糖尿病颈动脉粥样硬化风险预测新工具：基于多中心队列的列线图模型开发与验证

本研究针对2型糖尿病(T2DM)患者颈动脉粥样硬化(CAS)风险预测工具缺乏的临床难题，通过回顾性分析1,258例患者数据，首次构建整合年龄、吸烟、饮酒、收缩压(SBP)、脂蛋白(a)[Lp(a)]、非高密度脂蛋白胆固醇(non-HDL-C)和肌酐(Cr)等7项独立危险因素的列线图模型。该模型在训练集和验证集中AUC达0.791-0.721，校准曲线显示优异预测一致性，为糖尿病心血管并发症早期干预提供量化工具。

　　

心血管疾病(CVD)已成为21世纪全球健康的首要威胁，其中动脉粥样硬化是导致心梗、脑卒中的核心病理机制。在2型糖尿病(T2DM)患者中，高血糖、胰岛素抵抗和慢性炎症的"三重打击"使动脉粥样硬化进展速度倍增——中国糖尿病患者CVD死亡率是普通人群的1.9-2.26倍。颈动脉作为"全身血管的窗口"，其粥样硬化斑块被视为心血管事件的预警信号。然而临床面临严峻挑战：现有风险评估工具多针对普通人群，缺乏针对糖尿病特殊病理生理特征的预测模型，导致高危患者识别滞后。

为破解这一困局，Jing Liu、Shoukun Dou等学者在《BMC Cardiovascular Disorders》发表创新研究。团队采用三阶段验证策略：首先纳入2018-2021年880例T2DM患者，按7:3随机分为训练集(n=616)和内部验证集(n=264)；另设2022-2023年378例患者作为外部验证集。通过LASSO回归筛选变量，结合多因素logistic回归构建模型，最终开发出包含7项参数的列线图。关键技术包括：双盲超声诊断颈动脉粥样硬化(依据美国心脏病学会标准定义IMT≥1.5mm或局部增厚>50%)、10折交叉验证优化变量选择、决策曲线分析(DCA)评估临床效用等。

研究结果揭示多项重要发现：

1. 1.

   危险因素识别：年龄≥45岁使风险激增7.3倍(OR=7.266)，吸烟(OR=1.872)、频繁饮酒(OR=1.490)和高血压(SBP≥140mmHg, OR=2.131)显著促进斑块形成。

2. 2.

   新型生物标志物：Lp(a)≥96nmol/L(OR=2.062)和non-HDL-C≥4.48mmol/L(OR=1.593)被首次确认为糖尿病特异性预测因子。

3. 3.

   肾功能关联：肌酐≥84μmol/L(OR=1.621)提示肾功能损伤与颈动脉病变存在协同恶化。

模型验证表现亮眼：训练集AUC达0.791(95%CI:0.756-0.826)，内外验证集保持0.725-0.721的稳定性能。校准曲线显示预测概率与实际观察值高度吻合，DCA证实当阈值概率>15%时，模型净获益显著优于传统策略。

这项研究开创性地解决了糖尿病血管风险评估的三大痛点：

1. 1.

   精准化：突破传统模型依赖冠状动脉评估的局限，首次针对颈动脉病变建立糖尿病专属预测体系。

2. 2.

   可操作化：列线图将复杂参数转化为直观评分（如59岁吸烟男性得分为166分对应73%风险），便于基层应用。

3. 3.

   机制探索：揭示non-HDL-C（含致动脉粥样硬化脂蛋白残粒）较LDL-C更能反映糖尿病血脂异常特征。

值得注意的是，研究也存在改进空间：外部验证集AUC略降至0.719，提示需在更多种族群体中验证；未来可整合基因组学数据和动态血糖监测指标以提升预测灵敏度。该模型为糖尿病心血管并发症的二级预防提供了重要决策工具，其临床应用有望将干预窗口前移5-10年。