基于大样本的2型糖尿病Nomogram预测模型构建

作者:马君; 查晓娟; 朱欣颖; 李文博; 伍泽伟; 文育锋
来源:沈阳医学院学报, 2018, 20(03): 197-206.
DOI:10.16753/j.cnki.1008-2344.2018.03.002

摘要

目的:构建本地区2型糖尿病风险预测模型,对糖尿病进行预防和控制。方法:选择2011年1月至2016年12月在某综合性医院体检中心190 435例体检人群作为研究对象,采用Logistic回归分析法筛选2型糖尿病的影响因素,并应用Nomogram法对各个因素进行评分,构建预测模型,同时运用决策曲线分析(decision curve analysis,DCA)对简单评价模型和复杂评价模型进行比较。结果:多因素Logistic回归分析显示性别(OR=1.336,95%CI:1.3151.366)、年龄(OR=1.065,95%CI:1.0631.067)、体重指数(OR=1.117,95%CI:1.1081.126)、高血压(OR=1.331,95%CI:1.2631.403)、三酰甘油(OR=1.397,95%CI:1.3661.430)、总胆固醇(OR=1.101,95%CI:1.0681.135)、高密度脂蛋白胆固醇(OR=0.796,95%CI:0.7290.869)、红细胞分布宽度(OR=0.786,95%CI:0.7610.811)、尿素氮(OR=1.140,95%CI:1.1201.160)为2型糖尿病独立的影响因素(P<0.01)。通过多因素Logistic回归结果建立Nomogram模型,经验证预测模型一致性指数良好(C-index=0.802,P<0.01)。DCA显示在阈值概率为00.22范围内,简单评价模型的净利益率高于复杂评价模型;在阈值概率为0.230.74范围内,复杂评价模型的净利益率则高于简单评价模型。结论:成功建立预测2型糖尿病的Nomogram模型。

全文