痛風個案之家族研究

痛風個案定義：由於回答「自身患有痛風」的 72 人中，回答為「經 醫師確診」者有 71 人；故以下之分析之痛風個案(case)認定，均以回答 醫師確診者定義之。據此，非痛風(control)之受訪者總共 110 位。個案變 項漏失(missing)者有兩位。

一、基本變項之描述 1. 基本變項 [表 2.1.1]

變項說明：年齡照錄原始變項數值；種族概分為原住民與非原住民兩組；

教育程度概分為小學(含)以下和國中以上兩組；婚姻狀態概分為已婚 (含鰥寡)和未婚兩組；宗教信仰概分為「信仰基督的」(Christian；含 基督教徒和天主教徒)和「非信仰基督的」兩組。個人體質方面，我 們只列出受訪者之身體質量指數(BMI)，以 BMI＝27 為切點概分為 兩組。

結果說明：表 1.1 顯示各變項的「不同層」的頻度分佈。例如，「教育程 度」變項，低於（含）小學程度之一層，共有 121 人，佔所有受訪(181 人疾病狀態已知)者之 66.9%；宗教信仰方面，「信仰基督的」佔約 81%；其餘依此類推。

除了列出各變項之頻度分佈外，我們在表一中以痛風個案與非個案做 分層，暫時先忽略同一家族內部成員間之相關性，估計「個案非個案」

與各基本變項間之相關性。結果顯示，受訪之痛風個案與非個案平均 年齡分別為 57.1 及 49.8 歲，相差約 7.3 歲，由 t-檢定或 Wilcoxon 的 rank-sum 檢定均顯示為統計上顯著之差異。其餘二元化(dichotomous) 之變項，只有性別和 BMI 與痛風有顯著相關。性別的解釋能力相當 高，痛風個案/非個案其為男/女性之勝算比(以下均簡單地以 OR 稱之)

BMI 的解釋能力雖然也是高的，但是卻是在與我們原本預期的相反的 方向上； OR 值為 0.4 說明痛風個案的 BMI 值相對較低，這與我們 review 的文獻陳述不合，或許是由於個案本身特別的減重控制(比較不 可能)，或許是由於干 擾 (confounding)之存在所致(比較可能)。

2. 個人病史(共病症,comorbidity) [表 2.1.2]

變項說明：所謂共病症指的是對於受訪者，詢問其個人的病史，以詢問 時回答醫師確診者為準（非經由血液之生理生化檢驗）；這些個人病 史包括高血壓、糖尿病、肝病、中風、心臟病、腎臟病、高尿酸（血 症）、高血脂症、酒癮等。酒癮之界定依胡海國教授之定義，以飲酒 行為傾向六題題目（參見所附之問卷）中前四題有三題以上回答

「是」、或全部六題有四題以上回答「是」者定義為酒癮個案。各共 病症的頻度分佈及其與痛風個案非個案之關聯性列於表 1.2。其中，

關聯性我們除了概似比檢定以外，亦報告 Fisher 氏確值檢定(exact test) 的結果。

結果說明：就分佈而言，較顯著（人數較多）的共病症為高血壓 (佔 76/182=41.8%)、心臟病(佔 21.7%)、高尿酸(54.4%)、酒癮(24.6%)等，

其餘共病症的人數均在 10%以下。就相關性而，在未調整其他干擾因 素的情況下，與痛風關聯性較顯著之疾病為高尿酸(OR=2.6, 95%CI:

[1.4, 4.8])及高血壓(OR=2.0, 95%CI: [1.1, 3.6])，其次為酒癮 (OR=1.9, 95%CI: [1.0, 3.8])，再其次為肝病(OR=2.8, 95%CI: [0.9, 8.8])。

3. 家族痛風史 [表 2.1.3]

變項說明：本研究所定義之家族資料，以核心家庭為主，更大的家族結 構資料分析是未來的目標。家族成員的數目方面，共有 46 個家庭訪 問到一個成員、68 個家庭訪問到兩個成員、其他則有 51、8、10 個家 庭各訪問到 3、4、5 個成員。雖然問卷中有針對高血壓、糖尿病、肝

病… 等等疾病作詢問，但是本研究只先分析「痛風」的部分。我們的 變項界分為五種：全部家庭成員只要有一人有罹患痛風，就將「全家 庭」變項定為「有」，否則即定為「無」；而所謂的「全家庭」即是「一 等親」加上「配偶」。其他的四種變項（「父或母」、「兄弟姊妹」、「配 偶」、「一等親」）定義仿此。

結果說明：回答「全家庭」、「父或母」、「兄弟姊妹」、「配偶」、「一等親」

為「有」痛風者，各佔全部該變項完整資料之 61%、29%、37%、29%、

46%；其中只有「父或母」一項與受訪者之痛風與否無顯著相關性；

其餘均有很顯著的相關性（OR 值：「全家庭」2.8、「兄弟姊妹」3.0、

「配偶」為 0.14、「一等親」則為 4.8）。但是「全家庭」、「兄弟姊妹」、

「一等親」三變數在 OR 值的估計上容易因家族成員數之增加而有正 相關高估之情形。在表 1.3 的結果中，較出乎意料的是「配偶」，其”

效果”為負；這或許只能解釋為配偶中有人罹患痛風會使另一人更加 注意與痛風有關之危險因子（比如喝酒）之控制。

此外，這份家族病史的調查在填答上有很多遺漏(missing)的情形，這 種情況在單變數分析時通常不會出什麼問題，但是除非一個受訪者在 所有問題的回答上都很完整，否則該筆資料在多變數分析時會被刪除

（以 SAS 8.2 而言）。

4.烹調方式、食物攝取、健康(危險)行為[表 2.1.4]

變項說明：烹調方式包括詢問受訪者吃煎煮炒炸烤食物之頻度、食用各 種食物（包括肉類海鮮動物內臟… 蔬菜水果奶蛋等）之頻度、喝白開 水、喝茶、抽煙、吃檳榔、運動習慣等。為表達上之方便，我們仍將 各變項二元化(dichotomize)，超過某個頻度者定為常吃（或常做）。但 我們對於切點(cut-off point)的找法不是一律採取同一標準（比如一律

最接近中位數者當作切點。

結果說明：就烹調方式而言，並未顯示常食用哪一種烹調方式與痛風有 關；就食物攝取而言，除了肉類之食用與痛風較顯著相關，其餘食物 近半年的攝取情形皆與痛風無顯著相關。尤其肉類，痛風個案/非個案 其常吃與不常吃者之 OR 值為 0.53 (95%CI=[0.29,0.98])。這兩點顯示，

痛 風 個 案 /非 個 案 或 者 在 回 答 的 偏 差 (bias,error)上 具 有 差 異 現 象 (differential)，或者在飲食攝取行為的改變上 (尤其痛風個案)近半年有 明顯的差異現象。蔬菜、水果的攝取受訪者回答「常」的百分比在 90%

或 70%以上，痛風個案/非個案攝取頻率無顯著差異。白開水或茶的飲 用，本研究中亦看不出差異。就健康(危險)行為而言，「抽菸」變項是 顯著的，OR 值為 2.9（95%CI=[1.4, 6.0]）。

5 受訪者與主要飲食照護者對受訪者本身飲食變項回答之一致性分析[表 2.1.5]

這份問卷在飲食方面問題之設計，是參考 Johns Hopkins 大學關於飲食 的問卷加以改變，以適應本研究之需要。為了理解我們問問題的方式 是否很容易被受訪者所回答，我們在問卷裡設計了由受訪者之主要飲 食照護者另外回答的題目，是關於「烹調方式」與「食物攝取內容」

的。如果由受訪者及其主要飲食照護者所回答之「受訪者本人」的「烹 調方式」與「食物攝取內容」一致性(concordance, correlation, or reliability)很高，則後續之分析只需考慮其中一人回答之結果即可。表 1.5 顯示不論就「烹調方式」或「食物攝取內容」，Spearman 相關係數 (r)各題均在 0.8 以上，只有「蔬菜」一題回答的一致性較低(r=0.57)。「烹 調方式」一大題之加權平均為 0.83；「食物攝取內容」一大題之加權平 均為 0.85。

二、患者最初發作年齡之事件史(‘存活’,survival)分析 [表 2.2 ＆圖 1]

變項說明： 我們以「痛風個案」所回答之最初發作年齡為結果變項 (outcome variable)，分析幾個重要變項不同層間之差異。這幾個重要 的變項包括性別、種族、幾個家族痛風史變項、以及幾個個人其他共 病症變項等。我們除了列出不同層間之平均值、中位數(median, Q2)、

25%-分位點(Q1)、75%-分位點(Q3)作為比較外，亦以存活分析(survival analysis)或即事件史分析(event history analysis)的方式，再不調整其他 干擾因子之情況下，比較上述諸重要變項兩層間之”存活”曲線。

結果說明：配合圖 1 和表 2.2，可以看出：

(1) 對於痛風個案之最初發作時間，原住民比非原住民平均早了將近 20 年（19.1 年）[Q1 早了 15 年，Q2 早了 23 年，Q3 早了 30 年]。Logrank 檢定(p 值=0.005)與 Wilcoxon 檢定(p 值=0.019)結果均顯示上述之差異 為顯著之差異。

(2) 同樣本身是痛風個案，父親或母親其中之一有痛風病史者其最初 發作年齡比父、母親皆非痛風患者平均早了 10.5 歲 [Q1 早了 4 年，

Q2 早了 16 年，Q3 早了 22 年]。Logrank 檢定(p 值=0.012)與 Wilcoxon 檢定(p 值=0.036)的結果均為顯著。

(3) 痛風個案本身有酒癮者，其最初發作年齡比沒有酒癮者平均早了 9.8 歲 [Q1 早了 4.5 年，Q2 早了 6.5 年，Q3 早了 18 年]。Logrank 檢 定(p 值=0.003)與 Wilcoxon 檢定(p 值=0.015)結果亦均顯示上述之差異 為顯著之差異。

(4) 其他較重要的變項包括性別（男性比女性痛風個案最初發作年齡 平均早了 13 年）、「高血壓」（高血壓痛風個案比非高血壓痛風個案最 初發作年齡平均早了 6.8 年）、「肝 病」（肝病痛風個案比非肝病痛風 個案最初發作年齡平均早了 10.0 年）、「心臟病」（心臟病痛風個案比 非心臟病痛風個案最初發作年齡平均早了 12.9 年）。

(5) 以 Cox 的正比例危險模式(proportional hazards model)做迴歸模型 配適與估計，只有兩個預測因子是顯著的，即「父或母是否為痛風患 者」(p 值=0.019)與「酒癮」(p 值=0.008)。此二因子所估計之相對危險 率(relative risk; RR)「父或母為痛風患者」比「父母皆非痛風患者」為 2.2 [95%CI=(1.1, 4.3)]；「酒癮者」比「非酒癮者」酒癮者 RR 值為 2.6 [95%CI=(1.3, 5.1)]。

三、痛風家族資料痛風相關因子邏輯斯迴歸模型之 GEE 分析 [表 2.3；包括表 2.3.1、2.3.2]

1、單變數與多變數 GEE 邏輯斯迴歸分析（含變數選擇過程）之參數估 計[表 2.3.1]

各個變項的定義同前面的分析，以下以受訪者「是否經醫師確診罹患痛 風」為結果變項(outcome variable)，進行邏輯斯迴歸(logistic regression) 分析，而危險因子(解釋變數)則包括前面的描述性分析中所得到之較顯 著、或本研究認為較重要、較有興趣之解釋變項。這些變項包括年齡、

性別、BMI、種族、幾個個人共病症、抽煙、吃檳榔、喝水、及「飲食 整體評估是否較常吃高普呤食物」（兩項以上回答為每週常吃）、家族痛 風史等。由於同一家族資料具有相依性(dependence, correlation)，我們使 用 廣 義 線 性 模 式 (generalized linear model) 架 構 下 之 廣 義 估 計 式 (generalized estimating equation) 方法處理此相依性。以下的分析先只列 出參數估計及其顯著性(即 p 值)。

(1) 單變數迴歸分析：顯著的解釋變數為年齡、性別、BMI、抽菸、「酒 癮」、「高尿酸」、「肝病」、「高血壓」、「配偶有痛風」、「一等親有痛風」。 這些顯著的變項就方向性而言均符合一般的理解，唯「配偶」變項的參 數估計為負(<0)，顯示受訪之痛風家庭，可能痛風個案的生活或發作情形 會使其配偶在生活上更加小心、從而降低各種可能危險因子之暴露。

(2) 若將上列之所有解釋變數均放入迴歸模型時，我們稱之為「全模型」

(full model)。「全模型」的配適結果，一者家族病史的部分皆不顯著，二 者家族病史的資料填答漏失(missing)情形較嚴重，常有不同的受訪者漏失 題目不同的情形。這會使得（以 SAS 8.2）進行多變數迴歸分析時，因一、

二項變數漏失而整筆資料同被刪除的情形很嚴重。於是，我們先考慮將 家族病史的變項全部排除，得到模型 I (Model I)。模型 I 的配適結果，顯 著的解釋變數為年齡、性別、「酒癮」、「肝病」、「高血壓」。抽菸、BMI、

二項變數漏失而整筆資料同被刪除的情形很嚴重。於是，我們先考慮將 家族病史的變項全部排除，得到模型 I (Model I)。模型 I 的配適結果，顯 著的解釋變數為年齡、性別、「酒癮」、「肝病」、「高血壓」。抽菸、BMI、