统计学相关分析精品(七篇)

序论：写作是一种深度的自我表达。它要求我们深入探索自己的思想和情感，挖掘那些隐藏在内心深处的真相，好投稿为您带来了七篇统计学相关分析范文，愿它们成为您写作过程中的灵感催化剂，助力您的创作。

篇(1)

关键词 SPSS软件；成绩分析；数据统计

中图分类号：G642 文献标识码：B

文章编号：1671-489X（2016）18-0038-03

1 高校成绩分析方法介绍

对学生成绩进行分析是每所学校期末对教学常规管理的一项基本要求，也是全面提高教学成绩的重要方法和途径。随着IT技术的发展，各高校分别采用不同的应用软件对成绩进行质量分析，从中发现问题并加以改进，以提高教师的教学质量。目前各高校采用的应用统计软件有很多，在文中介绍以SPSS统计软件为主的相关分析及应用，并选取大连财经学院成绩统计分析与试卷分析作为研究样本，建立成绩分析模型，并给出对学生考试成绩进行分析的SPSS软件操作方法。通过SPSS统计软件对学生成绩的处理和分析，学生成绩的各项指标等数据变量都很直观地反映出来。

SPSS作为一款数据统计的专业性软件，目前越来越多的高校开始运用该软件进行成绩分析，随着不断地更新和改进，SPSS统计软件数据录入、数据管理、统计分析、资料编辑、报表制作、图形绘制也变得愈发容易操作。在教学管理中，利用SPSS统计软件对学生成绩等各项指标进行相关分析，更加直观科学高效，后面将通过大连财经学院营销2班和营销4班的统计学成绩比较，更加细致地反映这一点。

2 构建数学模型

学生的成绩分析是一项比较烦琐的工作，需要计算平均值、标准差以及各项指标，并绘出学生成绩分布的直方图，用统计软件SPSS来进行这类数据的处理和分析。在数学模型中，通过现实数据建立模型，通常采用回归分析的方法。回归分析是通过规定因变量和自变量来确定变量之间的因果关系，以此建立回归模型，然后根据参数来评价该模型的拟合情况，并可根据自变量做进一步预测。

任何事物都是发展变化的，在其变化过程中受到多种因素的影响。同样，任何事物都不是孤立存在的，都与其他事物之间有着联系，而该事物的变化也会对其他事物产生或直接或间接的影响。而相关分析法就是研究事物之间线性相关，并且以统计指标表来表现相关程度强弱的统计分析方法。在实际的分析过程中，由于不同的研究目的需要选择不同的研究变量，因此，选用的研究分析方法也不相同。二元变量相关分析法是常用的相关分析方法，包括二元定距变量、二元定序变量等多种相关分析方法。

3 数据收集和内容分析

数据的收集 在所取得的大连财经学院成绩统计分析与试卷分析样本中，将该班级学生成绩情况作为分析对象。研究该班学生成绩的显著性，以及男生和女生成绩之间的差异，分析过程主要涉及的相关变量有平均成绩、参加考试人数、及格率、最低分及最高分、标准差及成绩分布是否符合正态分布。

操作步骤 先将该班级成绩输入Excel，然后将数据导入SPSS，为了直观分析该班级学生的成绩情况，以编号、姓名、性别、班级、成绩等作为描述变量。

第一步：根据班级学生的分数情况，将学生的成绩分为0～59、60～69、70～79、80～89、90～100五个分数段。

第二步：选用转换（Transform）重新定义不同变量（Recode Into Different Variables），不同的变量需要在弹出的对话框中重新进行设定，将编号、姓名等变量输入到输出变量（Output Variable）对话框中。

第三步：在不同的变量栏下输入“分数段”，单击改变（Change）。

第四步：单击旧的和新的值（Old and New value），选择不同分数段范围，并在相应的栏目中输入，统计学科目及格分为60分，科目总分为100分。

学生成绩分析以班级为单位进行，绘制成绩Q-Q概率图及分布直方图，对本次的考试成绩进行正态分布研究，具体步骤：单击分析统计学描述频数分析（AnalyzeDescriptive StatisticsFrequencies）。在弹出的对话框中将“统计学”和“分数段”两个变量导入变量（Variable）

中，单击统计（Statistics）选项，在弹出的频数分析对话框中，选中Mean（平均分）、标准差、最高分、最低分等常用指标。返回主对话框，单击绘图（Charts）按钮，在弹出的频数分析对话框中选中柱状图和其下的正态分布曲线。点击Continue（继续）返回主界面，单击OK按钮，即可获得学生人数、最高分、最低分、平均分以及百分比直方图。

Correlation Analysis（相关分析）是对不同现象之间是否存在依存关系进行研究，如果存在依存关系，则研究其相关方向及程度，通过上述操作对学生的成绩进行分析，得到的相关数据如表2、表3所示。

为了验证样本班级学生的期初平均分是否符合正态分布情况，综合分析该班级的学生成绩，同样运用SPSS统计软件进行检验，采用Q-Q概率图分析学生考试成绩的正态分布，操作步骤：执行图表（Graphs）Q-Q Polts。在弹出的对话框中将“期初平均分”输入变量对话框，其他设置不改变，单击OK便可以得到图1所示正态分布Q-Q概率图。

篇(2)

关键词: 生物信息学 医学统计学 课堂教学

生物信息学融合了生物技术、计算机技术、数学和统计学的大量方法，已逐渐成为发现生命过程中所蕴涵知识的一门重要学科。其基本问题主要包括：DNA分析、蛋白质结构分析、分子进化。医学统计学作为医科院校的基础课程之一，长期以来其理论和方法就广泛应用于临床医学、基础医学的各类研究中。随着生物新技术的诞生，在推动生物信息学发展的同时，医学研究对象也由宏观的病人、生物组织拓展到微观的基因领域，所面对的实验数据在性质和结构上也都有所不同，这对医学统计学的应用提出了新的更高的要求。

目前，医学统计学的很多原理和方法已成功地应用于这些新研究之中，并在此基础之上有了新的发展和改进。如概率分布的知识与序列相似性分析、蛋白质分类等技术密切相关；方差分析、非参数检验方法经改进和结合后在基因表达数据的前期分析中发挥了较好的作用；而聚类分析、判别分析、相关分析这些大家所熟知的统计学方法更是在基因分类和调控网络的建立中得到了广泛的应用。在进行医学统计学课堂教学时加入生物信息学方面的应用实例，不仅可以使学员了解本学科研究的前沿和医学、生物信息学研究的新发展，还可以提高学员对于医学统计学理论学习的兴趣，掌握先进的生物实验数据分析方法，提高今后从事医学科研的能力。下面，本文在回顾医学统计学授课主要内容的基础上，就医学和生物信息学中的可能应用举例如下：

一、概率分布

概率分布（probability distribution）是医学统计学中多种统计分析方法的理论基础。授课内容一般包括：二项分布、Possion分布、正态分布、t分布、F分布等。

借助概率分布常常可以帮助我们了解生命指标的特征、医学现象的发生规律等等。例如，临床检验中计量实验室指标的参考值范围就是依据正态分布和t分布的原理计算得到；许多医学试验的“阳性”结果服从二项分布，因此它被广泛用于化学毒性的生物鉴定、样本中某疾病阳性率的区间估计等；而一定人群中诸如遗传缺陷、癌症等发病率很低的非传染性疾病患病数或死亡数的分布，单位面积（或容积）内细菌数的分布等都服从Poisson分布，我们就可以借助Poisson分布的原理定量地对上述现象进行研究。

在生物信息学中概率分布也有一定应用。例如，Poisson分布可以用于基因（蛋白质）序列的相似性分析。被研究者广泛使用的分析工具BLAST (Basic Local Alignment Search Tool)能迅速将研究者提交的蛋白质（或DNA）数据与公开数据库进行相似性序列比对。对于序列a和b，BLAST发现的高得分匹配区称为HSPs。而HSP得分超过阈值t的概率P(H(a，b)>t)可以依据Poisson分布的性质计算得到。

二、假设检验

假设检验（hypothesis）是医学统计学中统计推断部分的重要内容。假设检验根据反证法和小概率原理，首先依据资料性质和所需解决的问题，建立检验假设；在假设该检验假设成立的前提下，采用适当的检验方法，根据样本算得相应的检验统计量；最后，依据概率分布的特点和算得的检验统计量的大小来判断是否支持所建立的检验假设，进而推断总体上该假设是否成立。其基本方法包括：u检验、t检验、方差分析（ANOVA）和非参数检验方法。

假设检验为医学研究提供了一种很好的由样本推断总体的方法。例如，随机抽取某市一定年龄段中100名儿童，将其平均身高（样本均数）与该年龄段儿童应有的标准平均身高（总体均数）做u检验，其检验结果可以帮助我们推断出该市该年龄段儿童身高是否与标准身高一致，为了解该市该年龄段儿童的生长发育水平提供参考。又如，医学中常常可以采用t检验、秩和检验比较两种药物的疗效有无差别；用2检验比较不同治疗方法的有效率是否相同等等。

这些假设检验的方法在生物实验资料的分析前期应用较多，但由于研究目的和资料性质不同，一般会对某些方法进行适当调整和结合。

例如，基于基因芯片实验数据寻找差异表达基因的问题。基因芯片（gene chip）是近年来实验分子生物学的技术突破之一，它允许研究者在一次实验中获得成千上万条基因在设定实验条件下的表达数据。为了从这海量的数据中寻找有意义的信息，在对基因表达数据进行分析的过程中，找到那些在若干实验组中表达水平有明显差异的基因是比较基础和前期的方法。这些基因常常被称为“差异表达基因”，或者“显著性基因”。如果将不同实验条件下某条基因表达水平的重复测量数据看作一个样本，寻找差异表达基因的问题其实就可以采用假设检验方法加以解决。

如果表达数据服从正态分布，可以采用t-检验（或者方差分析）比较两样本（或多样本）平均表达水平的差异。

但是，由于表达数据很难满足正态性假定，目前常用的方法基于非参数检验的思想，并对其进行了改进。该方法分为两步：首先，选择一个统计量对基因排秩，用秩代替表达值本身；其次，为排秩统计量选择一个判别值，在其之上的值判定为差异显著。常用的排秩统计量有：任一特定基因在重复序列中表达水平M值的均值 ；考虑到基因在不同序列上变异程度的统计量 ，其中，s是M的标准差；以及用经验Bayes方法修正后的t-统计量： ，修正值a由M的方差s2的均数和标准差估计得到。

三、一些高级统计方法在基因研究中的应用

（一）聚类分析

聚类分析（clustering analysis）是按照“物以类聚”的原则，根据聚类对象的某些性质与特征，运用统计分析的方法，将聚类对象比较相似或相近的归并为同一类。使得各类内的差异相对较小，类与类间的差异相对较大1。聚类分析作为一种探索性的统计分析方法，其基本内容包括：相似性度量方法、系统聚类法（Hierarchical Clustering）、K-means聚类法、SOM方法等。

聚类分析可以帮助我们解决医学中诸如：人的体型分类，某种疾病从发生、发展到治愈不同阶段的划分，青少年生长发育分期的确定等问题。

近年来随着基因表达谱数据的不断积累，聚类分析已成为发掘基因信息的有效工具。在基因表达研究中，一项主要的任务是从基因表达数据中识别出基因的共同表达模式，由此将基因分成不同的种类，以便更为深入地了解其生物功能及关联性。这种探索完全未知的数据特征的方法就是聚类分析，生物信息学中又称为无监督的分析（Unsupervised Analysis）。常用方法是利用基因表达数据对基因（样本）进行聚类，将具有相同表达模式的基因（样本）聚为一类，根据聚类结果通过已知基因（样本）的功能去认识那些未知功能的基因。对于基因表达数据而言，系统聚类法易于使用、应用广泛，其结果——系统树图能提供一个可视化的数据结构，直观具体，便于理解。而在几种相似性的计算方法中，平均联接法(Average Linkage Clustering)一般能给出较为合理的聚类结果2。

（二）判别分析

判别分析（discriminant analysis）是根据观测到的某些指标的数据对所研究的对象建立判别函数，并进行分类的一种多元统计分析方法。它与聚类分析都是研究分类问题，所不同的是判别分析是在已知分类的前提下，判定观察对象的归属3。其基本方法包括：Fisher线性判别（FLD）、最邻近分类法（k-Nearest Neighbor Classifiers）、分类树算法（Classification Tree Algorithm），人工神经网络（ANNs）和支持向量机（SVMs）。

判别分析常用于临床辅助鉴别诊断，计量诊断学就是以判别分析为主要基础迅速发展起来的一门科学。如临床医生根据患者的主诉、体征及检查结果作出诊断；根据各种症状的严重程度预测病人的预后或进行某些治疗方法的疗效评估；以及流行病学中某些疾病的早期预报，环境污染程度的坚定及环保措施、劳保措施的效果评估等。

在生物信息学针对基因的研究工作中，由于借助了精确的生物实验，研究者通常能得到基因（样本）的准确分类，如，基因的功能类、样本归结于疾病（正常）状态等等。当利用了这些分类信息时，就可以采用判别分析的方法对基因进行分类，生物信息学中又称为有监督的分析（Supervised Analysis）。例如，基因表达数据分析中，对于已经过滤的基因，前三种方法的应用较为简单。而支持向量机（SVMs）和人工神经网络（ANNs）是两种较新，但很有应用前景的方法。

（三）相关分析

相关分析（correlation analysis）是医学统计学中研究两变量间关系的重要方法。它借助相关系数来衡量两变量之间的关系是否存在、关系的强弱，以及相互影响的方向。其基本内容包括：线性相关系数、秩相关系数、相关系数的检验、典型相关分析等。

我们常常可以借助相关分析判断研究者所感兴趣的两个医学现象之间是否存在联系。例如，采用秩相关分析我们发现某种食物中黄曲霉毒素相对含量与肝癌死亡率间存在正相关关系；采用线性相关方法发现中年女性体重与血压之间具有非常密切的正相关关系等等。

生物信息学中可以利用相关分析建立基因调控网络。如果将两个不同的基因在不同实验条件下的表达看作是两个变量，相关分析所研究的正是两者之间的调控关系。如采用线性相关系数进行两基因关系的分析时，其大小反应了基因调控关系的强弱，符号则反应了两基因是协同关系（相关系数为正），还是抑制关系（相关系数为负）。

四、意义

生物信息学不仅是医学统计学的研究前沿，更是医学研究由宏观向微观拓展的重要领域，其研究内容已逐渐为多数医学院校的学员了解和熟悉。而如何对新技术产生的生物实验数据进行准确合理的分析，却成为生物信息学研究的主要瓶颈之一。

在医学统计学课堂教学中引入生物信息学实例，而不仅仅局限于常见的医学、卫生领域的例子，将难以理解的统计理论和方法与前沿的生物实例相结合，拓宽了学员的视野，提高了学员的学习兴趣，更可以加深对所学知识的理解；与此同时，使学员掌握了生物实验数据的先进分析方法，扩大了学员的知识面，提高了他们今后开展医学科研工作的能力。

还有一些医学统计学方法目前也逐渐应用于生物信息学研究中，诸如：遗传算法、熵理论等等。但这些方法已经超出了医学统计学课堂教学的范围，我们将尝试在第二课堂或选修课中，作为补充知识进行讲授，供那些学有余力的学员学习交流。

参考文献

1．郭祖超著. 医学统计学. 第1版.北京：人民军医出版社，1999. 238-243

篇(3)

（1.安徽三联学院；2.安徽医科高等专科学校；3.安徽医科大学，安徽，合肥 230601）

摘 要：目的：研究初中生学的人格特征、心理健康状况与其学业情绪之间的典型相关关系及回归关系.方法：采用艾森克人格问卷（EPQ)、症状自评量表（SCL-90）和青少年学业情绪问卷，对286名初中学生进行测评.结果：对初中生人格特征与学业情绪的典型相关分析发现，第一、二、三、四典型相关系数分别为0.850、0.746、0.536、0.089.症状自评量表（SCL-90)九因子及总分和中学生学业情绪的四维度之间的相关系数最高为0.812；典型相关系数分别为0.748、0.667、0.424、0.072；对其进行统计学检验，均有统计学意义.结论：初中生人特征与学业情绪之间相关性较高；以学业情绪维度作为因变量，以艾森克人格的三维度作为自变量，进行多元逐步回归分析，内-外向(E)对学业情绪没有明显的预测作用；神经质(N)、精神质(P)对学业情绪的四个维度均有一定的预测作用.症状自评量表（SCL-90）各因子及总分与学业情绪各维度之间存在相关，典型相关性显著，说明学业情绪在所调查的初中生群体中，与其心理健康状况存在相关关系.

关键词 ：学业情绪；典型相关分析；艾森克人格问卷；症状自评量表

中图分类号：G444 文献标识码：A 文章编号：1673-260X（2015）03-0118-02

基金项目：安徽省自然科学基金项目资助（1308085MH168）

人格是一系列复杂的具有跨时间、跨情景特点的，对个体特征行为模式有影响的独特的心理品质.初中生阶段是个体学业学习和人格形成的关键时期[1].初中生的学业情绪和学生的学业成绩之间存在较密切的关系[2].国内外关于情绪与人格关系方面，也有很多探讨研究，但由于学界对于学业情绪概念的界定还不

统一，也造成了在学业情绪与人格特征方面的实证研究并不多.Bracker和Mayer在情绪智力与人格五因素，16PF等关系方面做了一定的探讨研究.从初中生人格特征这个层面，本文主要想在以往的研究基础上，通过典型相关分析，探讨初中生人格特征与学业情绪之间的典型相关关系，为以后改善初中生学业情绪状态，培养良好人格特征提供理论支持.另一方面，学业情绪对学业成就的影响，近年来，国内外的研究较多，而对于学业情绪和心理健康状况的相关研究并不多见，从情绪和心理健康的相互影响和促进的相关研究文献中[3-4]，我们发现，心理健康状况是相当稳定的，在一定的心理健康水平下，心理健康和学业情绪之间的直接相关性是不高的，或者说是很低的.但是，相关的研究表明，情绪是促进个体心理健康的重要心理资源.本文主要想在实际调研的基础上，通过典型相关分析，探讨初中的学业情绪与其心理健康状况之间是否存在典型相关关系，为进一步探讨学生学业情绪与其心理健康之间的中介因素提供实证研究支持.

1 对象与方法

1.1 对象

通过整群随机抽样的方法，在合肥市区中学中抽取三所中学，再在每所中学中随机抽取七年级和八年级各两个班，共计286人.发放问卷286份， 收回符合研究条件者264份，有效率92%.

1.2 工具

1.2.1 青少年学业情绪问卷[5]

俞国良、董妍编制，问卷由积极高唤醒学业情绪、积极低唤醒学业情绪、消极高唤醒学业情绪、消极低唤醒学业情绪四个分问卷组成，共计72个项目.问卷采用五点计分方式，从完全不符合、比较不符合、不清楚、比较符合和完全符合.

1.2.2 艾森克人格问卷(EPQ)

英国心理学家艾森克教授编制，由龚耀先教授修订，青年版共有81个项目，三个维度：分别为内-外向(E)、神经质(N)、精神质(P)，另外还有一个掩饰倾向性分量表.

1.2.3 症状自评量表（SCL-90)

该量表包括90个条目，共9个分量表，即躯体化、强迫症状、人际关系敏感、抑郁、焦虑、敌对、恐怖、偏执和精神病性，和1个“其它”因子.总症状指数的分数在1～1.5之间，表明被试自我感觉没有量表中所列的症状；在1.5～2.5之间，表明被试感觉有点症状，但发生得并不频繁；在2.5～3.5之间，表明被试感觉有症状，其严重程度为轻到中度；在3.5～4.5之间，表明被试感觉有症状，其程度为中到严重；在4.5～5之间表明被试感觉有，且症状的频度和强度都十分严重.总分为问卷原始分之和减去90.

1.3 研究过程

采用现场调查法，在学校配合的情况下，向选定班班主任说明调查的目的和意义，由班主任组织学生，以考试的形式发放问卷，按问卷指导语填写，依据学生的学号进行问卷编号.

1.4 统计方法

采用spss19.0建立数据库，进行描述性统计、正态检验、典型相关分析、多元回归分析等统计分析.

2 结果

2.1 艾森克人格特征与学业情绪的典型相关分析

从艾森克人格的三维度和中学生学业情绪的四维度之间的相关矩阵可以看出，神经质(N)同积极高唤醒学业情绪、消极低唤醒学业情绪之间有较高的相关性，精神质(P)同积极低唤醒学业情绪、消极低唤醒学业情绪之间有较高的相关性，其它各项之间相关性很低.提取出的四个典型相关系数，分别为0.850、0.746、0.536、0.089；各典型相关系数的检验结果表明，四个典型相关系数有统计学意义.见表1.

2.2 中学生学业情绪维度的多元逐步回归分析

以学业情绪各维度作为因变量，以艾森克人格的三维度：内-外向(E)、神经质(N)、精神质(P)作为自变量，进行多元逐步回归分析，结果发现，内-外向(E)对学业情绪四个维度的回归系数分别为0.023,0.030,0.018,0.021；神经质(N)对学业情绪四个维度的回归系数为0.436,0.248,0.228,0.367；精神质(P)对学业情绪四个维度的回归系数为0.248,0.330, 0.526,0.341.内-外向(E)对学业情绪没有明显的预测作用；神经质(N)、精神质(P)对学业情绪的四个维度均有一定的预测作用.

2.3 艾森克人格特征与学业情绪的典型相关分析

症状自评量表（SCL-90)九因子及总分和中学生学业情绪的四维度之间的相关矩阵，从矩阵可以看出，各项之间均存在相关性.从提取出的四个典型相关系数的大小，可见第一、二、三、四典型相关系数分别为0.748、0.667、0.424、0.072；对各典型相关系数进行统计学检验，可见四个典型相关系数均有统计学意义.见表2.

3 讨论

本研究结果显示，初中生的艾森克人格三维度在学业情绪的四个维度上均有较强的相关性.通过对艾森克人格与学业情绪的典型相关分析，提取出了四对典型相关变量，计算出了这四对典型相关变量的相关系数，并进行了统计学检验，结果表明这四对典型相关系数具有统计学意义.说明依据艾森克人格理论界定的个体的人格特征和学业情绪之间存在相关关系.进一步的回归分析表明，分别以学业情绪的四个维度作为因变量，以艾森克人格的三维度：内-外向(E)、神经质(N)、精神质(P)作为自变量，进行多元逐步回归分析，结果发现，内-外向(E)对学业情绪没有明显的预测作用；神经质(N)、精神质(P)对学业情绪的四个维度均有一定的预测作用.依据艾森克人格理论，个体的内-外向人格特征是相对稳定的，人格外向，可能是好交际、渴望刺激和冒险，情感易于冲动.人格内向，可能是好静，富于内省，除了亲密的朋友之外，对一般人缄默冷淡，不喜欢刺激，喜欢有秩序的生活方式，情绪比较稳定.不同的内外侵向性的人格特征对个体的情绪是有影响的，但本研究表明，初中生的人格的内外倾向性对其学业情绪基本是不具有预测性，也就是说，不能通过初中生的人格的内外倾向性去预测该生的学业情绪高或低.个体的神经质(N)、精神质(P)两个维度的人格特征是可以预测该学生的学业情绪高或低的.结果提示我们，初中生的处于人格发展期，人格对学业情绪有影响，学业情绪对学业成就有影响[6]，我们在促进初中生人格健康发展的同时，不可独立于学生的学业发展，在提升学生学业成就的过程中也应该培养学生健全的人格，在这个过程中，我们可以通过合理调节学生的学业情绪达到完善初中生的人格，提升学生学业成就.

通过对初中生的心理健康水平（SCL-90）与学业情绪的典型相关分析，提取出了四对典型相关变量，计算出了这四对典型相关变量的相关系数，并进行了统计学检验，结果表明，这四对典型相关系数均具有统计学意义.说明依据SCL-90得到的初中生心理健康状况和初中生的学业情绪之间存在相关关系.研究发现，初中生的心理健康状况是相当稳定的，在一定的心理健康水平下，心理健康和学业情绪之间的直接相关性较高.通过本文的实证研究，初中的学业情绪与其心理健康状况之间存在典型相关关系.在很多的研究文献中，我们发现，情绪和心理健康之间是存在相关关系的.

参考文献：

〔1〕雷晓梅，刘灵，杨玉凤.中学生艾森克个性问卷调查及影响因素研究[J].现代预防医学，2007，34（3）：572-574.

〔2〕陆桂芝，庞丽华.初中1～3年级学生的学业情绪与学业成就的相关研究[J].教育探索，2008,210（18）：124-125.

〔3〕潘明军，钱兵.大学生情绪智力与心理健康的关系[J].中国学校卫生，2012,33（1）：43-44.

〔4〕王振宏，吕薇，杜娟，王克静.大学生积极情绪与心理健康的关系：个人资源的中介效应[J].中国心理卫生杂志，2011,25（7）：521-523.

篇(4)

1资料与方法

1.1一般资料:选择2004年1月~2011年10月我院急诊科收治的记录资料完整的经口服中毒的AOPP患者49例，无基础疾病，入院时AOPP诊断符合文献[1]。其中男19例，女30例，年龄19~61岁，平均(34.96±13.27)岁。毒物种类：乐果中毒15例，氧化乐果6例，敌敌畏4例，久效磷6例，甲胺磷10例，对硫磷4例，锌硫磷3例，农地乐1例。患者服毒到入院时间为0.5~6.0h。根据临床症状(胃管内抽出或呕吐出咖啡色、红色液体，解黑大便)，分为上消化道出血组(A组)和非上消化道出血组(B组)。A组男9例，女17例，平均年龄(32.23±12.72)岁，19例治愈，4例抢救无效死亡，3例放弃治疗死亡；B组男10例，女13例，平均年龄(34.14±12.52)岁，21例治愈，2例抢救无效死亡。两组一般资料比较差异无统计学意义(P＞0.05)。

1.2治疗方法:B组入院后洗胃机反复洗胃至洗胃液无农药味，并留置胃管反复洗胃，每次4~6h，每次300~500ml，持续1~3d；洗胃同时予复能剂氯解磷定肌注，0.5~1.0g，2~4次/d，疗程3~7d；迅速达阿托品化并维持；防止并发症呼吸衰竭、感染、脑水肿、水电解质酸碱失衡等。A组在上述治疗基础上给予抑酸护胃及胃粘膜保护治疗，必要时输血，纠正失血性贫血。

1.3统计学方法:应用SPSS11.0进行统计学分析，计量资料组间比较采用t检验，相关分析采用Spearman等级相关分析法。P＜0.05为差异有统计学意义。

2结果

2.1上消化道出血情况:从接触毒物时间起计算，A组患者发生上消化道出血的最短时间为0.5h，最长时间为90h，平均(11.88±9.69)h。部分患者发生再次或多次出血，故A组累计发生上消化道出血32次；上消化道出血原因依次为毒物损伤胃粘膜21次(65.63%)、洗胃损伤6次(1875%)，应激性溃疡5次(15.62%)。

2.2临床诊治情况:两组入院时A组血糖浓度[(9.27±3.55)mmol/L]与B组血糖浓度[(8.71±3.78)mmol/L]比较差异无统计学意义；A组入院24h内急性生理学及慢性健康状况评分II(APACHEII，16.53±621)明显高于B组(10.04±5.92)P＜0.05)，而入院时A组血清胆碱酯酶[(323.7±109.14)U/L]明显低于B组[(420.33±122.76)U/L](P＜005)，差异均有统计学意义。

2.3相关分析:对各种临床因素进行Spearman等级相关分析，发现血糖与上消化道出血无相关性，APACHEII评分与上消化道出血呈正相关，相关系数为0.470(P＜0.05)；血清胆碱酯酶与上消化道出血呈负相关，相关系数-0.336(P＜0.05)。

3讨论

本研究发现最早可在口服毒物半小时出现上消化道出血，且约有半数上消化道出血发生在口服农药的12h内。其中最常见(本研究观察到约65.63%)为毒物损伤粘膜所致。提示口服有机磷农药可使胃粘膜广泛病变，出血糜烂严重。此外，由于高强度高频度的洗胃治疗，不可避免地导致部分患者(约18.75%)发生胃机械性损伤或加重毒物的胃粘膜损伤。

病理生理学研究证实，机体应激时肾上腺糖皮质激素、儿茶酚胺、胰高血糖素、生长激素的分泌及释放增加，同时胰岛素相对分泌减少及胰岛素抵抗等因素，均能促使血糖增高，故危重患者常伴有血糖升高。目前认为，危重患者入院后测定两次，空腹血糖≥6.9mmol/L或随机血糖≥111mmol/L者，即可诊断为应激性高血糖。而本研究中两组患者均有较高的应激性高血糖发生率，虽然上消化道出血高于非上消化道出血组，但差异无统计学意义。

实践已证明，应用急性生理学及APACHEII系统评估急诊内科重症监护病房(ICU)患者疾病的危重程度、疗效和预后有较好的准确度和分辨率。文献报道APACHEII评分＜20分时，患者病死率为6.3%，评分≥20分时病死率将高达65.62%。重度AOPP患者在发生上消化道出血的同时，也多可导致心、脑、肾等脏器缺血缺氧、循环衰竭，或因应激引发全身炎症反应综合征、多脏器功能障碍，甚至多脏器衰竭。本研究进一步证实，APACHEII评分与上消化道出血具有明显的相关性，上消化道出血组APACHEII评分明显高于非上消化道出血组。

篇(5)

1对象与方法

1.1研究对象

参考相关文献资料，根据以往研究经验，本研究主要依据样本含量为调查条目的10～20倍的原则对研究对象样本量大小进行估计。本研究中所采用的调查问卷共包含68个条目（其中艾森克人格问卷包含48个条目，一般健康问卷包含20个条目），按照调查条目15倍的原则，共需要调查1020人（68×15＝1020人）。考虑到调查问卷具有一定的不合格率，故拟调查1050人。以潍坊医学院在校医学生为研究对象，采用分层整群抽样方法，以年级为层、以班级为群，从一年级、二年级、三年级各随机抽取6个班，对随机抽取的18个班级的全体同学进行问卷调查，共调查1050名医学生。本研究共发放问卷1050份，收回1050份，回收率100%。对收回的问卷进行审核后得有效问卷972份，有效率为92.6%。

1.2研究方法

1.2.1调查工具本次研究所用的调查工具有：（1）艾森克人格问卷简式量表中国版（EysenckPersonalityQuestionnaire-Revised，ShortScaleforChinese，EPQ-RSC）［3］，该量表包括精神质（Psychoticism，P）、外向性（Extraversion，E）、神经质（Neurocicism，N）和社会掩饰性（Lie，L）4个分量表，各量表12个条目，共有48个条目。其中第2、6、18、26、28、35、43、27、8、12、20、24、29、33、37、40和47条目反向计分，其他条目正向计分。4个分量表的信度在0.54～0.88之间。（2）一般健康问卷（Generalhealthquestionnaire，GHQ-20）［4］，该问卷共包含20个条目，均为“是否式”选择题。除第7题和第10题反向计分外，其他题目选“是”得1分，选“否”得0分。一般健康问卷包括自我肯定、忧郁和焦虑3个维度。其中1～9条目反映个体自我肯定的内容，得分越高，表明被测个体自我肯定程度越高；10～15条目反映个体忧郁状况，得分越高，个体忧郁程度越高；16～20条目反映个体的焦虑状况，得分越高，被测个体的焦虑状况越明显。

1.2.2调查方法资料收集前集中培训调查员，统一施测调查程序和指导语。问卷调查在学生知情同意的情况下，采用不记名方式，以班级为单位进行集体测试，现场填答完毕后收回问卷。

1.3统计分析

应用EpiData3.1软件双份录入数据构建数据库并进行逻辑查错，采用SPSS13.0及SAS9.2统计软件进行统计分析。采用构成比、均数、标准差等指标对数据进行描述性统计；采用t检验或方差分析方法对医学生人格特质及心理健康状况得分情况进行比较分析；采用典型相关（Canonicalcorrelation）分析方法分析医学生人格特质与健康状况之间的关系。典型相关分析是一种研究两组变量相关关系的统计学方法。典型相关分析根据变量间的相关关系，寻找少数几个关系简单的综合变量对，将两组变量的关系集中到少数几对综合变量的关系上。若典型变量对为Vi与Wi，其线性组合公式表达如下：Vi＝lilX1+li2X2+…+lipXpWi＝lilY1+li2Y2+…+lipYp其中Vi与Wi之间的典型相关系数为ρi。当i＝1时，V1与W1为第一对典型变量，它们之间的相关系数为第一典型相关系数，依次类推。一般要求ρ1≥ρ2≥ρ3≥…。本研究中对典型相关系数进行假设检验时，其检验水准α取0.05［5］。

2结果

2.1一般情况

本次调查的972名医学生中，男生386人，占39.7%，女生586人，占60.3%。大一、大二、大三的学生分别有340人（35.0%）、334人（34.4%）、298人（30.7%）。生源地为城市的292人（30.0%），生源地为农村的680人（70.0%）。独生子女326人（34.6%），非独生子女人636人，占65.4%。大多数学生（82.3%）的家庭经济情况呈中等水平。

2.2医学生人格特质及心理健康状况得分情况

本次研究结果显示，医学生人格特质中得分从高到低依次为外向性（7.99±2.24）分、精神质（7.01±1.31）分、社会掩饰性（6.57±1.86）分和神经质（5.22±3.10）分，4种人格特质的得分不同（F＝129.861，P＜0.0001）。医学生心理健康状况得分情况如下：自我肯定（4.99±1.80）分，忧虑（1.57±1.02）分，焦虑（1.46±1.50）分，三者得分情况有统计学差异（F＝897.515，P＜0.0001）。

2.3医学生人格特质与全国人口比例构成的EPQ-RSC常模比较

对不同性别医学生人格特质的4个分量表与全国人口比例构成的EPQ-RSC常模进行比较。比较结果显示，男性医学生人格特质4个分量表与常模比较差异均有统计学意义（P＜0.05）；女性医学生4个维度人格特质中，除掩饰维度得分与常模之间差异无统计学意义外，其他维度差异均有统计学意义（P＜0.001），具体分析结果见表1。2.4医学生人格特质与健康状况典型相关分析2.4.1典型变量及其相关系数检验结果医学生人格特质与健康状况的典型相关分析结果见表2。由表2可知，第一、二对典型变量的相关系数有统计学意义，分别为0.6140和0.2334，其中第一对典型变量包含了全部相关信息的90.07%，第二对典型变量包含全部相关信息的8.97%，表明人格特质组与健康状况组可以由这2对典型变量表示。第三对典型变量的相关系数较小，无统计学意义。以X1，X2，X3和X4分别表示精神质、外向性、神经质和社会掩饰性4种人格特质；以Y1，Y2和Y3分别表示自我肯定、忧虑和焦虑3种心理健康状况。则第一、二对典型变量的线性组合表示为：第一对典型变量：V1＝0.1173X1-0.4140X2+0.8050X3+01110X4W1＝-0.3510Y1+0.2099Y2+0.7600Y3第二对典型变量：V2＝0.4110X1+0.8001X2+0.4032X3-0.4410X4W2＝0.9264Y1+0.5901Y2+0.1573Y3由以上2对典型变量可知，医学生人格特质主要体现在神经质（X3）和外向性（X2）2个方面，系数分别为0.8050和0.8001；而心理健康状况主要体现在焦虑（Y3）和自我肯定（Y1）2个方面，系数分别为0.7600和0.9264。2.4.2各变量与典型变量间的相关分析各变量与两对典型变量间的相关关系分析结果见表3。由表3可知，各指标与2对典型变量的关系如下：（1）各X变量与V1和V2的关系：X3（神经质）与V1的相关性最大，相关系数为0.8997；X2（外向性）与V2的相关性最大，相关系数为0.7145，说明神经质和外向性包含人格特质的信息量较多，是反映人格特质的主要指标。（2）各Y变量与V1和V2的关系：Y3（焦虑）与V1的相关性较大，相关系数为0.5559，说明焦虑包含医学生心理健康状况的信息量较多。（3）各X变量与W1和W2的关系：X3（神经质）与的相关性最大，相关系数为0.5524，说明神经质人格与医学生心理健康状况关系密切。人格特质4个变量（X）中只有X2（外向性）与W2有关系（P＜0.01）。（4）各Y变量与W1和W2的关系：Y3（焦虑）与W1的相关性最大，相关系数为0.9053；Y1（自我肯定）与W2的相关性最大，相关系数为0.7616，说明焦虑和自我肯定包含健康状况的信息量较多。2.4.3典型变量间的冗余度分析典型冗余分析结果显示：人格特质的变异有13.15%被健康状况典型变量组所解释；健康状况的变异有20.04%被人格特质的典型变量组所解释，表明人格特质对健康状况的影响作用大于健康状况对人格特质的作用。

3讨论

篇(6)

关键词：糖尿病；非酮症；低钾血症；肾损害

糖尿病是日益严重的世界公共卫生问题，预计到2030年糖尿病患者将激增至4.39亿人[1-2]。糖尿病可引起体内多种物质代谢紊乱，以往报道伴低钾的糖尿病多见于酮症酸中毒患者，但近些年发现非酮症糖尿病患者也易并发低钾血症，长期低血钾易引起或加重肾脏损伤[3]。本文纳入242例伴低钾血症的非酮症糖尿病患者，并对其引发肾脏损伤的机制进行探讨。

1 资料与方法

1.1一般资料 纳入2012年1月～2015年12月收住天津市第一中心医院内分泌科的非酮症糖尿病合并低钾血症患者242例为研究对象。其中男57.03%（138例），女42.97%（104例）。年龄27～76岁，平均年龄为（65.8±7.6）岁，糖尿病病史4月～38 年，平均诊断糖尿病病史为（9.1±6.2）年。

1.2诊断标准 ①糖尿病诊断依据符合2013年中国糖尿病诊断标准[4]。②血清生化测定使用日本7600-020 HITACHI生化测定仪，以血清钾浓度低于3.5 mmol/L为低血钾症。其中3.0～3.5 mmol/L 为轻度低钾血症，2.5～3.0 mmol/L为中度低钾血症，低于2.5 mmol/L为重度低钾血症[5]。③排除标准：a.糖尿病酮症酸中毒患者；b.已在院外行补钾治疗者；c.肾脏透析治疗者。

1.3方法 回顾性分析符合入选标准患者的糖化血红蛋白，空腹胰岛素（FINS），空腹C-肽（FC-P），肾功能、血压，卧位醛固酮、腹部超声、尿常规、24 h尿蛋白（24hMTP）、24 h微量白蛋白（24hUAE）、24 h尿钾（24hUK）、β2微球蛋白（β2-MG）、甲状腺功能、十二导联心电图表现等，力争找出低钾及肾脏损伤相关病因。

1.4统计学方法 以SPSS 17.0软件进行统计学分析，应用方差分析和相关分析统计。P

2 结果

2.1不同血钾组别在临床特点上的比较 经实验室检查血钾浓度2.1～3.49 mmol/L，平均浓度为（2.83±0.61）mmol/L。患者以轻中度低钾血症为主（205例占总数的84.7%）。三组卧位醛固酮、24 h尿钾及β2-MG有组间差异（P

2.2低血钾的可能病因 依据患者入院后查体、既往病史及完善病因等检查后综合分析：主要低钾因素为长期钾摄入不足及大剂量胰岛素应用，分别占比26.86%、24.38%，见表2。

2.3低血钾与肾脏损伤指标的相关性分析

2.3.1血糖水平与肾脏损伤的相关性分析 患者血糖与年龄、病程、K、空腹胰岛素、空腹C-P、醛固酮、24 h尿蛋白、24 h微量白蛋白、β2-MG的相关性分析显示，血糖与血钾呈负相关，且差异具有统计学意义。血糖与醛固酮、24 h尿蛋白、24 h微量白蛋白、β2-MG呈正相关，差异具有统计学意义，见表3。

2.3.2血钾水平与肾脏损伤的相关性分析 患者血钾与年龄、病程、HbA1C、空腹胰岛素、空腹C-P、醛固酮、24 h尿蛋白、24 h微量白蛋白、β2-MG的相关性分析显示，血钾与血糖、醛固酮、β2-MG呈负相关，且差异具有统计学意义，见表4。

3 讨论

3.1非酮症糖尿病合并低钾病因分析 低钾血症是临床常见的电解质紊乱之一，在随机住院患者中的发生率约为3%[6]，而糖尿病合并低钾在临床上并不少见，本回顾性研究考虑其有以下几方面的原因：

3.1.1摄入不足 糖尿病患者因年龄、饮食营养结构不合理，导致钾摄入减少，或并发糖尿病胃肠植物神经功能紊乱及胃轻瘫影响消化系统功能，引起胃排空延迟，从本研究可以看到上述两种因素占比较大，提示入量不足是非酮症糖尿病合并低钾的首要病因。

3.1.2内分泌相关疾病因素 居首位的是甲状腺疾病，因其与糖尿病具有免疫学遗传基础，很容易两病同时发作[7]。基础实验也进一步证实甲状腺激素刺激Na+-K+-ATP 酶合成，增加β 受体数目，使钾由细胞外向细胞内转移，同时醛固酮、胰岛素分泌增加，组织对儿茶酚胺敏感性增强加速钾的利用。其次是醛固酮增多症，近些年，大量研究表明在肥胖、高甘油三脂血症、高血压及糖尿病患者中，血浆醛固酮亦升高，无论原发性还是继发性的因素，高醛固酮均促使肾小管远端重吸收钠、排出钾增加导致高血压、低血钾。第三，因垂体-肾上腺轴功能紊乱致原发或继发性皮质醇增多的患者也可出现血钾减低，其是通过增加肾小球滤过率而使流经肾小管的液体量增多所致[8]。

3.1.3高血糖因素 当血糖浓度高于自身肾糖阈时即使尿渗透压增高，尿量增加，由于远端肾单位小管流速作用影响，大量血钾进入尿中排出体外，引起血钾下降。另外，高渗性糖尿带走体内大量水分，使血液浓缩，刺激醛固酮分泌增多，促使肾脏排钾作用加强。高渗性利尿时可丢失体内总体钾量的20%。从本研究中可以看到低钾与高血糖具有负相关，但与低钾严重程度无关。

3.1.4药物性因素 ①利尿剂：糖尿病患者多合并高血压，所以临床上合并使用利尿剂降压很普遍。总所周知噻嗪类利尿剂长期服用可致低钾、低镁。②胰岛素：观察中发现合并低钾的糖尿病患者长期应用大剂量胰岛素。无论内源性还是外源性胰岛素对血钾的转运作用可使血钾浓度下降30%，胰岛素也有可能直接刺激骨骼肌细胞膜上的Na+-K+-ATP 酶致使体液缺钾。③糖尿病患者常合并多种其它药物如部分抗生素、中药，生活中部分食品添加剂，化学物质以及环境中的有害物质等或也可导致低钾血症，但具体机制尚不明确。这可能是低钾不明病因的构成。

3.2非酮症糖尿病合并低钾与肾脏损伤的相关性分析

3.2.1血糖与肾脏损伤的相关分析 糖尿病肾病在我国发病率呈上升趋势。临床中蛋白尿及β2-MG的出现不仅是糖尿病患者肾功能异常的标志，也将进一步促进患者肾功能恶化。从本研究中我们可以看到血糖水平与年龄、糖尿病病程呈正相关，但无统计学意义，而血糖水平与醛固酮、24 hMTP、24 hUAE、β2-MG具有统计学意义的正相关，可能与糖尿病状态下，肾脏局部RAAS促进炎症介质及转化生长因子β1的表达，导致细胞外基质增多，增加氧化应激导致足细胞损伤，增多的尿蛋白又进一步引起肾间质损伤，从而加重DN的进展。

3.2.2血钾与肾脏损伤的相关分析 本研究提示血钾与HbA1C、醛固酮、β2-MG呈负相关，即血钾随血糖、醛固酮、β2-MG的升高而降低，且具有统计学意义，临床研究显示长期低钾血症的患者可出现进行性肾小管间质损害，基础实验表明可能为低钾血症时细胞内酸中毒，引起补体旁路途径的激活，继之发生免疫细胞向间质浸润。所以，积极控制血钾水平能进一步防止免疫反应对糖尿病肾小管的损伤。

参考文献：

[1]陈灏珠，林果为.实用内科学[M].第14版.北京：北京人民卫生出版社，2013：976.

[2]Bergman M，Buysschaert M，Schwarz P E，et al.Diabetes prevention： global health policy and perspectives from the ground[J].Diabetes Management，2012，2（4）：309-321.

[3]全肾脏病研究所学术委员会.乏力、低钾、贫血伴肾功能不全[J].肾脏病与透析肾移植杂志，2011（20）：580-585.

[4]中华医学会糖尿病分会.中国2型糖尿病防治指南（2013年版）[J].中国糖尿病杂志，2014，22（8）：2-370.

[5]Oram R A，Mcdonald T J，Vaidya B.Investigating hypokalaemia[J]. Bmj，2013，347（347）：f5137.

[6]Paltiel O，Salakhov E，Ronen I，et al.Management of severe hypokalemia in hospitalized patients： a study of quality of care based on computerized databases[J].Archives of Internal Medicine，2001，161（8）：1089-1095.

篇(7)

[关键词] 急性冠状动脉综合征；超敏C反应蛋白；尿酸；动脉狭窄

[中图分类号] R543.3 [文献标识码] A [文章编号] 1673-7210（2013）01（a）-0035-02

[Key words] Acute coronary syndrome； Hypersensitive C-reactive protein； Uric acid； Coronary artery stenosis急性冠状动脉综合征包括不稳定型心绞痛、急性心肌梗死及猝死，其病理机制是由于冠脉动脉粥样硬化斑块破裂引起急性心肌缺血[1]。目前研究表明，急性冠状动脉综合征患者斑块形成及破裂与慢性炎症及内皮损伤相关，C-反应蛋白（CRP）是动脉粥样硬化、炎症和纤维增生性反应的标志物，高尿酸通过作用于血管，产生促炎作用引发组织损伤。本组研究的目的是探讨急性冠状动脉综合征患者血清超敏C反应蛋白（hs-CRP）及尿酸的改变及二者与冠状动脉狭窄的关系，为临床指导治疗及评估病情提供理论依据。

1 资料与方法

1.1 一般资料

选择2009年8月～2011年8月在我院住院治疗的80例急性冠状动脉综合征患者为研究对象，所有患者均行冠状动脉造影证实。80例患者中，男49例，女31例；年龄45～82岁，中位年龄64.8岁；其中不稳定型心绞痛患者45例，急性心肌梗死患者35例。选择同期体检的30例健康者为对照组，其中，男18例，女12例；年龄44～81岁，中位年龄65.2岁。两组研究对象均除外急慢性感染、恶性肿瘤、风湿病、肝肾疾病及口服免疫抑制剂治疗者。两组患者在年龄、性别等临床资料方面比较，差异无统计学意义（P > 0.05），具有可比性。

1.2 方法

采用Judkins法进行冠状动脉造影，冠状动脉直径狭窄>50%视为阳性病变，按照狭窄累及血管范围分为单支、双支及三支病变。所有研究对象均于清晨空腹采静脉血6 mL（急性冠状动脉综合征患者于入院后第2天），血清hs-CRP测定应用免疫比浊法，在罗氏全自动生化分析仪上测定，试剂为北京九强全程C反应蛋白检测试剂盒；血清尿酸用罗氏全自动生化分析仪器及配套试剂检测。

1.3 统计学方法

采用SPSS 17.0统计软件进行数据处理，计量资料数据以均数±标准差（x±s）表示，多组间采用F检验，血清hs-CRP及尿酸相关性分析采用Pearson相关分析，P < 0.05为差异有统计学意义。

2 结果

2.1 急性冠状动脉综合征患者与对照组血清hs-CRP及尿酸水平比较

不稳定型心绞痛及急性心肌梗死患者血清hs-CRP及尿酸水平显著高于对照组（P < 0.05），但二者之间比较，差异无统计学意义（P > 0.05）；随着急性冠状动脉综合征患者冠状动脉病变支数的增加，患者血清hs-CRP及尿酸水平显著增高（P < 0.05）。见表1、2。

2.2 Pearson相关分析

Pearson相关分析结果显示血清hs-CRP及尿酸水平显著相关（r = 0.387，P < 0.05）。

3 讨论

研究发现急性冠状动脉综合征患者冠状动脉狭窄程度多为轻中度，目前认为急性冠状动脉综合征的发生并不是在动脉狭窄基础上形成的，而是斑块易损破裂导致血栓形成。在动脉粥样硬化的形成、发展过程中，自始至终都有炎症细胞的参与。

本组研究结果显示：不稳定型心绞痛及急性心肌梗死患者血清hs-CRP及尿酸水平显著高于对照组，但二者之间差异无统计学意义；随着急性冠状动脉综合征患者冠状动脉病变支数的增加，患者血清hs-CRP及尿酸水平显著增高；Pearson相关分析结果显示：血清hs-CRP及尿酸水平显著相关。研究结果表明：hs-CRP及尿酸参与了急性冠状动脉综合征的发病过程，且与冠状动脉病变程度有关。hs-CRP与冠状动脉的损伤、病情发展密切相关，是心血管疾病的独立风险因子，其水平升高预示着患者心血管疾病的风险增加[2]。hs-CRP可敏感准确地反映冠状动脉粥样硬化的炎症状态，通过激活补体系统及促进黏附分子释放，进一步激活白细胞及血小板[3]。通过促进单核细胞释放外源性凝血途径的组织因子，促进局部血栓的形成。还通过与低密度脂蛋白的相互作用损害细胞膜，促进炎症反应的发生[4]。CRP通过与单核细胞、粒细胞的受体结合，使后者发生聚集、浸润并产生细胞因子，损伤血管内皮细胞。因此CRP在促进冠状动脉粥样硬化的同时，促使不稳定斑块的形成。

高尿酸血症是嘌呤代谢异常所致，尿酸是人体内嘌呤代谢的最终产物，它由黄嘌呤和次黄嘌呤通过黄嘌呤氧化酶作用合成。高尿酸可促进低密度脂蛋白胆固醇氧化及脂质过氧化，常伴随自由基生成增多，参与炎症反应[5-8]。尿酸可活化白细胞，通过作用于天然免疫系统，继而激活白介素1（IL-1），导致组织受损。高尿酸还可损伤内皮细胞，促进血小板聚集，刺激血管平滑肌增生，在冠状动脉粥样硬化的发生过程中起重要作用[9]。本组研究结果表明，尿酸与hs-CRP水平显著相关，提示尿酸是通过促炎途径参与急性冠状动脉综合征发生机制的。

综上所述，hs-CRP及尿酸可能通过炎性反应促进急性冠状动脉综合征的发生，二者与冠状动脉狭窄程度有关，可作为评估患者病情的指标。

[参考文献]

[1] 黄小梅.盐酸替罗非班辅助治疗急性冠状动脉综合征的临床观察[J].中国医药导报，2011，8（21）：148-151.

[2] Triant VA，Meigs JB，Grinspoon SK. Association of C-reactive protein and HIV infection with acute myocardial infarction [J]. J Acquir Immune Defic Syndr，2009，51（3）：268-273.

[3] Heart Protection Study Collaborative Group，Emberson J， Bennett D，et al. C-reactive protein concentration and the vascular benefits of statin therapy：an analysis of 20，536 patients in the Heart Protection Study [J]. Lancet，2011，377（9764）：469-476.

[4] 黄春艳，夏豪，白起君，等.血清低密度脂蛋白、C-反应蛋白、纤维蛋白原在评估冠状动脉狭窄程度及临床稳定性中的作用[J].心肺血管病杂志，2010，29（3）：184-185.

[5] 万洪峰，李勋，杨向军，等.急性冠状动脉综合征患者血尿酸水平与病变支数的关系研究[J].中国医师进修杂志，2009，32（13）：31-32.

[6] 覃小梅，谭晓明，曾显媛.急性冠脉综合征患者总胆红素、胆汁酸及血尿酸水平分析[J].内科，2010，5（6）：590-592.

[7] 周博锋，郭清，蒙英英.老年脂肪肝患者血脂、血尿酸水平检测结果分析[J].内科，2010，5（3）：280-281.

[8] 王芊，华川，刘旭，等.同型半脘氨酸等危险因子与冠心病的相关性分析[J].临床误诊误治，2012，25（3）：42-44.