Logistic回歸與受試者工作特征曲線在2型糖尿病患者發生腦梗死風險預測中的應用研究

于長春

糖尿病是導致缺血性腦血管疾病發生的重要危險因素之一，常合并腔隙性腦梗死。糖尿病患者腦梗死的發病率比普通人群高2～6倍[1],而糖尿病合并腦梗死患者的死亡率是非糖尿病腦梗死的2～4倍[2]，是造成糖尿病患者生活質量下降和死亡的重要原因之一。本研究對收集的2型糖尿病患者的資料聯合運用Logistic回歸和受試者工作特征(ROC)曲線進行分析，旨在對患者發生腦梗死的風險進行評估和預測，及時給出有針對性的預防建議，及早進行防治，從而降低患者發生腦梗死的幾率。

1　資料與方法

1.1一般資料某醫院2008—2009年收治的2型糖尿病患者89例，符合1999年世界衛生組織診斷及分型標準[3]。根據1995年中華醫學會第四屆全國腦血管病學術會議制定的腔隙性腦梗死診斷標準[3]，并經顱腦MRI檢查證實，將病例分為腔隙性腦梗死組和無腔隙性腦梗死組。無腔隙性腦梗死組42例，男19例(占45.2%)，女23例(占54.8%)，平均年齡為(58±8)歲；腔隙性腦梗死組47例，男23例(占48.9%)，女24例(占51.1%)，平均年齡為(68±8)歲。

1.2研究方法

1.2.1收集資料包括性別、年齡、糖尿病病程、高血壓病史、吸煙史；專人測量身高、體質量，并計算體質指數(BMI)=體質量(kg)/身高2(m2)。

1.2.2生化指標測定受試者過夜禁食12 h，次晨空腹采肘正中靜脈血。血清總膽固醇(TC)、三酰甘油(TG)、低密度脂蛋白膽固醇(LDL-C)、高密度脂蛋白膽固醇(HDL-C)、尿酸測定采用美國Beckman Unicel DXC-800全自動生化分析儀。糖化血紅蛋白(HbA1c)采用層析法，美國Bio-Rad公司的D-10全自動糖化血紅蛋白儀測定。

1.2.3頸動脈超聲檢查由超聲科專人操作，采用美國Philips-iu22彩色多普勒超聲診斷儀檢查，探頭頻率12 MHz。頸動脈內膜中層厚度(CIMT)即管腔內膜面至中層與外膜交界處的垂直距離，于左右頸總動脈分叉遠端1 cm處測量，取其平均值分析；雙側頸動脈任一節段發生斑塊，判為頸動脈粥樣硬化斑塊陽性。

1.3統計學方法統計分析利用SPSS 13.0完成，采用多元Logistic回歸篩選出危險因素，然后通過對定量危險因素繪制ROC曲線，確定預測2型糖尿病患者發生腦梗死風險的截斷值(cutoff)。然后對樣本進行回代，并與實際診斷結果進行對比，以評估預測準確性。判斷標準：曲線下面積(AUC)<0.5為無診斷價值，0.5≤AUC<0.7為診斷準確性較低，0.7≤AUC<0.9為診斷準確性較好，AUC≥0.9表示診斷準確性最高[4]。

2　結果

2.1危險因素篩選以是否患有腔隙性腦梗死為因變量，經多元Logistic回歸分析篩選出3個對腔隙性腦梗死發生的影響有統計學意義的變量，見表1。

表1　Logistic回歸篩選出的變量及其統計量

注：CIMT=頸動脈內膜中層厚度

2.2ROC曲線分析對年齡和CIMT繪制ROC曲線并確定cutoff，然后對樣本進行預測以評估其診斷價值，結果見表2、3和圖1。

利用年齡、CIMT和頸動脈粥樣斑塊三個指標組成的Logistic綜合預測模型P=1/[1+e-(-19.982+0.195age+7.641CIMT+3.202plague)]對樣本進行預測，若P≥0.5則判斷患者發生腦梗死的風險較高,若P<0.5則判為低風險，得到的綜合預測模型的靈敏度為87.23%、特異度為85.71%、診斷符合率為86.52%，預測結果見表4。

表2年齡和CIMT預測腦梗死風險診斷價值的AUC評價

Table2AUC evaluation of age and CIMT to predict cerebral infarction risk diagnostic value

AUCSEP值95%CI年齡083600430000(0751，0921)CIMT084900410000(0769，0929)

注：AUC=曲線下面積

表3年齡和CIMT預測腦梗死風險的準確度比較

Table3Comparison of accuracy between age and CIMT to predict cerebral infarction risk diagnostic value

cutoff值靈敏度(%)特異度(%)診斷符合率(%)年齡625808573817753CIMT093808576197865

注：ROC曲線=受試者工作特征曲線

圖1　年齡、CIMT的ROC曲線

3　討論

糖尿病是導致腦卒中死亡的一個重要的危險因素，較普通人群更易發生腦梗死，且癥狀更為嚴重。因此，有效防范糖尿病患者并發腦梗死的風險對于改善患者的生存質量、提高健康水平具有十分積極的意義。

2型糖尿病容易并發腔隙性腦梗死，其發生機制非常復雜，是多種因素共同作用的結果，患者的預后較差，病死率較高。糖尿病并發腦梗死的防治應以預防為重點，指導高危人群加強平時的健康保健，盡可能遠離誘發腦梗死的危險因素，并根據評估結果制訂個性化的治療方案，做到早發現、早診斷、早治療，以切實降低人群發病率。要進行有針對性的預防，就必須明確危險因素及預測標準。

本研究采用多元Logistic回歸進行危險因素的篩選，從眾多指標中篩選出3個對腦梗死發生影響有統計學意義的指標，分別為年齡、CIMT、有無頸動脈粥樣硬化斑塊。從所得到的OR值來看，三者的OR值均大于1，說明都是影響糖尿病患者發生腦梗死的危險因素，從OR值的大小來看，CIMT的OR值最大，其次是有無頸動脈粥樣硬化斑塊，最小是年齡，說明三者中CIMT對腦梗死發生影響最大。有國外研究表明糖尿病患者CIMT與心腦血管疾病的患病率呈正相關[5-7]，隨著CIMT的增加腦梗死發生的危險性提高[8]，本研究結果與國外報道的一致。因此，動態監測CIMT變化可以預測糖尿病患者合并腦梗死的發生幾率，是預防腦卒中的重要措施。相關研究表明血糖、血脂、纖維蛋白原水平的升高使2型糖尿病患者容易出現動脈粥樣硬化，頸動脈粥樣硬化與腦梗死的發生具有很強的相關性，頸動脈粥樣硬化斑塊與CIMT增厚均為腦梗死的獨立危險因素[2]，本研究結果同樣證實了這一結論。年齡也是影響腦梗死發生的一個重要因素，年齡越大腦梗死發生的可能性越高，只是其影響程度要小于CIMT。

通過對定量危險因素繪制ROC曲線，確定年齡和CIMT的cutoff值分別為62.5歲、0.93 mm，依據這一標準對樣本進行預測，結果表明兩個因素獨立預測的準確度都在75%以上，預測準確度還是比較高的。但相比之下，由年齡、CIMT和頸動脈粥樣斑塊三個指標組成的Logistic綜合預測模型的診斷價值更高，預測效果更為理想。

影響糖尿病患者發生腦梗死的因素很多，但由于時間、人力、財物等諸多因素的限制，本研究只是檢測了其中的部分指標，樣本量還不夠大，因此，所篩選出的危險因素及據此所建立的預測模型的代表性、準確性有待于在今后的工作中進一步完善和提高。本研究旨在為糖尿病并發腦梗死的防治工作探索出一種客觀、科學的輔助診斷工具，相信隨著糖尿病患者數據庫的不斷擴大、所采集的指標越來越多，以及研究手段的不斷進步，利用數學模型預測糖尿病并發腦梗死風險的可行性和科學性將進一步提高，必將為糖尿病并發腦梗死的防治工作開辟新的天地，最終為糖尿病患者的身體健康造福。

1王永清，周青霞，王風格，等.糖尿病患者并發急性腦梗死危險因素分析[J].河北醫藥，2011，33(6)：879.

2羅建寧.急性腦梗死治療新進展[J].實用心腦肺血管病雜志，2010，18(10)：1546.

3陳曉雷，吳文君，徐南飛，等.2型糖尿病并腔隙性腦梗死患者頸動脈硬化特征及危險因素分析[J].臨床薈萃，2011，26(10)：1120-1123.

4陳衛中,倪宗贊,潘曉平,等.用ROC曲線確定最佳臨界點和可疑值范圍[J].現代預防醫學,2005,32(7):729-731.

5Kitamura A,Iso H,Imano H,et al.Carotid intima-media thickness and plaque characteristics as a risk factor for stroke in Japanese elderly men[J].Stroke,2004,35(12):2788-2794.

6Djaberi R,Schuijf JD,de Koning EJ,et al.Usefulness of carotid intima-media thickness in patients with diabetes mellitus as a predictor of coronary artery disease[J].Am J Cardiol,2009,104(8):1041-1046.

7Lee E,Kim H,Bae J,et al.Relevance of common carotid intima-media thickness and carotid plaque as risk factors for ischemic stroke in patients with type 2 diabetes mellitus[J].AJNR Am J Neuroradiol,2007,28(5):916-919.

8Matsumoto K,Sera Y,Nakamura H,et al.Correlation between common carotid arterial wall thickness and ischemic stroke in patients with type 2 diabetes mellitus[J].Metabolism,2002,51(2):244-246.