系统性红斑狼疮患者疾病活动性和社会经济因素与体力活动的关系

Association of Disease Activity and Socioeconomic Factors With Physical Activity in Patients With Systemic Lupus Erythematosus

作者信息Heather T Gold, Isabella Giunta, Jiyu Kim, Yi Li, Jill P Buyon, Peter M Izmirly, Mala Masson, Amit Saxena, H Michael Belmont, Chung-E Tseng, Rebecca Anthopolos
PMID42698225
发布时间2026-09
DOI10.1002/acr2.90150

实验完整度

中

研究为横断面队列分析,采用问卷收集体力活动及相关因素数据,进行回归分析。虽有明确方法和统计分析,但缺乏实验性干预和功能验证。

主要模型

系统性红斑狼疮患者队列(n=271)

重点核对

研究对象为成人SLE患者,符合ACR 1997、EULAR/ACR 2019或SLICC分类标准至少一项 疾病活动性定义为SELENA-SLEDAI ≥6 vs <6 体力活动通过IPAQ自报过去7天中度/剧烈活动天数 亚组及敏感性分析:排除住院患者(n=248)

摘要

目的:体力活动可以降低系统性红斑狼疮(SLE)患者的心血管疾病和抑郁风险,并改善生活质量。为了促进SLE患者的体力活动并实现健康益处,了解体力活动的潜在障碍(包括社会经济、社会、人口统计学、生活质量或临床因素)至关重要。方法:我们对一个大型、多样化的SLE患者队列的数据进行了横断面分析。所有患者均完成了国际体力活动问卷,回忆过去七天的剧烈体力活动、中等强度活动或步行。数据包括经济不安全、日常歧视量表、教育程度、人口统计学特征、狼疮特异性疾病活动性、免疫抑制剂使用、人口普查区贫困指数以及患者报告的疼痛、疲劳和认知功能。多变量模型包括针对“任何”中等/剧烈体力活动的二元结果的逻辑回归,以及针对中等和剧烈活动总天数组合的准泊松模型。结果:在271名参与者中,170名(63%)报告在过去7天内进行了任何中等或剧烈活动(平均=2.6天中等/剧烈活动)。只有4%报告零天体力活动。逻辑回归分析表明,活动性疾病与进行任何中等/剧烈体力活动的几率降低47%相关(P = 0.04),并且与中等至剧烈体力活动平均天数减少35%相关(P = 0.04)。相比之下,个人和区域层面的社会经济因素以及患者报告的结果与体力活动无关。结论:中等/剧烈体力活动仅与疾病活动性呈负相关。目前的研究强化了主要控制SLE疾病活动性以促进患者身体活动能力的必要性,这可能改善症状。

实验结论

提炼研究问题、关键发现与证据,快速把握文章的核心贡献。

研究问题
在系统性红斑狼疮(SLE)患者中,哪些临床、人口统计学和社会经济因素与体力活动相关?
核心机制
疾病活动性(SELENA-SLEDAI ≥6)与较低的中度/剧烈体力活动相关,而社会经济因素和患者报告的结果未见显著关联。
主要证据
271例SLE患者的横断面队列,通过IPAQ评估体力活动,使用多变量逻辑回归和准泊松回归分析发现,活动性疾病患者进行任何中度/剧烈活动的几率低47%(OR 0.47, P=0.036),平均天数减少35%(IRR 0.65, P=0.043)。
研究意义
控制SLE疾病活动性可能有助于促进患者进行体力活动,从而改善症状和心血管风险。

研究路径

按研究推进顺序梳理实验设计、验证步骤与关键观察。

1

建立SLE患者队列并收集横断面数据

从大型城市中心的狼疮队列中纳入符合条件的SLE患者,获取基线临床、社会人口学和体力活动数据。

对机构狼疮队列中271例SLE患者(367例中应答率为74%)进行横断面分析,纳入时间从2022年9月到2025年3月,所有患者符合至少一条SLE分类标准。通过REDCap远程问卷或平板电脑在初诊后90天内收集IPAQ及其他自报问卷,并记录人口统计学特征、社会经济指标(如ADI、财务/物质不安全、教育)和临床变量。

2

评估体力活动水平

量化患者过去一周的体力活动,区分中度/剧烈活动与步行。

通过国际体力活动问卷(IPAQ)自报过去7天进行剧烈、中等强度和步行活动的天数,计算中等/剧烈活动的总天数(上限为7天),并定义为有/无二分类结局。

3

评估人口统计学、社会经济及临床相关因素

评估可能影响体力活动的潜在障碍,包括社会经济地位和疾病状态。

收集人口统计学(年龄、性别、种族/族裔)、社会经济(财务/物质不安全、日常歧视、教育程度、ADI)、临床变量(SLE疾病活动性、免疫抑制剂使用)和患者报告结局(疼痛、疲劳、认知功能)。

4

统计分析以识别与体力活动相关的因素

检验各因素与中度/剧烈体力活动之间的关联,控制潜在的混杂因素。

采用多变量逻辑回归分析有无中度/剧烈活动,使用准泊松回归分析中度/剧烈活动天数,校正年龄、性别、种族、族裔、疾病活动性、免疫抑制剂使用、财务不安全、歧视、教育、ADI和PROMIS量表。缺失数据通过链式方程多重插补处理(10个插补集)。

研究方法

按研究目的归类文中使用的方法,便于定位所需技术。

产品清单

实验环节名称品牌货号
REDCap----

关键环节

汇总复现实验时建议重点确认的条件及原文阅读提示。

环节核对要点
研究设计
样本量(n=271)和应答率(74%),入组标准(符合ACR 1997、EULAR/ACR 2019或SLICC标准至少一项,年龄≥18岁)
阅读提示:见Methods部分-Data
体力活动测量
问卷为IPAQ,回顾过去7天;结局定义(中度/剧烈活动天数,有/无分类)
阅读提示:见方法部分-Data和统计分析方法
疾病活动性定义
SELENA-SLEDAI评分≥6为疾病活动性,阈值的依据
阅读提示:见Methods部分-Data和Discussion部分(提及风湿科医生评估)
统计分析方法
逻辑回归和准泊松回归的模型调整变量(年龄、性别、种族等),多重插补设置
阅读提示:见Statistical analysis部分