原创力文档- 1、本文档共7页，可阅读全部内容。
- 2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
- 3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 8、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
查看更多
E-mail:zgqkyx@ ·675·
·论著·
2 型糖尿病周围神经病变风险的列线图预测模型研究
1 2 3 4 2*
李永生 ，张学良 ，李丞 ，封志炜 ，王凯 扫描二维码
查看原文
【摘要】 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 15 020 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
=11 265）和验证组（n=3 755）。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 15 020 例 T2DM 患者 中，无 DPN 患者 8 887 例，DPN 患者 6 133 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 （HbA ）〔OR= 1.237，
1c
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）。利用上述变量建立列线图预测模型。训练组 中列线图预测模型预测 DPN 发生的 AUC 为 0.858
〔95%CI （0.851，0.865）〕，验证组中列线图预测模型预测 DPN 发生的 AUC 为 0.852 〔95%CI （0.840，0.865）〕。
Hosmer-Lemeshow拟合优度检验显示出较好 的拟合度 （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 、HbA 、HDL），有助于提高 DPN 高危患者的早期识别和筛选能力 。
1c
【关键词】 糖尿病，2 型 ；糖尿病神经病变 ；危险因素 ；预测模型
【中图分类号】 R 587.1 【文献标识码】 A DOI ：10.12114/j.issn.1007-9572.2021.02.118
李永生，张学 良，李丞 ，等 . 2 型糖尿病周围神经病变风 险的列线图预测模型研究［J ］. 中国全科医学，2022，25（6）：
675-681. ［ ］
LI Y S，ZHANG X L，LI C，et al. A predictive nomogram for the
文档评论（0）