目的本研究将多状态“疾病-预后”Markov模型应用到2型糖尿病患者慢性并发症罹患个数的动态转归研究中,探讨状态间传递规律,估量状态间的转移概率、转移危险及滞留时间,并将其与Logistic回归结合用以寻找影响状态改变的可能因素,从而为2型糖尿病相关慢性并发症的防治提供科学依据。方法回顾性地收集重庆市3所三甲医院2011年1月至2015年5月期间出院,且出院诊断包括2型糖尿病及其慢性并发症的患者数据。根据慢性并发症的合并数量,本研究将合并不同数量慢性并发症的2型糖尿病患者分为5个不同的状态,并拟合一个连续时间、离散状态的齐次Markov过程。然后引入R3.3.2软件中的msm软件包进行多状态Markov模型的分析,并估计5状态之间的传递规律、转移风险、转移概率及滞留时间。与此同时,根据是否发生状态转移来筛选Logistic回归的结局变量,并在SAS9.2软件中进行简单统计分析及Logistic回归分析。结果从msm软件包的plot图和Pearson型拟合优度检验的结果可知,多状态Markov模型拟合效果良好。多状态Markov模型结果提示患者在状态1,状态2,状态3和状态4的总滞留时间分别为3.19月,14.51月23.87月和15.21月。转移强度矩阵显示状态2转化为状态3的转移强度是转化为状态1的1.5倍,而状态3转化为状态4转移强度是转化为状态2的接近10倍,而状态4转移到状态3的转移强度约为转移到状态5的242倍。转移概率矩阵显示经过足够长的时间,处于状态1的个体将向状态2转移,状态2的个体将向状态3转移,状态3的个体将向状态4转移,状态4的个体也将向状态3转移。将单因素Logistic回归中有影响的变量纳入多因素逐步Logistic回归中分析,结果显示:高血压、空腹血糖、尿素、尿微量白蛋白和高密度脂蛋白对状态1→状态2的转移有影响;年龄、空腹血糖、空腹胰岛素、低密度脂蛋白、总胆固醇、载脂蛋白A1和尿素对状态2→状态1的转移有影响;空腹血糖、空腹胰岛素、高密度脂蛋白、甘油三酯和游离脂肪酸对状态2→状态3的转移有影响;空腹血糖、空腹胰岛素、高密度脂蛋白、甘油三酯和游离脂肪酸对状态3→状态2的转移有影响;年龄、高密度脂蛋白、甘油三酯、肌酐和游离脂肪酸对状态3→状态4的转移有影响;甘油三酯、总胆固醇、肌酐和空腹胰岛素对状态4→状态3对的转移有影响;空腹血糖、空腹胰岛素和甘油三酯对状态4→状态5的转移有影响。多因素多状态Markov模型分析结果显示高血压、糖化血红蛋白、游离脂肪酸、脂蛋白a、尿白蛋白/尿肌酐比值和尿微量白蛋白对状态1→状态2的转移有影响;高血压、尿白蛋白/尿肌酐比值、年龄、空腹胰岛素、低密度脂蛋白、载脂蛋白A1对状态2→状态1的转移有影响;高血压、尿白蛋白/尿肌酐比值、糖化血红蛋白、游离脂肪酸、脂蛋白a、尿微量白蛋白对状态2→状态3的转移有影响;高血压、游离脂肪酸、载脂蛋白A1、高密度脂蛋白、肌酐、尿素对状态3→状态2的转移有影响;高血压、游离脂肪酸、载脂蛋白A1、入院时情况对状态3→状态4的转移有影响;游离脂肪酸、肌酐、尿微量白蛋白、空腹胰岛素、甘油三酯对状态4→状态3的转移有影响;游离脂肪酸、肌酐、甘油三酯、低密度脂蛋白、空腹血糖对状态4→状态5的转移有影响。结论多状态Markov模型和传统Logistic回归模型均表明糖尿病慢性并发症合并数量受到年龄、入院时情况、血糖、血脂、血压和肾功能损害等指标的影响,但不同变量对不同状态转移的影响程度有所差异。多状态Markov模型对多结局事件的分析是基于全局的视角,并且考虑了时间对目标结局出现的影响,因此相对于传统Logistic回归而言,其结果更为准确、科学。故而,多状态Markov模型完全可以作为传统Logistic回归模型的有益补充。同时,转移强度矩阵和转移概率矩阵的研究结果表明,各状态患者的病情均有进一步加深的趋势,且患者在状态3停留的时间较长,提示临床上完全可利用该时间窗来逆转疾病的进展。