Page 52 - 2022-34-中国全科医学
P. 52

http://www.chinagp.net   E-mail:zgqkyx@chinagp.net.cn  ·4273·


           (续表 3)
               第一作者                     模型包含的预测因子                        模型呈现形式             局限性(模型 / 研究)
               LIM 等 [19]  模型1(5 个):年龄、FHDM、当前吸烟情况、BMI、高血压。模型2(8 个):模型1  根据各因子的回归系数对其进行赋  模型可能只适用于临床环境或流行病学研究
                                                                     分,计算个体的发病风险总分
                             中的因子+FBG、HDL-C、TG。模型3(9 个):模型2 中的因子+HbA 1c
               YE 等 [20]         6 个:性别、BMI、FBG、HbA 1c 、高血压、C 反应蛋白  基于各因子的回归系数及其参考值得           未进行外部验证
                                                                    出各因子的分值,计算个体的发病风
                                                                           险总分
               XU 等 [21]          7 个:年龄、性别、FHDM、BMI、FBG、HDL、TG     基于各因子的回归系数及其参考值得 将FBG 作为判断基线时糖尿病患病情况的指标,
                                                                    出各因子的分值,计算个体的发病风    可能造成糖尿病患病率被低估;数据缺失率约
                                                                           险总分         38%;在其他民族/ 年轻人T2DM 发病风险预测中
                                                                                            的应用效果有待进一步研究
              NANRI 等 [22]  模型1(6 个):年龄、性别、BMI、腰围、高血压、吸烟情况。模型2(7 个):模型 根据各因子的回归系数对其进行赋        可能存在选择偏倚
                         1 中的因子+FBG。模型3(7 个):模型1 中的因子+HbA 1c 。模型4(8 个):模型1 中  分,计算个体的发病风险总分
                                         的因子+ FBG、HbA 1c
              WANG 等 [23]  模型1(7个):年龄、性别、BMI、FHDM、受教育程度、血压、静息心率。模型2(10 列线图,读取各因子的值对应的得  预测能力有限;在其他人群T2DM 发病风险预测
                                 个):模型1 中的因子+FBG、TG、调脂药物使用情况          分,将所有因子的得分相加         中的应用效果有待进一步研究
               LIU 等 [24]        5 个:年龄、BMI、FBG、自评健康状况、体育活动                 —                   样本量较少
             MIYAKOSHI 等 [25]  模型1(5 个):性别、FHDM、年龄、收缩压、BMI。模型2(7 个):性别、FHDM、 以取整后的HR 作为各因子的分值,计  回顾性研究;未进行外部验证
                         年龄、收缩压、FPG、HbA 1c 、TG。模型3(11 个):吸烟状况、体育活动、年龄、收缩  算个体的发病风险总分
                                 压、BMI、性别、FPG、2 h-PG、HbA 1c 、HDL-C、TG
              ZHANG 等 [26]             4 个:年龄、BMI、TG、FBG            将各因子的回归系数×100 后取整,  数据缺失率较高,可能导致偏倚;在其他人群
                                                                    以此作为各因子的分值,计算个体的    T2DM 发病风险预测中的应用效果有待进一步
                                                                         发病风险总分                   研究
              CHEN 等 [27]  模型1(6 个):年龄、超重、肥胖、FHDM、饮食以肉类为主、高血压。模型2(7  根据各因子的回归系数对其进行赋   失访人数较多;在不同环境中的预测能力需进一
                                       个):模型1 中的因子+FBG               分,计算个体的发病风险总分               步测试
              ZHANG 等 [28]  模型1(7 个):年龄、吸烟、饮茶频率、体育活动水平、FHDM、BMI、高血压。模 将各因子的回归系数×10,以此作为        未进行外部验证
                         型2(7 个):年龄、吸烟、饮茶频率、体育活动水平、FHDM、腰高比、高血压。模 各因子的分值,计算个体的发病风险
                         型3(8 个):模型1 中的因子+ 腰高比。模型4(10 个):模型3 中的因子+TG、FBG    总分
               WEN 等 [29]             4 个:年龄、BMI、腰围、FHDM            基于各因子的回归系数及其参考值得       缺失数据较多,可能导致偏倚
                                                                    出各因子的分值,计算个体的发病风
                                                                           险总分
              YATSUYA 等 [30]      6 个:年龄、BMI、吸烟状况、FHDM、TG、FBG       根据各因子的回归系数对其进行赋    样本皆为男性且其职业以公务员为主,在其他人
                                                                     分,计算个体的发病风险总分     群T2DM 发病风险预测中的应用效果有待进一步
                                                                                                  验证
               HA 等 [31]  11 个:年龄、FHDM、吸烟状况、体育活动水平、抗高血压治疗、他汀类药物使用、 根据各因子的回归系数,得出发病风 外部验证队列的校准图显示,T2DM 发病风险被
                               BMI、收缩压、总胆固醇、FBG 为共性因子,γ- 谷氨酰转移酶          险的计算公式                   低估
                                (只限女性)、酒精摄入(只限男性)为性别特异性因子
               HAN 等 [32]      6 个:BMI、FBG、高血压、高脂血症、当前吸烟状况、FHDM     将各因子的回归系数×10,以此作为    未限制研究人群年龄,未进行外部验证
                                                                    各因子的分值,计算个体的发病风险
                                                                            总分
               HU 等 [33]  模型1(6 个):年龄、性别、腹部肥胖、BMI、吸烟状况、高血压。模型2(8 个): 根据各因子回归系数、基础风险率, 样本来源受到限制,主要为大公司职员;模型无
                                      模型1 中的因子+ 血脂异常、FBG                计算个体发病概率              法区分糖尿病的类型
              WANG 等 [34]  模型1(6个):年龄、BMI、FBG、HDL-C、LDL-C、TG。模型2:男(5个),年龄、 列线图,读取各因子的值对应的得        —
                         TG、FBG、LDL-C、BMI;女(6 个),年龄、TG、FBG、HDL-C、LDL-C、BMI。模  分,将所有因子的得分相加
                            型3(8 个):年龄、BMI、FBG、收缩压、舒张压、HDL-C、LDL-C、TG
             GUNTHER 等 [35]  17 个:年龄、性别、种族、身高、腰围、FHDM、收缩压、FBG、TG、HDL-C、     —                  未进行外部验证
                          C8-DC、C16-OH、异亮氨酸/ 亮氨酸、鸟氨酸、脯氨酸、丝氨酸、丙氨酸/ 甘氨酸
               SHAO 等 [36]  模型1(8 个):年龄、性别、民族、高血压、吸烟、饮酒、腰围、BMI。模型2(17  列线图,读取各因子的值对应的得  当预测概率<0.20 时,T2DM 发病风险可能会被
                          个):模型1 中的因子+ 受教育程度、软饮料和茶摄入、体育活动、能量摄入、碳水     分,将所有因子的得分相加                低估
                         化合物摄入、脂肪摄入、蛋白质摄入、三头肌皮褶厚度、睡眠时间。模型3(24个):
                         模型2 中的因子+LDL-C、HDL-C、TC、TG、胰岛素、FBG、HbA 1c  。模型4(7 个):
                                  LDL-C、HDL-C、TC、TG、胰岛素、FBG、HbA 1c
              ASGARI 等 [37]  模型1(6 个):年龄、身高、收缩压、TG、HDL-C、FHDM。模型2(7 个):模型1 根据各因子的回归系数,得出发病风  使用中间日期来定义事件日期
                                中的因子+FBG。模型3(7 个):模型1 中的因子+ 腰围          险得分的计算公式
               OH 等 [38]  模型1(6 个):年龄、居住地、吸烟、高血压、FHDM、腰围。模型2(7 个):模型 根据各因子的回归系数对其进行赋          模型需进一步被验证
                                                                     分,计算个体的发病风险总分
                                1 中的因子+FBG;模型3(7 个):模型1 中的因子+HbA 1c
              RHEE 等 [39]  17 个:年龄、性别、BMI、收缩压、舒张压、FBG、TC、HbA 1c 、天冬氨酸氨基转移酶、  —                    —
                         丙氨酸氨基转移酶、γ- 谷氨酰转移酶、蛋白尿、吸烟、饮酒、锻炼、个人史、家族史
              注:—表示未提及;LDL-C= 低密度脂蛋白胆固醇,FHDM= 糖尿病家族史,IGT= 糖耐量异常,TG= 三酰甘油,HDL-C= 高密度脂蛋白胆固醇,
           BMI= 体质指数,ALT= 谷氨酸氨基转移酶,OR= 比值比,HR= 风险比,eGFR= 估算的肾小球滤过率,C8-DC= 辛二酰肉碱,C16-OH= 棕榈羟酰
           基肉碱,TC= 总胆固醇
   47   48   49   50   51   52   53   54   55   56   57