2型糖尿病患者微血管并发症风险评估模型的开发：一项横断面研究

《Scientific Reports》：Development of risk assessment models for microvascular complications in type 2 diabetes mellitus patients: a cross-sectional study

　　

摘要

本研究旨在开发并验证用于评估2型糖尿病（T2DM）患者微血管并发症（特别是糖尿病视网膜病变（DR）和糖尿病肾病（DKD）风险的诺模图风险估计模型。研究采用回顾性横断面方法，共纳入6,043名T2DM患者，收集了他们的临床和实验室数据。通过最小绝对值收缩和选择算法（LASSO）回归从38个初始变量中筛选出显著的风险因素，并将这些变量纳入多变量逻辑回归分析中以构建风险估计模型。这些模型以诺模图的形式呈现，并通过自助法重采样进行内部验证。其性能通过判别能力（使用接收者操作特征曲线（ROC）和曲线下面积（AUC））、校准能力（使用校准图）以及临床实用性（使用决策曲线分析（DCA）进行评估。LASSO回归分别识别出8个和15个与DR和DKD相关的独立风险因素。DR模型包括年龄、糖尿病病程、胰岛素使用情况、周围神经病变、心率、HbA1c水平和总蛋白含量；DKD模型则包括颈动脉粥样硬化、糖尿病足、糖尿病病程、α-葡萄糖苷酶抑制剂使用情况、胰岛素使用情况、高血压病史、收缩压、淋巴细胞计数、总胆固醇、甘油三酯、白蛋白、BMI、尿酸和肌酐。多变量逻辑回归分析进一步证实了这些关联。诺模图的判别能力良好，DR模型的AUC分别为0.703（训练集）和0.732（验证集），DKD模型的AUC分别为0.802（训练集）和0.713（验证集）。校准曲线显示估计概率与实际概率之间具有良好一致性。本研究成功建立了有效的诺模图模型，可用于评估T2DM患者的DR和DKD风险。这些模型利用易于获取的临床参数，具备中等的判别能力和临床实用性，有助于早期识别高风险个体，从而实现针对性筛查并改善T2DM患者的微血管并发症管理。