馬君，查曉娟，朱欣穎，李文博，伍澤偉，文育鋒*

（1.皖南醫(yī)學院檢驗學院，安徽 蕪湖 241002；2.皖南醫(yī)學院弋磯山醫(yī)院健康服務中心；3.皖南醫(yī)學院臨床學院）

糖尿病是慢性非傳染性疾病之一，根據國際糖尿病聯(lián)盟（IDF）統(tǒng)計，2016年全球糖尿病患者為2.85億，按目前的增長速度，預計到2030年全球將近5億人罹患糖尿病，嚴重影響患者健康和生活質量［1-2］。其中2型糖尿病（type 2 diabetes mellitus，T2DM）占糖尿病總體人群95%以上，患病率高［3］。由于T2DM臨床確診前存在較長的潛隱期，所以對高危人群的篩查和預防是控制T2DM患病率的有效措施［4-5］。近年來，糖尿病風險預測模型被用來評估普通人群罹患糖尿病的風險，國外已經報道了多個糖尿病預測模型［6-7］，然而由于種族差異、風俗習慣、生活方式不同，不同地區(qū)的人們面臨糖尿病危險因素不同。因此，針對本地區(qū)人群特點，構建適合本地區(qū)的糖尿病風險模型對預防和控制糖尿病尤為關鍵。本研究開展了一項大樣本的橫斷面研究以構建T2DM預測模型。

1 資料與方法

1.1 一般資料 本研究數(shù)據來源于皖南某大型綜合性醫(yī)院，該醫(yī)院體檢中心的體檢人群來自周邊數(shù)十個市縣，時間從2011年1月至2016年12月。研究對象年齡18～90歲，無重要變量缺失，無腫瘤病史，無重大感染性疾病。經過篩選共有190 435人進入本研究，其中男105 629人，女84 806人。

1.2 方法

1.2.1 調查方法及內容 體檢內容包括體格檢查、實驗室檢查和問卷調查三部分。體格檢查主要包括身高、體重；實驗室檢測包括空腹血糖、總膽固醇、三酰甘油、高密度脂蛋白膽固醇等指標，其中血清總膽固醇及三酰甘油采用CHOD-PAP法檢測；高密度脂蛋白膽固醇采用磷鎢酸鎂沉淀法測定；空腹血糖采用葡萄糖氧化酶法檢測；餐后血糖采用糖耐量試驗測定；尿素氮采用脲酶法測定；問卷調查包括一般人口學特征、重要疾病患病史和生活習慣（吸煙、飲酒等情況）。

1.2.2 診斷標準 （1）T2DM：采用《中國T2DM防治指南（2017）》診斷標準，空腹血糖≥7.0 mmol/L和（或）葡萄糖負荷后2 h血糖≥11.1 mmol/L［8］。（2）高血壓：根據《中國高血壓防治指南（2010）》診斷標準，在未使用降壓藥的情況下，非同日3次測量血壓，收縮壓≥140 mmHg和（或）舒張壓≥90 mmHg［9］。（3）吸煙：世界衛(wèi)生組織將“一生連續(xù)吸煙6個月或以上者”定義為吸煙，而后根據吸煙情況調查方法的標準化建議，又將吸煙分為：①經常吸煙：每天吸煙1支及以上，連續(xù)超過6個月；②偶爾吸煙：每周吸煙超過4次，但平均每天不足1支；③從不吸煙［10］。（4）飲酒：分為經常飲酒、偶爾飲酒及從不飲酒。①經常飲酒：折合成56度白酒≥50 ml/d，＞5次/周；②偶爾飲酒：折合成56度白酒＜50 ml/d，≤4次/周；③從不飲酒［11］。

1.3 統(tǒng)計學方法 采用Epidata 3.1雙錄入建立數(shù)據庫，采用SPSS18.0軟件進行統(tǒng)計學分析。計量資料采用均數(shù)±標準差表示，計數(shù)資料采用百分數(shù)表示。計量資料采用t檢驗，計數(shù)資料采用卡方檢驗進行比較；采用多因素Logistic回歸分析來確定糖尿病的影響因素，以是否發(fā)生T2DM為因變量（是：1，否：0），自變量納入標準為0.10，排除標準為0.15；根據多因素回歸結果，采用R3.4.1軟件建立列線圖（Nomogram）模型，同時采用決策曲線分析（decision curve analysis，DCA）預測糖尿病發(fā)生的風險。P＜0.05為差異有統(tǒng)計學意義。

2 結果

2.1 人口學特征及臨床指標的比較 研究對象的T2DM患病率為4.58%，其中T2DM組8 719人，非T2DM組181 716人。T2DM組的年齡、性別、吸煙、飲酒、高血壓、三酰甘油、總膽固醇、尿素氮、體重指數(shù)均高于非T2DM組（P＜0.01）；而高密度脂蛋白膽固醇和紅細胞分布寬度則均低于非T2DM組（P＜0.01），見表1。

2.2 影響T2DM發(fā)生的多因素Logistic回歸分析 將單因素分析差異有統(tǒng)計學意義的指標包括年齡、性別（男：1，女：0）、吸煙（否：0，偶爾：1，經常：2）、飲酒（否：0，偶爾：1，經常：2）、高血壓（否：0，是：1）、三酰甘油、總膽固醇、高密度脂蛋白膽固醇、尿素氮、紅細胞分布寬度、體重指數(shù)納入Logistic回歸方程。運用逐步回歸方法對自變量進行篩選，結果顯示性別（OR=1.336，95%CI：1.315～1.366）、年齡（OR=1.065，95%CI：1.063～1.067）、體 重 指 數(shù)（OR=1.117，95%CI：1.108～1.126）、高 血 壓（OR=1.331，95%CI：1.263～1.403）、三 酰 甘 油（OR=1.397，95%CI：1.366～1.430）、總 膽 固 醇（OR=1.101，95%CI：1.068～1.135）、高密度脂蛋白膽固醇（OR=0.796，95%CI：0.729～0.869）、紅細胞分布寬度（OR=0.786，95%CI：0.761～0.811）、尿 素 氮（OR=1.140，95%CI：1.120～1.160）為 T2DM 獨立的影響因素（P＜0.01）。見表2。

2.3 Nomogram模型的建立及其驗證 根據多因素Logistic回歸分析結果建立Nomogram模型，對每個風險因素計算得分，相加獲得總得分，總得分對應風險預測值，最后得出模型的C-index為0.802（P＜0.01）。見圖1。

表1 T2DM組與非T2DM組間人口學特征與及臨床指標的比較

表2 T2DM發(fā)生的的多因素Logistic回歸分析

圖1 T2DM發(fā)生風險的Nomogram模型

2.4 T2DM的DCA分析 在Nomogram預測模型的基礎上，將多因素回歸篩選出的變量進行T2DM的DCA。根據文獻報道［12］和表2結果，三酰甘油OR值高于其他因素，故將三酰甘油納入簡單評價模型。聯(lián)合性別、年齡、高血壓、三酰甘油、總膽固醇、高密度脂蛋白膽固醇、體重指數(shù)、紅細胞分布寬度、尿素氮等因素納入復雜評價模型。結果顯示，在閾值概率為0～0.22范圍內，簡單評價模型的凈利益率要高于復雜評價模型；在閾值概率為0.23～0.74范圍內，復雜評價模型的凈利益率則高于簡單評價模型，見圖2。

圖2 T2DM簡單評價模型與復雜評價模型比較的DCA

3 討論

本研究發(fā)現(xiàn)，性別、年齡、高血壓、三酰甘油、總膽固醇、高密度脂蛋白膽固醇、體重指數(shù)、紅細胞分布寬度、尿素氮是影響T2DM發(fā)生的獨立影響因素。

研究表明，隨著年齡的增長，尤其40歲以后，糖尿病患病率逐漸升高，這與年齡增長導致胰島β細胞功能減退有關，其次性別也與糖尿病發(fā)生有關［13］。本研究多因素分析顯示年齡與性別均為T2DM發(fā)生的獨立影響因素。肥胖是糖尿病的獨立危險因素，肥胖者脂肪沉積，引起高胰島素血癥及胰島素抵抗，使胰島素分泌增多，導致糖尿病患病風險增大［14］，本研究結果與其一致。

T2DM患者伴高脂血癥者達40%。高血脂既是糖尿病發(fā)病的獨立危險因素，又能導致和加劇糖尿病患者動脈粥樣硬化、高血壓和冠心病等的發(fā)生［15］。本研究發(fā)現(xiàn)高總膽固醇和高三酰甘油發(fā)生T2DM的OR值分別為1.101（95%CI：1.068～1.135）和 1.397（95%CI：1.366～1.430），證實了高血脂與T2DM的發(fā)生有著密切的關聯(lián)。Engstr?m等［16］研究發(fā)現(xiàn)，紅細胞分布寬度與糖尿病發(fā)病風險之間存在負相關，即紅細胞分布寬度越低，糖尿病罹患的風險越高，本研究結果與其一致。

Nomogram是一種用于臨床事件個體化預測分析的統(tǒng)計學模型，與其他預測性統(tǒng)計學方法相比，Nomogram分析可以通過直觀的、可視化的方式提供更好的個體化預后風險評估［17］。本研究通過多因素Logistic回歸確定的獨立影響因素建立了T2DM預測的Nomogram模型，如某女性患者、80歲、血壓正常、三酰甘油5.5 mmol/L、總膽固醇為5.0 mmol/L、高密度脂蛋白膽固醇為0.6 mmol/L，體重指數(shù)為24 kg/m2，紅細胞分布寬度為13%，尿素氮4.5 mmol/L，通過T2DM發(fā)生風險的Nomogram分析的評分線，該患者總評分為（0+80+0+30+7.5+7.5+20+20+10=175分），通過糖尿病風險線上能直觀找到該患者發(fā)生T2DM的概率為40%。經驗證后得出該模型一致性指數(shù)良好（C-index為0.802，P＜0.01）。而DCA是一種簡潔易懂的數(shù)學模型，以評判預測工具的可用性及效益［18］。本研究在Nomogram模型的基礎上，利用DCA，發(fā)現(xiàn)在閾值概率為0～0.22范圍內，簡單評價模型的凈利益率要高于復雜評價模型，說明高三酰甘油不僅與T2DM密切關聯(lián)，而且三酰甘油的變化能預測未來T2DM的發(fā)病風險［19］；而在閾值概率為0.23～0.74范圍內，復雜評價模型的凈利益率則高于簡單評價模型，可認為在此范圍內，復雜評價模型有更高的應用價值。

本研究的局限性在于本研究人群為體檢人群，盡管人群來自范圍較大，但不是真正意義上的自然人群，但是本研究人群樣本量大、持續(xù)時間較長，結果將為體檢中心開展后續(xù)健康管理奠定基礎。

綜上所述，本研究成功建立了預測T2DM事件發(fā)生的Nomogram模型，該模型對于T2DM的預防和臨床治療具有一定的指導意義。

［1］World Health Organization （WHO）.Global statusreport on noncommunicable diseases 2014 ［R］.Geneva： World Health Organization，2014.

［2］ Whiting DR，Guariguata L，Weil C，et al.IDF diabetes atlas：global estimates of the prevalence of diabetes for 2011 and 2030［J］.Diabetes Res Clin Pract，2011，94（3）：311-321.

［3］汪會琴，胡如英，武海濱，等.2型糖尿病報告發(fā)病率研究進展［J］.浙江預防醫(yī)學，2016，28（1）：37-39，57.

［4］Imamura F，Mukamal KJ，Meigs JB，et al.Risk factors for type 2 diabetes mellitus preceded by β-cell dysfunction， insulin resistance， or both in older adults： the Cardiovascular Health Study［J］.Am JEpidemiol，2013，177（12）：1418-1429.

［5］ Samson SL，Garber AJ.Prevention of type 2 diabetes mellitus：potential of pharmacological agents［J］.Best Pract Res Clin Endocrinol Metab，2016，30（3）：357-371.

［6］Miyake K，Yang W，Hara K，et al.Construction of a prediction model for type 2 diabetes mellitus in the Japanese population based on 11 genes with strong evidence of the association［J］.J Hum Genet，2009，54（4）：236-241.

［7］ Ag PDS，Pereira AC，Marquezine GF，et al.Derivation and external validation of a simple prediction model for the diagnosis of type 2 diabetes mellitus in the Brazilian urban population［J］.Eur JEpidemiol，2009，24（2）：101-109.

［8］ World Health Organization.Global report on diabetes［R］.Geneva：World Health Organization，2016.

［9］Navab KD，Elboudwarej O，Gharif M，et al.Chronic inflammatory disorders and accelerated atherosclerosis：chronic kidney disease［J］.Curr Pharm Des，2011，17（1）：17-20.

［10］中國高血壓防治指南修訂委員會.中國高血壓防治指南（2010年修訂版）［J］.中國實用鄉(xiāng)村醫(yī)生雜志，2012，19（10）：1-15.

［11］ Smith GL，Lichtman JH，Bracken MB，et al.Renal impairment and outcomes in heart failure：systematic review and metaanalysis［J］.JAm Coll Cardiol，2006，47（10）：1987-1996.

［12］王薇，劉靜，孫佳藝，等.三酰甘油水平與糖尿病發(fā)病危險的隊列研究［J］.中華內科雜志，2012，51（7）：516-519.

［13］華春芬，王飛，葉小君.成人2型糖尿病危險因素的現(xiàn)況研究［J］.浙江預防醫(yī)學， 2015，27（1）：25-27，31.

［14］ Katchunga PB，Cikomola J，Tshongo C，et al.Obesity and diabetes mellitus association in rural community of Katana，South Kivu，in Eastern Democratic Republic of Congo：Bukavu Observ Cohort Study Results［J］.BMCEndocr Disord，2016，16（1）：60-66.

［15］吳含，酈衛(wèi)星.浙江地區(qū)2型糖尿病危險因素分析［J］.中國衛(wèi)生檢驗雜志，2012，22（2）：346-347，350.

［16］Engstr?m G，Smith JG，Persson M，et al.Red cell distribution width，haemoglobin A1c and incidence of diabetes mellitus［J］.JIntern Med，2014，276（2）：174-83.

［17］田曉文，梁小波.列線圖在評估胃腸道間質瘤術后復發(fā)風險中的研究進展［J］.中華消化外科雜志，2015，14（5）：438-440.

［18］Vickers AJ，Elkin EB.Decision curve analysis：a novel method for evaluating prediction models ［J］.Med Decis Making，2006，26（6）：565-574.

［19］ Tirosh A， Shai I， Bitzur R， et al.Changes in triglyceride levels over time and risk of type 2 diabetes in young men［J］.Diabetes Care，2008，31（10）：2032-2037.