中国多民族队列研究：基于动态临床数据的视网膜病变风险预测列线图开发与验证

本研究针对糖尿病视网膜病变（DR）筛查资源不足的现状，开发了整合基线及随访数据的组合列线图（Combination nomogram）。通过SENSIBLE-Cohort多民族队列（n=2,447），采用Cox回归、LASSO等方法筛选BMI、血压等关键预测因子，验证显示组合模型AUC达0.75（vs基线模型0.64），为个性化筛查提供新工具，并首次提出"代谢性视网膜病变"概念。

　　

随着全球糖尿病患病率持续攀升，糖尿病视网膜病变（DR）已成为工作年龄人群致盲的首要原因。中国糖尿病患病人数居世界首位，但现有筛查体系面临两大困境：一是依赖专业眼科检查，医疗资源匮乏地区难以普及；二是传统预测模型多局限于糖尿病患者群体，且仅采用基线数据，无法反映代谢指标动态变化。更值得注意的是，中国多民族人群的DR风险特征尚未明确，亟需建立适用于不同糖代谢状态（正常糖耐量、糖尿病前期、糖尿病）的精准预测工具。

江苏省重点研发计划资助的研究团队开展了这项前瞻性队列研究。他们创新性地将随访数据纳入预测模型，构建出性能显著优于传统基线模型的组合列线图。论文发表在《Diabetes》杂志，为临床实践提供了可操作的风险分层工具。

研究采用多阶段建模策略：首先从SENSIBLE-Cohort（中国17省多民族队列）筛选2,447名基线无DR的参与者，通过ETDRS标准（糖尿病视网膜病变早期治疗研究标准）诊断终点事件。预测因子筛选结合了四种机器学习方法：Cox比例风险模型、Boruta算法、最小绝对收缩选择算子（LASSO）和递归特征消除（RFE）。最终模型通过Harrell's C指数、Brier评分和决策曲线分析（DCA）验证临床效用。

【Study design and population】
研究纳入汉族和12个少数民族参与者，平均随访3.2年。创新性地将人群按基线糖代谢状态分层：56.4%正常糖耐量，31.1%糖尿病前期，12.5%糖尿病患者。这种设计突破了既往研究仅关注糖尿病患者的局限。

【Baseline clinical characteristics】
队列平均年龄53.0±8.6岁，女性占66.1%，平均BMI 25.4±3.5 kg/m²
。随访期间DR发生率5.9%，其中60.4%在首次随访时即被发现，提示代谢异常可能早于DR临床表现。

【Results】
关键发现包括：1）腰臀比、甘油三酯（TG）、收缩压（SBP）等代谢指标与DR显著相关；2）组合模型在少数民族亚组中AUC提升更显著（0.79 vs 0.61）；3）决策曲线显示在10-30%风险阈值范围内，组合模型净获益率超85%。特别值得注意的是，模型对糖尿病前期人群同样具有预测价值（AUC 0.71），这为"代谢性视网膜病变"概念提供了实证依据。

【Discussion】
研究突破传统DR的"高血糖中心论"，首次系统论证了血压、血脂等代谢综合征组分在DR发生中的独立作用。组合列线图的优势体现在三方面：临床可及性（仅需常规体检指标）、跨族群适用性（包含汉族和主要少数民族）、动态预测能力（整合随访数据变化）。作者特别指出，该模型可帮助资源有限地区实现"精准初筛"——对高风险人群优先转诊眼科检查，预计可减少30%不必要的专科筛查。

这项研究的重要价值在于：一方面建立了首个中国多民族DR风险预测工具，另一方面通过代谢指标与DR的关联分析，提出了视网膜病变可能是全身代谢异常窗口的新观点。未来研究可进一步探索模型在基层医疗场景中的应用效果，以及代谢干预对DR预防的潜在价值。