陳韋冰 張巧玲 徐小紅

【摘要】 目的 研究分析基于數(shù)據(jù)挖掘技術(shù)構(gòu)建適宜基層應(yīng)用的2型糖尿病視網(wǎng)膜病變風(fēng)險預(yù)測模型。方法 300例確診的2型糖尿病患者， 隨機分為模型組（250例）和對照組（50例）， 建立適合基層的“糖尿病風(fēng)險因素評估+視網(wǎng)膜病變設(shè)備檢測+血糖控制”預(yù)測模型。兩組均進行免散瞳眼底彩色照相及相關(guān)化驗等， 引用數(shù)據(jù)挖掘技術(shù)， 通過多因素Logistic回歸分析研究視網(wǎng)膜病變關(guān)聯(lián)因素。結(jié)果 檢測600只眼， 視網(wǎng)膜病變眼數(shù)200只;重度非增生型眼數(shù)和增生型眼數(shù)分別為105、95只。對照組100只眼， 視網(wǎng)膜病變眼數(shù)32只， 重度非增生型眼數(shù)和增生型眼數(shù)分別為15、17只;模型組500只眼， 視網(wǎng)膜病變眼數(shù)168只， 重度非增生型眼數(shù)和增生型眼數(shù)分別為90、78只。單因素回歸分析顯示， 年齡、病程、糖化血紅蛋白、尿蛋白、眼軸長度是2型糖尿病患者發(fā)生視網(wǎng)膜病變的影響因素（P<0.05）。多因素回歸分析顯示， 2型糖尿病視網(wǎng)膜病變的風(fēng)險因素主要有眼軸長度、年齡、病程、糖化血紅蛋白以及尿蛋白。構(gòu)建ROC曲線， 對照組測算曲線下面積數(shù)值為0.800， 臨界值結(jié)果為0.184， 簡化回歸方程分析診斷臨界值結(jié)果為-1.479。對照組患者將相關(guān)的計算參數(shù)列入回歸方程， 敏感性、特異性、曲線下面積數(shù)值分別為86.0%、58.0%、0.762， 伴隨預(yù)測評分結(jié)果與視網(wǎng)膜病變患病率成正向關(guān)系， 若評分結(jié)果<-2.5， 則實際患病率為0。結(jié)論 2型糖尿病視網(wǎng)膜病變誘發(fā)因素很多， 主要與患者病程、眼軸長度、年齡、糖化血紅蛋白、尿蛋白等因素有關(guān)， 同時驗證了風(fēng)險預(yù)測模型的有效性。

【關(guān)鍵詞】 數(shù)據(jù)挖掘技術(shù);2型糖尿病;視網(wǎng)膜病變;風(fēng)險預(yù)測;模型

DOI：10.14163/j.cnki.11-5547/r.2019.02.107

視網(wǎng)膜病變作為慢性微血管病變， 具有隱匿性強、發(fā)病進程不可逆、治愈性差及高致盲率的特點， 是2型糖尿病最常見、最嚴重地并發(fā)癥之一[1]。如何進行早期篩查、預(yù)防、干預(yù)， 提高治療效果， 減少并發(fā)癥的發(fā)生， 成為當前研究的重點。本文基于利用數(shù)據(jù)挖掘技術(shù)， 結(jié)合數(shù)理統(tǒng)計方法， 試圖構(gòu)建適宜基層應(yīng)用的2型糖尿病視網(wǎng)膜病變風(fēng)險預(yù)測模型， 以期為社區(qū)醫(yī)療機構(gòu)提供糖尿病視網(wǎng)膜病變風(fēng)險評估方法， 增強基層診療能力， 及時發(fā)現(xiàn)疾病風(fēng)險， 指導(dǎo)患者及時調(diào)整血糖控制方案， 提高患者依從性， 降低并發(fā)癥發(fā)生率， 全面提升生活質(zhì)量。現(xiàn)報告如下。

1 資料與方法

1. 1 一般資料 選擇2016年6月～2018年3月于本院就診的2型糖尿病患者300例（600只眼）作為研究對象， 經(jīng)過眼底檢查和臨床診斷確診， 篩選建立數(shù)據(jù)框架， 根據(jù)基層條件確定和標準化數(shù)據(jù)測量和指標收集數(shù)據(jù)。隨機分為模型組（250例， 500只眼）和對照組（50例， 100只眼）。模型組患者中男145例， 女105例;年齡31～89歲， 平均年齡（62.33±14.03）歲， 糖尿病病程2.0～38.0年， 平均糖尿病病程（9.56±9.48）年。對照組患者中男27例， 女23例;年齡33～90歲， 平均年齡（63.42±13.46）歲;糖尿病病程2.5～39.0年， 平均糖尿病病程（9.67±9.78）年。兩組患者的一般資料對比， 差異無統(tǒng)計學(xué)意義（P>0.05）， 具有可比性。

1. 2 方法

1. 2. 1 構(gòu)建適宜基層的糖尿病視網(wǎng)膜病變的風(fēng)險預(yù)測模型

通過文獻搜集相關(guān)危險因素， 主要包括患者人口學(xué)特征、病史（病程及類型）、并發(fā)癥、常見癥狀和體征、基層常用實驗室檢查指標、血糖控制（用藥情況）、生活方式（運動、飲食、煙酒情況）， 其他健康情況包括常見的與微血管相關(guān)心血管疾病及其他高度相關(guān)疾病情況。通過關(guān)系圖法構(gòu)建圍繞糖尿病視網(wǎng)膜病變發(fā)生風(fēng)險預(yù)測理論模型關(guān)系圖， 進一步篩選出基層社區(qū)醫(yī)療機構(gòu)容易獲取、研究中效應(yīng)顯著以及聯(lián)系性強的變量和≤20個的變量數(shù)， 建立出“糖尿病風(fēng)險因素評估+視網(wǎng)膜病變設(shè)備檢測+血糖控制”預(yù)測模型， 以此制定數(shù)據(jù)收集計劃和數(shù)據(jù)收集指標， 將指標測量基層化， 符合基層數(shù)據(jù)收集客觀條件。

1. 2. 2 構(gòu)建新型糖尿病及糖尿病并發(fā)癥的基層健康管理模式 結(jié)合前期調(diào)研情況， 利用大數(shù)據(jù)技術(shù)關(guān)聯(lián)度分析， 找出相關(guān)病變風(fēng)險關(guān)聯(lián)因素， 構(gòu)建專業(yè)數(shù)據(jù)模型， 通過在社區(qū)開展相關(guān)應(yīng)用， 進一步驗證模型有效性， 進行糖尿病視網(wǎng)膜病風(fēng)險評估， 為不同風(fēng)險患者提供不同診療建議， 如生化方式、藥物、血糖管理調(diào)整， 眼底篩檢建議及眼科轉(zhuǎn)診建議。

1. 3 觀察指標 對患者進行免散瞳眼底彩色照相、測量眼軸長度、空腹血糖化驗以及相關(guān)其他指標化驗等， 對所有實驗室檢查結(jié)果以及患者臨床基礎(chǔ)資料進行觀察記錄， 全部納入檢查指標。

1. 4 統(tǒng)計學(xué)方法 應(yīng)用統(tǒng)計軟件SPSS18.0將所有的數(shù)據(jù)進行匯總處理， 應(yīng)用多因素Logistic回歸分析方法分析相關(guān)因素， 構(gòu)建相應(yīng)回歸方程形成風(fēng)險預(yù)測模型。根據(jù)工作特征曲線計算方程曲線下面積， 應(yīng)用約登指數(shù)計算特異性和敏感性指標， 確定相應(yīng)診斷臨界值， 從而檢驗?zāi)Ｐ陀行?。敏感性為預(yù)測結(jié)果視網(wǎng)膜病變眼數(shù)與實際眼數(shù)百分比值， 特異性為預(yù)測結(jié)果非視網(wǎng)膜病變的眼數(shù)和實際非視網(wǎng)膜病變的眼數(shù)的百分比值。應(yīng)用評分結(jié)果進行ROC曲線繪制， 對風(fēng)險預(yù)測模型的預(yù)測價值進行評估， 曲線下面積≤0.7， 視為較低;曲線下面積在0.8～0.9， 視為中等;曲線下面積>0.9， 視為較高。

2 結(jié)果

2. 1 兩組一般情況分析 檢測600只眼， 視網(wǎng)膜病變眼數(shù)200只;重度非增生型眼數(shù)和增生型眼數(shù)分別為105、95只。對照組100只眼， 視網(wǎng)膜病變眼數(shù)32只， 重度非增生型眼數(shù)和增生型眼數(shù)分別為15、17只;模型組500只眼， 視網(wǎng)膜病變眼數(shù)168只， 重度非增生型眼數(shù)和增生型眼數(shù)分別為90、78只。

2. 2 單因素分析 單因素回歸分析顯示， 年齡、病程、糖化血紅蛋白、尿蛋白、眼軸長度是2型糖尿病患者發(fā)生視網(wǎng)膜病變的影響因素（P<0.05）。見表1。

2. 3 多因素回歸分析 多因素回歸分析顯示， 2型糖尿病視網(wǎng)膜病變的風(fēng)險因素主要有眼軸長度、年齡、病程、糖化血紅蛋白以及尿蛋白。

2. 4 ROC曲線 構(gòu)建ROC曲線， 對照組測算曲線下面積數(shù)值為0.800， 臨界值結(jié)果為0.184， 簡化回歸方程分析診斷臨界值結(jié)果為-1.479。對照組患者將相關(guān)的計算參數(shù)列入回歸方程， 敏感性、特異性、曲線下面積數(shù)值分別為86.0%、58.0%、0.762， 伴隨預(yù)測評分結(jié)果與視網(wǎng)膜病變患病率成正向關(guān)系， 若評分結(jié)果<-2.5， 則實際患病率為0。

3 討論

3. 1 數(shù)據(jù)挖掘技術(shù) 主要包括Logistic回歸分析法、隨機森林法、神經(jīng)網(wǎng)絡(luò)、支持向量機等方法， 每種方法有其適用范圍和計算法。此次通過構(gòu)建回歸分析模型， 篩選關(guān)聯(lián)因素深入研究， 進一步驗證視網(wǎng)膜病變相關(guān)影響因素預(yù)測模型的有效性， 結(jié)合臨床統(tǒng)計結(jié)果， 將其用到社區(qū)患者管理中， 能為構(gòu)建新型糖尿病及并發(fā)癥防治社區(qū)健康管理提供理論參考[2-4]。

3. 2 風(fēng)險預(yù)測模型可提高患者自我管理健康意識 通過構(gòu)建糖尿病視網(wǎng)膜病變風(fēng)險預(yù)測模型， 可通過立體直觀具體的數(shù)據(jù)和風(fēng)險幾率， 使患者意識到視網(wǎng)膜病變嚴重性， 從而改變“知信行”， 提高自我管理意識和依從性。

3. 3 早期預(yù)防降低糖尿病并發(fā)癥發(fā)生 一系列并發(fā)癥源頭都是血糖控制不好致血管病理性變化， 糖尿病視網(wǎng)膜病變是最常見的微血管并發(fā)癥， 也是最常見的失明原因， 可通過早期規(guī)范管理即可早預(yù)防、早發(fā)現(xiàn)、早治療， 降低致盲率， 預(yù)防多種并發(fā)癥的發(fā)生。

3. 4 數(shù)據(jù)技術(shù)助力增強基層診療能力 簡化基層診療程序， 降低對基層的人力和能力需求， 從而提升基層服務(wù)效率、質(zhì)量和能力。

3. 5 基于基層需求， 構(gòu)建風(fēng)險預(yù)測模型 我國的預(yù)防和公共衛(wèi)生任務(wù)主要有基層承擔(dān)， 構(gòu)建風(fēng)險預(yù)測模型指標應(yīng)該要符合基層采集條件， 否則難以在基層應(yīng)用推廣， 不能發(fā)揮預(yù)測功能。本次研究表明， 建立適合基層的“糖尿病風(fēng)險因素評估+視網(wǎng)膜病變設(shè)備檢測+血糖控制”預(yù)測模型， 能方便患者就醫(yī)， 做到早期發(fā)現(xiàn)， 方便基層指導(dǎo)患者進行風(fēng)險控制， 降低糖尿病致殘率。

3. 6 風(fēng)險預(yù)測模型構(gòu)建注意事項 基于數(shù)據(jù)挖掘技術(shù)構(gòu)建適宜基層應(yīng)用的2型糖尿病視網(wǎng)膜病變風(fēng)險預(yù)測模型構(gòu)建過程中， 需要把握以下要點。

3. 6. 1 做好基礎(chǔ)工作與實踐的有效銜接 由于模型構(gòu)建是一項系統(tǒng)工程， 需要做好糖尿病風(fēng)險因素分析、視網(wǎng)膜病變設(shè)備檢測以及血糖控制3個基礎(chǔ)項目， 才能確保研究成效， 更好實際應(yīng)用[5]。預(yù)測模型的構(gòu)建， 進一步推動了流行病學(xué)研究成果與臨床實踐的有效銜接， 并通過高危篩檢、臨床循證指南等途徑促進疾病的三級預(yù)防， 降低疾病發(fā)病率和死亡率。預(yù)測模型很重要的一個應(yīng)用是對人群疾病發(fā)病風(fēng)險按照幾率大小進行分層， 如高、中和低危， 對風(fēng)險幾率不同的群體進行有針對性、強度不同的治療， 在實際探索中， 應(yīng)當基于為保證構(gòu)建效果， 要對抽檢樣本進行分層處理， 才能為臨床個體化治療方案制定提供參考， 為未來進行“個體化治療”邁出第一步。

3. 6. 2 引導(dǎo)基層醫(yī)生掌握預(yù)測模型基本內(nèi)涵 在實際中通過共同研究制定簡易評分系統(tǒng)， 進而快速精準地判斷高危群體， 提高治療針對性和有效性。簡易評分系統(tǒng)的制定可以參照臨床相關(guān)病癥劃分標準， 尋找關(guān)鍵評分指標， 衡量權(quán)重， 經(jīng)專家論證確定最終指標庫， 劃分高、中和低危區(qū)間， 結(jié)合實際動態(tài)調(diào)整。

3. 6. 3 視網(wǎng)膜病變檢測設(shè)備的選擇 由于視網(wǎng)膜病變檢測設(shè)備較多， 基于基層實際角度， 選擇更加適宜的設(shè)備， 提高專業(yè)技術(shù)人員操作技能， 才能確保檢驗?zāi)Ｐ透玫丶右詰?yīng)用。綜上所述， 此次研究對2型糖尿病患者臨床視網(wǎng)膜病變相關(guān)因素進行總結(jié)分析和研究， 找出了相應(yīng)病變風(fēng)險因素及基礎(chǔ)預(yù)測模型， 該研究成果具有一定的理論和實踐支撐， 在基層值得參考應(yīng)用。當然由于調(diào)研樣本數(shù)量相對較少， 今后要進一步提高研究成果的適用性， 還可結(jié)合普查， 及時排查早期微血管并發(fā)癥， 構(gòu)建更加科學(xué)完善的風(fēng)險控制模型， 為降低糖尿病致殘率等提供有益借鑒。

參考文獻

[1] Murthy GVS， Johnson G. Prevalence， incidence and distribution of visual impairment//The Epidemiology of Eye Disease. Singapore：World Scientific Publishing， 2003：3-61.

[2] 呂喆， 陳亦棋， 沈麗君， 等. 2型糖尿病患者糖尿病視網(wǎng)膜病變風(fēng)險預(yù)測模型的建立和初步驗證. 中華眼底病雜志， 2017， 33（3）：257-261.

[3] 董冰清. 基于腹部CT指標的2型糖尿病風(fēng)險模型的建立及初步驗證. 東南大學(xué)， 2017.

[4] 劉沫言. 2型糖尿病腎病鑒別診斷模型的驗證及新方程的建立. 中國人民解放軍醫(yī)學(xué)院， 2013.

[5] 曹文哲， 應(yīng)俊， 陳廣飛， 等. 基于Logistic回歸和隨機森林算法的2型糖尿病并發(fā)視網(wǎng)膜病變風(fēng)險預(yù)測及對比研究. 中國醫(yī)療設(shè)備， 2016， 31（3）：33-38.

[收稿日期：2018-09-19]