2型糖尿病周围神经病变影响因素分析及列线图预测模型构建

《Frontiers in Neurology》：Analysis of factors influencing diabetic peripheral neuropathy in patients with type 2 diabetes mellitus and construction of a nomogram prediction model

　　

目的：分析2型糖尿病（T2DM）患者糖尿病周围神经病变（DPN）的影响因素，并构建列线图（nomogram）。方法：共纳入570例T2DM患者，按1:1比例分为训练集（285例）和验证集（285例）。采用Logistic回归分析确定独立危险因素，并开发、验证和评估列线图。结果：高龄（OR?=?4.575）、体质量指数（BMI）≥24.0?kg/m²（OR?=?2.463）、吸烟史（OR?=?2.585）、饮酒史（OR?=?2.717）、合并高血压（OR?=?2.925）、合并血脂异常（OR?=?2.393）、合并糖尿病肾病（DKD）（OR?=?2.602）和合并糖尿病视网膜病变（DR）（OR?=?4.030）是T2DM患者发生DPN的独立危险因素（p?2分别为8.212和8.392，p分别为0.413和0.396。当阈值概率在0.22–0.96和0.18–1.00之间时，列线图更有利于预测T2DM患者发生DPN的风险。结论：高龄、BMI≥24.0?kg/m²、吸烟史、饮酒史、合并高血压、合并血脂异常、合并DKD和合并DR是T2DM患者发生DPN的独立危险因素。基于这些因素的列线图可有效预测T2DM患者发生DPN的风险。

**论文解读文章**

**研究背景与目的**

2型糖尿病（T2DM）是全球重大公共卫生问题，给患者、家庭及社会带来沉重负担。T2DM可并发糖尿病周围神经病变（DPN），后者起病隐匿、呈进行性加重，早期常缺乏特异性临床症状，患者多以麻木、疼痛等表现就诊时病情往往已不可逆。DPN的发病机制复杂，在中医辨证分型中气虚血瘀证较为常见，表现为乏力、体弱、肥胖、气短懒言、舌淡苔薄、脉细涩等，严重影响患者健康与生活质量，但目前仍缺乏有效治疗策略。因此，早期发现、诊断和治疗DPN对预防残疾及截肢等不良结局至关重要，亟需明确T2DM患者发生DPN的独立危险因素，并探索高效的早期筛查工具。列线图（nomogram）可提供个体化风险评估，已有研究证实其可用于糖尿病患者衰弱风险、腹膜透析相关性腹膜炎及T2DM患者骨质疏松的个体化预测。基于此，本研究旨在分析T2DM患者DPN的影响因素，构建预测DPN风险的列线图，为早期准确识别高危T2DM患者提供高效工具。该论文发表在《Frontiers in Neurology》。

**主要关键技术方法**

研究人员采用回顾性病例分析，纳入2022年6月至2024年6月同一医疗中心收治的570例T2DM患者（中医辨证属气虚血瘀证），按1:1随机分为训练集（285例）和验证集（285例）。主要技术方法包括：（1）通过统一培训的双人录入进行数据收集与质量控制；（2）使用SPSS 25.0进行Logistic回归分析（排除多重共线性后）筛选独立危险因素；（3）基于R 3.6.3软件的rms包构建列线图预测模型；（4）采用受试者工作特征（ROC）曲线评价区分度，校准曲线和Hosmer-Lemeshow拟合优度检验评价一致性，决策曲线分析（DCA）评价临床净获益。

**研究结果**

**3.1 T2DM患者DPN发生情况**
训练集285例T2DM患者中，186例（65.26%）并发DPN，99例（34.74%）未并发；验证集285例中，194例（68.07%）并发DPN，91例（31.93%）未并发，表明T2DM患者DPN发生风险较高。

**3.2 训练集DPN组与非DPN组一般资料及训练集与验证集一般资料比较**
训练集DPN组与非DPN组在性别、婚姻状况、户籍类型、教育程度、家庭月人均收入、用药方案、舒张压、空腹血糖、糖化血红蛋白方面差异无统计学意义（p>0.05）；但在年龄、体质量指数（BMI）、吸烟史、饮酒史、合并高血压、合并血脂异常、合并糖尿病肾病（DKD）、合并糖尿病视网膜病变（DR）、收缩压、肌酐、总胆固醇、甘油三酯方面差异有统计学意义（p<0.05）。训练集与验证集在上述所有指标间差异均无统计学意义（p>0.05），表明两组基线均衡。

**3.3 基于训练集数据的多因素分析**
以T2DM患者是否发生DPN为因变量（DPN=1，非DPN=0），将年龄、BMI、吸烟史、饮酒史、合并高血压、合并血脂异常、合并DKD、合并DR、收缩压、肌酐、总胆固醇、甘油三酯作为自变量，先排除共线性（方差膨胀因子>5），多因素Logistic回归分析显示：高龄（OR=4.575, p=0.028）、BMI≥24.0 kg/m²（OR=2.463, p=0.019）、吸烟史（OR=2.585, p=0.003）、饮酒史（OR=2.717, p=0.002）、合并高血压（OR=2.925, p=0.001）、合并血脂异常（OR=2.393, p=0.014）、合并DKD（OR=2.602, p=0.007）、合并DR（OR=4.030, p=0.010）是T2DM患者发生DPN的独立危险因素。

**3.4 基于训练集Logistic回归结果构建列线图**
根据年龄、BMI≥24.0 kg/m²、吸烟史、饮酒史、合并高血压、合并血脂异常、合并DKD、合并DR这8个因素，研究人员构建了预测T2DM患者发生DPN的列线图。从列线图的“分数”轴确定每个因素对应的分值，求和得到总分，进而计算个体化DPN风险。

**3.5 区分度评价**
训练集和验证集的ROC曲线下面积（AUC）分别为0.795（95% CI: 0.740–0.850）和0.857（95% CI: 0.812–0.903），表明列线图具有良好区分度。

**3.6 一致性评价**
训练集和验证集的校准曲线与实际曲线均接近理想曲线。Hosmer-Lemeshow拟合优度检验显示训练集χ²=8.212, p=0.413；验证集χ²=8.392, p=0.396，表明列线图拟合良好。

**3.7 临床净获益评价**
训练集阈值概率在0.22–0.96之间、验证集阈值概率在0.18–1.00之间时，列线图更有利于预测T2DM患者发生DPN的风险，可带来临床净获益。

**讨论与结论**
本研究讨论部分指出，DPN已被国际糖尿病足工作组定义为糖尿病足的主要危险因素。训练集和验证集DPN发生率分别为65.26%和68.07%，表明T2DM患者DPN风险高，可能与我国T2DM患病率持续上升有关。各独立危险因素的作用机制：高龄患者DPN发生率随年龄增长显著升高；BMI≥24.0 kg/m²代表超重或肥胖，常伴血脂异常，可改变血液黏度、导致微血管阻塞和组织缺血缺氧；吸烟可通过尼古丁等有害成分引起炎症状态、改变胰岛素敏感性、影响胰岛β细胞功能，减慢神经传导；饮酒及其代谢产物对神经细胞的直接损伤增加DPN风险；高血压可致小动脉硬化，引起周围神经损伤；血脂异常中的游离脂肪酸对神经元有神经毒性，且影响动脉粥样硬化斑块导致神经灌注异常；DKD与DPN的病理生理机制具有相似性；DR与DPN共享微循环障碍等病理机制。
与既往DPN预测模型相比，本模型不依赖糖尿病病程、糖化血红蛋白等传统变量，而是纳入更易获取的临床数据（吸烟史、饮酒史、高血压、血脂异常、DKD、DR），便于在基层医疗机构推广。训练集和验证集AUC分别为0.795和0.857，略高于既往报道的0.789和0.780，表明模型区分度良好。
本研究局限性包括：（1）DKD和DR作为DPN的预测因子存在循环论证问题，因三者均为并行的糖尿病微血管并发症，可能高估模型表观区分力，且该模型可能不适用于DPN一级预防或早期无症状人群的风险筛查；（2）缺少部分公认混杂变量（糖尿病病程、糖化血红蛋白、胰岛素抵抗指数、同型半胱氨酸、维生素B₁₂水平）；（3）数据仅来源于单中心住院患者，且为回顾性设计，可能存在信息偏倚，限制了结论的外推性。未来需开展多中心前瞻性研究进一步验证和优化模型。
研究结论：高龄、BMI≥24.0 kg/m²、吸烟史、饮酒史、合并高血压、合并血脂异常、合并DKD和合并DR是T2DM患者发生DPN的独立危险因素，基于这些因素的列线图可有效预测T2DM患者发生DPN的风险。