关键词:
糖尿病
痛风
临床预测模型
列线图
风险因素
摘要:
目的基于美国国家健康和营养检查调查(NHANES)数据库开发、验证以非侵入方法评估2型糖尿病(T2DM)患者发生痛风的列线图,为临床早期筛选高危人群提供有价值的参考。方法从NHANES数据库中选取2007~2016年调查的3704例T2DM患者为研究对象,将整个数据集按比例随机分成训练集(占70%的数据)和验证集(占30%的数据)。3704例T2DM患者中,共361例(9.75%)有痛风病史,其中建模组2600例(70.19%),验证组1104例(29.81%)。采用最小绝对收缩和选择运算符(LASSO)和多变量Logistic回归分析确定与痛风显著相关的预测因子,并使用这些预测因子构建列线图。通过受试者操作特征(ROC)曲线下面积(AUC)、校准曲线、hosmer-lemeshow检验和决策曲线分析(DCA)评估模型。结果LASSO回归模型筛选出训练集中7个系数为非零的因素,包括性别、年龄、体重、尿酸、肌酐、心衰、高血压病史。多元Logistic回归分析进一步证实,上述7个因素是尿酸的独立预测因子,结果为:性别(OR=1.816,95%CI:1.353~2.436)、年龄(OR=1.033,95%CI:1.020~1.046)、体重(OR=1.013,95%CI:1.007~1.019)、尿酸(OR=1.004,95%CI:1.003~1.005)、肌酐(OR=1.003,95%CI:1.001~1.004)、心衰(OR=1.935,95%CI:1.337~2.801)、高血压(OR=1.883,95%CI:1.335~2.656)相匹配。列线图模型由7个预测因子组成,即性别、年龄、体重、肌酐、尿酸、高血压、心力衰竭。训练集的AUC为0.763(0.733~0.793),而验证集的AUC为0.771(0.726~0.816),表明模型具有良好的判别力,同时该模型在训练和验证数据集中都表现出优异的临床适用性和校准性。结论本文的列线图表现出高度的临床可预测性,使临床医师能够利用该工具来识别高危痛风的T2DM患者,其有可能降低痛风的发生率并显着改善T2DM患者的预后。