摘要

目的 构建中国人群发生2型糖尿病(T2DM)的风险预测列线图模型。方法 本研究数据来源于2010—2016年中国15个独立医疗中心的211 833例中国成年人。随机选取12个医疗中心的189 501例受试者为训练集(进一步随机选取其中的2个医疗中心的42 113例受试者为内部验证组)，将剩余3个医疗中心的22 332例受试者作为验证集。收集受试者临床资料，采用最小绝对收缩和选择算子(LASSO)回归分析、多因素Logistic回归分析探讨训练集受试者发生T2DM的影响因素；基于多因素Logistic回归分析结果，分别构建中国人群发生T2DM的风险预测列线图模型1(只纳入非侵入指标)和中国人群发生T2DM的风险预测列线图模型2(纳入全部指标)；采用ROC曲线评估两个模型在训练集中的区分度，采用净重新分类指数(NRI)比较两个模型在训练集中的准确度，从而确定最佳中国人群发生T2DM的风险预测列线图模型；采用Bootstrap自抽样法重复抽样10 000次，计算校正C指数以评估最佳列线图模型在训练集、内部验证组、验证集中的一致性；采用校准曲线评估最佳列线图模型在训练集中的校准度；采用决策曲线评估最佳列线图模型在验证集中的临床适用性。结果 211 833例受试者中，发生T2DM 4 174例〔训练集3 776例(其中内部验证组640例)，验证集398例〕。训练集与验证集年龄、性别、BMI、吸烟者占比、饮酒者占比、收缩压、舒张压、空腹血糖(FPG)、总胆固醇(TC)、三酰甘油(TG)、血尿素氮(BUN)、估算肾小球滤过率(eGFR)比较，差异有统计学意义(P<0.05)。LASSO回归分析结果显示，年龄、性别、BMI、糖尿病家族史、收缩压、舒张压、FPG、TC、TG、丙氨酸氨基转移酶(ALT)、BUN、eGFR可能是训练集受试者发生T2DM的影响因素(P<0.05)。多因素Logistic回归分析结果显示，年龄、性别、BMI、糖尿病家族史、收缩压、FPG、TG、ALT是训练集受试者发生T2DM的独立影响因素(P<0.05)。基于多因素Logistic回归分析结果，分别构建中国人群发生T2DM的风险预测列线图模型1(只纳入非侵入指标，即年龄、性别、BMI、糖尿病家族史、收缩压)和中国人群发生T2DM的风险预测列线图模型2(纳入全部指标，即年龄、性别、BMI、糖尿病家族史、收缩压、FPG、TG、ALT)。ROC曲线分析结果显示，列线图模型2预测训练集受试者发生T2DM的Harrell C指数大于列线图模型1的Harrell C指数(P<0.05)。NRI分析结果显示，列线图模型2预测训练集受试者发生T2DM的准确度优于列线图模型1(P<0.05)。最终确定将列线图模型2作为最佳中国人群发生T2DM的风险预测列线图模型。采用Bootstrap自抽样法重复抽样10 000次，结果显示，列线图模型2在训练集、内部验证组、验证集中的校正C指数分别为0.893、0.893、0.871。校准曲线分析结果显示，列线图模型2预测训练集受试者T2DM发生率与实际发生率一致。决策曲线分析结果显示，当阈值概率>1%且<38%时，列线图模型2在验证集中的临床获益>0。结论 年龄、性别、BMI、糖尿病家族史、收缩压、FPG、TG、ALT是中国人群发生T2DM的独立影响因素，基于上述指标构建的中国人群发生T2DM的风险预测列线图模型具有较好的区分度、准确度、一致性、校准度、临床适用性。

关键词