 551.59 | 822.88 | 630.80 | 857.98 | 343.02 | 681.59 | ||
总活动* *,__,‡ | 1366.14 | 1239.34 | 1457.05 | 1275.36 | 1126.78 | 1106.97 | ||
|
||||||||
损失工作日(过去12个月)组合,‡‡ | 5.87 | 14.80 | 5.34 | 16.29 | 7.25 | 9.74 | ||
|
||||||||
4平方f**,组合,‡‡ | 16.86 | 20.11 | 14.75 | 18.53 | 22.41 | 22.91 | ||
压力* *,组合,‡‡ | 2.64 | 2.70 | 2.53 | 2.72 | 3.67 | 3.05 | ||
疲劳* *,组合,‡‡ | 2.84 | 2.86 | 2.28 | 2.54 | 3.60 | 2.88 | ||
控制 | 4.11 | 3.16 | 4.17 | 3.27 | 3.95 | 2.83 |
一个虽然在分析的后续步骤中,对感知压力和控制量表的统计评价是以非度量形式进行的,但在本表中,出于实际原因,它们被表示为均值和标准差。
b高密度脂蛋白。
c低密度脂蛋白。
d不适用。
e任意单位。
f主观压力症状评分问卷。
单变量方差分析的显著性水平(原假设为性别内均值的平等):*在.05水平显著,**在.001水平显著。实际
Mann-Whitney检验的显著性水平(原假设为性别内分布的平等):__在0.05水平显著,组合在。001水平显著。实际
Kolmogorov-Smirnov检验的显著性水平(原假设为性别内分布的平等):‡在0.05水平显著,‡‡在。001水平显著。实际
关于步骤(2),我们用分类主成分分析方法(CATPCA, SPSS version 18;IBM公司,Somers, NY, USA),在统计文献中也称为非线性主成分分析,或PRINCALS [
与主成分分析(PCA)或因子分析等其他方法不同,PRINCALS可以联合处理定性和定量变量,以较小的、先验固定数量的维度(即不可观测变量)传达其信息内容,从而以尽可能少的信息损失合成数据。PRINCALS通过在几个限制条件下最小化损失函数来构造均值为零且成对不相关的维度[
在提取后,维度作为不可观察的变量,需要进行解释,以确定它们所占的原始变量的语义字段或领域。解释主要基于所谓的分量载荷,它是维度的线性相关系数和优化缩放变量。维度假设与它们高度相关的变量的意义,无论是负相关还是正相关。通常,引入0.4的阈值(绝对值)来区分可忽略的(<|0.4|)和必要的(≥|0.4|)组件负载。一旦评估了它们的含义,维度就可能被视为它们所代表的特定语义字段的指示器。
另一个需要关注的方面是选择要提取的“理想”维度数。必须在prinals例程开始之前确定这个数字。在这项研究中,我们通过依赖几个标准的组合来解决这个问题:简约性(少数维度可以更简单地描述数据)、准确性(许多维度更适合数据)和可解释性(占方差比例较小的维度倾向于解释数据中的噪声,而不是系统趋势)。准确性是通过总方差和每变量方差(VAF)指数来评估的,这些指数提供了与一组优化缩放变量相关的方差百分比,这些变量由整个提取维度(总VAF)和每次提取一个维度(每变量VAF)所占。Cronbach alpha指数[
以这种方式,通过将PRINCALS应用于由4SQ量表和感知压力、控制和疲劳量表(序数数据)组成的集合[
其后,关于第(3)步(
这种方法有一些众所周知的缺点:(1)最终的分类可能取决于主题在数据矩阵中出现的顺序,以及(2)数量
k-均值聚类的一个有趣的特征是它能够检测出异常值-相对于大多数数据具有异常特征的主题。如果该算法随着群体数量的增加而进行,它可能会揭示出一小群孤立的受试者,这些受试者从特定角度稳定地保持不变
在本研究中,我们进行了k-均值聚类(
关于第(4)步(
随后,我们研究了个人数据(性别、工作类别和年龄组)、疾病和MeS状态与主题类型学的关系,计算了类型学内和总百分比。计算整个参与者集合中每个变量的总百分比,而不考虑它们在类型学中的聚合。它们也可以被视为它们对应的类型内百分比的加权算术平均数,其中权重由变量对应类别的参与者数量给出。因此,比较总类型百分比和类型内百分比,可以揭示某些参与者的特征是否倾向于在特定群体中更集中(或更集中),而不是在人口中。这种分析主要是用描述性的术语进行的,方法是用类型内的柱状图和为每个变量计算的总百分比分布。首先进行总体卡方检验,以验证受试者类型和这些变量是否在统计上独立,一次考虑一个。
随后,为了更多地了解受试者类型与卡方检验所揭示的个人数据、疾病和MeS状态的各种类别之间的关联性质,我们计算了标准化(或调整的)皮尔逊残差(APRs) [
除非另有说明,在整个研究过程中,显著性水平设置在0.05水平。采用spss18版本(IBM Corporation, Somers, NY, USA)进行PRINCALS分析、ANOVA、MANOVA、Kruskal-Wallis、Mann-Whitney、Kolmogorov-Smirnov、卡方检验和APR;随机开始的k-均值聚类和接下来出现的图形在R环境中进行,版本2.13.0 (R基金会,维也纳,奥地利);平方马氏距离检验采用SAS 9.1版(SAS Institute, Cary, NC, USA)进行计算。
下面,我们将按照统计部分所列的四个步骤(
683名参与者的描述性个人和生活方式数据在
模式年龄45 ~ 54岁,性别男性占72.5%(495/683),女性占27.5%(188/683)。他们绝大多数(629/683,92.1%)是白领工人(只有3.7%,25/683,蓝领工人和4.2%,29/683,经理),几乎只来自一个国家(意大利)。大多数女性(124/188,66%女性)是初级白领,而男性在蓝领(24/495,4.8%男性vs 1/188, 0.5%女性)、高级白领(197/495,39.8%男性vs 59/188, 31.4%女性)和管理职位(25/495,5.1%男性vs 4/188, 2.1%女性)中的比例高于女性。
数据显示,年龄分布不均匀,尽管男性和女性在年龄组上的分布相似。超过70%(481/683)的参与者是不吸烟的,符合公司的禁烟令。近40%(270/683)宣称缺乏体育活动;大多数人(374/683,54.8%)每周不喝或保持在1至2杯葡萄酒或啤酒。近80%(539/683)不饮酒,尤其是女性(178/188,94.7%女性)。
约12%(82/683)的受访者表示他们有功能障碍,近25%(169/683)报告有某种形式的慢性疾病;然而,大多数人(432/683,63%)说他们没有活动性疾病。男性和女性之间没有明显差异。
近49%(331/683)的参与者(临床前)报告了一到两个MeS的危险因素,23%(157/683)的参与者有MeS状态。大多数女性(140/ 188,74.5%)声明没有危险因素,而大多数男性出现临床前(285/495,57.6%)或处于MeS(155/495, 31.3%)。卡方检验显示,男性和女性在工作类别、饮酒习惯(葡萄酒或啤酒、每周饮酒杯数)、MeS状态等方面存在显著差异(见
参数和非参数测试程序(见
为了解释所研究领域的多元性质,我们将PRINCALS方法应用于由(1)四个压力和控制感知量表和(2)生活方式变量组成的两个集,从而分别获得(1)两个维度,可以解释为压力和控制的指标(总VAF:自我报告压力和控制的四个优化转换量表的方差的84.2%;总Cronbach alpha = .937)和(2)解释生活方式的三个维度,可视为活动、吸烟和饮酒习惯的指标(总VAF:所有优化转换的生活方式变量的70.1%;总Cronbach alpha = .947)。
这些指标的解释来源于对组件负载的分析。特别是,压力指示器的分量载荷在4SQ量表上为0.885,在感知疲劳量表上为0.885,在感知压力量表上为0.870,在感知控制量表上为0.310。这表明应力指标与前三个尺度之间存在很强的线性关系,而与控制域的联系则可以忽略不计。值得注意的是,压力指标占总方差的60.5%。此外,Cronbach alpha计算(优化转换)4SQ,感知应力和疲劳量表等于。934,如果应力指标涉及计算,但如果忽略应力指标。865。因此,这三个量表及其指标具有高度的内部一致性。
另一方面,控制指示器的组件负载等于-。033与4SQ刻度,-。172with the perceived fatigue scale, –.129 with the perceived stress scale, and .949 with the perceived control scale. This suggests interpreting the second dimension in terms of the control indicator, which accounts for 23.7% of the total variance.
生活方式维度作为指标的解释是基于中报告的组件负载
生活方式指示器的组件加载
生活方式(量化)变量 | 生活方式指标 | |||
维1一个 | 维度2b | 尺寸3c | ||
吸烟的习惯 | -.067 | .961b | -.200 | |
打算辞职 | -.079 | .958b | -.205 | |
|
||||
走 | .571一个 | .102 | .078 | |
适度的活动 | .710一个 | -.029 | -.085 | |
剧烈的活动 | .773一个 | .043 | -.040 | |
总活动 | .975一个 | .057 | -.032 | |
有组织的体育活动的频率 | .716一个 | -.032 | -.112 | |
葡萄酒或啤酒(杯/周) | .094 | .202 | .816c | |
酒精(眼镜/周) | .065 | .265 | .802c | |
方差已计入 | 32.4% | 21.9% | 15.8% | |
|
||||
与维 | .882 | .983 | .868 | |
没有尺寸 | .808 | .967 | .615 |
a, b, c元件加载绝对值>0.4。A:维度1 =活动指标,b:维度2 =吸烟指标,c:维度3 =酒精指标。
采用k-均值聚类方法,随机开始1000次,根据参与者在压力、控制、活动、吸烟和酒精指标上的得分,以及他们报告的缺勤,形成参与者的聚类,所有这些都用作标准化形式的分类变量。
分类变量的描述性数据(N = 683名参与者)
指标( |
最低 | 最大 | 第一个四分位数 | 第二个四分位数 | 第三四分位数 |
压力 | -1.2404 | 3.3452 | -0.7531 | -0.3071 | 0.5719 |
控制 | -2.1358 | 1.4964 | -1.0103 | 0.0668 | 1.0068 |
活动 | -1.3373 | 4.6326 | -0.7692 | -0.2112 | 0.5596 |
吸烟 | -0.6954 | 4.5797 | -0.5658 | -0.4533 | -0.1202 |
酒精 | -1.7381 | 10.6010 | -0.5668 | -0.2588 | 0.4445 |
报道旷工 | -0.3964 | 19.8797 | -0.3964 | -0.1937 | 0.0091 |
此外,标准化分类变量(
由于这两个小群体的结构一直保持不变,而群体数量不断增加,我们认为它们是由异常值组成的,因此我们将它们从后续的分析中删除。然后,我们重新标准化了其余677名参与者的分类变量。在去除异常值后,分类变量之间的相关性几乎没有变化。报告的缺勤率和压力指标(0.19)的相关性降低是唯一可察觉的变化。
在这些新情况下执行的1000个随机开始的k-means聚类过程,在CH统计量上产生了一组新的值,我们再次计算,随着组数的变化
的前三列
1000随机起始点k-均值聚类中的Calinski-Harabasz统计量。第一阶段(圆线):异常值检测;第二阶段,去除离群值(菱形线)后:搜索最优簇数。
集群大小和主题类型学描述
集群 | 数 | 百分比 | 类型学描述 | 类型标签 |
1 | 90 | 13.3 | 最高水平的饮酒习惯;大多数人不缺席,不吸烟;控制指标高度可变 | 酒精 |
2 | 98 | 14.5 | 最高程度的吸烟习惯;大多数人不运动,不喝酒,不旷工;控制指标高度可变 | 吸烟 |
3. | 88 | 13.0 | 最高水平的压力;大多是低水平控制,不运动,不吸烟 | 高应力 |
4 | 57 | 8.4 | 最高水平的体育活动;大部分人压力小,不抽烟,不喝酒,不旷工 | 体育活动 |
5 | 194 | 28.7 | 最高控制水平;大部分人压力小,不吸烟,不旷工 | 高控制 |
6 | 130 | 19.2 | 最低水平的压力和控制;大多数人不吸烟,不旷工 | 低压力和控制 |
7 | 20. | 3.0 | 旷工率最高;大多数不吸烟,不喝酒;压力和控制指标高度可变 | 旷工 |
总计 | 677 | 100.0 |
从主题类型学的角度对聚类进行解释,是通过分析聚类内分布的箱线图(
各集群之间的旷工差异有限,但集群7除外,该集群包含了所有旷工天数最多的参与者。至于压力,在压力水平最高的集群(集群3)中,近50%的参与者报告了一些缺勤。其他群集,包括报告活动最高的群集(群集4),显示出非常低的缺勤水平。
最后,采用参数和非参数方法进行的假设检验程序在经验上支持了七个聚类之间的显著差异。详细地说,MANOVA程序使我们在同时考虑所有六个分类变量的情况下拒绝了相等簇形心的原假设(Wilks ' lambda:
最后两列
标准化分类变量的簇内分布箱线图(x轴:中给出的数值簇标签
我们研究的最后一步包括评估受试者类型与每个个人数据、疾病状况和me之间的潜在关系。这种分析主要是通过计算,然后比较类型内和总百分比分布,以描述性术语进行的。
卡方检验实证支持受试者类型与个人数据、疾病状况和MeS状况之间的显著相关性。具体而言,学科类型与性别、工作类别、疾病或MeS状态之间的总体关联均在0.001水平上显著;与年龄组的相关性在0.05水平上显著(
个人数据类型内百分比分布的柱状图(性别、工作类别、年龄组)、疾病状况和代谢综合征(MeS)。有关统计符号和显著性的详细信息见多媒体附录1。(Phys =物理,Strs&Ctrl =压力和控制;合计。perc。=总百分比)。
关于个人数据、疾病和代谢综合征状况的主题类型学组成,以及关于调查人群中所考虑特征的分布(或多或少)的主要特征(描述性分析)
类型学 | 标签 | 作文 |
1 | 酒精 | 更多男性,高级白领,经理,有临床前医学硕士一个或者me, >54岁 |
2 | 吸烟 | 超过35岁 |
3. | 高应力 | 女性居多,年龄35-44岁,为初级白领,有功能性或器质性疾病,无MeS;蓝领工人较少,54岁,临床前医学硕士 |
4 | 体育活动 | 更多的蓝领和初级白领,年龄在35岁以下,身体健康,没有MeS;很少有功能性或器质性疾病,有MeS |
5 | 高控制 | 多为45-54岁的高级白领和管理人员 |
6 | 低压力和控制 | 更健康,35-54岁;年龄小于35岁,有功能性或器质性疾病 |
7 | 旷工 | 女性居多,蓝领和初级白领,>岁,54岁,有功能性或器质性疾病,有MeS;35-54岁以下;没有经理 |
一个代谢综合征。
本研究显示了通过一家大公司的内部网应用,使用一份特别的自我管理问卷来评估健康状况、生活方式和工作习惯的可行性。这种评估的基本成分包括构建数字指标,无论可用信息的性质是什么(定性和/或定量),根据指标如何组合形成主题类型学,并调查主题类型学的组成与外部变量(即不作为分类变量的变量)有关。这种方法的主要潜力在于,它不需要对变量之间的关系施加任何函数形式,如果存在,这些关系是直接从数据中学习到的。
我们研究的一个优势是使用了先进的多元统计方法(即PRINCALS [
关于特定势,与统计概率建模不同,我们的数据驱动方法不需要我们为变量之间的关系指定函数形式,由于研究的探索性目的,这在这种情况下是不合适的。此外,这种方法使我们能够绕过现有信息中可能存在的固有限制,特别是参与者的自我选择。由于是探索性的,这些方法并不期望将调查结果推广到调查中没有明确涉及的主题集。他们的描述范围被限制在“实际观察到的东西”之内,所以研究对象是否自我选择并不重要。收集到的数据被视为唯一的参考群体,然后对其特征进行综合、描述和解释。
然而,在这项研究中,我们并没有完全放弃统计检验程序。毫无疑问,目标人群的不可识别性意味着测试结果应谨慎解释,因为不清楚所得出的推论必须参考哪个人群。这是大多数调查,尤其是网络调查所共有的一个关键点。即使参考人群应该是预先定义良好的(例如在我们的例子中,参考人群是由公司意大利分公司的24,000名工人提供的),大量的非受访者(通常发生在这类调查中)将使受访者的集合不能代表整个人群。尽管如此,统计检验可能有助于揭示值得更仔细考虑的关键关系,并引发新的研究猜想,这些猜想应该在未来的调查中进行特别研究。这也是我们进行推理分析的主要原因。
正如我们所声称的,我们已经执行了参数和非参数测试程序,以利用它们的特定潜力[
压力是日常活动中无处不在的组成部分,影响着工作和私人生活。鉴于其与一些负面后果的密切关系,最近对其评估的兴趣有所增加,无论是在主观领域,如感知工作质量和缺勤,还是在临床领域,特别是在心脏代谢领域,损害了风险状况[
由于大误差可能会潜在地影响与压力等定义不清的概念相关的单个变量,为了考虑所采用的技术(自我报告和无监督问卷)可能存在的偏差,并解决所研究领域的多变量性质(例如,4SQ,感知压力和疲劳量表预计将通过不可分割的相互关系联系在一起),我们建立了压力、控制和生活方式的指标。考虑到特别的活动,吸烟和饮酒习惯。通过这种方式,可以通过以最优的方式综合数据集并限制潜在的冗余语义重叠来增强从数据集中提取的信息。CH统计数据的使用使我们能够选择从分析中出现的主题类型的最佳数量,并围绕几个关键指标:酒精和吸烟习惯、压力、活动、控制和缺勤。因此,这种方法可能会扩展压力模型,我们在涉及志愿者或患者的多项研究中使用了几年[
目前的方法评估类型学和个人数据之间的关系,允许在正常工作人口中探索健康促进和预防战略的关键方面。
例如,应力被假设为MeS中的一个成分或调节器[
相反,在MeS的情况下,压力出乎意料地显示出正常比例的上升。我们可以将这一发现解释为,在最初阶段,年轻员工可能会主观地感受到压力,但代谢方面的影响可能需要随着时间的推移受到其他因素的影响,例如不活动有利于肥胖的发生,但这在本次探索性调查中无法观察到。酗酒反而可能在促进MeS临床前状态方面发挥重要作用。关于目前数据的潜在有效性的最后一个考虑因素是,调查人群中的MeS患病率与报告的一般人群相似(例如,在美国[
因为一些调查人员对自我报告的数据与非自我报告的数据相比的有效性表示怀疑[
还应注意的是,即使非自我报告的数据也不等同于无错误的数据:即使是简单地从纸质表格转录,也可能导致约3%至26%的错误率[
关于生化数据、血压或人体测量学,我们相信只有相对较小的偏差可以表征这项基于网络研究的自我报告数据,考虑到参与者具有数字能力,并且高度积极地准确地遵循指示,因为最终报告的有用性取决于输入数据的质量。从这个意义上说,在某些情况下,当自我报告是唯一的信息来源时,它们被认为是"宝贵的",如全国健康访谈调查[
简而言之,我们相信,可能的错误,如果存在,是不系统的,在某种意义上说,它们不是在同一方向或具有相同的大小,否则我们应该假设受访者同意阻碍调查。因此,为了本研究的目标,我们认为构建的指标和衍生的主题类型是可靠的。
基于多元算法的一般健康和心血管风险评估工具被广泛使用[
最后,在评估定量数据时应格外谨慎,因为其他因素,如公司的禁烟政策,可能会使调查结果偏误,特别是在其外部有效性方面。
在早期初级预防领域,个人的积极作用和雇主的指导作用已得到充分讨论[
我们要感谢Giovanna Maccio的专业秘书帮助。”支持ASI合同DCMC, PRIN 2007。
没有宣布
图4对数据进行了更详细的描述。
躯体压力症状评分问卷
方差分析
调整皮尔逊残差
成人治疗第三组
Calinski-Harabasz
信息技术
多元方差分析
代谢综合征
代谢当量
主成分分析
非线性主成分分析
方差已计入