朱高培 孫 娜 許小珊 李 娟 吳學(xué)森 王素珍△

【提 要】 目的 構(gòu)建社區(qū)居民2型糖尿病風(fēng)險(xiǎn)評(píng)估模型及風(fēng)險(xiǎn)評(píng)分表。方法 利用logistic回歸模型結(jié)合決策樹(shù)的方法，針對(duì)2015蚌埠市龍子湖區(qū)慢性病調(diào)查的數(shù)據(jù)，構(gòu)建2型糖尿病風(fēng)險(xiǎn)評(píng)估模型，并由正確指數(shù)制定風(fēng)險(xiǎn)評(píng)分表的切點(diǎn)。結(jié)果 決策樹(shù)結(jié)合logistic回歸模型預(yù)測(cè)2型糖尿病的AUC=0.828(95%CI:0.808-0.855)，大于單純采用logistic回歸模型AUC=0.816(95%CI:0.793-0.838)及單純采用決策樹(shù)AUC=0.809(95%CI:0.787-0.831)。同時(shí)，決策樹(shù)結(jié)合logistic建立的風(fēng)險(xiǎn)評(píng)分表的特異度和靈敏度分別為0.840和0.778，總分值范圍為-9～56分，篩查高危人群的推薦切點(diǎn)為19分，篩查效果優(yōu)于logistic回歸模型、《2013年糖尿病防治指南》風(fēng)險(xiǎn)評(píng)分表、芬蘭模型Lindstrom版。結(jié)論 logistic回歸結(jié)合決策樹(shù)模型比單一模型在糖尿病風(fēng)險(xiǎn)評(píng)估方面有更好的表現(xiàn)，制定的2型糖尿病風(fēng)險(xiǎn)評(píng)分表可以作為糖尿病篩查一線工具。

國(guó)際糖尿病聯(lián)盟資料表明,2045年全世界糖尿病平均患病率將會(huì)達(dá)到10%，全世界將擁有6.93億糖尿病患者[1]，糖尿病成為損害人類(lèi)健康的重要疾病之一。鑒于2型糖尿病的患者基數(shù)巨大，起病隱蔽，無(wú)明顯的早期癥狀，致使約有50%的糖尿病患者未被早期診斷或發(fā)現(xiàn)[2]，發(fā)現(xiàn)時(shí)患者身體已經(jīng)受到傷害，引發(fā)沉重的身體和經(jīng)濟(jì)負(fù)擔(dān)。有研究表明[3]，盡早篩查出糖尿病高危人群，可有效降低減緩糖尿病的發(fā)生和發(fā)展。所以，在無(wú)癥狀人群中開(kāi)展2型糖尿病的篩選非常有必要。

糖尿病的篩查分為介入性篩查和非介入性篩查。介入性篩查受到患者自身?xiàng)l件、檢測(cè)費(fèi)用、HbA1c檢測(cè)未標(biāo)準(zhǔn)化等因素的影響，不宜作為糖尿病高危人群快速篩查的一線工具[4]。非介入性的篩查方法，依據(jù)糖尿病風(fēng)險(xiǎn)評(píng)估量表確定糖尿病高危人群、篩選糖尿病可疑患者。該法具有簡(jiǎn)便、快速、易于開(kāi)展等特點(diǎn)[5]，逐漸引起研究者關(guān)注。雖然2013 年《中國(guó) 2 型糖尿病防治指南》中給出了糖尿病風(fēng)險(xiǎn)評(píng)分表[6]，但在烏魯木齊人群中篩查糖尿病的效果一般(AUC=0.770)[7]，也未見(jiàn)在大規(guī)模人群中應(yīng)用及驗(yàn)證。目前，糖尿病風(fēng)險(xiǎn)評(píng)估工具的數(shù)量眾多，但由于種族特異性、國(guó)家、地區(qū)間的文化背景、生活習(xí)慣、飲食、糖尿病危險(xiǎn)因素的多樣性等，不同糖尿病風(fēng)險(xiǎn)評(píng)估工具的適用人群也大不相同[8]，所以尚需構(gòu)建適應(yīng)于社區(qū)的2型糖尿病快速篩查工具。

開(kāi)發(fā)糖尿病風(fēng)險(xiǎn)評(píng)分模型，評(píng)估人群中糖尿病的發(fā)病風(fēng)險(xiǎn)，快速高效地篩選出患有糖尿病高危人群，增加糖尿病的檢出率，已成為當(dāng)前醫(yī)學(xué)界的重要研究?jī)?nèi)容之一。本研究結(jié)合數(shù)據(jù)挖掘和logistic回歸構(gòu)建2型糖尿病風(fēng)險(xiǎn)評(píng)估模型和風(fēng)險(xiǎn)評(píng)分表，通過(guò)該簡(jiǎn)易糖尿病風(fēng)險(xiǎn)評(píng)分表盡早發(fā)現(xiàn)糖尿病高危人群，及時(shí)制定防控措施，有效降低糖尿病的發(fā)病率或減緩糖尿病的發(fā)生，并能一定程度降低衛(wèi)生負(fù)擔(dān)。

對(duì)象與方法

1.研究對(duì)象

采取多階段分層隨機(jī)抽樣的方法，按照城區(qū)、農(nóng)村共分兩層，每層隨機(jī)抽取3～4個(gè)社區(qū)服務(wù)中心，每個(gè)社區(qū)服務(wù)中心隨機(jī)抽取2～5個(gè)社區(qū)服務(wù)站，共調(diào)查3354個(gè)居民。由經(jīng)過(guò)專(zhuān)業(yè)培訓(xùn)的調(diào)查人員和社區(qū)服務(wù)中心(站)醫(yī)務(wù)人員對(duì)參與本研究的對(duì)象開(kāi)展問(wèn)卷調(diào)查和體檢，記錄空腹血糖、身高、體重、腰圍、血常規(guī)、生理生化等體檢指標(biāo)。每個(gè)調(diào)查對(duì)象簽署了知情同意書(shū)。

納入、剔除標(biāo)準(zhǔn)：依據(jù)蚌埠市龍子湖區(qū)公安人口信息，滿足18歲及以上的常住居民(在蚌埠市居住5年及以上)作為抽樣人群；剔除不能理解和回答問(wèn)題的對(duì)象、其他地區(qū)生活的蚌埠市戶籍調(diào)查對(duì)象。

用于本研究的2型糖尿病診斷標(biāo)準(zhǔn)為：(1)明確有糖尿病的診斷史；(2)新發(fā)糖尿?。篎PG>7.1mmol/L。

2.研究方法

(1)模型構(gòu)建過(guò)程

①logistic回歸構(gòu)建2型糖尿病風(fēng)險(xiǎn)評(píng)估模型的原理

以是否患有2型糖尿病為因變量，以人均收入、水果攝入頻率、是否喜好甜食、婚姻狀況、糖尿病家族史和年齡等作為自變量納入模型，其中年齡等定量資料分析時(shí)進(jìn)行了分類(lèi)。經(jīng)logistic回歸篩選出最終進(jìn)入模型的變量，并依此構(gòu)建2型糖尿病多因素logistic回歸模型，以P值代表發(fā)生2型糖尿病的概率。基于此模型可以給出調(diào)查對(duì)象患2型糖尿病的風(fēng)險(xiǎn)，進(jìn)而確定糖尿病高危人群。

②決策樹(shù)結(jié)合logistic回歸建立2型糖尿病模型風(fēng)險(xiǎn)評(píng)估模型的過(guò)程

以是否患有2型糖尿病為因變量，人均收入、水果攝入頻率、是否喜好甜食、婚姻狀況、年齡等自變量以原始數(shù)據(jù)的形式納入決策樹(shù)模型。經(jīng)決策樹(shù)分析，得到2型糖尿病決策樹(shù)圖，根據(jù)非葉子節(jié)點(diǎn)的分類(lèi)屬性，確定用于分類(lèi)的主要變量以及連續(xù)變量分割截?cái)嘀担瑢⒃械臄?shù)據(jù)的所有變量轉(zhuǎn)化成分類(lèi)變量，并依此用轉(zhuǎn)換后的數(shù)據(jù)構(gòu)建2型糖尿病logistic回歸模型，以P確定發(fā)生2型糖尿病的概率，進(jìn)而確定糖尿病高危人群。

③糖尿病風(fēng)險(xiǎn)評(píng)分模型的構(gòu)建過(guò)程

首先建立2型糖尿病篩查決策樹(shù)模型，據(jù)非葉子節(jié)點(diǎn)處的最佳分類(lèi)對(duì)應(yīng)的屬性，確定主要變量以及連續(xù)變量分割截?cái)嘀担瑢⒃械臄?shù)據(jù)的所有變量轉(zhuǎn)換成分類(lèi)變量；然后用轉(zhuǎn)換后的數(shù)據(jù)構(gòu)建2型糖尿病logistic回歸模型；最后將回歸系數(shù)乘以10再取整，給出風(fēng)險(xiǎn)評(píng)分表。

(2)風(fēng)險(xiǎn)評(píng)估模型及風(fēng)險(xiǎn)評(píng)分表的評(píng)價(jià)

使用ROC曲線、AUC(ROC曲線下面積)和符合率來(lái)綜合比較模型預(yù)測(cè)、篩查效果，并通過(guò)正確指數(shù)確定糖尿病風(fēng)險(xiǎn)評(píng)分表的篩查高危人群的推薦切點(diǎn)。

結(jié) 果

1.一般情況

總共調(diào)查3354人，其中357人患2型糖尿病，患病率為10.6%。本次研究對(duì)象的年齡在18～91歲之間，平均56.10±15.3歲。男性1468人，女性1886人，男女性別比例為1:1.28，其他基本信息詳見(jiàn)表1。

表1 研究對(duì)象的基本情況描述

2.logistic回歸模型構(gòu)建2型糖尿病風(fēng)險(xiǎn)評(píng)估模型

經(jīng)多因素logistic回歸分析，獲得2型糖尿病的影響因素：糖尿病家族史、高血壓史、水果攝入頻率、喜好甜食、年齡、腰臀比、體質(zhì)指數(shù)和收縮壓和年齡。多因素logistic回歸模型預(yù)測(cè)2型糖尿病的AUC=0.816(95%CI:0.793～0.838)，最佳切點(diǎn)處的靈敏度和特異度分別為0.684和0.792。

3.決策樹(shù)構(gòu)建2型糖尿病風(fēng)險(xiǎn)評(píng)估模型

經(jīng)決策樹(shù)分析獲得2型糖尿病的決策規(guī)則，詳見(jiàn)圖1。該決策樹(shù)的葉節(jié)點(diǎn)有10個(gè)，非葉子節(jié)點(diǎn)8個(gè)，進(jìn)入該決策規(guī)則的變量為年齡、糖尿病家族史、收縮壓、水果攝入頻率、體質(zhì)指數(shù)。決策樹(shù)模型預(yù)測(cè)2型糖尿病的AUC=0.809(95%CI:0.787～0.831)，最佳切點(diǎn)處的靈敏度為0.703，特異度為0.771。

表2 2型糖尿病多因素logistic回歸分析

圖1 2型糖尿病決策樹(shù)分析圖

決策樹(shù)模型對(duì)定量資料進(jìn)行了分割，比如年齡被決策樹(shù)劃分為(18～51]歲,(51～60]歲,(60～72]歲，(72～101]歲四段，其他變量分割詳見(jiàn)表3。

表3 決策樹(shù)模型給出了定量資料的分割點(diǎn)信息

4.決策樹(shù)結(jié)合logistic回歸模型構(gòu)建2型糖尿病風(fēng)險(xiǎn)評(píng)估模型

根據(jù)決策樹(shù)模型中的分類(lèi)變量以及定量資料的分割信息，對(duì)這些變量進(jìn)行重新的分類(lèi)和賦值，如年齡、收縮壓、體質(zhì)指數(shù)等是根據(jù)決策樹(shù)重新截?cái)嗟姆纸M數(shù)據(jù)。將新定義的變量統(tǒng)一納入logistic回歸模型。該模型即為決策樹(shù)結(jié)合logistic回歸預(yù)測(cè)模型，詳見(jiàn)表4。該模型預(yù)測(cè)2型糖尿病的AUC=0.828(95%CI:0.808～0.855)，最佳切點(diǎn)處的靈敏度為0.840，特異度為0.778。

表4 基于決策樹(shù)結(jié)合logistic回歸模型的2型糖尿病風(fēng)險(xiǎn)分析結(jié)果

5.糖尿病風(fēng)險(xiǎn)評(píng)估模型的效果評(píng)價(jià)

比較logistic模型與決策樹(shù)模型、決策樹(shù)結(jié)合logistic回歸模型評(píng)估2型糖尿病風(fēng)險(xiǎn)的效果，最佳切點(diǎn)處的靈敏度和特異度，logistic模型與決策樹(shù)模型的特異度較高，而結(jié)合模型的靈敏度更高。糖尿病風(fēng)險(xiǎn)評(píng)估模型間的AUC擬合優(yōu)度檢驗(yàn)結(jié)果顯示：決策樹(shù)結(jié)合logistic回歸模型預(yù)測(cè)2型糖尿病的效果優(yōu)于logistic模型(Z=3.328，P<0.001)，決策樹(shù)結(jié)合logistic回歸模型的效果優(yōu)于決策樹(shù)模型(Z=6.718，P<0.001)，logistic回歸模型的AUC大于決策樹(shù)模型(Z=4.950，P<0.001)。詳見(jiàn)表5。

表5 糖尿病風(fēng)險(xiǎn)評(píng)估模型之間效果比較

6.基于決策樹(shù)結(jié)合logistic回歸模型的2型糖尿病風(fēng)險(xiǎn)評(píng)分表

將重新構(gòu)建的logistic回歸模型的回歸系數(shù)乘以10并取整，如無(wú)糖尿病家族史賦值0分，有糖尿病家族史賦值17分，具體賦值詳見(jiàn)表6。該評(píng)分表在蚌埠市人群的范圍為-9～56分，切點(diǎn)在19分處，篩查2型糖尿病高危人群效果最佳。決策樹(shù)結(jié)合logistic回歸風(fēng)險(xiǎn)評(píng)分表篩查2型糖尿病的AUC=0.828(95%CI:0.808～0.855)，其靈敏度、特異度分別為0.840和0.778。據(jù)此制定了糖尿病風(fēng)險(xiǎn)評(píng)估問(wèn)卷，用于糖尿病的篩查工作，詳見(jiàn)表7。

表6 決策樹(shù)結(jié)合logistic回歸構(gòu)建的2型糖尿病風(fēng)險(xiǎn)評(píng)分表

表7 2型糖尿病風(fēng)險(xiǎn)評(píng)估調(diào)查問(wèn)卷(表)

*：本問(wèn)卷(調(diào)查表)判斷糖尿病的最佳切點(diǎn)為19分，得分≥19的確定為患糖尿病高危人群；建議對(duì)總得分≥19分受試者應(yīng)進(jìn)行口服葡萄糖耐量試驗(yàn)，以明確診斷。

7.糖尿病風(fēng)險(xiǎn)評(píng)分表之間的效果比較

比較2013年糖尿病防治指南評(píng)分表、芬蘭模型評(píng)分表以及l(fā)ogistic回歸模型評(píng)分表、決策樹(shù)結(jié)合logistic回歸風(fēng)險(xiǎn)評(píng)分表篩查2型糖尿病，發(fā)現(xiàn)ROC曲線下面積分別有差異，決策樹(shù)結(jié)合logistic評(píng)分表篩查效果最好，如與logistic評(píng)分表篩查效果之間差異有統(tǒng)計(jì)學(xué)意義(Z=4.111，P<0.001)，且決策樹(shù)結(jié)合logistic評(píng)分表篩查符合率最高。評(píng)分表之間具體的比較詳見(jiàn)表8。

討 論

建立單一模型時(shí)，決策樹(shù)模型在特征變量識(shí)別方面有優(yōu)勢(shì)，而logistic回歸模型在可以獲得OR值等信息和模型解釋方面優(yōu)勢(shì)明顯，若分別使用logistic回歸或決策樹(shù)構(gòu)建的預(yù)測(cè)模型則各有優(yōu)劣[9]。本研究結(jié)果表明通過(guò)聯(lián)合建模的方式使模型預(yù)測(cè)效果和靈敏度、特異度等方面都有提升。

表8 幾種常用的風(fēng)險(xiǎn)評(píng)分表之間的效果比較

多因素logistic回歸結(jié)果提示水果攝入為保護(hù)性因素，適當(dāng)增加水果攝入頻率可以降低糖尿病發(fā)病風(fēng)險(xiǎn)[10]。喜好甜食會(huì)增加患2型糖尿病的風(fēng)險(xiǎn)，在飲食上面應(yīng)該控制甜食的攝入[11]。基于logistic回歸構(gòu)建的預(yù)測(cè)模型具有較高的特異度和較低的靈敏度[12]，發(fā)現(xiàn)潛在患有糖尿病(即高危人群)的性能較差，不適合糖尿病的初步篩查。本研究中CART決策樹(shù)模型預(yù)測(cè)的效果稍差于logistic回歸模型(Z=4.950，P<0.001)，目前這兩種模型的效果比較結(jié)論不一致，這與決策樹(shù)模型的剪枝水平、樣本量以及協(xié)變量之間的關(guān)聯(lián)有關(guān)[13-15]；由于決策樹(shù)不受分布以及線性、共線性等影響，所以在選擇特征變量方面很有優(yōu)勢(shì)[16]。 logistic回歸與決策樹(shù)結(jié)合起來(lái)構(gòu)建風(fēng)險(xiǎn)預(yù)測(cè)模型效果最優(yōu)，且具有較高的特異度和靈敏度。該方法既可以彌補(bǔ)logistic回歸模型的缺點(diǎn)，又可以篩選出更加合理的特征變量，建議使用該方法構(gòu)建糖尿病風(fēng)險(xiǎn)評(píng)估模型，并用于篩選社區(qū)糖尿病高危人群。

決策樹(shù)結(jié)合logistic回歸風(fēng)險(xiǎn)評(píng)分表、logistic回歸風(fēng)險(xiǎn)評(píng)分表和《2013年糖尿病防治指南》風(fēng)險(xiǎn)評(píng)分表篩查糖尿病的效能優(yōu)于芬蘭模型，考慮為人種糖尿病危險(xiǎn)因素及體檢指標(biāo)分類(lèi)標(biāo)準(zhǔn)的差異[17]，比如歐美與亞洲人超重、肥胖標(biāo)準(zhǔn)不同，相應(yīng)的風(fēng)險(xiǎn)評(píng)分也會(huì)不同。芬蘭模型將每日是否食用蔬菜納入模型，本研究將水果攝入頻率納入模型，這考慮了與西方飲食習(xí)慣、烹飪方式的不同，中國(guó)人飲食中普遍有蔬菜但缺乏水果，不同人群糖尿病的危險(xiǎn)因素存在差異[18]。由于本研究充分考慮了危險(xiǎn)因素及其分類(lèi)標(biāo)準(zhǔn)的種族差異，所以制定的糖尿病風(fēng)險(xiǎn)評(píng)分表更適用于中國(guó)人 2 型糖尿病的風(fēng)險(xiǎn)評(píng)估及篩查。

糖尿病風(fēng)險(xiǎn)評(píng)估模型是從疾病的篩查角度出發(fā)，需要較高的診斷靈敏度。糖尿病風(fēng)險(xiǎn)評(píng)分表作為一個(gè)有效的、便宜的替代診斷性檢測(cè)的工具，可以在短期內(nèi)對(duì)大量的人群進(jìn)行糖尿病的篩查。以非實(shí)驗(yàn)室數(shù)據(jù)為基礎(chǔ)的決策樹(shù)結(jié)合logistic回歸的評(píng)分表，診斷靈敏性、準(zhǔn)確性均較優(yōu)，是一種非侵入性的篩查 2 型糖尿病高危人群的可靠工具。在糖尿病患病率高且仍持續(xù)增長(zhǎng)而衛(wèi)生資源相對(duì)稀缺的中國(guó)，運(yùn)用糖尿病風(fēng)險(xiǎn)評(píng)估工具對(duì)實(shí)現(xiàn)早期檢查和診斷、提高生存質(zhì)量有十分重要的臨床意義。我們推薦聯(lián)合建模方法和制定風(fēng)險(xiǎn)評(píng)分表在社區(qū)居民糖尿病篩查工作中的應(yīng)用。