莊翠俠, 楊俊平, 王 妍, 劉思園, 姜莉晴, 季學(xué)磊, 祝臘香

蕪湖市第二人民醫(yī)院1.全科醫(yī)學(xué)科;2.內(nèi)分泌科;3.神經(jīng)內(nèi)科,安徽 蕪湖 241001

糖尿病是指以高血糖為主要特征的一組代謝性疾病,多數(shù)患者為2型糖尿病,臨床表現(xiàn)為消瘦、多食、多飲和多尿等[1-3]。近年來,隨著生活方式改變和社會(huì)經(jīng)濟(jì)發(fā)展,2型糖尿病患病人數(shù)不斷增加[4-6]。目前,2型糖尿病的發(fā)病機(jī)制尚未完全明確,臨床多認(rèn)為其與環(huán)境因素、遺傳因素有關(guān)[3]。周圍神經(jīng)病變是2型糖尿病較常見的并發(fā)癥,累及運(yùn)動(dòng)、感覺及自主神經(jīng),可造成壞疽、難治性潰瘍、感染及嚴(yán)重的感覺缺失等,從而導(dǎo)致殘疾,甚至死亡[7-8]。因此,探討2型糖尿病合并周圍神經(jīng)病變的危險(xiǎn)因素,及時(shí)制定相關(guān)的防治對策,并給予患者有效干預(yù),具有十分重要的臨床意義。傳統(tǒng)的預(yù)測分析方法對不平衡數(shù)據(jù)的處理效果欠佳,不適合構(gòu)建周圍神經(jīng)病變的預(yù)測模型,難以對周圍神經(jīng)病變進(jìn)行有效預(yù)測[9]。少數(shù)類樣本合成過抽樣技術(shù)(synthetic minority oversampling technique,SMOTE)算法是依據(jù)少數(shù)類樣本量的屬性特征隨機(jī)產(chǎn)生組間相似樣本量,可以使少數(shù)類與多數(shù)類之間的數(shù)量達(dá)到有效平衡,減少數(shù)據(jù)集過度傾斜帶來的較大偏差。目前,SMOTE算法已成為分析臨床結(jié)局事件的熱門方式[10]。本研究基于SMOTE算法構(gòu)建2型糖尿病合并周圍神經(jīng)病變的風(fēng)險(xiǎn)預(yù)警模型,以期為周圍神經(jīng)病變的防治提供參考意見。現(xiàn)報(bào)道如下。

1 對象與方法

1.1 研究對象 選取自2020年1月至2021年12月蕪湖市第二人民醫(yī)院收治的205例2型糖尿病患者為研究對象。納入標(biāo)準(zhǔn):年齡≥18歲;符合2型糖尿病的相關(guān)診斷標(biāo)準(zhǔn)[11];近1個(gè)月內(nèi)未接受過抗生素、免疫抑制劑等藥物治療;無精神障礙,可以自主交流;患者及家屬對本研究知情同意并簽署知情同意書。排除標(biāo)準(zhǔn):合并惡性腫瘤;繼發(fā)性糖尿病、1型糖尿病及妊娠期糖尿病等其他類型糖尿病;手術(shù)、藥物、腰椎病及頸椎病等其他原因引起的周圍神經(jīng)病變;合并糖尿病急性并發(fā)癥;重要臟器功能障礙;凝血功能障礙;血液系統(tǒng)疾病;自身免疫性疾病。根據(jù)周圍神經(jīng)病變發(fā)生情況將患者分為周圍神經(jīng)病變組(n=70)和無周圍神經(jīng)病變組(n=135)。周圍神經(jīng)病變的判斷標(biāo)準(zhǔn)參考文獻(xiàn)[11]。

1.2 研究方法 收集并記錄患者的年齡、性別、病程、居住地、婚姻狀態(tài)、體質(zhì)量指數(shù)、文化程度、飲酒史、吸煙史、糖化血紅蛋白、高血壓、空腹血糖及合并糖尿病視網(wǎng)膜病變(diabetic retinopathy,DR)等資料。

1.3 基于SMOTE算法 SMOTE算法是通過Blagus等[12]制定的步驟,將單組少量樣本數(shù)量擴(kuò)充至兩組相似樣本數(shù)量的一種方法。本研究少數(shù)量樣本為周圍神經(jīng)病變組患者=70例,需擴(kuò)充倍數(shù)n=無周圍神經(jīng)病變組/周圍神經(jīng)病變組=1.93,最近鄰點(diǎn)數(shù)k=2,70×2=140例。周圍神經(jīng)病變組患者=140例,無周圍神經(jīng)病變組=135例,兩組比例為1.04?；赟MOTE算法所擴(kuò)充新數(shù)據(jù)集并未對原樣本集的空間邊界產(chǎn)生影響。

2 結(jié)果

2.1 單因素分析結(jié)果 兩組患者性別、居住地、飲酒史、吸煙史、空腹血糖比較,差異無統(tǒng)計(jì)學(xué)意義(P>0.05)。兩組患者年齡、病程、婚姻狀態(tài)、體質(zhì)量指數(shù)、文化程度、糖化血紅蛋白、高血壓、合并DR比較,差異有統(tǒng)計(jì)學(xué)意義(P<0.05)。見表1。

表1 單因素分析結(jié)果/例(百分率/%)

2.2 Logistic回歸分析結(jié)果 將年齡、病程、婚姻狀態(tài)、體質(zhì)量指數(shù)、文化程度、糖化血紅蛋白、高血壓及合并DR作為自變量,將2型糖尿病是否發(fā)生周圍神經(jīng)病變作為因變量,進(jìn)行Logistic回歸分析。結(jié)果顯示,年齡、病程、婚姻狀態(tài)、體質(zhì)量指數(shù)、文化程度、糖化血紅蛋白、高血壓及合并DR是2型糖尿病合并周圍神經(jīng)病變的危險(xiǎn)因素(P<0.05)。基于以上各危險(xiǎn)因素的回歸系數(shù),可得原始預(yù)警模Logit(P1)=1.134X1+0.966X2+1.131X3+1.181X4+1.121X5+0.857X6+1.543X7+1.855X8-2.038,H-L檢驗(yàn)結(jié)果(決定系數(shù)R2=0.352,P=0.328),提示Logistic回歸模型的擬合度良好。見表2。

表2 Logistic回歸分析結(jié)果

2.3 基于SMOTE算法的預(yù)警模型 納入Logistic回歸分析的因素,基于SMOTE算法擴(kuò)充2倍(135/70)抽樣,得到周圍神經(jīng)病變組和無周圍神經(jīng)病變組比例近似為1(實(shí)際比例為1.04),對抽樣后的數(shù)據(jù)進(jìn)行Logistic回歸分析。結(jié)果顯示,基于SMOTE算法的預(yù)警模型Logit(P2)=1.191X1+1.026X2+1.116X3+1.160X4+1.101X5+0.863X6+1.535X7+1.640X8-2.722,H-L檢驗(yàn)結(jié)果(決定系數(shù)R2=0.371,P=0.635),提示基于SMOTE算法的預(yù)警模型擬合度良好。見表3。

表3 基于SMOTE算法Logistic回歸分析結(jié)果

2.4 兩種模型的效能評價(jià) 通過ROC曲線對原始預(yù)警模型和基于SMOTE算法的預(yù)警模型進(jìn)行分析。結(jié)果顯示,原始預(yù)警模型的ROC曲線下面積為0.809(95%可信區(qū)間0.758～0.860),基于SMOTE算法的預(yù)警模型的ROC曲線下面積為0.927(95%可信區(qū)間0.867～0.971)。基于SMOTE算法預(yù)測模型F-score和PPV值均高于原始預(yù)警模型,而TPR值低于原始預(yù)警模型。見圖1、表4。

圖1 兩種預(yù)警模型的ROC曲線

表4 兩種預(yù)警模型預(yù)測概率驗(yàn)證

3 討論

2型糖尿病合并周圍神經(jīng)病變是現(xiàn)階段臨床醫(yī)師迫切需要解決的重點(diǎn)問題。2型糖尿病合并周圍神經(jīng)病變不僅會(huì)增加患者的治療費(fèi)用,甚至可能會(huì)增加患者的死亡風(fēng)險(xiǎn)[13-14]。本研究共納入205例2型糖尿病患者,其中,70例患者發(fā)生周圍神經(jīng)病變,135例未發(fā)生周圍神經(jīng)病變,周圍神經(jīng)病變的發(fā)生率為34.15%(70/205),提示2型糖尿病患者是周圍神經(jīng)病變的易發(fā)人群,醫(yī)務(wù)人員應(yīng)當(dāng)對2型糖尿病合并周圍神經(jīng)病引起足夠的重視。

本研究Logistic回歸分析發(fā)現(xiàn),年齡、病程、婚姻狀態(tài)、體質(zhì)量指數(shù)、文化程度、糖化血紅蛋白、高血壓及合并DR是2型糖尿病合并周圍神經(jīng)病變的危險(xiǎn)因素,與秦潔行等[15]研究結(jié)果一致。對于老年人,隨著年齡的增加,機(jī)體的神經(jīng)密度在逐漸減小,特別是表皮內(nèi)神經(jīng)纖維和小神經(jīng)纖維,增加了周圍神經(jīng)病變的發(fā)生風(fēng)險(xiǎn)。病程較長的患者,機(jī)體長期處于高血糖狀態(tài),長期高血糖引起細(xì)胞因子分泌紊亂,氧化應(yīng)激反應(yīng)與多元醇代謝增強(qiáng),進(jìn)而引起神經(jīng)功能及結(jié)構(gòu)受損。李雯等[16]研究表明,未婚/離異/喪偶的患者更容易發(fā)生周圍神經(jīng)病變,與本研究結(jié)果一致。未婚/離異/喪偶的患者,缺少家屬對病情跟進(jìn),若患者對疾病缺乏認(rèn)知,難以對疾病的進(jìn)展進(jìn)行有效控制,導(dǎo)致周圍神經(jīng)病變的發(fā)生風(fēng)險(xiǎn)上升。有研究發(fā)現(xiàn),高體質(zhì)量指數(shù)的患者更容易發(fā)生周圍神經(jīng)病變[17],與本研究結(jié)果一致。體質(zhì)量指數(shù)較高者機(jī)體較易發(fā)生胰島素抵抗,使依賴胰島素介導(dǎo)的血管內(nèi)皮細(xì)胞功能受損,造成神經(jīng)組織缺氧缺血進(jìn)而發(fā)生損傷,從而導(dǎo)致周圍神經(jīng)病變。有研究報(bào)道,合并DR的患者更容易發(fā)生周圍神經(jīng)病變[18]。DR也屬于2型糖尿病的并發(fā)癥,雖然其與周圍神經(jīng)病變的發(fā)生機(jī)制有所不同,但兩者的病理基礎(chǔ)均與糖代謝紊亂、微血管病變及微循環(huán)障礙具有一定關(guān)系。因此,合并DR的患者更容易出現(xiàn)周圍神經(jīng)病變。目前,文化程度對周圍神經(jīng)病變影響的報(bào)道較少。本研究發(fā)現(xiàn),文化程度較低的人群更容易發(fā)生周圍神經(jīng)病變,分析原因?yàn)槲幕潭容^低的人群缺乏對疾病的認(rèn)知,未能有效控制疾病進(jìn)展,進(jìn)而增加了周圍神經(jīng)病變的發(fā)生風(fēng)險(xiǎn)。本研究結(jié)果顯示,高糖化血紅蛋白的患者更容易發(fā)生周圍神經(jīng)病變,與既往研究[19]結(jié)果相符。高糖化血紅蛋白表明患者的近期血糖持續(xù)處于高水平狀態(tài),蛋白質(zhì)合成降低,引起代謝紊亂,進(jìn)而使機(jī)體的正常防御功能減弱,導(dǎo)致周圍神經(jīng)病變的發(fā)生風(fēng)險(xiǎn)上升。此外,高血壓患者更容易發(fā)生周圍神經(jīng)病變,可能是由于高血壓容易發(fā)生血管內(nèi)皮功能損傷,引起神經(jīng)功能和結(jié)構(gòu)受損,從而增加了周圍神經(jīng)病變的發(fā)生風(fēng)險(xiǎn)。

本研究所有患者中,無周圍神經(jīng)病變組占65.85%,周圍神經(jīng)病變組占34.15%,兩組的樣本量處于不平衡的狀態(tài)。傳統(tǒng)模型預(yù)測對少數(shù)類(如周圍神經(jīng)病變)的預(yù)測效果較差,對多數(shù)類(如無周圍神經(jīng)病變)的預(yù)測效果較好,樣本量不平衡會(huì)對模型的預(yù)測精準(zhǔn)度產(chǎn)生一定的影響[20]。SMOTE算法能夠通過對原始數(shù)據(jù)進(jìn)行重建而獲得無周圍神經(jīng)病變組和周圍神經(jīng)病變組近似為1的新樣本比例數(shù)據(jù),再結(jié)合Logistic回歸的結(jié)果能夠得到SMOTE預(yù)警模型。本研究結(jié)果顯示,原始預(yù)警模型的ROC曲線下面積為0.809,基于SMOTE算法的預(yù)警模型的ROC曲線下面積為0.927;基于SMOTE算法預(yù)測模型F-score和PPV值均高于原始預(yù)警模型,而TPR值低于原始預(yù)警模型,提示與原始數(shù)據(jù)預(yù)警模型相比,SMOTE算法的新預(yù)警模型的預(yù)測準(zhǔn)確率更高。

綜上所述,年齡、病程、婚姻狀態(tài)、體質(zhì)量指數(shù)、文化程度、糖化血紅蛋白、高血壓及合并DR是2型糖尿病合并周圍神經(jīng)病變的危險(xiǎn)因素,基于SMOTE算法的預(yù)警模型能夠準(zhǔn)確預(yù)測2型糖尿病合并周圍神經(jīng)病變。此外,本研究存在不足,為單中心研究,樣本量較小,納入的影響因素有限,結(jié)果存在一定的偏倚。因此,關(guān)于基于SMOTE算法的2型糖尿病合并周圍神經(jīng)病變風(fēng)險(xiǎn)預(yù)警模型有待日后進(jìn)行更深入的研究。