Page 47 - 2022-34-中国全科医学

·4268· http://www.chinagp.net E-mail:zgqkyx@chinagp.net.cn

The included prediction models may have proven to have good predictive performance，which could support medical workers in early
identification of the population at high risk of T2DM. Recommendations for future studies developing risk prediction models for T2DM
with good performance and low risk of bias are as follows：improving methods for data modeling and statistical analysis，and attaching
great importance to external verification and recalibration of the models．
【Key words】 Diabetes mellitus，type 2；Prediction model；Risk score；Systematic review；Asia；Evidence-based medicine

2 型糖尿病（T2DM）是患病人数最多的糖尿病类 获取相关文献。检索词包括：type 2 diabetes mellitus、
型，随着病程进展容易引起各种并发症，是导致失明、 ketosis-resistant diabetes mellitus、non-insulin-dependent
肾功能衰竭、心脏病发作、卒中和死亡的主要原因 ［1］ 。 diabetes mellitus、stable diabetes mellitus、NIDDM、slow-
国际糖尿病联盟发布的第九版“全球糖尿病地图”数据 onset diabetes mellitus、adult-onset diabetes mellitus、
显示，2019 年全球约有 5.37 亿成人糖尿病患者，糖尿 prediction model、risk stratification model、risk factor score、
病患病率达 10.5%，其中约 90% 为 T2DM ［2］ 。过去十 risk score、risk assessment、algorithm。 以 the Cochrane
年，亚洲人群糖尿病患病率大幅上升，中国和印度是全 Library 为例，具体检索策略请扫描本文二维码获取。
球糖尿病患者人数最多的两个国家，亚洲糖尿病的患病 1.3 文献筛选与资料提取 2 名研究者独立筛选文献、
总人数占世界糖尿病患病人数的 55% ［2-3］ 。研究结果显 提取资料并交叉核对，若存在分歧，则征求第 3 方意见。
示，有超过 50% 的糖尿病患者未得到及时诊断和治疗， 文献筛选时，首先阅读文题和摘要（初筛），在排除明
T2DM 的诊断延迟不仅会使个体医疗保健支出大幅度增 显不相关的文献后，进一步通读全文根据纳入和排除标
长、疾病负担加重，还可能增加其出现严重并发症，甚 准以最终确定是否纳入（复筛）。基于预测模型研究偏
至死亡的风险 ［4-5］ 。基于 T2DM 发病风险预测模型的预 倚风险及适用性评估的要素和资料提取内容制订标准化
测结果，医务人员可早期发现未得到诊断的 T2DM 患者， 表格 ［6］ 。资料提取内容主要包括第一作者、发表年份、
以及 T2DM 高危人群，并通过采取针对性、个体化的预 国家（地区）、研究类型、研究对象年龄、样本来源、
防 / 干预策略，降低 T2DM 发病概率 / 减缓病情进展。 样本量（不包含缺失数据）、发生结局事件的患者数、
在过去的几十年里，国内外研究者开发了多种基于亚洲 随访时长、观察终点、连续变量处理方法、缺失数据数
人群的预测模型来预测其 T2DM 发病风险，然而研究者 量及处理方法、建模方法、变量选择方法、验模方法、
对模型的构建策略报告不够明确，大多数预测模型使用 受试者工作特征曲线下面积（AUC）、拟合优度、过度
受限，预测效果仍有待深入验证。本研究通过系统性地 拟合情况、模型包含的预测因子、模型呈现形式、局限
分析、评价亚洲 T2DM 发病风险预测模型的开发过程和 性（模型 / 研究）。
效能，旨在为 T2DM 发病风险预测模型的选择和深度开 1.4 纳入文献的偏倚风险及适用性评估 由 2 名研究
发提供依据与参考。本研究已在 PROSPERO 登记注册 者独立采用预测模型偏倚风险评估工具（PROBAST）
并审核通过，注册号为 CRD42021244563。 对纳入文献的偏倚风险和适用性进行严格评估，若存在
1 资料与方法 分歧，则征求第 3 方意见。PROBAST 由 MOONS 等 ［7］ 、
1.1 文献纳入和排除标准 纳入标准：（1）研究对 WOLFF 等 ［8］ 于 2019 年推出，包含研究对象（2 个问
象为亚洲人群且基线时无糖尿病；（2）研究内容为 题）、预测因子（3 个问题）、结果（6 个问题）和数
T2DM 发病风险预测模型（不包括诊断模型），并且研 据分析（9 个问题）4 个领域。每个领域的评估结果分
究描述了模型的建立、验证和评价过程；（3）研究类 为“低”“高”“不清楚”3 个等级。每个问题采用“是
型为队列研究；（4）英文文献。排除标准：（1）细胞、 / 可能是”“可能不是 / 不是”或“没有信息”进行回答。
分子及基因水平研究；（2）观察对象为儿童 / 青少年 / 若 4 个领域的偏倚风险评估结果均为“低”，则整体偏
特定患病人群（如肥胖、高血压患者）的研究；（3） 倚风险被判断为“低”；若有≥ 1 个领域的偏倚风险评
预测结果包括 T2DM，但不限于 T2DM（如心血管疾病） 估结果为“高”，则整体偏倚风险为“高”；若有领域
的研究；（4）未采用回归法（如神经网络或决策树） 的偏倚风险评估结果为“不清楚”，而其他领域的偏倚
构建预测模型的研究；（5）对既往开发的模型进行验 风险评估结果均为“低”，则认为整体偏倚风险为“不
证的研究；（6）国际会议摘要、二次研究；（7）模型 清楚”。此外，对于模型构建研究，即使所有领域的偏
包含的预测因子数 <2；（8）重复发表的文献。 倚风险评估结果均为“低”，若模型未经过外部验证，
1.2 文献检索策略 于 2021 年 4 月，计算机检索 则整体偏倚风险仍为“高”。PROBAST 主要从前 3 个
PubMed、EmBase、the Cochrane Library 获 取 有 关 亚 洲 领域对适用性进行评价，适用性评价方法与偏倚风险评
T2DM 发病风险预测模型的研究，检索时限均为建库至 价方法相似。
2021-04-01。此外，追溯纳入文献的参考文献，以补充 1.5 统计学方法 采用描述性分析法对模型的基本特征及