预测2型糖尿病患者外周血管疾病发病风险列线图模型的建立
目的:建立预测2型糖尿病(T2DM)外周血管疾病(PAD)发病风险的列线图模型。方法:回顾性收集2017年12月至2020年8月于石家庄市第二医院就诊的1 851例T2DM患者,采用简单随机抽样方法按3∶1比例分为训练集(1 389例)和验证集(462例)。收集受试者的一般资料、体格检查指标、生化指标。收集的资料用于评估T2DM合并PAD的风险。通过运行RStudio软件,使用LASSO回归分析以及交叉验证,来筛选最佳预测因子,采用多因素logistic回归建立预测模型,引入从LASSO回归筛选出的预测因子,进而构建预测T2DM患者PAD风险列线图模型,采用受试者工作特征(ROC)曲线、校正及...
Saved in:
Published in | 中华糖尿病杂志 Vol. 14; no. 6; pp. 570 - 576 |
---|---|
Main Authors | , , , , , , |
Format | Journal Article |
Language | Chinese |
Published |
石家庄市第二医院全科医学科,石家庄 050051%华北理工大学公共卫生学院,唐山 063210%河北省人民医院全科医学科,石家庄 050057
01.06.2022
|
Subjects | |
Online Access | Get full text |
ISSN | 1674-5809 |
DOI | 10.3760/cma.j.cn115791-20220126-00052 |
Cover
Summary: | 目的:建立预测2型糖尿病(T2DM)外周血管疾病(PAD)发病风险的列线图模型。方法:回顾性收集2017年12月至2020年8月于石家庄市第二医院就诊的1 851例T2DM患者,采用简单随机抽样方法按3∶1比例分为训练集(1 389例)和验证集(462例)。收集受试者的一般资料、体格检查指标、生化指标。收集的资料用于评估T2DM合并PAD的风险。通过运行RStudio软件,使用LASSO回归分析以及交叉验证,来筛选最佳预测因子,采用多因素logistic回归建立预测模型,引入从LASSO回归筛选出的预测因子,进而构建预测T2DM患者PAD风险列线图模型,采用受试者工作特征(ROC)曲线、校正及决策曲线评估模型的效能。结果:在训练集中,LASSO结合logistic回归分析结果显示,年龄(OR=1.034,95%CI 1.020~1.047)、吸烟(OR=2.363,95%CI 1.720~2.804)、饮酒(OR=3.692,95%CI 2.618~5.230)、糖尿病病程(OR=1.040,95%CI 1.006~1.076)、收缩压(OR=1.026,95%CI 1.014~1.039)、高密度脂蛋白胆固醇(OR=0.467,95%CI 0.276~0.779)、低密度脂蛋白胆固醇(OR=1.459,95%CI 1.239~1.721)、白细胞计数(OR=1.137,95%CI 1.027~1.260)、血小板分布宽度(OR=1.285,95%CI 1.202~1.375)、大血小板比率(OR=0.911,95%CI 0.890~0.931)和降压药使用(OR=0.422,95%CI 0.322~0.551)是T2DM合并PAD的影响因素,差异均具有统计学意义(
P<0.001)。训练集和验证集预测T2DM患者PAD发病风险的AUC、灵敏度、特异度分别为0.819(95%CI 0.796~0.842,
P<0.001)、70.5%、82.9%和0.821(95%CI 0.779~0.862,
P<0.001)、78.3%、75.4%。临床决策曲线显示,在训练集和验证集中,当PAD风险阈值概率分别在31%~81%和37%~94%之间时,预测T2DM患者PAD发病风险的净收益更高。
结论:本研究成功构建一种准确性高、性能优良的预测T2DM患者PAD发病风险的实用列线图模型。 |
---|---|
ISSN: | 1674-5809 |
DOI: | 10.3760/cma.j.cn115791-20220126-00052 |