Page 40 - 2022-06-中国全科医学

http://www.chinagp.net E-mail:zgqkyx@chinagp.net.cn ·677·

测 DPN 发生的风险。以 P<0.05 为差异有统计学意义。 2.4 训练组和验证组发生 DPN 的预测价值 绘制列
2 结果 线图预测精度的 ROC 曲线，训练组列线图预测模型的
2.1 一般资料 15 020 例 T2DM 患者中包括 8 887 例 ROC 曲线下面积为 0.858〔95%CI（0.851，0.865）〕，
无 DPN 患者和 6 133 例 DPN 患者。无 DPN 患者和 DPN
表 1 无 DPN 患者和 DPN 患者一般资料比较
患者嗜酸粒细胞分数、TC、LDL 比较，差异均无统计
Table 1 Comparison of general information between the non-DPN and
学意义（P>0.05）。无 DPN 患者和 DPN 患者性别、年 DPN patients
龄、DR 发生率、糖尿病病程、WBC、淋巴细胞计数、 无 DPN DPN
2
一般资料 χ （t）值 P 值
HbA 1c 、GSP、TG、HDL、ApoA1、ApoB 比较，差异均 （n=8 887） （n=6 133）
性别〔n（%）〕 140.68 a <0.001
有统计学意义（P<0.05），见表 1。
男 5 886（66.2） 3 476（56.7）
2.2 DPN 的危险因素 以训练组是否发生 DPN（赋值：
女 3 001（33.8） 2 657（43.3）
是 =1，否 =0）为因变量，以性别（赋值：男 =1，女
年龄（ ±s，岁） 54.1±12.6 60.3±10.9 32.39 <0.001
=2）、年龄、DR（赋值：是 =1，否 =0）、糖尿病病 DR〔n（%）〕 4 633.00 a <0.001
程、WBC、嗜酸粒细胞分数、淋巴细胞计数、HbA 1c 、 无 7 415（83.4） 1 735（28.3）
GSP、TC、TG、HDL、LDL、ApoA1、ApoB 作为自变量（其 有 1 472（16.6） 4 398（71.7）
余自变量赋值为连续变量）进行 Lasso 回归分析（图 1）， 糖尿病病程（ ±s，年） 5.80±6.04 10.88±7.10 46.18 <0.001
9
随着惩罚系数 λ 的变化，模型纳入的变量也在逐渐减 WBC（ ±s，×10 /L） 7.30±3.23 6.83±2.55 -9.81 <0.001
少，最终选择 10 倍交叉验证误差为最小 λ+1（λ 最小 嗜酸粒细胞分数（ ±s） 0.163±0.221 0.166±0.149 0.95 0.375
值的 1 SE=0.023）作为模型的最优值，此时筛选的预测 淋巴细胞计数（ ±s， 2.21±0.80 2.17±0.87 -2.68 0.006
9
×10 /L）
变量包括年龄、DR、糖尿病病程、HbA 1c 和 HDL。将 HbA 1c （ ±s，%） 8.42±2.13 9.13±2.14 20.04 <0.001
筛选后的预测变量纳入多因素 Logistic 回归分析，结果 GSP（ ±s，mmol/L） 2.80±0.83 2.97±0.82 12.62 <0.001
显示，年龄、DR、糖尿病病程、HbA 1c 和HDL 是2型 TC（ ±s，mmol/L） 4.45±1.21 4.42±1.23 -1.58 0.113
糖尿病患者发生 DPN 的影响因素（表 2）。 TG（ ±s，mmol/L） 2.51±2.53 2.20±2.12 -8.12 <0.001
2.3 构建列线图预测模型 将上述多因素 Logistic 回归 HDL（ ±s，mmol/L） 1.10±0.35 1.01±0.32 10.36 <0.001
分析结果筛选出的变量纳入列线图预测模型，结局指标 LDL（ ±s，mmol/L） 2.76±0.90 2.78±0.90 1.33 0.182
选取 DPN 的发病风险，绘制列线图（图 2），根据每个 ApoA1（ ±s，g/L） 1.17±0.26 1.21±0.25 10.17 <0.001
ApoB（ ±s，g/L） 0.94±0.29 0.93±0.28 -2.07 0.039
风险因素所对应列线图上方的标尺，从而得到该因素的
2
a
注： 表示 χ 值；DPN= 糖尿病周围神经病变，DR= 糖尿病视
单项评分，所有风险因素评分相加得到总分，便可得到
网膜病变，WBC= 白细胞计数，HbA 1c = 糖化血红蛋白，GSP= 糖化血
对应患者 DPN 发生率，总分越高，意味发生 DPN 风险 清蛋白，TC= 总胆固醇，TG= 三酰甘油，HDL= 高密度脂蛋白，LDL=
的可能性越大。 低密度脂蛋白，ApoA1= 载脂蛋白 A1，ApoB= 载脂蛋白 B
15 15 12 11 7 4 1 15 14 14 14 11 10 9 7 7 5 4 4 2 2 1
0.25

1.35
0.20

0.15
系数 1.30
均方误差
0.10

0.05 1.25

0
1.20
A -8 -7 -6 -5 -4 -3 -2 B -7 -6 -5 -4 -3 -2
logλ logλ
注：A 为 15 个临床特征的系数曲线，B 为 Lasso 回归 10 倍交叉验证选择最合适的临床特征
图 1 采用 Lasso 回归进行临床特征的筛选
Figure 1 Selection of potential predictors of diabetic peripheral neuropathy in type 2 diabetics by the least absolute shrinkage and selection operator（Lasso）
regression