基于多指標的糖尿病患者視網膜病變預測評估模型研究

張娟娟 趙 燕 許 旺 邱方遠 許建強

1 濱州醫學院附屬醫院,256603 山東 濱州;2 徐州醫科大學管理學院,221004 江蘇 徐州

糖尿病已成為嚴重危害人類健康的全球性公共衛生問題,我國糖尿病患病人數居全球首位,其中2型糖尿病發病人數占90%以上且并發癥危害較大[1]。糖尿病是一種代謝紊亂性疾病,其發病率已在全球呈現持續上升的趨勢。糖尿病的并發癥對患者及其家庭造成了沉重的疾病負擔,糖尿病的并發癥分為急性并發癥、慢性并發癥2類。糖尿病的急性并發癥主要分為糖尿病酮癥酸中毒(常見)、非酮癥性高滲性昏迷或低血糖(多見于老年人)。糖尿病的慢性并發癥主要分為糖尿病的微血管病變(糖尿病視網膜病變、糖尿病周圍神經病變、糖尿病腎病)、大血管病變(糖尿病的腦血管病變、冠狀動脈粥樣硬化性心臟病)、糖尿病的外周血管病變(糖尿病足);糖尿病視網膜病變簡稱“糖網”,主要包括黃斑水腫、增殖性玻璃體視網膜病變、牽引性視網膜脫落,病癥的發生率隨著患糖尿病時間增加而提高[2];患有糖尿病15年以上的病人中約60%的病人眼部血管會受損,其中一部分有可能失明。諸多研究表明糖尿病視網膜病變與患者自身的相關生化指標有相關性[3]。而隨著互聯網和互聯網技術的發展與突破,互聯網檢索信息、電子病案、居民健康檔案、可穿戴智能設備監測數據、環境監測點監測數據等大量的數據源為人工智能在疾病預測領域發展打下了堅實的基礎[4]。如波士頓大學的Brisimi等基于患者電子病案,利用人工智能算法預測了心臟病和糖尿病2種慢性病的患病風險[5]。本研究基于“國家人口健康科學數據中心數據倉儲中的中國人民解放軍總醫院糖尿病并發癥預警數據集”,以糖尿病視網膜病變為例,從健康社會決定性因素理論、糖尿病診斷生理生化指標維度出發,進行糖尿病患者是否出現視網膜病變并發癥的結局預測及預警分析,為預防和控制糖尿病發生發展、提高糖尿病患者生存質量提供研究參考和決策依據。

1 資料與方法

1.1 資料來源

本研究數據來源于“國家人口健康科學數據中心數據倉儲中的中國人民解放軍總醫院糖尿病并發癥預警數據集”。收集糖尿病患者3 000人,糖尿病并發視網膜病變1 500人、糖尿病無視網膜病變患者1 500人。

1.2 研究方法

研究基于醫院住院服務過程,收集糖尿病患者的性別、年齡、民族、婚姻等人口學資料,高血壓、高血脂、腦卒中等慢性病患病情況,血壓、心率、血糖、糖化血紅蛋白等生理生化檢驗指標數據。

1.3 統計學方法

運用SPSS 26.0進行統計分析。糖尿病患者是否并發視網膜病變的人口學特征及慢性病分布的定性資料采用例數(n)和百分比(%)描述;糖尿病患者是否并發視網膜病變的生化指標為偏態分布的定量資料,采用M(P25,P75)描述;糖尿病患者是否并發視網膜病變在人口學特征、慢病共患情況的分布差異通過χ2檢驗、Cochran-Armitage趨勢檢驗進行推斷性統計分析;糖尿病患者是否并發視網膜病變的生理生化指標分布差異采用非參數檢驗進行推斷性統計分析。采用Fisher判別分析篩選糖尿病并發視網膜病變的價值指標。檢驗水準α=0.05。

2 結果

2.1 不同慢性病共患情況的糖尿病患者是否并發視網膜病變分析

2.1.1 糖尿病患者并發視網膜病變在不同疾病患者間分布差異

分析結果顯示,糖尿病患者是否并發視網膜病變在不同年齡組及是否患高血壓、腦卒中、脂肪肝、腎病、腎衰、下肢動脈病變、血液病、高血脂、心肌梗死、冠心病、風濕免疫系統病、內分泌腺瘤、消化系腫瘤、泌尿系腫瘤、婦科腫瘤、肺部腫瘤、其他腫瘤組間差異有統計學意義(P<0.05)。與未并發視網膜病變的糖尿病患者相比,45歲以下及患高血壓、腦卒中、脂肪肝、腎病、腎衰、下肢動脈病變、血液病的糖尿病患者并發視網膜病變的風險(比例)高;與未并發視網膜病變的糖尿病患者相比,≥45歲及患高血脂、心肌梗死、冠心病、風濕免疫系統病、內分泌腺瘤、消化系腫瘤、泌尿系腫瘤、婦科腫瘤、肺部腫瘤等的糖尿病患者并發視網膜病變的風險(比例)低。見表1。

表1 (續)

2.1.2 糖尿病患者是否并發視網膜病變在不同共患疾病類別中的分布

分析結果顯示,僅患有糖尿病的患者并發視網膜病變比例為56.8%,患5種以上其他疾病的糖尿病患者視網膜病變比例為68.8%,糖尿病患者視網膜病變的并發率又隨著共患疾病種類的增加而增高的趨勢(χ2=50.527,P<0.001)。見表2。

表2 糖尿病患者是否并發視網膜病變在不同共患疾病類別中的分布

2.2 糖尿病患者并發視網膜病觀測指標分布差異

分析結果顯示,糖尿病患者是否并發視網膜病變在收縮壓、舒張壓、空腹血糖等生理生化指標分布差異有統計學意義(P<0.05)。糖尿病并發視網膜病變的患者其收縮壓、舒張壓、空腹血糖、餐后2 h血糖、糖化血紅蛋白、總膽固醇、低密度脂蛋白、纖維蛋白原、24 h尿微量蛋白、血尿素、血肌酐、血清尿酸、紅細胞沉降率、直接膽紅素、乳酸脫氫酶、凝血酶原活動度、快速微量尿蛋白、血清脂肪酶、腫瘤標志物CA199指標中位數值顯著高于未并發視網膜病變的患者(P<0.05)。糖尿病并發視網膜病變的患者其尿肌酐、血紅蛋白、空腹C肽、空腹胰島素、紅細胞壓積、總膽紅素、直接膽紅素、總蛋白、血清白蛋白、谷丙轉氨酶、谷草轉氨酶、谷氨酰胺轉移酶、凝血酶原時間、C反應蛋白指標中位數值顯著低于未并發視網膜病變的患者相應指標值(P<0.05)。見表3。

表3 糖尿病患者與糖尿病并發視網膜病變患者觀測指標

2.3 糖尿病并發視網膜病變預測評估模型構建及實證分析

2.3.1 基于慢性病共患情況的糖尿病并發視網膜病變預測

將表1中的各慢性病病種作為自變量,將糖尿病患者是否并發視網膜病變作為分組結局變量,進行Fisher判別分析。

根據輸入變量、分類函數系數,得出判別函數方程,將患者的相應指標分類及數值代入方程,得分最大的,就判別為該類別。具體判別函數方程如下:

Y1(糖尿病并發視網膜病變)=-10.425+5.225×年齡組+2.627×腎病+0.465×下肢動脈病變-1.477×冠心病-0.449×其他腫瘤+0.236×腎衰+1.689×高血脂-0.487×消化系統腫瘤+1.270×其他內分泌疾病-0.338×風濕免疫疾病-1.314×泌尿系腫瘤-1.290×腦卒中+0.501×婦科腫瘤-1.877×肺部腫瘤+0.944×血液病。

Y2(糖尿病無視網膜病變)=-10.333+5.347×年齡組+1.250×腎病-0.663×下肢動脈病變-0.845×冠心病+0.316×其他腫瘤-0.551×腎衰+2.216×高血脂+0.418×消化系統腫瘤+0.930×其他內分泌疾病+0.422×風濕免疫疾病-0.265×泌尿系統腫瘤-1.765×腦卒中+1.151×婦科腫瘤-1.079×肺部腫瘤+0.627×血液病。見表4。

表4 判別分析步進統計結果及分類函數系數

將患者健康信息特征代入Y1、Y2判別函數方程,對比Y1、Y2得分,鑒別出使得Y1得分增高的變量,主要有腎病、腎衰、血液病、下肢動脈病變、其他內分泌疾病等因素,上述變量可增加糖尿病并發視網膜病變的判別(患病)。最終以糖尿病并發視網膜病變為陽性結果,判別預測正確率為66.2%。見表5。

表5 基于慢性病共患情況的糖尿病并發視網膜病變預測結果與原始結果對比

2.3.2 基于生理生化指標的糖尿病并發視網膜病變預測

以表3中的糖尿病患者的各生理生化指標為自變量,以糖尿病患者是否并發視網膜病變作為分組結局變量,進行Fisher判別分析。將患者的相應指標分類及數值代入方程,得分最大的,判別為該類別。具體判別函數方程如下:

Y1(糖尿病并發視網膜病變)=-28.444+3.316×尿微量蛋白+1.762×糖化血紅蛋白+0.055×堿性磷酸酶+89.439×紅細胞壓積

Y2(糖尿病無視網膜病變)=-28.489+2.889×尿微量蛋白+1.391×糖化血紅蛋白+0.073×堿性磷酸酶+94.851×紅細胞壓積

將患者健康信息特征代入Y1、Y2判別函數方程,對比Y1、Y2得分,鑒別出使得Y1得分增高的變量主要是尿微量蛋白、糖化血紅蛋白等因素,上述變量可增加糖尿病并發視網膜病變的判別(患病)。最終以糖尿病并發視網膜病變為陽性結果,判別預測正確率為67.5%。見表6。

表6 判別分析步進統計結果及分類函數系數

3 討論

3.1 糖尿病患者慢性病共患狀況與并發視網膜病變關系

研究發現,就糖尿病并發視網膜病變結局而言,低齡組及患高血壓、腦卒中、脂肪肝、腎病、腎衰、下肢動脈病變、血液病等慢性病的糖尿病患者,其視網膜病變比例高。腎病、腎衰、血液病、下肢動脈病變、其他內分泌疾病以及多病共患是糖尿病并發視網膜病變的不利因素;原因在于糖尿病視網膜病變和糖尿病腎病是糖尿病患者常見的2種慢性微血管并發癥[6]。研究還發現高血脂、心肌梗死、冠心病、風濕免疫系統病、內分泌腺瘤、消化系腫瘤、泌尿系腫瘤、婦科腫瘤、肺部腫瘤的糖尿病患者視網膜病變比例低。

3.2 糖尿病患者生理生化指標狀況與并發視網膜病變關系

研究發現糖尿病并發視網膜病變的患者,其收縮壓、舒張壓、空腹血糖、血沉(紅細胞沉降率)、餐后2 h血糖、糖化血紅蛋白、總膽固醇、低密度脂蛋白、乳酸脫氫酶、纖維蛋白原、24 h尿微量蛋白、血尿素、血肌酐、凝血酶原活動度、快速微量尿蛋白、血清脂肪酶、腫瘤標志物、血清尿酸中位數值高于糖尿病未并發視網膜病變的患者。而“尿微量蛋白、糖化血紅蛋白”指標對糖尿病患者并發視網膜病變的預判有重要價值。空腹血糖、餐后2 h血糖、糖化血紅蛋白聯合檢測的方法簡單且準確,對于糖尿病視網膜病變的篩查和診斷具有重要的臨床意義和價值[7]。尿微量蛋白是腎小球病變早期診斷指標,容易引起糖尿病腎病[3];糖尿病患者平均糖化血紅蛋白或糖基化變異性與糖尿病視網膜病變發展有相關性[8]。

3.3 基于統計分析基礎上的糖尿病視網膜病變預測模型的構建與應用

臨床及精準醫學已經能夠從生理生化指標、行為方式等因素中明確諸多疾病的臨床判別價值。如利用大數據分析和模型預測[9-10],人工智能現在也可預測阿爾茲海默病風險[9]、心血管疾病風險[10]、癌癥風險等。

綜上所述,本研究以糖尿病并發視網膜病變為例,從數據倉儲中的指標遴選、統計分析到判別分析、預測決策系統構架等數據挖掘流程及方法上為相關疾病預測決策預警的智能輔助醫療提供一定參考,提高數字醫學在臨床實踐中的意義和價值。