Development and Validation of a Risk Prediction Model for the Progression from Microalbuminuria to Macroalbuminuria in Patients with Type 2 Diabetes Mellitus

doi:10.12114/j.issn.1007-9572.2023.0002

Abstract

Abstract:

Background

The incidence of diabetic kidney disease (DKD) and the proportion of its related end-stage renal disease in dialysis patients in China are increasing. So it is urgent to take measures to prevent and control DKD. Intensified multifactorial interventions may prevent or delay the progression of DKD. Therefore, developing a personalized risk prediction model can effectively delay or even prevent the progression of DKD and be useful for the prevention and treatment of DKD.

Objective

The purpose of this study was to develop and validate a nomogram for the risk prediction of the progression from microalbuminuria (MAU) to macroalbuminuria (CAU) in type 2 diabetes mellitus (T2DM) patients.

Methods

A total of 1 263 T2DM patients with albuminuria who were hospitalized in Department of Endocrinology, the First Affiliated Hospital of Air Force Medical University from October 2016 to March 2020 were retrospectively recruited and divided into a development cohort of 906 cases and a validation cohort of 357 cases, according to the admission time. LASSO regression was used to screen the optimized variables measured at baseline for CAU. A Nomogram was constructed based on selected predictive factors identified by the multivariate logistic regression model of the development sub-cohort. The receiver operating characteristic (ROC) curve, calibration curve and Hosmer-Lemeshow (H-L) test were employed to assess the calibration and discrimination of the model. Decision curve analysis (DCA) was performed to evaluate the net clinical benefit of the Nomogram.

Results

The diabetes duration, systolic blood pressure (SBP), glycosylated hemoglobin A1c (HbA_1c), low-density lipoprotein cholesterol (LDL-C), cystatin C (Cys-C), estimated glomerular filtration rate (eGFR), and diabetic retinopathy (DR) were screened as predictive factors for progression from MAU to CAU by LASSO penalty regression. Multivariable Logistic regression analysis using these factors indicated that seven of those potential predictors were present in the final model, diabetes duration≥10 years, SBP≥140 mmHg, HbA_1c≥7.0 mmol/L, LDL-C≥1.8 mmol/L, Cys-C>1.09 mg/L, and DR were risk factors for the progression from MAU to CAU in T2DM patients (P<0.05), while eGFR showed no statistically significant association with the progression in stratified analysis (P>0.05). External and internal validations of the nomogram indicated a good predictive performance. The AUC of the model was 0.814〔95%CI (0.782, 0.846) 〕 in the development cohort, and was 0.768〔95%CI (0.713, 0.823) 〕 in the validation cohort. The model was well fit according to the calibration curve and the H-L goodness of fit test (internal validation: P=0.065; external validation: P=0.451). DCA curve showed that the Nomogram's net benefit was higher than both extreme curves when the threshold probability set between 0.08 and 0.74 in the development cohort, and between 0.14 and 0.70 in the external validation cohort, suggesting potential clinical benefits provided by this Nomogram.

Conclusion

This study finally constructed a prediction model with seven indicators containing diabetes duration, SBP, HbA_1c, LDL-C, Cys-C, eGFR, and DR, and will be a useful clinical predictive tool for the risk of progression from MAU to CAU in T2DM patients.

Key words: Diabetes mellitus, type 2, Albuminuria, Microalbuminuria, Macroalbuminuria, Nomograms

摘要：

背景

我国糖尿病肾病（DKD）的发病率及其所致终末期肾病（ESRD）在透析患者中所占比例不断攀升，DKD防控已刻不容缓，强化的多因素干预措施可延缓或者阻止DKD的病程进展，因而通过建立个性化的风险预测模型，可延缓或者阻止DKD病程进展，从而实现DKD的有效防治。

目的

开发和验证一个基于诺模图（Nomogram）的列线图模型，根据预测变量预测2型糖尿病（T2DM）患者从微量白蛋白尿（MAU）进展为大量白蛋白尿（CAU）的风险。

方法

回顾性收集2016年10月—2020年3月于空军军医大学第一附属医院内分泌科住院的2型糖尿病合并白蛋白尿患者1 263例，并根据入院时间将入组病例分为开发队列906例和验证队列357例。应用LASSO回归从收集的基线数值中筛选预测变量，并根据筛选的预测变量构建多因素Logistic回归模型，绘制模型的Nomogram。模型的验证和评估主要基于受试者工作特征（ROC）曲线、校准曲线和Hosmer-Lemeshow检验（H-L检验），并根据决策曲线分析法（DCA）评价该模型的实际临床净收益。

结果

基于LASSO回归惩罚收缩方法筛选出糖尿病病程、收缩压（SBP）、糖化血红蛋白（HbA_1c）、低密度脂蛋白胆固醇（LDL-C）、胱抑素C（Cys-C）、估算肾小球滤过率（eGFR）及糖尿病视网膜病变（DR）7个预测变量，依据这些预测变量构建的多因素Logistic回归模型显示，糖尿病病程≥10年、SBP≥140 mmHg、HbA_1c≥7.0 mmol/L、LDL-C≥1.8mmol/L、Cys-C>1.09 mg/L及合并DR是T2DM患者MAU进展为CAU的危险因素（P<0.05），而eGFR分层处理后无统计学意义（P>0.05）。预测模型的内外部验证显示该模型预测效能较优，开发队列的ROC曲线下面积（AUC）为0.814〔95%CI（0.782，0.846）〕，验证队列的AUC为0.768〔95%CI（0.713，0.823）〕，校准曲线和H-L检验（开发队列P=0.065；验证队列P=0.451）均显示该模型具有较好的一致性和拟合度，另外DCA结果显示当开发队列和验证队列的阈值概率分别为0.08~0.74和0.14~0.70时，该模型临床有效性较高。

结论

本研究开发了一个包含糖尿病病程、SBP、HbA_1c、LDL-C、Cys-C、eGFR及是否合并DR 7个变量的列线图模型，可用于预测T2DM患者MAU进展为CAU的临床风险。

关键词: 糖尿病，2型, 白蛋白尿, 微量白蛋白尿, 大量白蛋白尿, 列线图

LU Zuowei,CAO Hongwei,LIU Tao, et al. Development and Validation of a Risk Prediction Model for the Progression from Microalbuminuria to Macroalbuminuria in Patients with Type 2 Diabetes Mellitus[J]. Chinese General Practice, 2023, 26(26): 3259-3268. DOI: 10.12114/j.issn.1007-9572.2023.0002.
卢作维,曹宏伟,刘涛等. 2型糖尿病患者微量白蛋白尿进展至大量白蛋白尿的风险预测模型研究[J]. 中国全科医学, 2023, 26(26): 3259-3268. DOI: 10.12114/j.issn.1007-9572.2023.0002.

Figures/Tables 10

References 37

[1]	WYATT C M. Decreased incidence of end-stage renal disease in American Indians with diabetes：a model for other high-risk populations？[J]. Kidney Int，2017，91（4）：766-768. DOI：10.1016/j.kint.2017.01.027.
[2]	TUTTLE K R，BAKRIS G L，BILOUS R W，et al. Diabetic kidney disease：a report from an ADA Consensus Conference[J]. Diabetes Care，2014，37（10）：2864-2883. DOI：10.2337/dc14-1296.
[3]	ZHANG L X，LONG J Y，JIANG W S，et al. Trends in chronic kidney disease in China[J]. N Engl J Med，2016，375（9）：905-906. DOI：10.1056/NEJMc1602469.
[4]	JHA V，GARCIA-GARCIA G，ISEKI K，et al. Chronic kidney disease：global dimension and perspectives[J]. Lancet，2013，382（9888）：260-272. DOI：10.1016/S0140-6736(13)60687-X.
[5]	ZHANG L，FANG W，WANG L，et al. Prevalence of chronic kidney disease in China：a cross-sectional survey[J]. Lancet，2012，379（9818）：815-822. DOI：10.1016/S0140-6736(12)60033-6.
[6]	YOKOYAMA H，ARAKI S，HONJO J，et al. Association between remission of macroalbuminuria and preservation of renal function in patients with type 2 diabetes with overt proteinuria[J]. Diabetes Care，2013，36（10）：3227-3233. DOI：10.2337/dc13-0281.
[7]	REFARDT J，WINZELER B，CHRIST-CRAIN M. Diabetes insipidus：an update[J]. Endocrinol Metab Clin North Am，2020，49（3）：517-531. DOI：10.1016/j.ecl.2020.05.012.
[8]	DE GALAN B E，PERKOVIC V，NINOMIYA T，et al. Lowering blood pressure reduces renal events in type 2 diabetes[J]. J Am Soc Nephrol，2009，20（4）：883-892. DOI：10.1681/ASN.2008070667.
[9]	ISMAIL-BEIGI F，CRAVEN T E，O'CONNOR P J，et al. Combined intensive blood pressure and glycemic control does not produce an additive benefit on microvascular outcomes in type 2 diabetic patients[J]. Kidney Int，2012，81（6）：586-594. DOI：10.1038/ki.2011.415.
[10]	ROSSING K，CHRISTENSEN P K，HOVIND P，et al. Progression of nephropathy in type 2 diabetic patients[J]. Kidney Int，2004，66（4）：1596-1605. DOI：10.1111/j.1523-1755.2004.00925.x.
[11]	DE ZEEUW D，REMUZZI G，PARVING H H，et al. Proteinuria，a target for renoprotection in patients with type 2 diabetic nephropathy：lessons from RENAAL[J]. Kidney Int，2004，65（6）：2309-2320. DOI：10.1111/j.1523-1755.2004.00653.x.
[12]	ALBERTI K G，ZIMMET P Z. Definition，diagnosis and classification of diabetes mellitus and its complications. Part 1：diagnosis and classification of diabetes mellitus provisional report of a WHO consultation[J]. Diabet Med，1998，15（7）：539-553. DOI：10.1002/(SICI)1096-9136(199807)15:7<539:AID-DIA668>3.0.CO;2-S.
[13]	Use of glycated haemoglobin （HbA_1c） in the diagnosis of diabetes mellitus：abbreviated report of a WHO consultation[M]. Geneva：World Health Organization，2011.
[14]	中华医学会糖尿病学分会. 中国2型糖尿病防治指南（2020年版）[J]. 国际内分泌代谢杂志，2021，41（5）：482-548. DOI：10.3760/cma.j.cn121383-20210825-08063.
[15]	Addendum. 11. microvascular complications and foot care：Standards of medical care in diabetes-2021：diabetes care 2021；44（suppl. 1）：S151-167[J]. Diabetes Care，2021，44（9）：2186-2187. DOI：10.2337/dc21-ad09b.
[16]	MA Y C，ZUO L，CHEN J H，et al. Modified glomerular filtration rate estimating equation for Chinese patients with chronic kidney disease[J]. J Am Soc Nephrol，2006，17（10）：2937-2944. DOI：10.1681/ASN.2006040368.
[17]	JIANG S，FANG J，YU T，et al. Novel model predicts diabetic nephropathy in type 2 diabetes[J]. Am J Nephrol，2020，51（2）：130-138. DOI：10.1159/000505145.
[18]	ADLER A I，STEVENS R J，MANLEY S E，et al. Development and progression of nephropathy in type 2 diabetes：the United Kingdom Prospective Diabetes Study （UKPDS 64）[J]. Kidney Int，2003，63（1）：225-232. DOI：10.1046/j.1523-1755.2003.00712.x.
[19]	American Diabetes Association. Nephropathy in diabetes[J]. Diabetes Care，2004，27（suppl_1）：s79-83. DOI：10.2337/diacare.27.2007.s79.
[20]	LEEHEY D J，ZHANG J H，EMANUELE N V，et al. BP and renal outcomes in diabetic kidney disease：the veterans affairs nephropathy in diabetes trial[J]. Clin J Am Soc Nephrol，2015，10（12）：2159-2169. DOI：10.2215/CJN.02850315.
[21]	卢作维，刘涛，刘向阳，等. 2型糖尿病患者发生微量白蛋白尿预测模型的建立与验证研究[J]. 中国全科医学，2021，24（36）：4653-4660. DOI：10.12114/j.issn.1007-9572.2021.02.057.
[22]	ANDERSON R J，BAHN G D，EMANUELE N V，et al. Blood pressure and pulse pressure effects on renal outcomes in the Veterans Affairs Diabetes Trial （VADT）[J]. Diabetes Care，2014，37（10）：2782-2788. DOI：10.2337/dc14-0284.
[23]	XIE X F，ATKINS E，LV J C，et al. Effects of intensive blood pressure lowering on cardiovascular and renal outcomes：updated systematic review and meta-analysis[J]. Lancet，2016，387（10017）：435-443. DOI：10.1016/S0140-6736(15)00805-3.
[24]	HOLMAN R R，PAUL S K，BETHEL M A，et al. 10-year follow-up of intensive glucose control in type 2 diabetes[J]. N Engl J Med，2008，359（15）：1577-1589. DOI：10.1056/NEJMoa0806470.
[25]	HOLMAN R R，PAUL S K，BETHEL M A，et al. Long-term follow-up after tight control of blood pressure in type 2 diabetes[J]. N Engl J Med，2008，359（15）：1565-1576. DOI：10.1056/NEJMoa0806359.
[26]	DEKKERS C C J，PETRYKIV S，LAVERMAN G D，et al. Effects of the SGLT-2 inhibitor dapagliflozin on glomerular and tubular injury markers[J]. Diabetes Obes Metab，2018，20（8）：1988-1993. DOI：10.1111/dom.13301.
[27]	Intensive blood-glucose control with sulphonylureas or insulin compared with conventional treatment and risk of complications in patients with type 2 diabetes （UKPDS 33）. UK Prospective Diabetes Study （UKPDS） Group[J]. Lancet，1998，352（9131）：837-853.
[28]	UEKI K，SASAKO T，OKAZAKI Y，et al. Multifactorial intervention has a significant effect on diabetic kidney disease in patients with type 2 diabetes[J]. Kidney Int，2021，99（1）：256-266. DOI：10.1016/j.kint.2020.08.012.
[29]	GOLDBERG R B，STONE N J，GRUNDY S M. The 2018 AHA/ACC/AACVPR/AAPA/ABC/ACPM/ADA/AGS/APhA/ASPC/NLA/PCNA guidelines on the management of blood cholesterol in diabetes[J]. Diabetes Care，2020，43（8）：1673-1678. DOI：10.2337/dci19-0036.
[30]	GROSS J L，DE AZEVEDO M J，SILVEIRO S P，et al. Diabetic nephropathy：diagnosis，prevention，and treatment[J]. Diabetes Care，2005，28（1）：164-176. DOI：10.2337/diacare.28.1.164.
[31]	SASSO F C，PAFUNDI P C，SIMEON V，et al. Efficacy and durability of multifactorial intervention on mortality and MACEs：a randomized clinical trial in type-2 diabetic kidney disease[J]. Cardiovasc Diabetol，2021，20（1）：145. DOI：10.1186/s12933-021-01343-1.
[32]	中华医学会糖尿病学分会微血管并发症学组. 中国糖尿病肾脏病防治指南（2021年版）[J]. 中华糖尿病杂志，2021，13（8）：762-784. DOI：10.3760/cma.j.cn115791-20210706-00369.
[33]	WANG N N，LU Z Y，ZHANG W，et al. Serum cystatin C trajectory is a marker associated with diabetic kidney disease[J]. Front Endocrinol （Lausanne），2022，13：824279. DOI：10.3389/fendo.2022.824279.
[34]	CHAN L L，NADKARNI G N，FLEMING F，et al. Derivation and validation of a machine learning risk score using biomarker and electronic patient data to predict progression of diabetic kidney disease[J]. Diabetologia，2021，64（7）：1504-1515. DOI：10.1007/s00125-021-05444-0.
[35]	ZENG X F，LU D X，LI J M，et al. Performance of urinary neutrophil gelatinase-associated lipocalin，clusterin，and cystatin C in predicting diabetic kidney disease and diabetic microalbuminuria：a consecutive cohort study[J]. BMC Nephrol，2017，18（1）：233. DOI：10.1186/s12882-017-0620-8.
[36]	PAUL S，ALI A，KATARE R. Molecular complexities underlying the vascular complications of diabetes mellitus-a comprehensive review[J]. J Diabetes Complications，2020，34（8）：107613. DOI：10.1016/j.jdiacomp.2020.107613.
[37]	MORIYA T，TANAKA S，KAWASAKI R，et al. Diabetic retinopathy and microalbuminuria can predict macroalbuminuria and renal function decline in Japanese type 2 diabetic patients：Japan Diabetes Complications Study[J]. Diabetes Care，2013，36（9）：2803-2809. DOI：10.2337/dc12-2327.

变量	开发队列（n=906）	验证队列（n=357）	检验统计量值	P值
性别〔例（%）〕			0.978	0.323
男	625（69.0）	236（66.1）
女	281（31.0）	121（33.9）
年龄〔M（P₂₅，P₇₅），岁〕	55.0（47.0，64.0）	58.0（49.0，65.0）	-2.295^a	0.022
糖尿病家族史〔例（%）〕			0.669	0.413
是	421（46.5）	175（49.0）
否	485（53.5）	182（51.0）
高血压家族史〔例（%）〕			0.012	0.914
是	203（22.4）	81（22.7）
否	703（77.6）	276（77.3）
糖尿病病程〔M（P₂₅，P₇₅），年〕	8.0（2.0，14.0）	8.0（3.5，14.0）	-0.917^a	0.359
生活方式
吸烟〔例（%）〕			0.004	0.951
是	390（43.0）	153（42.9）
否	516（57.0）	204（57.1）
饮酒〔例（%）〕			0.214	0.644
是	227（25.1）	85（23.8）
否	679（74.9）	272（76.2）
生理指标
SBP（±s，mmHg）	134±17	134±18	0.494^b	0.621
DBP（±s，mmHg）	82±10	81±11	1.613^b	0.107
BMI（±s，kg/m²）	26.7±3.9	26.6±3.9	0.469^b	0.639
腹型肥胖〔例（%）〕			0.192	0.661
是	536（59.2）	216（60.5）
否	370（40.8）	141（39.5）
实验室检查指标
FPG（±s，mmol/L）	8.70±2.78	8.69±2.55	0.044^b	0.965
HbA_1c（±s，%）	8.92±1.76	9.03±1.80	-0.993^b	0.321
TG（±s，mmol/L）	2.29±2.09	2.20±1.80	0.716^b	0.474
TC（±s，mmol/L）	4.33±1.08	4.35±1.06	-0.295^b	0.768
LDL-C（±s，mmol/L）	2.41±0.84	2.40±0.82	0.181^b	0.865
HDL-C（±s，mmol/L）	1.00±0.22	1.01±0.25	-1.062^b	0.289
BUN（±s，mmol/L）	5.96±2.65	5.99±2.26	-0.189^b	0.850
UA（±s，μmol/L）	328.04±96.91	328.13±92.55	-0.016^b	0.988
Cys-C（±s，mg/L）	1.12±0.57	1.11±0.47	0.199^b	0.843
eGFR〔±s，mL·min^-1·（1.73 m²）^-1〕	96.96±30.63	95.90±29.15	0.566^b	0.572
NLR（±s）	2.33±1.76	2.28±1.52	0.428^b	0.668
UACR〔例（%）〕			1.495	0.221
MAU（30~300 mg/g）	680（75.1）	256（71.7）
CAU（>300 mg/g）	226（24.9）	101（28.3）
伴发疾病
DR〔例（%）〕			0.190	0.663
是	298（32.9）	122（34.2）
否	608（67.1）	235（65.8）
ASCVD〔例（%）〕			0.003	0.958
是	217（24.0）	85（23.8）
否	689（76.0）	272（76.2）
药物使用情况
降脂药物
贝特类〔例（%）〕			0.230	0.631
是	64（7.1）	28（7.8）
否	842（92.9）	329（92.2）
他汀类〔例（%）〕			3.305	0.069
是	408（45.0）	181（50.7）
否	498（55.0）	176（49.3）
ACEI/ARB降压药〔例（%）〕			1.017	0.313
是	474（52.3）	198（55.5）
否	432（47.7）	159（44.5）
降糖药物
二甲双胍〔例（%）〕			1.314	0.252
是	465（51.3）	196（54.9）
否	441（48.7）	161（45.1）
α-葡萄糖苷酶抑制剂〔例（%）〕			0.188	0.665
是	146（16.1）	54（15.1）
否	760（83.9）	303（84.9）
注射基础胰岛素〔例（%）〕			0.120	0.729
是	219（24.2）	83（23.2）
否	687（75.8）	274（76.8）

变量	开发队列（n=906）	验证队列（n=357）	检验统计量值	P值
性别〔例（%）〕			0.978	0.323
男	625（69.0）	236（66.1）
女	281（31.0）	121（33.9）
年龄〔M（P₂₅，P₇₅），岁〕	55.0（47.0，64.0）	58.0（49.0，65.0）	-2.295^a	0.022
糖尿病家族史〔例（%）〕			0.669	0.413
是	421（46.5）	175（49.0）
否	485（53.5）	182（51.0）
高血压家族史〔例（%）〕			0.012	0.914
是	203（22.4）	81（22.7）
否	703（77.6）	276（77.3）
糖尿病病程〔M（P₂₅，P₇₅），年〕	8.0（2.0，14.0）	8.0（3.5，14.0）	-0.917^a	0.359
生活方式
吸烟〔例（%）〕			0.004	0.951
是	390（43.0）	153（42.9）
否	516（57.0）	204（57.1）
饮酒〔例（%）〕			0.214	0.644
是	227（25.1）	85（23.8）
否	679（74.9）	272（76.2）
生理指标
SBP（±s，mmHg）	134±17	134±18	0.494^b	0.621
DBP（±s，mmHg）	82±10	81±11	1.613^b	0.107
BMI（±s，kg/m²）	26.7±3.9	26.6±3.9	0.469^b	0.639
腹型肥胖〔例（%）〕			0.192	0.661
是	536（59.2）	216（60.5）
否	370（40.8）	141（39.5）
实验室检查指标
FPG（±s，mmol/L）	8.70±2.78	8.69±2.55	0.044^b	0.965
HbA_1c（±s，%）	8.92±1.76	9.03±1.80	-0.993^b	0.321
TG（±s，mmol/L）	2.29±2.09	2.20±1.80	0.716^b	0.474
TC（±s，mmol/L）	4.33±1.08	4.35±1.06	-0.295^b	0.768
LDL-C（±s，mmol/L）	2.41±0.84	2.40±0.82	0.181^b	0.865
HDL-C（±s，mmol/L）	1.00±0.22	1.01±0.25	-1.062^b	0.289
BUN（±s，mmol/L）	5.96±2.65	5.99±2.26	-0.189^b	0.850
UA（±s，μmol/L）	328.04±96.91	328.13±92.55	-0.016^b	0.988
Cys-C（±s，mg/L）	1.12±0.57	1.11±0.47	0.199^b	0.843
eGFR〔±s，mL·min^-1·（1.73 m²）^-1〕	96.96±30.63	95.90±29.15	0.566^b	0.572
NLR（±s）	2.33±1.76	2.28±1.52	0.428^b	0.668
UACR〔例（%）〕			1.495	0.221
MAU（30~300 mg/g）	680（75.1）	256（71.7）
CAU（>300 mg/g）	226（24.9）	101（28.3）
伴发疾病
DR〔例（%）〕			0.190	0.663
是	298（32.9）	122（34.2）
否	608（67.1）	235（65.8）
ASCVD〔例（%）〕			0.003	0.958
是	217（24.0）	85（23.8）
否	689（76.0）	272（76.2）
药物使用情况
降脂药物
贝特类〔例（%）〕			0.230	0.631
是	64（7.1）	28（7.8）
否	842（92.9）	329（92.2）
他汀类〔例（%）〕			3.305	0.069
是	408（45.0）	181（50.7）
否	498（55.0）	176（49.3）
ACEI/ARB降压药〔例（%）〕			1.017	0.313
是	474（52.3）	198（55.5）
否	432（47.7）	159（44.5）
降糖药物
二甲双胍〔例（%）〕			1.314	0.252
是	465（51.3）	196（54.9）
否	441（48.7）	161（45.1）
α-葡萄糖苷酶抑制剂〔例（%）〕			0.188	0.665
是	146（16.1）	54（15.1）
否	760（83.9）	303（84.9）
注射基础胰岛素〔例（%）〕			0.120	0.729
是	219（24.2）	83（23.2）
否	687（75.8）	274（76.8）

变量	MAU组（n=680）	CAU组（n=226）	检验统计量值	P值
性别〔例（%）〕			0.420	0.517
男	473（69.6）	152（67.3）
女	207（30.4）	74（32.7）
年龄〔M（P₂₅，P₇₅），岁〕	55.0（46.0，64.0）	56.0（49.8，65.0）	-2.459^a	0.014
糖尿病家族史〔例（%）〕			0.848	0.357
是	310（45.6）	111（49.1）
否	370（54.4）	115（50.9）
高血压家族史〔例（%）〕			0.449	0.503
是	156（22.9）	47（20.8）
否	524（77.1）	179（79.2）
糖尿病病程〔M（P₂₅，P₇₅），年〕	6.00（2.0，12.0）	12.0（6.8，17.0）	-7.818^a	<0.001
生活方式
吸烟〔例（%）〕			0.071	0.790
是	291（42.8）	99（43.8）
否	389（57.2）	127（56.2）
饮酒〔例（%）〕			2.335	0.126
是	179（26.3）	48（21.2）
否	501（73.7）	178（78.8）
生理指标
SBP（±s，mmHg）	132±15	143±19	-8.070^b	<0.001
DBP（±s，mmHg）	82±10	85±11	-3.553^b	<0.001
BMI（±s，kg/m²）	26.8±3.8	26.4±4.1	1.381^b	0.168
腹型肥胖〔例（%）〕			1.097	0.295
是	409（60.1）	127（56.2）
否	271（39.9）	99（43.8）
实验室检查指标
FPG（±s，mmol/L）	8.65±2.62	8.84±3.22	-0.809^b	0.419
HbA_1c（±s，%）	8.84±1.72	9.14±1.87	-2.192^b	0.029
TG〔M（P₂₅，P₇₅），mmol/L〕	1.76（1.18，2.57）	1.61（1.20，2.43）	-1.150^a	0.250
TC（±s，mmol/L）	4.31±1.14	4.38±0.92	-0.922^b	0.357
LDL-C（±s，mmol/L）	2.36±0.79	2.54±0.95	-2.621^b	0.004
HDL-C（±s，mmol/L）	0.99±0.23	1.01±0.21	-1.039^b	0.299
BUN（±s，mmol/L）	5.51±2.06	7.33±3.61	-7.178^b	<0.001
UA（±s，μmol/L）	321.60±96.03	347.42±97.18	-3.492^b	0.001
Cys-C（±s，mg/L）	1.00±0.45	1.47±0.71	-9.221^b	<0.001
eGFR〔±s，mL·min^-1·（1.73 m²）^-1〕	103.59±26.23	77.04±34.13	10.688^b	<0.001
NLR（±s）	2.16±1.46	2.82±2.38	-3.948^b	<0.001
伴发疾病
DR〔例（%）〕			98.292	<0.001
是	163（24.0）	135（59.7）
否	517（76.0）	91（40.3）
ASCVD〔例（%）〕			2.546	0.111
是	154（22.6）	63（27.9）
否	526（77.4）	163（72.1）
药物使用情况
降脂药物
贝特类〔例（%）〕			0.347	0.556
是	50（7.4）	14（6.2）
否	630（92.6）	212（93.8）
他汀类〔例（%）〕			0.001	0.972
是	306（45.0）	102（45.1）
否	374（55.0）	124（54.9）
ACEI/ARB降压药〔例（%）〕			0.118	0.731
是	358（52.6）	116（51.3）
否	322（47.4）	110（48.7）
降糖药物
二甲双胍〔例（%）〕			18.492	<0.001
是	377（55.4）	88（38.9）
否	303（44.6）	138（61.1）
α-葡萄糖苷酶抑制剂〔例（%）〕			0.255	0.613
是	112（16.5）	34（15.0）
否	568（83.5）	192（85.0）
注射基础胰岛素〔例（%）〕			0.004	0.947
是	164（24.1）	55（24.3）
否	516（75.9）	171（75.7）

变量	MAU组（n=680）	CAU组（n=226）	检验统计量值	P值
性别〔例（%）〕			0.420	0.517
男	473（69.6）	152（67.3）
女	207（30.4）	74（32.7）
年龄〔M（P₂₅，P₇₅），岁〕	55.0（46.0，64.0）	56.0（49.8，65.0）	-2.459^a	0.014
糖尿病家族史〔例（%）〕			0.848	0.357
是	310（45.6）	111（49.1）
否	370（54.4）	115（50.9）
高血压家族史〔例（%）〕			0.449	0.503
是	156（22.9）	47（20.8）
否	524（77.1）	179（79.2）
糖尿病病程〔M（P₂₅，P₇₅），年〕	6.00（2.0，12.0）	12.0（6.8，17.0）	-7.818^a	<0.001
生活方式
吸烟〔例（%）〕			0.071	0.790
是	291（42.8）	99（43.8）
否	389（57.2）	127（56.2）
饮酒〔例（%）〕			2.335	0.126
是	179（26.3）	48（21.2）
否	501（73.7）	178（78.8）
生理指标
SBP（±s，mmHg）	132±15	143±19	-8.070^b	<0.001
DBP（±s，mmHg）	82±10	85±11	-3.553^b	<0.001
BMI（±s，kg/m²）	26.8±3.8	26.4±4.1	1.381^b	0.168
腹型肥胖〔例（%）〕			1.097	0.295
是	409（60.1）	127（56.2）
否	271（39.9）	99（43.8）
实验室检查指标
FPG（±s，mmol/L）	8.65±2.62	8.84±3.22	-0.809^b	0.419
HbA_1c（±s，%）	8.84±1.72	9.14±1.87	-2.192^b	0.029
TG〔M（P₂₅，P₇₅），mmol/L〕	1.76（1.18，2.57）	1.61（1.20，2.43）	-1.150^a	0.250
TC（±s，mmol/L）	4.31±1.14	4.38±0.92	-0.922^b	0.357
LDL-C（±s，mmol/L）	2.36±0.79	2.54±0.95	-2.621^b	0.004
HDL-C（±s，mmol/L）	0.99±0.23	1.01±0.21	-1.039^b	0.299
BUN（±s，mmol/L）	5.51±2.06	7.33±3.61	-7.178^b	<0.001
UA（±s，μmol/L）	321.60±96.03	347.42±97.18	-3.492^b	0.001
Cys-C（±s，mg/L）	1.00±0.45	1.47±0.71	-9.221^b	<0.001
eGFR〔±s，mL·min^-1·（1.73 m²）^-1〕	103.59±26.23	77.04±34.13	10.688^b	<0.001
NLR（±s）	2.16±1.46	2.82±2.38	-3.948^b	<0.001
伴发疾病
DR〔例（%）〕			98.292	<0.001
是	163（24.0）	135（59.7）
否	517（76.0）	91（40.3）
ASCVD〔例（%）〕			2.546	0.111
是	154（22.6）	63（27.9）
否	526（77.4）	163（72.1）
药物使用情况
降脂药物
贝特类〔例（%）〕			0.347	0.556
是	50（7.4）	14（6.2）
否	630（92.6）	212（93.8）
他汀类〔例（%）〕			0.001	0.972
是	306（45.0）	102（45.1）
否	374（55.0）	124（54.9）
ACEI/ARB降压药〔例（%）〕			0.118	0.731
是	358（52.6）	116（51.3）
否	322（47.4）	110（48.7）
降糖药物
二甲双胍〔例（%）〕			18.492	<0.001
是	377（55.4）	88（38.9）
否	303（44.6）	138（61.1）
α-葡萄糖苷酶抑制剂〔例（%）〕			0.255	0.613
是	112（16.5）	34（15.0）
否	568（83.5）	192（85.0）
注射基础胰岛素〔例（%）〕			0.004	0.947
是	164（24.1）	55（24.3）
否	516（75.9）	171（75.7）

变量	β	Wald χ²值	P值	OR	95%CI
糖尿病病程	0.015	1.313	0.252	1.015	（0.989，1.042）
SBP	0.024	18.443	<0.001	1.024	（1.013，1.035）
HbA_1c	0.196	14.140	<0.001	1.216	（1.098，1.347）
LDL-C	0.260	6.335	0.012	1.297	（1.059，1.589）
Cys-C	0.772	7.391	0.007	2.164	（1.240，3.776）
eGFR	-0.014	7.644	0.006	0.987	（0.977，0.996）
DR（以否为对照）
是	1.065	33.321	<0.001	2.902	（2.021，4.166）