小麦粉、大米与心血管疾病

MVASC 左侧的变量是模型中感兴趣的主要预测变量。 右边是一个控制变量——SexM1F2。 路径系数（表示为 beta 系数）反映了关系的强度。 负贝塔值意味着相关关系为负； 即，变量的增加与其所指向的变量的减少相关。 P值表示关系的统计显着性； P 低于 0.05 通常意味着存在显着关系（该关系“真实”的可能性为 95% 或更高）。

总而言之，上面的模型似乎在告诉我们：

– 随着大米摄入量的增加，小麦粉摄入量显着减少 （β=-0.84；P<0.01）。 如果箭头指向相反的方向，这种关系也是一样的。 这表明大米消费地区和小麦面粉消费地区之间存在巨大差异。

– 随着小麦粉摄入量的增加，所有心血管疾病的死亡率显着增加 （β=0.32；P<0.01）。 这是在控制了大米和总热量摄入的影响后得出的结果。 也就是说，小麦粉似乎具有一些对健康有害的固有特性，即使人们没有消耗那么多卡路里。

– 随着大米摄入量的增加，所有心血管疾病的死亡率显着下降 （β=-0.24；P<0.01）。 这是在控制了小麦粉和总热量摄入的影响后得出的。 也就是说，这种效果并不完全是由于食用大米代替了小麦粉所致。 不过，正如您将在本文后面看到的那样，这种关系是非线性的。 过量摄入大米似乎对健康也不太有利。

– 小麦粉和大米摄入量的增加与总热量摄入量的增加显着相关 （β=0.25、0.33；P<0.01）。 这可能是由于小麦粉和大米的摄入量所致： (a) 就其自身的热量含量而言，它们本身是总热量摄入量的主要贡献者； (b) 导致其他来源的卡路里摄入量增加。 考虑到下面的效果，前者的可能性更大。

– 当我们控制大米和小麦粉摄入量的影响时，总热量摄入对所有心血管疾病死亡率的影响微不足道 （β=0.08；P=0.35）。 这表明小麦粉和大米都不会通过增加其他食物来源的总热量摄入来降低所有心血管疾病的死亡率。

– 女性与所有心血管疾病死亡率的降低显着相关 （β=-0.24；P=0.01）。 这是可以预料的。 换句话说，可以说，男人是有一些设计缺陷的女人。 （这种情况在更年期后会稍微逆转。）

小麦粉取代大米

下图显示了小麦粉摄入量 (WHTFLOUR) 和大米摄入量 (RICE) 之间的关联形状。 这些值以标准化格式提供； 例如，0 是平均值（也称为平均值），1 是高于平均值的一个标准差，依此类推。 该曲线是软件得到的最佳拟合U曲线。 它实际上具有指数衰减曲线的形状，可以看作U曲线的一部分。 这表明，在中国的一些地区，小麦粉消费量已经强烈取代了大米消费量，而且大米消费量高的地方，小麦粉消费量往往较低。

笔记

– 路径系数（表示为贝塔系数）反映关系的强度； 它们有点像标准单变量（或皮尔逊）相关系数，只不过它们考虑了多变量关系（它们控制每个变量的竞争效应）。 每当对非线性关系进行建模时，软件都会自动校正路径系数以考虑非线性。

– 此处使用的软件可识别非循环和单循环关系，例如对数、指数和双曲线衰减关系。 一旦确定了关系，就会纠正数据值并计算系数。 这与分析之前对数据进行对数转换不同，后者被广泛使用，但仅在底层关系为对数关系时才有效。 否则，对数转换数据可能比假设它是线性的更扭曲这种关系，这是大多数统计软件工具所做的。

– R 平方值反映了某些变量的解释方差的百分比； 它们越高，模型与数据的拟合效果越好。 在复杂和多因素的现象中，例如与健康相关的现象，许多人会认为 R 平方为 0.20 是可以接受的。 尽管如此，这样的 R 平方意味着特定变量 80% 的方差无法由数据解释。

– P 值是使用非参数技术（一种称为折刀法的重采样形式）计算的，不需要满足数据呈正态分布的假设。 对于小样本和具有异常值的样本（只要异常值是“好”数据，并且不是测量误差的结果），该技术和其他相关技术也往往会产生更可靠的结果。

– 每个县仅使用两个数据点（男性和女性）。 这增加了数据集的样本大小，而没有人为地减少方差，这是可取的，因为数据集相对较小。 这也允许测试常识性假设（例如，女性的保护作用），这在复杂的分析中始终是一个好主意，因为违反常识性假设可能表明数据收集或分析错误。 另一方面，它需要在分析中包含性别变量作为控制变量，这没什么大不了的。

– 由于所有数据大约是在同一时间（20 世纪 80 年代末）收集的，因此本分析假设大米和小麦粉的消费模式有些静态。 换句话说，让我们假设特定食物消费的变化确实会导致死亡率的变化。 不过，这种效果通常需要数年时间才能显现出来。 这是该数据集和任何相关分析的主要限制。

– 血吸虫病感染 (MSCHIST) 导致的死亡率不会与此处提供的结果混淆。 只有没有报告血吸虫病感染死亡的县才纳入本次分析。 使用变量 M059 ALLVASCc（35-69 岁）测量所有心血管疾病 (MVASC) 的死亡率。