编辑推荐：
糖尿病足溃疡（DFU）严重威胁糖尿病患者生命，造成巨大负担。研究人员开展糖尿病足风险预测模型的研究，对比分析多种方法，总结发展趋势。该研究为精准防控糖尿病足提供参考，助力降低发病率与死亡率。
在当今社会，随着人们生活水平的提高，糖尿病的发病率也在急剧上升。糖尿病就像一个隐藏在暗处的 “健康杀手”，悄无声息地给患者带来各种严重的并发症，其中糖尿病足（DF）尤为棘手。糖尿病足是糖尿病的一种严重慢性并发症，它的发病机制复杂，涉及神经病变导致下肢保护功能下降，以及大血管和微血管疾病引起的微循环障碍 。早期症状可能只是下肢的麻木、发凉和异常感觉，但如果不加以重视，病情会逐渐恶化，甚至可能发展为感染、骨髓炎和坏死。据预测，到 2045 年，全球糖尿病患者数量将达到 7 亿，其中 19 - 34% 可能会患上足部溃疡。在中国，超过 6000 万糖尿病患者中，有四分之一面临着糖尿病肾病的威胁。而且传统治疗方法效果有限，至少 30 - 40% 的患者最终不得不面临截肢，这不仅给患者带来身体上的痛苦，还对患者家庭和医疗系统造成了沉重的负担。
面对如此严峻的形势，为了更有效地应对糖尿病足带来的挑战，兰州大学护理学院等研究机构的研究人员开展了关于糖尿病足风险预测模型的研究。该研究成果发表在《Acta Diabetologica》上，为糖尿病足的防控带来了新的希望。
研究人员采用了系统回顾和综合分析的方法。他们广泛搜索了电子数据库，包括 PubMed、EMBASE、Cochrane Library、CNKI 等，还手动收集文献，确保全面获取相关信息。在文献筛选和评估阶段，严格遵循预定的纳入和排除标准，保证研究的高质量。
研究结果表明：
- 统计方法：逻辑回归模型作为经典方法，能整合多个变量信息，为患者提供个性化风险评估，预测准确率超 80%。年龄（尤其是 60 岁以上患者）、吸烟等是关键风险因素，吸烟可使糖尿病足溃疡（DFU）复发率增加约 50%。性别差异对糖尿病及其并发症影响显著，男性发病率更高，但女性在确诊时面临更多风险因素。
- 机器学习方法：机器学习预测糖尿病足溃疡的能力日益广泛，其强大的数据处理能力可揭示更复杂隐藏的风险因素。与传统统计方法相比，决策树、随机森林等算法能通过大量数据训练自动学习风险因素与糖尿病足溃疡之间的非线性关系，构建高效预测模型。
- 深度学习方法：深度学习在预测糖尿病足溃疡风险方面潜力巨大。卷积神经网络（CNNs）和循环神经网络（RNNs）等方法能从数据中提取高级特征，准确捕捉风险因素与糖尿病足溃疡的联系。基于图像和光电容积脉搏波（PPG）信号的深度学习模型可进行糖尿病足溃疡的早期筛查和准确分期，但 CNNs 对数据质量和计算资源要求较高。
在研究结论和讨论部分，研究人员指出，通过该研究不仅明确了影响糖尿病足溃疡发展的关键因素，还探索了机器学习在预测糖尿病足溃疡风险方面的潜在应用，以及综合护理在降低糖尿病足溃疡风险方面的有效性。然而，目前在探索综合护理有效性时面临证据确定性低的问题。未来，糖尿病足溃疡风险预测模型的发展将更注重模型优化和个性化，通过持续收集和分析新的临床数据，有望出现更精准、个性化的预测模型，帮助医生制定更精确的预防和治疗方案，提高糖尿病足的防治成功率。同时，还需要开展更多关于糖尿病足预防干预措施的研究，尤其是针对高风险人群的综合护理方法和针对中低溃疡风险人群的干预措施，通过高质量的随机对照试验，为糖尿病足的防治提供更坚实的科学依据和技术支持。
这项研究的意义重大，它为糖尿病足的早期预防和干预提供了科学依据，有助于医疗工作者更准确地评估患者的风险，采取针对性的预防和治疗措施，从而降低糖尿病足的发病率和死亡率，提高患者的生活质量。同时，也为后续的相关研究指明了方向，推动糖尿病足防治领域的进一步发展。
