背景 2型糖尿病周围神经病变(DPN)患病率高、危害性大,目前尚无有效的治疗方法.目的 探讨DPN的危险因素,旨在建立并验证一种辅助临床预测DPN患者的可视化评价工具.方法 收集2010—2019年在新疆医科大学第一附属医院就诊的15020例2型糖尿病(T2DM)患者,按照3:1的比例将患者随机分为训练组(n=11265)和验证组(n=3755).收集患者的一般资料和生化资料.通过Lasso回归分析筛选独立预测因子,在此基础上利用多因素Logistic回归分析进一步探讨并建立列线图预测模型,并由验证组评估DPN列线图预测模型的可行性.最后,分别采用受试者工作特征(ROC)曲线下面积(AUC)、校正曲线和决策曲线分析(DCA)对预测模型的鉴别能力、准确性和临床实用性进行评估.结果 15020例T2DM患者中,无DPN患者8887例,DPN患者6133例.Lasso回归结合多因素Logistic回归分析结果显示,年龄〔OR=1.034,95％CI(1.031,1.039)〕、糖尿病视网膜病变(DR)〔OR=11.881,95％CI(10.756,13.135)〕、糖尿病病程〔OR=1.070,95％CI(1.061,1.078)〕、糖化血红蛋白(HbA1c)〔OR=1.237,95％CI(1.209,1.266)〕、高密度脂蛋白(HDL)〔OR=0.894,95％CI(0.877,0.901)〕是T2DM患者发生DPN的影响因素(P<0.05).利用上述变量建立列线图预测模型.训练组中列线图预测模型预测DPN发生的AUC为0.858〔95％CI(0.851,0.865)〕,验证组中列线图预测模型预测DPN发生的AUC为0.852〔95％CI(0.840,0.865)〕.Hosmer-Lemeshow拟合优度检验显示出较好的拟合度(P>0.05).DCA显示当患者的阈值概率为0～0.9,使用列线图预测模型预测DPN风险的净收益更高.结论 本研究成功建立并验证一种高精度的列线图预测模型(预测变量包括年龄、DR、糖尿病病程、HbA1c、HDL),有助于提高DPN高危患者的早期识别和筛选能力.

糖尿病;2型;糖尿病神经病变;危险因素;预测模型

李永生;张学良;李丞;封志炜;王凯

830011 新疆维吾尔自治区乌鲁木齐市,新疆医科大学公共卫生学院;830011 新疆维吾尔自治区乌鲁木齐市,新疆医科大学医学工程技术学院;830054 新疆维吾尔自治区乌鲁木齐市,新疆医科大学第一附属医院;830011 新疆维吾尔自治区乌鲁木齐市,新疆医科大学继续教育学院

中国全科医学

[1]李永生;张学良;李丞;封志炜;王凯-.2型糖尿病周围神经病变风险的列线图预测模型研究)[J].中国全科医学,2022(06):675-681

糖尿病周围神经病变,列线图预测模型,DPN,患病率,危害性,临床预测,可视化评价,评价工具,新疆医科大学,T2DM,训练组,Lasso,预测因子,受试者工作特征,校正曲线,决策曲线分析,DCA,鉴别能力,糖尿病视网膜病变,DR,糖尿病病程,糖化血红蛋白,HbA1c,高密度脂蛋白,HDL,Hosmer,Lemeshow,拟合优度检验,拟合度,净收益,预测变量,高危患者,早期识别,糖尿病神经病变

0.211792