Page 41 - 2022-06-中国全科医学

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

诊断临界值为 0.464，灵敏度为 76.5%，特异度为 备选阈值概率表明该模型是一个很好的评估工具。
83.7%；通过验证组数据集进行验证，预测列线图的 3 讨论
ROC 曲线下面积为 0.852〔95%CI（0.840，0.865）〕（图 3、 本研究结果发现年龄、DR、糖尿病病程、HbA 1c 和
4），诊断临界值为 0.522，灵敏度为 74.0%，特异度为 HDL 是 T2DM 发生 DPN 的影响因素，其中，DPN 发生
87.4%。此外，验证组的 ROC 曲线下面积较建模人群仅 率与年龄、是否发生 DR、糖尿病病程和 HbA 1c 呈正相关，
降低 0.006，说明预测模型在训练组和验证组人群均具 与 HDL 呈负相关。
有良好的预测区分度。 本研究结果显示，DR 是 T2DM 患者发生 DPN 的危
2.5 训练组和验证组发生 DPN 的校正曲线 在训练数 险因素，其本身也是糖尿病微血管并发症之一，虽然
据集上，列线图的校正曲线显示预测结果与观察吻合较 DPN 和 DR 的病理生理机制有些不同，但其病理基础
好（图 5）。Hosmer-Lemeshow 拟合优度检验表明模型 均与糖代谢紊乱、微血管疾病及微循环障碍有关 ［24］ ，
不显著（P>0.05），表明模型与观察数据吻合较好。通 因此，在 T2DM 患者中，随着 DR 的患病率增加，DPN
过验证组数据集进行验证，同样显示预测与观察吻合
1.0
较好，Hosmer-Lemeshow 拟合优度检验表明模型不显著
（P>0.05），表明模型与观察数据吻合较好。
2.6 训练组和验证组发生 DPN 的决策性曲线（DCA） 0.8
在列线图预测模型的基础上，将筛选出的变量进行
DPN 的 DCA（图 6），结果显示，当患者的阈值概率为
0.6
0~0.9，使用列线图预测 T2DM 发生 DPN 风险的净收益
更高，同样在验证组得到证实（图 6），因此，广泛的 灵敏度
0.4

表 2 T2DM 患者发生 DPN 影响因素的多因素 Logistic 回归分析
Table 2 Multivariate Logistic regression analysis of influencing factors of
diabetic peripheral neuropathy in type 2 diabetics 0.2
2
项目 β SE Wald χ 值 P 值 OR 值 95%CI
常量 -6.552 0.199 -32.853 <0.001 - -
0 0.2 0.4 0.6 0.8 1.0
年龄 0.034 0.002 14.694 <0.001 1.034 （1.031，1.039） 1- 特异度
图 3 列线图预测模型预测训练组 T2DM 患者发生 DPN 风险的 ROC
DR 2.475 0.051 48.545 <0.001 11.881 （10.756，13.135）
曲线
糖尿病病程 0.067 0.004 16.818 <0.001 1.070 （1.061，1.078） Figure 3 ROC curve of the predictive nomogram for the risk of diabetic
peripheral neuropathy in type 2 diabetics of training group
0.213 0.012 18.316 <0.001 1.237 （1.209，1.266）
HbA 1c
HDL -0.073 0.075 -9.669 <0.001 0.894 （0.877，0.901） 1.0
注：- 表示无此数据
0.8

0.6
灵敏度

0.4

0.2

0 0.2 0.4 0.6 0.8 1.0
注：DR= 糖尿病视网膜病变，HDL= 高密度脂蛋白，HbA 1c = 糖化
1- 特异度
血红蛋白，DPN= 糖尿病周围神经病变 图 4 列线图预测模型预测验证组 T2DM 患者发生 DPN 风险的 ROC
图 2 T2DM 患者发生 DPN 风险预测列线图 曲线
Figure 2 Nomogram predicting diabetic peripheral neuropathy in type 2 Figure 4 ROC curve of the predictive nomogram for the risk of diabetic
diabetics peripheral neuropathy in type 2 diabetics of verification group