糖尿病視網膜病變家庭預測模型的建立與驗證

浦丹鳳 王霞娟 相怡靜 馮晨

[摘要] 目的 建立糖尿病視網膜病變（DR）的家庭預測模型并驗證其有效性。方法 選取2008—2016年在無錫市人民醫院內分泌科住院的879例糖尿病（DM）患者作為研究對象，采集性別、年齡、體質指數（BMI）、糖尿病病程、空腹末梢血糖（FBG）、收縮壓（SBP）、舒張壓（DBP）、吸煙、他汀應用共9項家庭中易觀察的指標，利用多因素二元logistic回歸分析DR的危險因素并建立預測模型，采用受試者工作曲線（ROC曲線）評估該模型對DR的預測價值。 結果 研究納入879例DM患者，其中DR組450例，無DR組429例。多因素二元logistic回歸顯示，年齡（β=-0.038，OR=0.963，P<0.001），糖尿病病程（β=0.115，OR=1.122，P<0.001），FBG（β=0.079，OR=1.082，P=0.002），SBP（β=0.019，OR=1.019，P=0.004），他汀應用（β=-0.374，OR=0.688，P=0.046）與DR的發生顯著相關，據此建立DR的家庭預測模型：Y=1/[1+e-（-0.526-0.038X1+0.115X2+0.079X3+0.019X4-0.374X5）]，其中X1=年齡，X2=糖尿病病程，X3=FBG，X4=SBP，X5=他汀應用。該模型的ROC曲線下面積為0.719，臨界值為0.759時約登指數最大，對應敏感度為59.3%，特異度為76.2%。結論 糖尿病患者的年齡、糖尿病病程、FBG、SBP、他汀應用與DR顯著相關，據此建立的DR家庭預測模型的敏感度為59.3%，特異度為76.2%，ROC曲線下面積為0.719，表明該模型對DR有中等程度的預測價值。

[關鍵詞] 糖尿病視網膜病變；家庭；預測模型

[中圖分類號] R587.1 [文獻標識碼] A [文章編號] 1672-4062（2018）11（a）-0186-03

[Abstract] Objective To establish a family prediction model for diabetic retinopathy （DR） and to verify its effectiveness. Methods A total of 879 patients with diabetes mellitus （DM） admitted to the Department of Endocrinology， Wuxi People's Hospital from 2008 to 2016 were enrolled in the study. Gender， age， body mass index （BMI）， duration of diabetes， fasting peripheral blood glucose （FBG）， and systolic blood pressure （SBP）， diastolic blood pressure （DBP）， smoking， and statin were used to identify indicators in 9 households were collected. Multivariate binary logistic regression was used to analyze risk factors for DR and predictive models were used. Subject operating curve （ROC curve） was used to evaluate the predictive value of the model for DR. Results The study included 879 patients with DM， including 450 in the DR group and 429 in the non-DR group. Multivariate binary logistic regression showed age （β=-0.038， OR=0.963， P<0.001）， duration of diabetes （β=0.115，OR=1.122， P<0.001）， FBG （β=0.079， OR=1.082， P=0.002）， SBP （β=0.019， OR=1.019， P=0.004）， statin application （β=-0.374，OR=0.688， P=0.046） was significantly associated with the occurrence of DR， and the family prediction of DR was established accordingly. Model： Y=1/[1+e-（-0.526-0.038X1+0.115X2+0.079X3+0.019X4-0.374X5）]， where X1=age， χ2=diabetic course， X3=FBG， X4=SBP， X5 = statin application. The area under the ROC curve of the model was 0.719， and the critical value was 0.759， the Yoden index was the largest， the corresponding sensitivity was 59.3%， and the specificity is 76.2%. Conclusion Age， duration of diabetes， FBG， SBP， and statin use were significantly associated with DR. The sensitivity of the DR family prediction model was 59.3%， specificity was 76.2%， and the area under the ROC curve was 0.719. This model has a moderate predictive value for DR.

[Key words] Diabetic retinopathy； Family； Predictive model

糖尿病是一種慢性終身性疾病，可引起眼睛、腎臟、血管、神經等多種器官損傷，最終導致殘疾和過早死亡。目前全球已有3.7億糖尿病患者，該數目預期將在2030年達到5.5億[1]。糖尿病對患者及社會均造成巨大的經濟負擔，我國糖尿病的醫療支出約占衛生總費用的4%，其中81%用于治療糖尿病并發癥[2]。糖尿病視網膜病變（DR）是糖尿病的常見并發癥，其患病率高達28%，是失明的主要原因之一[1]。目前糖尿病視網膜病變的篩查主要依賴眼底照相，需要昂貴的設備和專業的醫生，無法在社區基層醫院普及。因此，該研究擬建立簡易的家庭預測模型，以早期預測糖尿病視網膜病變的發生風險，從而有效減少不良結局發生及診治費用支出。

1 對象與方法

1.1 研究對象

選取2008-2016年在無錫市人民醫院內分泌科住院的879例糖尿病患者作為研究對象。納入標準：①符合我國糖尿病診斷標準；②無眼底照相禁忌證；③住院前1月內無用藥方案改變。排除標準：①有嚴重臟器功能不全或腫瘤晚期患者；②存在應激狀態或認知功能障礙。

1.2 研究方法

①病史采集：由內分泌科專科醫師完成病史采集及數據錄入。內容包括：姓名、性別、年齡、糖尿病病程、吸煙史、他汀類藥物應用情況。

①體格檢查：由內分泌科專科護士測量患者身高、體重，計算體質指數（BMI）=體重（kg）/身高2（m）2。連續3 d早晨6：00測量患者SBP、DBP，并計算平均值。

③輔助檢查：由眼科專科醫師擴瞳后進行眼底彩色照相檢查，根據我國DR診療指南進行診斷及分期，并分為DR組和無DR組。同時連續3 d早晨6：00測量患者FBG，并計算平均值。

1.3 統計方法

采用SPSS 20.0統計學軟件進行數據分析，計量資料以均數±標準差（x±s）表示，計數資料以[n（%）]表示。采用t檢驗進行連續性變量比較，采用χ2檢驗進行組間比較。采用多因素二元logistic回歸分析DR的危險因素并建立預測模型，P<0.05為差異有統計學意義。采用受試者工作曲線（ROC曲線）評估該模型對DR的預測價值，計算最大約登指數（敏感性+特異性-1）明確該模型診斷DR的臨界值。

2 結果

2.1 一般情況

共納入879例糖尿病患者，其中450例患者眼底照相提示存在不同程度的糖尿病視網膜病變。兩組人群在性別、年齡、體質指數、舒張壓及吸煙比例上不存在顯著差異。但相比無DR組人群，DR組患者的糖尿病病程更長[（13.4±7.0）年比（9.1±6.2）年，t=9.606，P<0.05]，空腹血糖更高[（8.7±3.1）mmol/L比（8.0±2.6）mmol/L，t=3.533，P<0.05]，收縮壓更高[（133.2±14.5）mmHg比（130.3±14.0）mmHg，t=3.021，P<0.05]，他汀類藥物使用比例更高[（32.9%）比（24.0%）（χ2=8.488，P<0.05）]，見表1。

2.2 DR影響因素分析及建立預測模型

應用多因素二元logistic回歸分析發現，DR的影響因素包括：年齡（β=-0.038，OR=0.963，P<0.001），糖尿病病程（β=0.115，OR=1.122，P<0.001），FBG（β=0.079，OR=1.082，P=0.002），SBP（β=0.019，OR=1.019，P=0.004），他汀類藥物應用（β=-0.374，OR=0.688，P=0.046），見表2。據此，建立DR家庭預測模型，即Y=1/[1+e-（-0.526-0.038X1+0.115X2+0.079X3+0.019X4-0.374X5）]，其中Y=DR發生概率，X1=年齡，X2=糖尿病病程，X3=FBG，X4=SBP，X5=他汀應用（是=0，否=1）。

2.3 評估DR家庭預測模型的預測價值

對該DR家庭預測模型繪制受試者工作曲線，其ROC曲線下面積為0.719，見圖1，表明具有中等程度的預測價值。進一步計算最大約登指數為0.356，對應的預測模型臨界值為0.759，此時的預測模型敏感度為59.3%，特異度為76.2%，見表3。

3 討論

DR分為非增生性和增生性，早期的非增生性DR無明顯臨床癥狀，其診斷需依賴專業眼科醫師及眼底檢查設備，故往往被患者及非眼科醫師忽視[3]。而DR的特點是易防難治，如果進展到影響視力的階段則其治療效果較差，最終可能導致失明[4]。研究表明，我國有28%的糖尿病患者患有DR，其中45%的DR會危及視力[5]。在住院治療的糖尿病患者中，DR只占所有住院病因的7.6%，在糖尿病慢性并發癥中占比最低，而DR患者的平均住院時間及治療費用卻明顯高于糖尿病周圍神經病變（DPN）及糖尿病腎病（DN），僅次于糖尿病急性并發癥和糖尿病足病[6]。因此，該研究擬建立簡易的家庭DR預測模型，以早期預測糖尿病患者DR的發病風險，并對模型的有效性進行了驗證。

該研究觀察了性別、年齡、體質指數、DM病程、FBG、SBP、DBP、吸煙、他汀應用共9項在家庭環境下方便采集的患者信息，結果發現，患者的年齡、DM病程、FBG、SBP、他汀應用與DR有關。患者的年齡與DR的患病風險呈負相關，即年齡越大的患者發生DR的可能性越低，與既往研究結果一致[7]，考慮與年齡增長引起的視網膜血管代謝及耗氧量降低有關。DM病程和空腹血糖已被多項研究證實為DR發生的危險因素[8-9]，長期的高糖毒性容易誘導視網膜血管老化和神經死亡，而餐后血糖（PBG）被認為對卒中、冠心病等大血管病變有更大的預測價值。該研究中，SBP也與DR的發生呈正相關，而更進一步的研究表明，SBP容易造成危及視力的糖尿病視網膜病變（STDR）[8]，而DBP與DR的發生及嚴重程度無明顯關聯。總膽固醇及低密度膽固醇升高會增加視網膜的硬性滲出，從而引起視網膜微血管病變[10]。長期應用他汀類藥物的患者表明其存在脂質代謝紊亂，所以這類人群出現DR的風險更高。

該研究建立的家庭DR預測模型在ROC曲線下的面積為0.719，表明其具有中等程度的預測價值。這與Cichosz預測模型的ROC面積0.740、Azizi預測模型的ROC面積0.760相仿[11-12]。但該研究建立的家庭預測模型所包含數據更易獲取、成本更低，更具備可操作性和普及性。

4 結論

糖尿病患者的年齡、糖尿病病程、FBG、SBP、他汀應用與DR顯著相關，據此建立的DR家庭預測模型的敏感度為59.3%，特異度為76.2%，ROC曲線下面積為0.719，表明該模型對DR有中等程度的預測價值。我國目前DR的診治存在疾病認知度低、篩查普及困難、治療費用昂貴等問題。因此，利用DR家庭預測模型對DR進行早期的預測和針對性的篩查，能有效的提高DR的檢出率及治療效果，同時減少經濟支出和不良結局的發生。

[參考文獻]

[1] Ruta LM， Magliano DJ， Lemesurier R， et al. Prevalence of diabetic retinopathy in Type 2 diabetes in developing and developed countries[J]. Diabetic Medicine， 2013， 30（4）：387-398.

[2] 陳興寶， 唐玲， 陳慧云，等.2型糖尿病并發癥對患者治療費用的影響評估[J].中國糖尿病雜志， 2003，11（4）：238-241.

[3] 孫清秀， 滕峰， 張振華，等. 糖尿病相關專業醫師（非眼科）218名對糖尿病性視網膜病變的認知度研究[J]. 中華臨床醫師雜志：電子版， 2016， 10（13）：2030-2034.

[4] 李筱榮，劉巨平.重視糖尿病眼部并發癥的診斷和治療[J]. 中華實驗眼科雜志， 2017， 35（7）：577-580.

[5] Zhang G， Chen H， Chen W， et al. Prevalence and risk factors for diabetic retinopathy in China： a multi-hospital-based cross-sectional study[J].British Journal of Ophthalm ology， 2017， 101（12）：1591-1595.

[6] 周倩， 王培玉， 宋菲，等. 中國西部某市2型糖尿病及微血管并發癥住院費用情況[J].中國糖尿病雜志， 2016， 24（12）：1087-1093.

[7] 呂喆， 陳亦棋， 沈麗君，等. 2型糖尿病患者糖尿病視網膜病變風險預測模型的建立和初步驗證[J].中華眼底病雜志， 2017， 33（3）.

[8] Liu Y， Yang J， Tao L， et al. Risk factors of diabetic retinopathy and sight-threatening diabetic retinopathy： a cross-sectional study of 13 473 patients with type 2 diabetes mellitus in mainland China[J].Bmj Open， 2017，7（9）：e016280.

[9] Cai X， Han X， Zhang S， et al. Age at diagnosis and C-peptide level are associated with diabetic retinopathy in Chinese[J]. Plos One， 2014， 9（3）：e91174.

[10] Lim LS， Wong TY. Lipids and diabetic retinopathy[J]. Expert Opinion on Biological Therapy， 2012， 12（1）：93.

[11] Cichosz SL， Johansen MD， Knudsen ST， et al. A classif ication model for predicting eye disease in newly diagnosed people with type 2 diabetes[J].Diabetes Research & Clinical Practice， 2015， 108（2）：210-215.

[12] Azizi-Soleiman F， Heidari-Beni M， Ambler G， et al. Iranian Risk Model as a Predictive Tool for Retinopathy in Patients with Type 2 Diabetes[J].Canadian Journal of Diab- etes， 2015， 39（5）：358.

（收稿日期：2018-08-01）