基于工具变量模型揭示120万例代谢性心血管病患者的中西医诊断关联性研究

为解决中西医(WM/TCM)诊断编码关联性不明的问题，来自国内的研究团队通过分析2017-2022年1,218,224份中医医院出院记录，运用潜在类别分析(LCA)和工具变量(IV)双变量概率模型，首次量化证实糖尿病与气阴两虚证(系数=2.711)、脑血管病与气虚血瘀证(系数=2.433)/风痰阻络证(系数=3.176)的强相关性(P<0.001)，为中西医整合医学提供了循证依据。

　　

这项突破性研究挖掘了120万例45岁以上代谢性心血管病患者的诊疗数据，首次运用工具变量(Instrumental Variable, IV)模型破解了中医(TCM)证候诊断中的"信号噪声比过高"难题。通过潜在类别分析(Latent Class Analysis, LCA)和双变量概率模型的组合拳，研究团队发现：

在三级甲等中医医院(占比81.24%)的住院记录中，西医(Western Medicine, WM)诊断与中医证候存在显著映射关系。尤其值得注意的是，糖尿病患者的气阴两虚证回归系数高达2.711，而脑血管疾病与气虚血瘀证(系数2.433)、风痰阻络证(系数3.176)的关联性更是展现出极强统计学显著性(P<0.001)。

该研究创新性地引入计量经济学领域的工具变量方法，有效校正了中医证候诊断中因主观判断和编码不规范导致的系统误差。这些发现不仅为中西医整合提供了分子水平的桥梁，更为二级预防的精准医疗策略开辟了新思路。