基于大样本的2型糖尿病Nomogram预测模型构建

马君，查晓娟，朱欣颖，李文博，伍泽伟，文育锋*

（1.皖南医学院检验学院，安徽 芜湖 241002；2.皖南医学院弋矶山医院健康服务中心；3.皖南医学院临床学院）

糖尿病是慢性非传染性疾病之一，根据国际糖尿病联盟（IDF）统计，2016年全球糖尿病患者为2.85亿，按目前的增长速度，预计到2030年全球将近5亿人罹患糖尿病，严重影响患者健康和生活质量［1-2］。其中2型糖尿病（type 2 diabetes mellitus，T2DM）占糖尿病总体人群95%以上，患病率高［3］。由于T2DM临床确诊前存在较长的潜隐期，所以对高危人群的筛查和预防是控制T2DM患病率的有效措施［4-5］。近年来，糖尿病风险预测模型被用来评估普通人群罹患糖尿病的风险，国外已经报道了多个糖尿病预测模型［6-7］，然而由于种族差异、风俗习惯、生活方式不同，不同地区的人们面临糖尿病危险因素不同。因此，针对本地区人群特点，构建适合本地区的糖尿病风险模型对预防和控制糖尿病尤为关键。本研究开展了一项大样本的横断面研究以构建T2DM预测模型。

1 资料与方法

1.1 一般资料 本研究数据来源于皖南某大型综合性医院，该医院体检中心的体检人群来自周边数十个市县，时间从2011年1月至2016年12月。研究对象年龄18～90岁，无重要变量缺失，无肿瘤病史，无重大感染性疾病。经过筛选共有190 435人进入本研究，其中男105 629人，女84 806人。

1.2 方法

1.2.1 调查方法及内容 体检内容包括体格检查、实验室检查和问卷调查三部分。体格检查主要包括身高、体重；实验室检测包括空腹血糖、总胆固醇、三酰甘油、高密度脂蛋白胆固醇等指标，其中血清总胆固醇及三酰甘油采用CHOD-PAP法检测；高密度脂蛋白胆固醇采用磷钨酸镁沉淀法测定；空腹血糖采用葡萄糖氧化酶法检测；餐后血糖采用糖耐量试验测定；尿素氮采用脲酶法测定；问卷调查包括一般人口学特征、重要疾病患病史和生活习惯（吸烟、饮酒等情况）。

1.2.2 诊断标准 （1）T2DM：采用《中国T2DM防治指南（2017）》诊断标准，空腹血糖≥7.0 mmol/L和（或）葡萄糖负荷后2 h血糖≥11.1 mmol/L［8］。（2）高血压：根据《中国高血压防治指南（2010）》诊断标准，在未使用降压药的情况下，非同日3次测量血压，收缩压≥140 mmHg和（或）舒张压≥90 mmHg［9］。（3）吸烟：世界卫生组织将“一生连续吸烟6个月或以上者”定义为吸烟，而后根据吸烟情况调查方法的标准化建议，又将吸烟分为：①经常吸烟：每天吸烟1支及以上，连续超过6个月；②偶尔吸烟：每周吸烟超过4次，但平均每天不足1支；③从不吸烟［10］。（4）饮酒：分为经常饮酒、偶尔饮酒及从不饮酒。①经常饮酒：折合成56度白酒≥50 ml/d，＞5次/周；②偶尔饮酒：折合成56度白酒＜50 ml/d，≤4次/周；③从不饮酒［11］。

1.3 统计学方法 采用Epidata 3.1双录入建立数据库，采用SPSS18.0软件进行统计学分析。计量资料采用均数±标准差表示，计数资料采用百分数表示。计量资料采用t检验，计数资料采用卡方检验进行比较；采用多因素Logistic回归分析来确定糖尿病的影响因素，以是否发生T2DM为因变量（是：1，否：0），自变量纳入标准为0.10，排除标准为0.15；根据多因素回归结果，采用R3.4.1软件建立列线图（Nomogram）模型，同时采用决策曲线分析（decision curve analysis，DCA）预测糖尿病发生的风险。P＜0.05为差异有统计学意义。

2 结果

2.1 人口学特征及临床指标的比较 研究对象的T2DM患病率为4.58%，其中T2DM组8 719人，非T2DM组181 716人。T2DM组的年龄、性别、吸烟、饮酒、高血压、三酰甘油、总胆固醇、尿素氮、体重指数均高于非T2DM组（P＜0.01）；而高密度脂蛋白胆固醇和红细胞分布宽度则均低于非T2DM组（P＜0.01），见表1。

2.2 影响T2DM发生的多因素Logistic回归分析 将单因素分析差异有统计学意义的指标包括年龄、性别（男：1，女：0）、吸烟（否：0，偶尔：1，经常：2）、饮酒（否：0，偶尔：1，经常：2）、高血压（否：0，是：1）、三酰甘油、总胆固醇、高密度脂蛋白胆固醇、尿素氮、红细胞分布宽度、体重指数纳入Logistic回归方程。运用逐步回归方法对自变量进行筛选，结果显示性别（OR=1.336，95%CI：1.315～1.366）、年龄（OR=1.065，95%CI：1.063～1.067）、体 重 指 数（OR=1.117，95%CI：1.108～1.126）、高 血 压（OR=1.331，95%CI：1.263～1.403）、三 酰 甘 油（OR=1.397，95%CI：1.366～1.430）、总 胆 固 醇（OR=1.101，95%CI：1.068～1.135）、高密度脂蛋白胆固醇（OR=0.796，95%CI：0.729～0.869）、红细胞分布宽度（OR=0.786，95%CI：0.761～0.811）、尿 素 氮（OR=1.140，95%CI：1.120～1.160）为 T2DM 独立的影响因素（P＜0.01）。见表2。

2.3 Nomogram模型的建立及其验证 根据多因素Logistic回归分析结果建立Nomogram模型，对每个风险因素计算得分，相加获得总得分，总得分对应风险预测值，最后得出模型的C-index为0.802（P＜0.01）。见图1。

表1 T2DM组与非T2DM组间人口学特征与及临床指标的比较

表2 T2DM发生的的多因素Logistic回归分析

图1 T2DM发生风险的Nomogram模型

2.4 T2DM的DCA分析 在Nomogram预测模型的基础上，将多因素回归筛选出的变量进行T2DM的DCA。根据文献报道［12］和表2结果，三酰甘油OR值高于其他因素，故将三酰甘油纳入简单评价模型。联合性别、年龄、高血压、三酰甘油、总胆固醇、高密度脂蛋白胆固醇、体重指数、红细胞分布宽度、尿素氮等因素纳入复杂评价模型。结果显示，在阈值概率为0～0.22范围内，简单评价模型的净利益率要高于复杂评价模型；在阈值概率为0.23～0.74范围内，复杂评价模型的净利益率则高于简单评价模型，见图2。

图2 T2DM简单评价模型与复杂评价模型比较的DCA

3 讨论

本研究发现，性别、年龄、高血压、三酰甘油、总胆固醇、高密度脂蛋白胆固醇、体重指数、红细胞分布宽度、尿素氮是影响T2DM发生的独立影响因素。

研究表明，随着年龄的增长，尤其40岁以后，糖尿病患病率逐渐升高，这与年龄增长导致胰岛β细胞功能减退有关，其次性别也与糖尿病发生有关［13］。本研究多因素分析显示年龄与性别均为T2DM发生的独立影响因素。肥胖是糖尿病的独立危险因素，肥胖者脂肪沉积，引起高胰岛素血症及胰岛素抵抗，使胰岛素分泌增多，导致糖尿病患病风险增大［14］，本研究结果与其一致。

T2DM患者伴高脂血症者达40%。高血脂既是糖尿病发病的独立危险因素，又能导致和加剧糖尿病患者动脉粥样硬化、高血压和冠心病等的发生［15］。本研究发现高总胆固醇和高三酰甘油发生T2DM的OR值分别为1.101（95%CI：1.068～1.135）和 1.397（95%CI：1.366～1.430），证实了高血脂与T2DM的发生有着密切的关联。Engström等［16］研究发现，红细胞分布宽度与糖尿病发病风险之间存在负相关，即红细胞分布宽度越低，糖尿病罹患的风险越高，本研究结果与其一致。

Nomogram是一种用于临床事件个体化预测分析的统计学模型，与其他预测性统计学方法相比，Nomogram分析可以通过直观的、可视化的方式提供更好的个体化预后风险评估［17］。本研究通过多因素Logistic回归确定的独立影响因素建立了T2DM预测的Nomogram模型，如某女性患者、80岁、血压正常、三酰甘油5.5 mmol/L、总胆固醇为5.0 mmol/L、高密度脂蛋白胆固醇为0.6 mmol/L，体重指数为24 kg/m2，红细胞分布宽度为13%，尿素氮4.5 mmol/L，通过T2DM发生风险的Nomogram分析的评分线，该患者总评分为（0+80+0+30+7.5+7.5+20+20+10=175分），通过糖尿病风险线上能直观找到该患者发生T2DM的概率为40%。经验证后得出该模型一致性指数良好（C-index为0.802，P＜0.01）。而DCA是一种简洁易懂的数学模型，以评判预测工具的可用性及效益［18］。本研究在Nomogram模型的基础上，利用DCA，发现在阈值概率为0～0.22范围内，简单评价模型的净利益率要高于复杂评价模型，说明高三酰甘油不仅与T2DM密切关联，而且三酰甘油的变化能预测未来T2DM的发病风险［19］；而在阈值概率为0.23～0.74范围内，复杂评价模型的净利益率则高于简单评价模型，可认为在此范围内，复杂评价模型有更高的应用价值。

本研究的局限性在于本研究人群为体检人群，尽管人群来自范围较大，但不是真正意义上的自然人群，但是本研究人群样本量大、持续时间较长，结果将为体检中心开展后续健康管理奠定基础。

综上所述，本研究成功建立了预测T2DM事件发生的Nomogram模型，该模型对于T2DM的预防和临床治疗具有一定的指导意义。

［1］World Health Organization （WHO）.Global statusreport on noncommunicable diseases 2014 ［R］.Geneva： World Health Organization，2014.

［2］ Whiting DR，Guariguata L，Weil C，et al.IDF diabetes atlas：global estimates of the prevalence of diabetes for 2011 and 2030［J］.Diabetes Res Clin Pract，2011，94（3）：311-321.

［3］汪会琴，胡如英，武海滨，等.2型糖尿病报告发病率研究进展［J］.浙江预防医学，2016，28（1）：37-39，57.

［4］Imamura F，Mukamal KJ，Meigs JB，et al.Risk factors for type 2 diabetes mellitus preceded by β-cell dysfunction， insulin resistance， or both in older adults： the Cardiovascular Health Study［J］.Am JEpidemiol，2013，177（12）：1418-1429.

［5］ Samson SL，Garber AJ.Prevention of type 2 diabetes mellitus：potential of pharmacological agents［J］.Best Pract Res Clin Endocrinol Metab，2016，30（3）：357-371.

［6］Miyake K，Yang W，Hara K，et al.Construction of a prediction model for type 2 diabetes mellitus in the Japanese population based on 11 genes with strong evidence of the association［J］.J Hum Genet，2009，54（4）：236-241.

［7］ Ag PDS，Pereira AC，Marquezine GF，et al.Derivation and external validation of a simple prediction model for the diagnosis of type 2 diabetes mellitus in the Brazilian urban population［J］.Eur JEpidemiol，2009，24（2）：101-109.

［8］ World Health Organization.Global report on diabetes［R］.Geneva：World Health Organization，2016.

［9］Navab KD，Elboudwarej O，Gharif M，et al.Chronic inflammatory disorders and accelerated atherosclerosis：chronic kidney disease［J］.Curr Pharm Des，2011，17（1）：17-20.

［10］中国高血压防治指南修订委员会.中国高血压防治指南（2010年修订版）［J］.中国实用乡村医生杂志，2012，19（10）：1-15.

［11］ Smith GL，Lichtman JH，Bracken MB，et al.Renal impairment and outcomes in heart failure：systematic review and metaanalysis［J］.JAm Coll Cardiol，2006，47（10）：1987-1996.

［12］王薇，刘静，孙佳艺，等.三酰甘油水平与糖尿病发病危险的队列研究［J］.中华内科杂志，2012，51（7）：516-519.

［13］华春芬，王飞，叶小君.成人2型糖尿病危险因素的现况研究［J］.浙江预防医学， 2015，27（1）：25-27，31.

［14］ Katchunga PB，Cikomola J，Tshongo C，et al.Obesity and diabetes mellitus association in rural community of Katana，South Kivu，in Eastern Democratic Republic of Congo：Bukavu Observ Cohort Study Results［J］.BMCEndocr Disord，2016，16（1）：60-66.

［15］吴含，郦卫星.浙江地区2型糖尿病危险因素分析［J］.中国卫生检验杂志，2012，22（2）：346-347，350.

［16］Engström G，Smith JG，Persson M，et al.Red cell distribution width，haemoglobin A1c and incidence of diabetes mellitus［J］.JIntern Med，2014，276（2）：174-83.

［17］田晓文，梁小波.列线图在评估胃肠道间质瘤术后复发风险中的研究进展［J］.中华消化外科杂志，2015，14（5）：438-440.

［18］Vickers AJ，Elkin EB.Decision curve analysis：a novel method for evaluating prediction models ［J］.Med Decis Making，2006，26（6）：565-574.

［19］ Tirosh A， Shai I， Bitzur R， et al.Changes in triglyceride levels over time and risk of type 2 diabetes in young men［J］.Diabetes Care，2008，31（10）：2032-2037.