2型糖尿病周围神经病变风险的列线图预测模型研究

来源 :中国全科医学 | 被引量 : 0次 | 上传用户:yedayong0007
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
背景 2型糖尿病周围神经病变(DPN)患病率高、危害性大,目前尚无有效的治疗方法.目的 探讨DPN的危险因素,旨在建立并验证一种辅助临床预测DPN患者的可视化评价工具.方法 收集2010—2019年在新疆医科大学第一附属医院就诊的15020例2型糖尿病(T2DM)患者,按照3:1的比例将患者随机分为训练组(n=11265)和验证组(n=3755).收集患者的一般资料和生化资料.通过Lasso回归分析筛选独立预测因子,在此基础上利用多因素Logistic回归分析进一步探讨并建立列线图预测模型,并由验证组评估DPN列线图预测模型的可行性.最后,分别采用受试者工作特征(ROC)曲线下面积(AUC)、校正曲线和决策曲线分析(DCA)对预测模型的鉴别能力、准确性和临床实用性进行评估.结果 15020例T2DM患者中,无DPN患者8887例,DPN患者6133例.Lasso回归结合多因素Logistic回归分析结果显示,年龄〔OR=1.034,95%CI(1.031,1.039)〕、糖尿病视网膜病变(DR)〔OR=11.881,95%CI(10.756,13.135)〕、糖尿病病程〔OR=1.070,95%CI(1.061,1.078)〕、糖化血红蛋白(HbA1c)〔OR=1.237,95%CI(1.209,1.266)〕、高密度脂蛋白(HDL)〔OR=0.894,95%CI(0.877,0.901)〕是T2DM患者发生DPN的影响因素(P0.05).DCA显示当患者的阈值概率为0~0.9,使用列线图预测模型预测DPN风险的净收益更高.结论 本研究成功建立并验证一种高精度的列线图预测模型(预测变量包括年龄、DR、糖尿病病程、HbA1c、HDL),有助于提高DPN高危患者的早期识别和筛选能力.
其他文献
0 前言rn20世纪80年代之前,由于缺乏能显示腹膜后间隙的检查设备,腹膜后间隙的疾病一直是诊断的难点[1].在腹部CT和腹部MR进入临床后,使得医生能清楚了解患者的腹膜后结构,极大地推动了腹膜后间隙疾病的诊断和治疗进展[1-2].经过40年来诸多学者的研究,腹膜后间隙结构的影像解剖已经较为明了[2],但是很多年轻医生对腹膜后间隙结构的理解仍较为粗糙.对于年轻医生而言,掌握腹膜后间隙的解剖结构影像表现和通连关系有助于理解腹膜后间隙的疾病(如肿瘤、感染、炎症、出血等)在间隙之间扩散的方式和途径,帮助临床治疗
期刊
心力衰竭是各类心血管疾病的最终主战场,其危害巨大,可诱发各类心律失常甚至心源性猝死.2016年欧洲心脏病学会(ESC)指南正式将射血分数中间值心力衰竭(HFmrEF)定义为左心室射血分数(LVEF)在40%~49%的心力衰竭,旨在细化心力衰竭的分类,加强临床工作者对心力衰竭病理生理学的重视,促进更多临床研究的开展,从而更好地指导临床诊疗.目前关于HFmrEF的病理生理学、治疗等方面仍然存在不少争议,本文从流行病学、临床特征、病理生理学、治疗等方面分别阐述HFmrEF患者的特点,发现HFmrEF更像是介于射
目的 对基于代谢组学技术的乳腺癌代谢产物的研究成果进行系统综述,以期为乳腺癌代谢研究提供新的方向.方法 通过检索近年来相关文献,分析和总结代谢组学技术在识别乳腺癌高危人群、监测肿瘤进展情况和评估放化疗反应方面的应用.结果 随着高分辨率、高敏感度和高通量生物分析平台技术的研发进展,代谢组学凭借其独特视角和技术优势,广泛应用于乳腺癌研究领域,能更精确、系统和动态地监测宿主代谢产物的变化规律.结论 代谢组学技术为乳腺癌的一级预防、早期筛查诊断和优化治疗策略选择提供了新的研究方向.