2 型糖尿病患者低血糖预警评分模型的构建与验证

林梅珍，牟严艳，邓凤平，欧倩，朱芳慧

广西壮族自治区桂东人民医院内分泌科，广西梧州 543001

低血糖是2 型糖尿病（type 2 diabetes mellitus,T2DM）治疗中常见的急性并发症之一。有研究显示低血糖的病死率为12.9%，当血糖＜2.2 mmol/L时，病死率可达24.9%，频繁出现低血糖会增加中风的危险，降低患者的生活质量，诱发脑卒中、心肌梗死，严重者导致昏迷，如不及时纠正，最终导致昏迷死亡[1-2]。早期评估低血糖的发生对于临床指导诊治、改善患者预后具有重要意义，但目前低血糖的评估方法缺乏，预测能力不足，很多时候不能及时预测[3]。如何能够早期、快速、准确地预测低血糖发生，从而指导医生进行个体化治疗，是临床研究的热点和难点。本研究回顾性分析2020 年1 月—2022 年6 月在广西桂东人民医院内分泌科住院的715 例T2DM 患者的一般资料，建立一个快速简便易行的低血糖预警评分模型，以评估低血糖的风险，从而进行早期干预。现报道如下。

1 资料与方法

1.1 一般资料

采用便利抽样法，抽取本院内分泌科住院的715 例T2DM 患者的病历资料。其中男403 例，女312 例；年龄18～90 岁，平均（62.56±12.63）岁；186 例（26.01%）患者发生低血糖。根据Logistic 回归建模要求[4]将患者分为建模组和验证组，建模组患者392 例，男219 例，女173 例；年龄18～90 岁，平均（62.35±12.49）岁；121 例（30.87%）发生低血糖。验证组患者323 例，男184 例，女139 例；年龄18～85岁，平均（61.48±12.83）岁；65 例（20.12%）发生低血糖。

1.2 纳入与排除标准

纳入标准：①符合《中国2 型糖尿病防治指南（2020 年版）》提出的糖尿病诊断标准[5]；②年龄＞18岁；③相关实验室检查资料完整。排除标准：①入院诊断为低血糖者；②临床资料缺失者；③合并恶性肿瘤者。

1.3 方法

通过医院信息系统，收集住院患者资料，筛选出符合条件的患者信息。经过统一培训，调查组采用自行设计的表格，通过查阅患者的病历，收集以下信息。①患者的一般信息包括性别、年龄、病程、入院时血糖、体重指数（body mass index, BMI）、住院时间。②疾病相关资料：胰岛素治疗（常规胰岛素治疗和强化胰岛素治疗）、口服药治疗（增敏剂、糖苷酶抑制剂、促泌剂、增敏剂+糖苷酶抑制剂、促泌剂+糖苷酶抑制剂及其他药物）、糖尿病合并症（肝功能不全、肾功能不全、肝肾功能正常、肝肾功能不全）、饮食情况（正常饮食、进食少或恶心呕吐）、运动情况（正常运动、运动剧烈）等。③实验室检查（包括入院时血糖值、空腹C 肽（fasting plasma Cpeptide, FCP）、餐后1 hC 肽（C peptide 1 hour after meal, CP1h）、餐后2 hC 肽（C peptide 2 hour after meal, CP2h）。使用瑞特血糖仪（型号：M300，生产厂家：华广生物技术有限公司）进行随机血糖监测确定低血糖。根据中国2 型糖尿病防治指南（2020年版）中规定，将血糖＜3.9 mmol/L 作为低血糖的诊断标准[5]。

1.4 统计方法

采用SPSS 19.0 统计学软件分析数据。符合正态分布的计量资料用(±s)表示，采用t检验；非正态分布的计量资料采用中位数和四分位数间距表示，采用秩和检验的方法；计数资料用例数（n）和率表示，采用χ2检验。低血糖影响因素采用单因素和多因素Logistic 回归分析，采用ROC 工作曲线检验低血糖预警评分模型的预测效能。P＜0.05 为差异有统计学意义。

2 结果

2.1 建模组T2DM 患者低血糖单因素分析

低血糖组与非低血糖组的FCP、CP1h、CP2h、BMI、饮食情况、运动情况比较，差异有统计学意义（P＜0.05）。两组的性别、年龄、病程、入院时血糖值、住院时间、胰岛素治疗方式、口服药治疗、合并症等比较，差异无统计学意义（P＞0.05）。见表1。

表1 建模组2 糖尿病患者低血糖单因素分析

2.2 低血糖影响因素的多因素Logistic回归分析

将单因素分析中有统计学意义的6 个变量包括CP1h、CP2h、FCP、BMI、饮食情况、运动情况等进行Logistic 回归分析，结果显示BMI（OR=1.071，95%CI:1.001～1.146，P=0.048），饮食情况（OR=10.406，95%CI:5.354～20.225，P＜0.001）是影响低血糖的主要危险因素（P＜0.05）。见表2。

表2 影响低血糖的多因素Logistic 回归分析

2.3 低血糖预测评分模型的建立及预测效能

根据回归方程Logistic 分析，最终构建低血糖预警评分模型Logistic（P）=-21.591+0.068×BMI+2.342×饮食情况。Hosmer-Leme-show 检验拟合优度检验结果显示，表示该模型预测效能与实际发生情况吻合较好（χ2=4.871，P=0.771）。采用ROC 曲线检验预测模型得分与患者发生低血糖的区分能力，结果显示，曲线下面积（area under the curve, AUC）为0.733（95%CI=0.664～0.802，P＜0.05），以约登指数最大值（0.342）选取预测模型的最佳临界值（0.236），曲线的灵敏度为0.578，特异度为0.764。见图1。

图1 低血糖预警评分模型ROC 分析

2.4 预测评分模型的验证

选取323 例患者资料验证该模型的预测效果，使用两种方法验证逻辑回归模型，采用ROC 曲线和Hosmer-Lemeshow 检验分析，结果显示，AUC 为0.733，曲线的灵敏度为0.568，特异度为0.764，表明该模型具有良好的识别能力，可以正确识别出73.3% 的T2DM 患者低血糖的风险。 Hosmer-Lemeshow 检验显示预测风险和观察风险之间没有显著差异（χ2=7.216，P=0.514），表明该模型具有良好的校准度。

3 讨论

糖尿病属于临床最常见的多发病，是以慢性高血糖为特征的代谢性疾病。有研究显示，低BMI、饮食不当等会增加低血糖的危险，危及糖尿病患者的生命安全[6-7]。低血糖还会刺激心血管系统，引发心律失常、心肌梗塞、中风等，长期反复严重的低血糖发作，会对中枢神经系统造成不可逆的损害，甚至可能导致休克和死亡[8]。因此，预测预防和控制低血糖事件，及时预测和干预低血糖的发生，对糖尿病患者的治疗具有重要意义。本研究构建低血糖预警评分模型，不论是模型构建还是内部验证均具有高的灵敏度和特异度，说明该模型预测效能良好，结果稳定，简单的临床预测规则有助于指导更合适的治疗方案和低血糖预防。因此，本研究旨在建立简单易行的低血糖风险模型，尽快识别低血糖的危险因素，采取积极措施降低低血糖的发生率，改善身心健康状况，保护患者的健康，提高患者的生活质量。

本研究结果显示，BMI 与低血糖发生呈负相关，BMI越低的患者越容易发生低血糖，与多项研究结果一致[9-10]。BMI 较低的患者，其肝糖原储存能力较差，胰高血糖素和肾上腺素分泌减少，导致低血糖发生时肝糖原利用率降低，葡糖糖逆调节机制受损，对低血糖的识别和防御能力下降，低血糖风险更高[11]，病死率也会升高[12]。多数肥胖患者体内存有不同程度的胰岛素抵抗，这可能会降低对降糖药的反应性，因此对低血糖的发生起到一定的保护性作用。相对于BMI 较高的人，BMI 较低人的血浆葡萄糖浓度明显降低，更容易发生低血糖[9]。有研究显示BMI＜18.5 kg/m2比BMI≥18.5 kg/m2的患者，低血糖风险增加了2.7 倍[13]。本研究显示较低的BMI 是低血糖的独立危险因素。因此，在临床工作中，要充分考虑BMI 对低血糖阈值影响的情况下制订个体化降糖方案，对于体质量较轻的患者，适当服用抗糖尿病药物、定期进行自我监测血糖水平和给与充足的营养支持，有助于减少更严重的低血糖发生。

饮食治疗是糖尿病治疗的基础，贯穿于糖尿病治疗的始终，科学合理的饮食有利于血糖的控制。在一项对2型糖尿病成年病人的调查中发现大部分低血糖是由于饮食不规律、碳水化合物摄入过少引起的。饮食结构、饮食习惯不合理及食欲缺乏也会引起低血糖[14-16]。英国一项研究表明，29%低血糖事件由于进餐延迟而发生，25%因碳水化合物不规律或不足而发生，20% 因不吃饭而发生低血糖[17]。王丹等[18]研究显示因进食偏少、进餐延迟而发生低血糖者分别占42.65%、9.98%。本研究显示，饮食情况是低血糖的主要危险因素，进食少的患者与进食正常的患者相比，低血糖发生率高（P＜0.05），与张海燕等[15]研究相似。患者在治疗的过程中出现低血糖，可能与患者的饮食不规律、食欲差，未能按时进食，饮食结果不合理等密切相关。因此，要特别注意患者的饮食情况，指导患者规律饮食、少食多餐，适当地控制脂肪以及糖份摄入，尽量多增加蛋白质以及维生素的食物，食欲差时要注意调整药物剂量。

综上所述，本研究通过回顾电子病历选取住院T2DM 患者的变量建立T2DM 患者低血糖预测模型，数据获取方便，该模型具有良好的预测效能，简单，方便，在临床具有很好的实用性。但本研究仅为单中心研究，模型未进行外部验证，尚需多中心扩大样本量进一步验证。