Logistic回归与受试者工作特征曲线在2型糖尿病患者发生脑梗死风险预测中的应用研究

于长春

糖尿病是导致缺血性脑血管疾病发生的重要危险因素之一，常合并腔隙性脑梗死。糖尿病患者脑梗死的发病率比普通人群高2～6倍[1],而糖尿病合并脑梗死患者的死亡率是非糖尿病脑梗死的2～4倍[2]，是造成糖尿病患者生活质量下降和死亡的重要原因之一。本研究对收集的2型糖尿病患者的资料联合运用Logistic回归和受试者工作特征(ROC)曲线进行分析，旨在对患者发生脑梗死的风险进行评估和预测，及时给出有针对性的预防建议，及早进行防治，从而降低患者发生脑梗死的几率。

1　资料与方法

1.1一般资料某医院2008—2009年收治的2型糖尿病患者89例，符合1999年世界卫生组织诊断及分型标准[3]。根据1995年中华医学会第四届全国脑血管病学术会议制定的腔隙性脑梗死诊断标准[3]，并经颅脑MRI检查证实，将病例分为腔隙性脑梗死组和无腔隙性脑梗死组。无腔隙性脑梗死组42例，男19例(占45.2%)，女23例(占54.8%)，平均年龄为(58±8)岁；腔隙性脑梗死组47例，男23例(占48.9%)，女24例(占51.1%)，平均年龄为(68±8)岁。

1.2研究方法

1.2.1收集资料包括性别、年龄、糖尿病病程、高血压病史、吸烟史；专人测量身高、体质量，并计算体质指数(BMI)=体质量(kg)/身高2(m2)。

1.2.2生化指标测定受试者过夜禁食12 h，次晨空腹采肘正中静脉血。血清总胆固醇(TC)、三酰甘油(TG)、低密度脂蛋白胆固醇(LDL-C)、高密度脂蛋白胆固醇(HDL-C)、尿酸测定采用美国Beckman Unicel DXC-800全自动生化分析仪。糖化血红蛋白(HbA1c)采用层析法，美国Bio-Rad公司的D-10全自动糖化血红蛋白仪测定。

1.2.3颈动脉超声检查由超声科专人操作，采用美国Philips-iu22彩色多普勒超声诊断仪检查，探头频率12 MHz。颈动脉内膜中层厚度(CIMT)即管腔内膜面至中层与外膜交界处的垂直距离，于左右颈总动脉分叉远端1 cm处测量，取其平均值分析；双侧颈动脉任一节段发生斑块，判为颈动脉粥样硬化斑块阳性。

1.3统计学方法统计分析利用SPSS 13.0完成，采用多元Logistic回归筛选出危险因素，然后通过对定量危险因素绘制ROC曲线，确定预测2型糖尿病患者发生脑梗死风险的截断值(cutoff)。然后对样本进行回代，并与实际诊断结果进行对比，以评估预测准确性。判断标准：曲线下面积(AUC)<0.5为无诊断价值，0.5≤AUC<0.7为诊断准确性较低，0.7≤AUC<0.9为诊断准确性较好，AUC≥0.9表示诊断准确性最高[4]。

2　结果

2.1危险因素筛选以是否患有腔隙性脑梗死为因变量，经多元Logistic回归分析筛选出3个对腔隙性脑梗死发生的影响有统计学意义的变量，见表1。

表1　Logistic回归筛选出的变量及其统计量

注：CIMT=颈动脉内膜中层厚度

2.2ROC曲线分析对年龄和CIMT绘制ROC曲线并确定cutoff，然后对样本进行预测以评估其诊断价值，结果见表2、3和图1。

利用年龄、CIMT和颈动脉粥样斑块三个指标组成的Logistic综合预测模型P=1/[1+e-(-19.982+0.195age+7.641CIMT+3.202plague)]对样本进行预测，若P≥0.5则判断患者发生脑梗死的风险较高,若P<0.5则判为低风险，得到的综合预测模型的灵敏度为87.23%、特异度为85.71%、诊断符合率为86.52%，预测结果见表4。

表2年龄和CIMT预测脑梗死风险诊断价值的AUC评价

Table2AUC evaluation of age and CIMT to predict cerebral infarction risk diagnostic value

AUCSEP值95%CI年龄083600430000(0751，0921)CIMT084900410000(0769，0929)

注：AUC=曲线下面积

表3年龄和CIMT预测脑梗死风险的准确度比较

Table3Comparison of accuracy between age and CIMT to predict cerebral infarction risk diagnostic value

cutoff值灵敏度(%)特异度(%)诊断符合率(%)年龄625808573817753CIMT093808576197865

注：ROC曲线=受试者工作特征曲线

图1　年龄、CIMT的ROC曲线

3　讨论

糖尿病是导致脑卒中死亡的一个重要的危险因素，较普通人群更易发生脑梗死，且症状更为严重。因此，有效防范糖尿病患者并发脑梗死的风险对于改善患者的生存质量、提高健康水平具有十分积极的意义。

2型糖尿病容易并发腔隙性脑梗死，其发生机制非常复杂，是多种因素共同作用的结果，患者的预后较差，病死率较高。糖尿病并发脑梗死的防治应以预防为重点，指导高危人群加强平时的健康保健，尽可能远离诱发脑梗死的危险因素，并根据评估结果制订个性化的治疗方案，做到早发现、早诊断、早治疗，以切实降低人群发病率。要进行有针对性的预防，就必须明确危险因素及预测标准。

本研究采用多元Logistic回归进行危险因素的筛选，从众多指标中筛选出3个对脑梗死发生影响有统计学意义的指标，分别为年龄、CIMT、有无颈动脉粥样硬化斑块。从所得到的OR值来看，三者的OR值均大于1，说明都是影响糖尿病患者发生脑梗死的危险因素，从OR值的大小来看，CIMT的OR值最大，其次是有无颈动脉粥样硬化斑块，最小是年龄，说明三者中CIMT对脑梗死发生影响最大。有国外研究表明糖尿病患者CIMT与心脑血管疾病的患病率呈正相关[5-7]，随着CIMT的增加脑梗死发生的危险性提高[8]，本研究结果与国外报道的一致。因此，动态监测CIMT变化可以预测糖尿病患者合并脑梗死的发生几率，是预防脑卒中的重要措施。相关研究表明血糖、血脂、纤维蛋白原水平的升高使2型糖尿病患者容易出现动脉粥样硬化，颈动脉粥样硬化与脑梗死的发生具有很强的相关性，颈动脉粥样硬化斑块与CIMT增厚均为脑梗死的独立危险因素[2]，本研究结果同样证实了这一结论。年龄也是影响脑梗死发生的一个重要因素，年龄越大脑梗死发生的可能性越高，只是其影响程度要小于CIMT。

通过对定量危险因素绘制ROC曲线，确定年龄和CIMT的cutoff值分别为62.5岁、0.93 mm，依据这一标准对样本进行预测，结果表明两个因素独立预测的准确度都在75%以上，预测准确度还是比较高的。但相比之下，由年龄、CIMT和颈动脉粥样斑块三个指标组成的Logistic综合预测模型的诊断价值更高，预测效果更为理想。

影响糖尿病患者发生脑梗死的因素很多，但由于时间、人力、财物等诸多因素的限制，本研究只是检测了其中的部分指标，样本量还不够大，因此，所筛选出的危险因素及据此所建立的预测模型的代表性、准确性有待于在今后的工作中进一步完善和提高。本研究旨在为糖尿病并发脑梗死的防治工作探索出一种客观、科学的辅助诊断工具，相信随着糖尿病患者数据库的不断扩大、所采集的指标越来越多，以及研究手段的不断进步，利用数学模型预测糖尿病并发脑梗死风险的可行性和科学性将进一步提高，必将为糖尿病并发脑梗死的防治工作开辟新的天地，最终为糖尿病患者的身体健康造福。

1王永清，周青霞，王风格，等.糖尿病患者并发急性脑梗死危险因素分析[J].河北医药，2011，33(6)：879.

2罗建宁.急性脑梗死治疗新进展[J].实用心脑肺血管病杂志，2010，18(10)：1546.

3陈晓雷，吴文君，徐南飞，等.2型糖尿病并腔隙性脑梗死患者颈动脉硬化特征及危险因素分析[J].临床荟萃，2011，26(10)：1120-1123.

4陈卫中,倪宗赞,潘晓平,等.用ROC曲线确定最佳临界点和可疑值范围[J].现代预防医学,2005,32(7):729-731.

5Kitamura A,Iso H,Imano H,et al.Carotid intima-media thickness and plaque characteristics as a risk factor for stroke in Japanese elderly men[J].Stroke,2004,35(12):2788-2794.

6Djaberi R,Schuijf JD,de Koning EJ,et al.Usefulness of carotid intima-media thickness in patients with diabetes mellitus as a predictor of coronary artery disease[J].Am J Cardiol,2009,104(8):1041-1046.

7Lee E,Kim H,Bae J,et al.Relevance of common carotid intima-media thickness and carotid plaque as risk factors for ischemic stroke in patients with type 2 diabetes mellitus[J].AJNR Am J Neuroradiol,2007,28(5):916-919.

8Matsumoto K,Sera Y,Nakamura H,et al.Correlation between common carotid arterial wall thickness and ischemic stroke in patients with type 2 diabetes mellitus[J].Metabolism,2002,51(2):244-246.