糖尿病视网膜病变家庭预测模型的建立与验证

浦丹凤 王霞娟 相怡静 冯晨

[摘要] 目的 建立糖尿病视网膜病变（DR）的家庭预测模型并验证其有效性。方法 选取2008—2016年在无锡市人民医院内分泌科住院的879例糖尿病（DM）患者作为研究对象，采集性别、年龄、体质指数（BMI）、糖尿病病程、空腹末梢血糖（FBG）、收缩压（SBP）、舒张压（DBP）、吸烟、他汀应用共9项家庭中易观察的指标，利用多因素二元logistic回归分析DR的危险因素并建立预测模型，采用受试者工作曲线（ROC曲线）评估该模型对DR的预测价值。 结果 研究纳入879例DM患者，其中DR组450例，无DR组429例。多因素二元logistic回归显示，年龄（β=-0.038，OR=0.963，P<0.001），糖尿病病程（β=0.115，OR=1.122，P<0.001），FBG（β=0.079，OR=1.082，P=0.002），SBP（β=0.019，OR=1.019，P=0.004），他汀应用（β=-0.374，OR=0.688，P=0.046）与DR的发生显著相关，据此建立DR的家庭预测模型：Y=1/[1+e-（-0.526-0.038X1+0.115X2+0.079X3+0.019X4-0.374X5）]，其中X1=年齡，X2=糖尿病病程，X3=FBG，X4=SBP，X5=他汀应用。该模型的ROC曲线下面积为0.719，临界值为0.759时约登指数最大，对应敏感度为59.3%，特异度为76.2%。结论 糖尿病患者的年龄、糖尿病病程、FBG、SBP、他汀应用与DR显著相关，据此建立的DR家庭预测模型的敏感度为59.3%，特异度为76.2%，ROC曲线下面积为0.719，表明该模型对DR有中等程度的预测价值。

[关键词] 糖尿病视网膜病变；家庭；预测模型

[中图分类号] R587.1 [文献标识码] A [文章编号] 1672-4062（2018）11（a）-0186-03

[Abstract] Objective To establish a family prediction model for diabetic retinopathy （DR） and to verify its effectiveness. Methods A total of 879 patients with diabetes mellitus （DM） admitted to the Department of Endocrinology， Wuxi People's Hospital from 2008 to 2016 were enrolled in the study. Gender， age， body mass index （BMI）， duration of diabetes， fasting peripheral blood glucose （FBG）， and systolic blood pressure （SBP）， diastolic blood pressure （DBP）， smoking， and statin were used to identify indicators in 9 households were collected. Multivariate binary logistic regression was used to analyze risk factors for DR and predictive models were used. Subject operating curve （ROC curve） was used to evaluate the predictive value of the model for DR. Results The study included 879 patients with DM， including 450 in the DR group and 429 in the non-DR group. Multivariate binary logistic regression showed age （β=-0.038， OR=0.963， P<0.001）， duration of diabetes （β=0.115，OR=1.122， P<0.001）， FBG （β=0.079， OR=1.082， P=0.002）， SBP （β=0.019， OR=1.019， P=0.004）， statin application （β=-0.374，OR=0.688， P=0.046） was significantly associated with the occurrence of DR， and the family prediction of DR was established accordingly. Model： Y=1/[1+e-（-0.526-0.038X1+0.115X2+0.079X3+0.019X4-0.374X5）]， where X1=age， χ2=diabetic course， X3=FBG， X4=SBP， X5 = statin application. The area under the ROC curve of the model was 0.719， and the critical value was 0.759， the Yoden index was the largest， the corresponding sensitivity was 59.3%， and the specificity is 76.2%. Conclusion Age， duration of diabetes， FBG， SBP， and statin use were significantly associated with DR. The sensitivity of the DR family prediction model was 59.3%， specificity was 76.2%， and the area under the ROC curve was 0.719. This model has a moderate predictive value for DR.

[Key words] Diabetic retinopathy； Family； Predictive model

糖尿病是一种慢性终身性疾病，可引起眼睛、肾脏、血管、神经等多种器官损伤，最终导致残疾和过早死亡。目前全球已有3.7亿糖尿病患者，该数目预期将在2030年达到5.5亿[1]。糖尿病对患者及社会均造成巨大的经济负担，我国糖尿病的医疗支出约占卫生总费用的4%，其中81%用于治疗糖尿病并发症[2]。糖尿病视网膜病变（DR）是糖尿病的常见并发症，其患病率高达28%，是失明的主要原因之一[1]。目前糖尿病视网膜病变的筛查主要依赖眼底照相，需要昂贵的设备和专业的医生，无法在社区基层医院普及。因此，该研究拟建立简易的家庭预测模型，以早期预测糖尿病视网膜病变的发生风险，从而有效减少不良结局发生及诊治费用支出。

1 对象与方法

1.1 研究对象

选取2008-2016年在无锡市人民医院内分泌科住院的879例糖尿病患者作为研究对象。纳入标准：①符合我国糖尿病诊断标准；②无眼底照相禁忌證；③住院前1月内无用药方案改变。排除标准：①有严重脏器功能不全或肿瘤晚期患者；②存在应激状态或认知功能障碍。

1.2 研究方法

①病史采集：由内分泌科专科医师完成病史采集及数据录入。内容包括：姓名、性别、年龄、糖尿病病程、吸烟史、他汀类药物应用情况。

①体格检查：由内分泌科专科护士测量患者身高、体重，计算体质指数（BMI）=体重（kg）/身高2（m）2。连续3 d早晨6：00测量患者SBP、DBP，并计算平均值。

③辅助检查：由眼科专科医师扩瞳后进行眼底彩色照相检查，根据我国DR诊疗指南进行诊断及分期，并分为DR组和无DR组。同时连续3 d早晨6：00测量患者FBG，并计算平均值。

1.3 统计方法

采用SPSS 20.0统计学软件进行数据分析，计量资料以均数±标准差（x±s）表示，计数资料以[n（%）]表示。采用t检验进行连续性变量比较，采用χ2检验进行组间比较。采用多因素二元logistic回归分析DR的危险因素并建立预测模型，P<0.05为差异有统计学意义。采用受试者工作曲线（ROC曲线）评估该模型对DR的预测价值，计算最大约登指数（敏感性+特异性-1）明确该模型诊断DR的临界值。

2 结果

2.1 一般情况

共纳入879例糖尿病患者，其中450例患者眼底照相提示存在不同程度的糖尿病视网膜病变。两组人群在性别、年龄、体质指数、舒张压及吸烟比例上不存在显著差异。但相比无DR组人群，DR组患者的糖尿病病程更长[（13.4±7.0）年比（9.1±6.2）年，t=9.606，P<0.05]，空腹血糖更高[（8.7±3.1）mmol/L比（8.0±2.6）mmol/L，t=3.533，P<0.05]，收缩压更高[（133.2±14.5）mmHg比（130.3±14.0）mmHg，t=3.021，P<0.05]，他汀类药物使用比例更高[（32.9%）比（24.0%）（χ2=8.488，P<0.05）]，见表1。

2.2 DR影响因素分析及建立预测模型

应用多因素二元logistic回归分析发现，DR的影响因素包括：年龄（β=-0.038，OR=0.963，P<0.001），糖尿病病程（β=0.115，OR=1.122，P<0.001），FBG（β=0.079，OR=1.082，P=0.002），SBP（β=0.019，OR=1.019，P=0.004），他汀类药物应用（β=-0.374，OR=0.688，P=0.046），见表2。据此，建立DR家庭预测模型，即Y=1/[1+e-（-0.526-0.038X1+0.115X2+0.079X3+0.019X4-0.374X5）]，其中Y=DR发生概率，X1=年龄，X2=糖尿病病程，X3=FBG，X4=SBP，X5=他汀应用（是=0，否=1）。

2.3 评估DR家庭预测模型的预测价值

对该DR家庭预测模型绘制受试者工作曲线，其ROC曲线下面积为0.719，见图1，表明具有中等程度的预测价值。进一步计算最大约登指数为0.356，对应的预测模型临界值为0.759，此时的预测模型敏感度为59.3%，特异度为76.2%，见表3。

3 讨论

DR分为非增生性和增生性，早期的非增生性DR无明显临床症状，其诊断需依赖专业眼科医师及眼底检查设备，故往往被患者及非眼科医师忽视[3]。而DR的特点是易防难治，如果进展到影响视力的阶段则其治疗效果较差，最终可能导致失明[4]。研究表明，我国有28%的糖尿病患者患有DR，其中45%的DR会危及视力[5]。在住院治疗的糖尿病患者中，DR只占所有住院病因的7.6%，在糖尿病慢性并发症中占比最低，而DR患者的平均住院时间及治疗费用却明显高于糖尿病周围神经病变（DPN）及糖尿病肾病（DN），仅次于糖尿病急性并发症和糖尿病足病[6]。因此，该研究拟建立简易的家庭DR预测模型，以早期预测糖尿病患者DR的发病风险，并对模型的有效性进行了验证。

该研究观察了性别、年龄、体质指数、DM病程、FBG、SBP、DBP、吸烟、他汀应用共9项在家庭环境下方便采集的患者信息，结果发现，患者的年龄、DM病程、FBG、SBP、他汀应用与DR有关。患者的年龄与DR的患病风险呈负相关，即年龄越大的患者发生DR的可能性越低，与既往研究结果一致[7]，考虑与年龄增长引起的视网膜血管代谢及耗氧量降低有关。DM病程和空腹血糖已被多项研究证实为DR发生的危险因素[8-9]，长期的高糖毒性容易诱导视网膜血管老化和神经死亡，而餐后血糖（PBG）被认为对卒中、冠心病等大血管病变有更大的预测价值。该研究中，SBP也与DR的发生呈正相关，而更进一步的研究表明，SBP容易造成危及视力的糖尿病视网膜病变（STDR）[8]，而DBP与DR的发生及严重程度无明显关联。总胆固醇及低密度胆固醇升高会增加视网膜的硬性渗出，从而引起视网膜微血管病变[10]。长期应用他汀类药物的患者表明其存在脂质代谢紊乱，所以这类人群出现DR的风险更高。

該研究建立的家庭DR预测模型在ROC曲线下的面积为0.719，表明其具有中等程度的预测价值。这与Cichosz预测模型的ROC面积0.740、Azizi预测模型的ROC面积0.760相仿[11-12]。但该研究建立的家庭预测模型所包含数据更易获取、成本更低，更具备可操作性和普及性。

4 结论

糖尿病患者的年龄、糖尿病病程、FBG、SBP、他汀应用与DR显著相关，据此建立的DR家庭预测模型的敏感度为59.3%，特异度为76.2%，ROC曲线下面积为0.719，表明该模型对DR有中等程度的预测价值。我国目前DR的诊治存在疾病认知度低、筛查普及困难、治疗费用昂贵等问题。因此，利用DR家庭预测模型对DR进行早期的预测和针对性的筛查，能有效的提高DR的检出率及治疗效果，同时减少经济支出和不良结局的发生。

[参考文献]

[1] Ruta LM， Magliano DJ， Lemesurier R， et al. Prevalence of diabetic retinopathy in Type 2 diabetes in developing and developed countries[J]. Diabetic Medicine， 2013， 30（4）：387-398.

[2] 陈兴宝， 唐玲， 陈慧云，等.2型糖尿病并发症对患者治疗费用的影响评估[J].中国糖尿病杂志， 2003，11（4）：238-241.

[3] 孙清秀， 滕峰， 张振华，等. 糖尿病相关专业医师（非眼科）218名对糖尿病性视网膜病变的认知度研究[J]. 中华临床医师杂志：电子版， 2016， 10（13）：2030-2034.

[4] 李筱荣，刘巨平.重视糖尿病眼部并发症的诊断和治疗[J]. 中华实验眼科杂志， 2017， 35（7）：577-580.

[5] Zhang G， Chen H， Chen W， et al. Prevalence and risk factors for diabetic retinopathy in China： a multi-hospital-based cross-sectional study[J].British Journal of Ophthalm ology， 2017， 101（12）：1591-1595.

[6] 周倩， 王培玉， 宋菲，等. 中国西部某市2型糖尿病及微血管并发症住院费用情况[J].中国糖尿病杂志， 2016， 24（12）：1087-1093.

[7] 吕喆， 陈亦棋， 沈丽君，等. 2型糖尿病患者糖尿病视网膜病变风险预测模型的建立和初步验证[J].中华眼底病杂志， 2017， 33（3）.

[8] Liu Y， Yang J， Tao L， et al. Risk factors of diabetic retinopathy and sight-threatening diabetic retinopathy： a cross-sectional study of 13 473 patients with type 2 diabetes mellitus in mainland China[J].Bmj Open， 2017，7（9）：e016280.

[9] Cai X， Han X， Zhang S， et al. Age at diagnosis and C-peptide level are associated with diabetic retinopathy in Chinese[J]. Plos One， 2014， 9（3）：e91174.

[10] Lim LS， Wong TY. Lipids and diabetic retinopathy[J]. Expert Opinion on Biological Therapy， 2012， 12（1）：93.

[11] Cichosz SL， Johansen MD， Knudsen ST， et al. A classif ication model for predicting eye disease in newly diagnosed people with type 2 diabetes[J].Diabetes Research & Clinical Practice， 2015， 108（2）：210-215.

[12] Azizi-Soleiman F， Heidari-Beni M， Ambler G， et al. Iranian Risk Model as a Predictive Tool for Retinopathy in Patients with Type 2 Diabetes[J].Canadian Journal of Diab- etes， 2015， 39（5）：358.

（收稿日期：2018-08-01）