1 绪论

据《国人健康关注度大数据》显示，近年来的“十大最受关注的疾病”均为慢性病，其中，颈椎病也进入了榜单，成为近年持续热议伏案工作者们最为关注的健康疾病之一。更严重的是，颈椎病已经不是中老年人的专利，中年乃至青年人也已跻身颈椎病大军。^[1]

这与移动办公笔记本、智能手机、便携式游戏机等电子设备普及以及移动互联的迅猛发展密切相关。一些常见的低头刷手机、伏案工作等等无意识的不良举动，都是颈椎病的隐形推手。早在2016年，国内一项研究对2000例颈椎病患者展开了调查，数据显示30岁以下的颈椎病患者占接近40%。颈椎病的低龄化已演变成一种趋势，并以不可思议的速度迅速增加。

基于以上场景的描述，考虑到很多青年人对身体状况的管理、对营养的管理、对健康干预的管理、健康数据的建立等是不到位的；同时，大健康管理也正处于提速发展阶段，急需相关数据的深度挖掘。因此，本课题拟调查研究者所在高校大学生颈椎健康状况，分析大学生颈椎健康的危险因素，使用相应的SPSS数据分析软件对真实场景下所收集来的一手数据进行科学研究，揭示其中的相关规律。

2 关键技术及理论分析

科研中的数据分析可以通用的定义为：用适当的统计分析方法对收集来的大量数据进行分析，提取有用的信息和形成结论，而对数据加以详细研究和概括总结的过程。在实际研究中，可将该过程按照流程图的形式进行逐一拆分，按照SPSS软件的特点可以绘制如下的流程，图2.1表达的概念是一种通用的数据分析解决方法，通过数据的预处理、数据的描述统计、数据的推论统计，来描绘清晰的SPSS数据分析脉络。

图2.1 SPSS数据分析流程图

本次研究的另一个难点在于对于颈椎类疾病患病程度的判断，因为不具备直接进行医学检查的条件，因此需要通过其他合理的手段间接获取需要确定的数据。通过查找相关文献，我们发现颈椎功能障碍指数 (Neck Disability Index , NDI)是一个比较容易操作并且获得了科学界的一致认可的评估方法，它最早由Howard Vernon于1991年提出，旨在让颈部疼痛患者进行自我评估^[2]。

NDI共10个项目, 包括: 颈痛及相关的症状(疼痛的强度、头痛、集中注意力和睡眠) 和日常生活活动能力(个人护理、提起重物、阅读、工作、驾驶和娱乐) 两部分。每个项目最低得分为0分，最高得分为5分，分数越高表示功能障碍程度越重。计算颈椎功能受损指数的公式可表达为：颈椎功能受损指数(%) =(每个项目得分的总和/受试对象完成的项目数×5)×100%。最终的结果可通过下表进行快速判断:

· 0-20%: 表示轻度功能障碍;

· 21%-40%: 表示中度功能障碍;

· 41%-60%: 表示重度功能障碍;

· 61%-80%: 表示极重度功能障碍;

· 81%-100%: 表示完全功能障碍或应详细检查受试对象有无夸大症状。

NDI在实践过程也进过了部分小的改动，最终版本的英文原始调查表如图2.2所示。

图2.2 修改过的英文最终版本

因为NDI的原始统计表格为英文格式，本次研究为方便高校大学生快速完成问卷调查表的填写，专门将该文档翻译为中文，同时也发现部分选项如做家务、娱乐、驾车等场景下的颈部感受，更合适上班族人士进行填报。因此，我们又通过查阅国内医学文献资料将部分选项替换为更加合适中国大学生实际情况的个人动作、校园社团活动等选项^[3]。

3 分析系统的实现

3.1 问卷设计及数据导入

本次调研以研究者所在大学的高职和本科学生为研究对象，已进入实习阶段或已离校大学生未在此次调查范围内。调查按照不同的年级阶段，因考虑到大一新生入学不久，以往的历史情况、日常习惯更接近于高中时的状态，因此未计入本次调研的范围。在校内的本科学生大二、大三、大四共3种不同类型年级的班中各选择一个班，以班级为单位使用问卷星电子问卷的形式开展此次调查的工作。选择82名学生发放调查问卷，问卷收回率为100.00%，合格数量为82份，合格率为100%。

问卷题目从日常习惯、对病症的认知度以及颈椎症状3个方面进行了问题设计。根据研究目的和问题，设计合适的研究方法，然后进行数据收集。问卷首先获取个人性别、年龄、学习阶段等信息，然后就可能对颈椎健康产生影响的行为习惯相关因素进行调查，最后获取颈椎健康的情况，颈椎健康程度的判断主要依据颈椎功能障碍指数NDI(Neck Disability Index)，NDI共设计有10个项目, 包括有颈痛及相关的症状和日常生活活动能力两部分，在设计相关问题时，考虑到我国学生的学习生活实际情况，参照相关文献将驾驶、娱乐调整为自查姿势和运动时间。自查姿势主要包括下颌触及胸前、左右两肩及后仰时的自感状态，运动时间主要是以每周的参与运动时常为衡量单位分为若干档次。每个项目最低得分为0分，最高得分为5分，最后转换为百分形式，分数越高表示功能障碍程度越重，按每20分一档，可分为5级。同时，问卷也设计请被访者提供最近一次颈椎体检的结果情况，但该选项因存在不确定性仅作为与NDI指数对比的参照项。可用于后续的信效度分析的数据参考。问卷的界面设计如图3.1所示，通过学生的填写反馈，可以在问卷星后台直接获取基本数据统计信息，后台管理数据的界面如图3.2所示，并且可以将整体数据以sav文件的形式直接下载，以供后续的SPSS软件读取分析。

图3.1问卷设计界面

图3.2问卷后台管理数据的界面

3.2 数据处理

在数据导入后，首先应观察数据，查看是否有需要对数据进行进一步的整理和清洗，例如删除缺失值、更改变量名、重新编码等，同时，也可以进行描述性分析。本次研究共需要有两项数据处理操作完成，第一是第27项调查内容“预椎病颈椎疼痛值”的选择方式是通过拖拽在数值滑杆上的数值标签块完成的，部分同学认为疼通度为零不用填选，这样会造成统计数据该项的值为空，因此需要使用SPSS转换菜单中重新编码为相同变量，将该项中所有为空选项设置为默认值0。设置方法如图3.3所示。

图3.3重新编码为相同变量设置空值为0

第二项操作则是统计计算颈椎相关的各项指数，通过对第16到25项的数据使用公式统计的方法，计算总的颈椎功能受损指数，此项操作主要是通过设置新的变量，并使用SPSS转换菜单中的重新编码为不同变量，将结果按每20分为一档次的方式进行划分，此处可将划分结果用饼图表示如图3.4，该图说明近75%的同学颈椎自感没有异常或感觉轻微，近20%的同学颈椎有中度异样感觉，剩下5%左右的同学有明显的异样感，但是整体上没有出现颈椎情况极端严重的学生。

图3.5对NDI指数分布的饼图展示

3.3 信效度分析

信度和效度分析在进行问卷分析的场景中较为常见，在较为成熟的判断条件中也均适用。信度和效度可以作为问卷质量的一个判断条件，客观上反映出问卷的数据可靠性质量的高低，如问卷数据内部一致性比较高，所以可以用来做后续的建模分析，而相反的，如果信效度不高，就说明问卷需要再次调整。在本次调查中，我们采用多组数据互相印证的办法，通过观察最终的饼图数据分布的一致性来确认信效度是否可信。为此，我们专门在问卷中加入第26、27两项自我颈椎状态评价方法，通过饼图计算，得到了如下的分布情况。

图3.5信度和效度分析对比饼图展示

从图3.5中的左图可以看出，最近一次颈椎检查情况为正常的比例情况正好为75%，结论与NDI指数计算后的分布结果相吻合，右图按照疼通指数，从0级到轻微度2级，整体占比也基本为75%，说明这三者在信效度检查方面保持了数据的一致性，因次可以认为此次问卷的设计方式是有效的。当然，也可以进一步采用参数计算的方式进行更加严谨的推导。

3.4 推论统计

推论统计通常是作为数据收集和汇总之后的下一步操作，虽然我们的问卷方案也可以在全校一万多学生中全面展开，从而完整的获取到整个学校学生的全部数据。但是，事实上这样做的经济成本代价比较大，且耗时更长。我们可以巧妙地采用推论统计方法，利用较小的班级群体样例数据来推论全校可能的较大群体的特征。比如，采取参数检验和非参数检验的办法，在实际的应用中需要根据具体需求选取正确的统计方法来检验假设是否成立。

对来自正态总体的样本均值进行假设检验，又称为均值比较，通常采用Z检验法和t检验法。如果总体方差已知，则采用Z 检验法；如果总体方差未知，则采用t 检验法。为了研究通过调查获取的NDI指数是否符合正态分布，我们可以在数据视图界面，点击分析、描述统计、P-P图选项，在对话框界面中选择检验NDI指数的正态分布情况，点击确定按钮，生成P-P图及P-P趋势图如图3.6所示。

图3.6 NDI指数的正态分布P-P图及P-P趋势图

通过观察改图，我们可以看出P-P图上的数据点与直线的重合度很好，说明数据分布与理论分布（正态分布）基本保持一致。此外，也可以从P-P趋势图上的点是否关于Y=0在一个较小的范围内上下波动来判断。如果数据与理论分布无显著差异，那么图中的点应随机分散在0横线的附近。在本例中，图中的点有一定小幅波动，表明样本来自的总体分布与理论分布略有差异。

3.5 逻辑回归分析

最后，我们以NDI指数是否为2以上作为是否进入亚健康状态为标准，对可能影响因素分别做单因素 logistic 回归分析，logistic 回归分析需要因变量是逻辑变量，也即0-1型变量或者是1-2-3的顺序变量，本研究的DNI分类就是1-2-3型顺序变量，且顺序越高，表示颈椎的病变程度也越高。建立模型如图3.7所示，模型拟合信息见表 1。最终一行输出了Logistic回归模型中所有参数是否均为0的似然比检验结果，这是总体评价的关键检验。其中，显著性P<0.05表示在本次拟合模型中，纳入的变量中，至少有一个变量的OR值有统计学意义，即模型总体有意义。

图3.7 有序多元Logistic回归模型设置

表1 模型拟合信息

拟合优度表，原假设模型能很好地拟合原始数据，最后一列皮尔逊卡方显著性值1.000，概率较大，原假设成立，说明模型对原始数据的拟合通过检验。伪R方表，依次列出的3个伪R方值均很高，最低的为0.7，说明模型对原始变量变异的解释程度较好，拟合程度比较准确。

接下来，通过模型似然比检验表2，我们能看到最终进入模型的效应包括前述各个可能影响颈椎健康的因素，而且最后一列体育运动的时间的显著性值表明，以上各个自变量对模型构成均有显著贡献，研究它们是有意义的。

表2似然比检验表

列在最后的参数估算表表3，列出自变量不同分类水平对NDI指标的影响检验，是多项logistic回归非常重要的结果。该表内容较多，仅截取了部分代表性数据。第一列B值，即各自变量不同分类水平在模型中的系数，正负符号表明它们与NDI指数是正比还是反比关系。第三列是瓦尔德检验显著性值，此值小于0.05说明对应自变量的系数具有统计意义，对因变量不同分类水平的变化有显著影响。

表3参数估算表

3.6 结论

近年来，学生在高中阶段因升学压力，往往电子化产品接触较少；在进入大学后，由于电子化产品的普及、学习方式的改变、个人管理的变化等因素，大学生的颈椎病正在逐渐呈现出比例变高的趋势，如果不注意个人的日常习惯调节，如长期姿势不正确的坐姿和卧姿、对颈椎的物理状态产生极端变化的行为等都有可能加速退行性颈椎病变的发生。通过NDI指数的调查发现，部分同学的颈椎已处于亚健康的状态，急需进行针对性的矫正，以避免出现更加严重的状况。本次对高校学生的科研统计表明，本科生出现颈椎中度至重度相关症状的比例已经约有25%左右。

从流行病学特征分析，性别和年龄的变化情况与大学生颈椎亚健康状况之间呈现无关性。在问卷中出现的其他习惯如长时间阅读、头部姿态不良、缺乏运动、深度熬夜、睡眠质量差、生活环境冰冷或潮湿导致头颈部受凉、学业压力大等都是影响学生颈椎产生亚健康状态的因素^[4]。本研究中关于大学生颈椎健康问题信息的获取流程主要涉及到大数据的收集、整理、分析、挖掘。现在不仅可以发现大学生颈椎健康潜在的问题，掌握其发展的规律，还能够驱动精确计划和精确决断，促进其精确化和“治未病”化，创造精准治疗、科学防护的新形态^[5]。

因此本研究呼吁高校重视在校学生颈椎保护的宣教工作，对于大部分学生听课时头部姿势不正给予提醒，如长时间保持头部为某一单调的姿势，不注意运动颈部肌肉使颈部肌肉产生劳损等。此外，高校学生在宿舍睡眠的质量也应关注，如宿舍床铺枕头的高度软硬程度会导致睡眠姿势不良从而使肩部肌肉不能有效放松，颈椎物理负荷过大使其平衡状态出现紊乱，这些都会使颈椎进入亚健康状态^[6]。

参考文献

[1] 谢伟鑫．综合疗法干预大学生颈椎亚健康［D］．济南:山东中医药大学，2011．

[2] Blomgren J，Strandell E，Jull G，et al．Effects of deep cervical

flexor training on impaired physiological functions associated with

chronic neck pain：a systematic review［J］．BMC Musculoskel

Dis，2018，19（1）：415．

[3]李华南. 三步快速自测颈椎是否健康[J]. 开卷有益（求医问药）,2021(4):28-29.

[4]田泽远，马振，刘希佳．高校大学生颈椎亚健康流行状况及其影响因素分析［J］．潍坊医学院学报，2019，41（1）：72-74

[5] 谢佳，刘哲宇，李健，等．某高校学生颈部健康状况及防治认知特征研究［J］．中国校医，2020，34(2):84-86，106．

[6]周帆，严隽陶，吴嘉容.传统与现代疗法防治颈椎病概况[J].湖南中医杂志，2019，35（2）：164.

本研究课题受陕西国际商贸学院研究课题资助，编号SMZX202144