Anvendelse af beslutningsanalyseteknikker i kæmpe sundhedstjekdatabase for at udforske højrisikogruppen med metabolisk syndrom

Ifølge American Heart Association (AHA) modificeret Adult Treatment Panel III (ATP-III) og kriterierne for Health Promotion Administration, Taiwan. Fem indekser bruges til at definere metabolisk syndrom (MetS): inklusive taljeomkreds (WC), forhøjet blodtryk (H/P), fastende plasmaglukose (FPG), triglycerid (TG) og high-density lipoprotein-kolesterol (HDL-). C）. De seneste undersøgelser viste os, at der ikke var nogen forskning, der anvendte de fem kriterier i deres beslutningsmodel. Dette studieforslag vil være det første studie, der evaluerede vigtigheden af ​​kriterierne for at anvende disse indekser og beslutningsmodeller i klinikken til vurdering af risikofaktorer.

Denne undersøgelse blev opdelt i 2 faser: (1) for at analysere den store database med sundhedsundersøgelser for at finde ud af MetS's vigtigste beslutningsanalysemodul, herunder vigtighedsniveauet og beslutningsvægten af ​​5 indikatorer, som kan leveres som reference for forslag til kliniske medicinske behandlinger eller sundhedsuddannelsesfokus for sundhedsstyring af sub-sundhedspopulationer; (2) at analysere andre demografiske variabler i databasen (uddannelsesbaggrund, bopæl, erhverv osv.) og de variabler, der påvirker sundhedsmønstre (inklusive rygning, drikkeri, langsigtet siddende arbejdsmønster) for at finde ud af de vigtige variabler, der påvirker høj risiko gruppe for MetS blandt populationer i alle aldre, for at undersøge forbedringsstrategierne for tidlig forebyggelse eller intervention af vigtige variabler. Efterhånden som det aldrende samfund er på vej, anslås det, at de ældre over 65 år i Taiwan vil nå 20 % i 2025. Ifølge vurderingen af ​​Executive Yuan vil vækstraten for sundhedsserviceindustrien nå op på mindst 17%, og den årlige outputværdi vil nå op på 18 milliarder USD. Derfor har denne undersøgelse til hensigt at udvikle strategier til forebyggelse af kronisk sygdom hos midaldrende og ældre mennesker og finde ud af de karakteristiske variabler for højrisikogruppe i henhold til forskellige aldersgrupper for yderligere at reducere forekomsten af ​​MetS eller CVD.