基于多指标的糖尿病患者视网膜病变预测评估模型研究

张娟娟 赵 燕 许 旺 邱方远 许建强

1 滨州医学院附属医院,256603 山东 滨州;2 徐州医科大学管理学院,221004 江苏 徐州

糖尿病已成为严重危害人类健康的全球性公共卫生问题,我国糖尿病患病人数居全球首位,其中2型糖尿病发病人数占90%以上且并发症危害较大[1]。糖尿病是一种代谢紊乱性疾病,其发病率已在全球呈现持续上升的趋势。糖尿病的并发症对患者及其家庭造成了沉重的疾病负担,糖尿病的并发症分为急性并发症、慢性并发症2类。糖尿病的急性并发症主要分为糖尿病酮症酸中毒(常见)、非酮症性高渗性昏迷或低血糖(多见于老年人)。糖尿病的慢性并发症主要分为糖尿病的微血管病变(糖尿病视网膜病变、糖尿病周围神经病变、糖尿病肾病)、大血管病变(糖尿病的脑血管病变、冠状动脉粥样硬化性心脏病)、糖尿病的外周血管病变(糖尿病足);糖尿病视网膜病变简称“糖网”,主要包括黄斑水肿、增殖性玻璃体视网膜病变、牵引性视网膜脱落,病症的发生率随着患糖尿病时间增加而提高[2];患有糖尿病15年以上的病人中约60%的病人眼部血管会受损,其中一部分有可能失明。诸多研究表明糖尿病视网膜病变与患者自身的相关生化指标有相关性[3]。而随着互联网和互联网技术的发展与突破,互联网检索信息、电子病案、居民健康档案、可穿戴智能设备监测数据、环境监测点监测数据等大量的数据源为人工智能在疾病预测领域发展打下了坚实的基础[4]。如波士顿大学的Brisimi等基于患者电子病案,利用人工智能算法预测了心脏病和糖尿病2种慢性病的患病风险[5]。本研究基于“国家人口健康科学数据中心数据仓储中的中国人民解放军总医院糖尿病并发症预警数据集”,以糖尿病视网膜病变为例,从健康社会决定性因素理论、糖尿病诊断生理生化指标维度出发,进行糖尿病患者是否出现视网膜病变并发症的结局预测及预警分析,为预防和控制糖尿病发生发展、提高糖尿病患者生存质量提供研究参考和决策依据。

1 资料与方法

1.1 资料来源

本研究数据来源于“国家人口健康科学数据中心数据仓储中的中国人民解放军总医院糖尿病并发症预警数据集”。收集糖尿病患者3 000人,糖尿病并发视网膜病变1 500人、糖尿病无视网膜病变患者1 500人。

1.2 研究方法

研究基于医院住院服务过程,收集糖尿病患者的性别、年龄、民族、婚姻等人口学资料,高血压、高血脂、脑卒中等慢性病患病情况,血压、心率、血糖、糖化血红蛋白等生理生化检验指标数据。

1.3 统计学方法

运用SPSS 26.0进行统计分析。糖尿病患者是否并发视网膜病变的人口学特征及慢性病分布的定性资料采用例数(n)和百分比(%)描述;糖尿病患者是否并发视网膜病变的生化指标为偏态分布的定量资料,采用M(P25,P75)描述;糖尿病患者是否并发视网膜病变在人口学特征、慢病共患情况的分布差异通过χ2检验、Cochran-Armitage趋势检验进行推断性统计分析;糖尿病患者是否并发视网膜病变的生理生化指标分布差异采用非参数检验进行推断性统计分析。采用Fisher判别分析筛选糖尿病并发视网膜病变的价值指标。检验水准α=0.05。

2 结果

2.1 不同慢性病共患情况的糖尿病患者是否并发视网膜病变分析

2.1.1 糖尿病患者并发视网膜病变在不同疾病患者间分布差异

分析结果显示,糖尿病患者是否并发视网膜病变在不同年龄组及是否患高血压、脑卒中、脂肪肝、肾病、肾衰、下肢动脉病变、血液病、高血脂、心肌梗死、冠心病、风湿免疫系统病、内分泌腺瘤、消化系肿瘤、泌尿系肿瘤、妇科肿瘤、肺部肿瘤、其他肿瘤组间差异有统计学意义(P<0.05)。与未并发视网膜病变的糖尿病患者相比,45岁以下及患高血压、脑卒中、脂肪肝、肾病、肾衰、下肢动脉病变、血液病的糖尿病患者并发视网膜病变的风险(比例)高;与未并发视网膜病变的糖尿病患者相比,≥45岁及患高血脂、心肌梗死、冠心病、风湿免疫系统病、内分泌腺瘤、消化系肿瘤、泌尿系肿瘤、妇科肿瘤、肺部肿瘤等的糖尿病患者并发视网膜病变的风险(比例)低。见表1。

表1 (续)

2.1.2 糖尿病患者是否并发视网膜病变在不同共患疾病类别中的分布

分析结果显示,仅患有糖尿病的患者并发视网膜病变比例为56.8%,患5种以上其他疾病的糖尿病患者视网膜病变比例为68.8%,糖尿病患者视网膜病变的并发率又随着共患疾病种类的增加而增高的趋势(χ2=50.527,P<0.001)。见表2。

表2 糖尿病患者是否并发视网膜病变在不同共患疾病类别中的分布

2.2 糖尿病患者并发视网膜病观测指标分布差异

分析结果显示,糖尿病患者是否并发视网膜病变在收缩压、舒张压、空腹血糖等生理生化指标分布差异有统计学意义(P<0.05)。糖尿病并发视网膜病变的患者其收缩压、舒张压、空腹血糖、餐后2 h血糖、糖化血红蛋白、总胆固醇、低密度脂蛋白、纤维蛋白原、24 h尿微量蛋白、血尿素、血肌酐、血清尿酸、红细胞沉降率、直接胆红素、乳酸脱氢酶、凝血酶原活动度、快速微量尿蛋白、血清脂肪酶、肿瘤标志物CA199指标中位数值显著高于未并发视网膜病变的患者(P<0.05)。糖尿病并发视网膜病变的患者其尿肌酐、血红蛋白、空腹C肽、空腹胰岛素、红细胞压积、总胆红素、直接胆红素、总蛋白、血清白蛋白、谷丙转氨酶、谷草转氨酶、谷氨酰胺转移酶、凝血酶原时间、C反应蛋白指标中位数值显著低于未并发视网膜病变的患者相应指标值(P<0.05)。见表3。

表3 糖尿病患者与糖尿病并发视网膜病变患者观测指标

2.3 糖尿病并发视网膜病变预测评估模型构建及实证分析

2.3.1 基于慢性病共患情况的糖尿病并发视网膜病变预测

将表1中的各慢性病病种作为自变量,将糖尿病患者是否并发视网膜病变作为分组结局变量,进行Fisher判别分析。

根据输入变量、分类函数系数,得出判别函数方程,将患者的相应指标分类及数值代入方程,得分最大的,就判别为该类别。具体判别函数方程如下:

Y1(糖尿病并发视网膜病变)=-10.425+5.225×年龄组+2.627×肾病+0.465×下肢动脉病变-1.477×冠心病-0.449×其他肿瘤+0.236×肾衰+1.689×高血脂-0.487×消化系统肿瘤+1.270×其他内分泌疾病-0.338×风湿免疫疾病-1.314×泌尿系肿瘤-1.290×脑卒中+0.501×妇科肿瘤-1.877×肺部肿瘤+0.944×血液病。

Y2(糖尿病无视网膜病变)=-10.333+5.347×年龄组+1.250×肾病-0.663×下肢动脉病变-0.845×冠心病+0.316×其他肿瘤-0.551×肾衰+2.216×高血脂+0.418×消化系统肿瘤+0.930×其他内分泌疾病+0.422×风湿免疫疾病-0.265×泌尿系统肿瘤-1.765×脑卒中+1.151×妇科肿瘤-1.079×肺部肿瘤+0.627×血液病。见表4。

表4 判别分析步进统计结果及分类函数系数

将患者健康信息特征代入Y1、Y2判别函数方程,对比Y1、Y2得分,鉴别出使得Y1得分增高的变量,主要有肾病、肾衰、血液病、下肢动脉病变、其他内分泌疾病等因素,上述变量可增加糖尿病并发视网膜病变的判别(患病)。最终以糖尿病并发视网膜病变为阳性结果,判别预测正确率为66.2%。见表5。

表5 基于慢性病共患情况的糖尿病并发视网膜病变预测结果与原始结果对比

2.3.2 基于生理生化指标的糖尿病并发视网膜病变预测

以表3中的糖尿病患者的各生理生化指标为自变量,以糖尿病患者是否并发视网膜病变作为分组结局变量,进行Fisher判别分析。将患者的相应指标分类及数值代入方程,得分最大的,判别为该类别。具体判别函数方程如下:

Y1(糖尿病并发视网膜病变)=-28.444+3.316×尿微量蛋白+1.762×糖化血红蛋白+0.055×碱性磷酸酶+89.439×红细胞压积

Y2(糖尿病无视网膜病变)=-28.489+2.889×尿微量蛋白+1.391×糖化血红蛋白+0.073×碱性磷酸酶+94.851×红细胞压积

将患者健康信息特征代入Y1、Y2判别函数方程,对比Y1、Y2得分,鉴别出使得Y1得分增高的变量主要是尿微量蛋白、糖化血红蛋白等因素,上述变量可增加糖尿病并发视网膜病变的判别(患病)。最终以糖尿病并发视网膜病变为阳性结果,判别预测正确率为67.5%。见表6。

表6 判别分析步进统计结果及分类函数系数

3 讨论

3.1 糖尿病患者慢性病共患状况与并发视网膜病变关系

研究发现,就糖尿病并发视网膜病变结局而言,低龄组及患高血压、脑卒中、脂肪肝、肾病、肾衰、下肢动脉病变、血液病等慢性病的糖尿病患者,其视网膜病变比例高。肾病、肾衰、血液病、下肢动脉病变、其他内分泌疾病以及多病共患是糖尿病并发视网膜病变的不利因素;原因在于糖尿病视网膜病变和糖尿病肾病是糖尿病患者常见的2种慢性微血管并发症[6]。研究还发现高血脂、心肌梗死、冠心病、风湿免疫系统病、内分泌腺瘤、消化系肿瘤、泌尿系肿瘤、妇科肿瘤、肺部肿瘤的糖尿病患者视网膜病变比例低。

3.2 糖尿病患者生理生化指标状况与并发视网膜病变关系

研究发现糖尿病并发视网膜病变的患者,其收缩压、舒张压、空腹血糖、血沉(红细胞沉降率)、餐后2 h血糖、糖化血红蛋白、总胆固醇、低密度脂蛋白、乳酸脱氢酶、纤维蛋白原、24 h尿微量蛋白、血尿素、血肌酐、凝血酶原活动度、快速微量尿蛋白、血清脂肪酶、肿瘤标志物、血清尿酸中位数值高于糖尿病未并发视网膜病变的患者。而“尿微量蛋白、糖化血红蛋白”指标对糖尿病患者并发视网膜病变的预判有重要价值。空腹血糖、餐后2 h血糖、糖化血红蛋白联合检测的方法简单且准确,对于糖尿病视网膜病变的筛查和诊断具有重要的临床意义和价值[7]。尿微量蛋白是肾小球病变早期诊断指标,容易引起糖尿病肾病[3];糖尿病患者平均糖化血红蛋白或糖基化变异性与糖尿病视网膜病变发展有相关性[8]。

3.3 基于统计分析基础上的糖尿病视网膜病变预测模型的构建与应用

临床及精准医学已经能够从生理生化指标、行为方式等因素中明确诸多疾病的临床判别价值。如利用大数据分析和模型预测[9-10],人工智能现在也可预测阿尔兹海默病风险[9]、心血管疾病风险[10]、癌症风险等。

综上所述,本研究以糖尿病并发视网膜病变为例,从数据仓储中的指标遴选、统计分析到判别分析、预测决策系统构架等数据挖掘流程及方法上为相关疾病预测决策预警的智能辅助医疗提供一定参考,提高数字医学在临床实践中的意义和价值。