2型糖尿病患者微量白蛋白尿进展至大量白蛋白尿的风险预测模型研究

• Published in: 中国全科医学 Vol. 26; no. 26; pp. 3259 - 3268
• Main Authors: 卢作维, 曹宏伟, 刘涛, 张娜娜, 陈艳艳, 史勤利, 刘向阳, 王琼, 赖敬波, 李晓苗
• Format: Journal Article
• Language: Chinese
• Published: 710032 陕西省西安市,空军军医大学第一附属医院内分泌科%710600 陕西省西安市临潼区中医医院内科 15.09.2023
• Subjects: 微量白蛋白尿; 白蛋白尿; 列线图; 大量白蛋白尿; 糖尿病,2型
• ISSN: 1007-9572
• DOI: 10.12114/j.issn.1007-9572.2023.0002

R587.1; 背景 我国糖尿病肾病(DKD)的发病率及其所致终末期肾病(ESRD)在透析患者中所占比例不断攀升,DKD防控已刻不容缓,强化的多因素干预措施可延缓或者阻止DKD的病程进展,因而通过建立个性化的风险预测模型,可延缓或者阻止DKD病程进展,从而实现DKD的有效防治.目的 开发和验证一个基于诺模图(Nomogram)的列线图模型,根据预测变量预测2型糖尿病(T2DM)患者从微量白蛋白尿(MAU)进展为大量白蛋白尿(CAU)的风险.方法 回顾性收集2016年10月—2020年3月于空军军医大学第一附属医院内分泌科住院的2型糖尿病合并白蛋白尿患者1263例,并根据入院时间将入组病例分为开发队列906例和验证队列357例.应用LASSO回归从收集的基线数值中筛选预测变量,并根据筛选的预测变量构建多因素Logistic回归模型,绘制模型的Nomogram.模型的验证和评估主要基于受试者工作特征(ROC)曲线、校准曲线和Hosmer-Lemeshow检验(H-L检验),并根据决策曲线分析法(DCA)评价该模型的实际临床净收益.结果 基于LASSO回归惩罚收缩方法筛选出糖尿病病程、收缩压(SBP)、糖化血红蛋白(HbA1c)、低密度脂蛋白胆固醇(LDL-C)、胱抑素C(Cys-C)、估算肾小球滤过率(eGFR)及糖尿病视网膜病变(DR)7个预测变量,依据这些预测变量构建的多因素Logistic回归模型显示,糖尿病病程≥10年、SBP≥140 mmHg、HbA1c≥7.0 mmol/L、LDL-C≥1.8mmol/L、Cys-C>1.09 mg/L及合并DR是T2DM患者MAU进展为CAU的危险因素(P<0.05),而eGFR分层处理后无统计学意义(P>0.05).预测模型的内外部验证显示该模型预测效能较优,开发队列的ROC曲线下面积(AUC)为0.814〔95％CI(0.782,0.846)〕,验证队列的AUC为0.768〔95％CI(0.713,0.823)〕,校准曲线和H-L检验(开发队列P=0.065;验证队列P=0.451)均显示该模型具有较好的一致性和拟合度,另外DCA结果显示当开发队列和验证队列的阈值概率分别为0.08～0.74和0.14～0.70时,该模型临床有效性较高.结论 本研究开发了一个包含糖尿病病程、SBP、HbA1c、LDL-C、Cys-C、eGFR及是否合并DR 7个变量的列线图模型,可用