劉海波，胡曉衛(wèi)，旦正尖措，歐 妍

1．西安交通大學第二附屬醫(yī)院，陜西西安 710004；2.陜西省中醫(yī)醫(yī)院檢驗科，陜西西安 710003； 3.西安交通大學第二附屬醫(yī)院腎內科，陜西西安 710004

糖尿病腎病(DN)是影響全世界數百萬人健康的疾病，也是導致終末期腎病(ESRD)的主要原因之一，其特征是腎小球濾過率下降、系膜細胞增生、腎小球硬化等[1-3]。隨著糖尿病發(fā)病率的持續(xù)上升，DN的病例數量也在增加。國內外已有較多DN的相關報道，主要包括DN的發(fā)病機制、影響因素、早期診斷與預防治療等[4-7]。與無腎臟并發(fā)癥的糖尿病患者相比，DN患者的心血管疾病發(fā)生率偏高，且隨著腎臟疾病的進展，心血管疾病發(fā)生率呈上升趨勢，對于高齡、合并高血壓等危險因素的患者應更加重視[8-9]。DN的發(fā)病機制中，炎癥、脂質代謝異常、血栓形成和血管張力的調節(jié)障礙均具有重要作用，這些因素也是動脈粥樣硬化(AS)發(fā)展的基礎，是心血管疾病發(fā)生的重要原因[10]。DN在許多方面與AS相似，在所有與糖尿病相關的并發(fā)癥中，DN可能是增加心血管疾病風險的主要原因之一，而心血管疾病也是導致DN患者死亡的主要原因[11-12]。尋找心血管疾病危險因素，對心血管疾病進行早期預防，是延長DN患者生存率，降低病死率的有效手段。本研究擬在DN患者實驗室數據的基礎上，建立心血管疾病預測模型，以期為腎內科臨床實踐提供數據支持。

1 資料與方法

1．1一般資料 選取2019年1月至2021年4月陜西省中醫(yī)醫(yī)院收治的DN患者61例，其中男43例，女18例，平均年齡(62.2±10.8)歲，均符合中華醫(yī)學會發(fā)布的《中國糖尿病腎臟疾病防治臨床指南》[13]中相關診斷標準。經心臟彩超、心電圖確診合并心血管疾病38例，其中男27例，女11例；平均年齡(61.7±10.3)歲。未合并心血管疾病23例，其中男16例，女7例，平均年齡(63.2±11.6)歲。

1.2方法

1.2.1信息收集 通過病歷信息系統(tǒng)收集242例DN患者相關信息，包括性別、年齡、入院時血壓、是否吸煙與飲酒，以及是否合并糖尿病周圍神經病變(DPN)、糖尿病周圍血管病變(PVD)、糖尿病視網膜病變(DR)、腦梗死(CI)等。

1.2.2標本采集與檢測 采集患者空腹外周靜脈血，檢測血常規(guī)指標和生化指標。血常規(guī)指標包括白細胞計數(WBC)、紅細胞計數(RBC)、血紅蛋白(Hb)、血細胞比容(HCT)、紅細胞平均體積(MCV)、平均血紅蛋白量(MCH)、平均血紅蛋白濃度(MCHC)、紅細胞分布寬度(RDW)、血小板計數(PLT)。肝臟功能指標包括總膽紅素(TBIL)、直接膽紅素(DBIL)、間接膽紅素(IBIL)、丙氨酸氨基轉移酶(ALT)、天門冬氨酸氨基轉移酶(AST)、堿性磷酸酶(ALP)、γ-谷氨酰轉移酶(GGT)、總膽汁酸(TBA)、總蛋白(TP)、清蛋白(ALB)、血清球蛋白(GLO)。腎臟功能指標包括肌酐(CRE)、尿素氮(BUN)、尿酸(UA)、胱抑素C(CysC)。血脂指標包括總膽固醇(CHO)、三酰甘油(TG)、載脂蛋白A1(ApoA1)、載脂蛋白B(ApoB)、高密度脂蛋白膽固醇(HDL-C)、低密度脂蛋白膽固醇(LDL-C)。電解質包括鉀(K)、鈉(Na)、氯(Cl)、鈣(Ca)。采用邁瑞6900及配套試劑檢測血常規(guī)指標，采用全自動生化分析儀日立7600及中元生物、九強生物等試劑檢測生化指標。

1.3統(tǒng)計學處理 采用R軟件進行數據分析，采用多變量Logistic回歸，結合LASSO回歸篩選變量，建立DN患者并發(fā)心血管疾病的預測模型。

2 結 果

2.1變量信息與變量賦值 分析DN患者一般情況(性別、年齡)、是否吸煙與飲酒、血常規(guī)指標(WBC、RBC、HCT、RDW、PLT等)、生化指標、是否合并DPN、PVD、CI等共計42個變量信息，變量賦值見表1。

表1 變量信息和變量賦值

續(xù)表1 變量信息和變量賦值

2.2利用LASSO回歸篩選變量結果 使用LASSO回歸篩選DN患者并發(fā)心血管疾病的主要變量，在42個變量中共計篩選出10個變量，分別為WBC、Hb、HCT、RDW、TBIL、ALB、LDL-C、CRE、UA和合并DPN。LASSO模型的最優(yōu)參數(λ)選擇，采用了通過最小標準的5次交叉驗證，部分似然偏差[二項偏差(Binomial Deviance)]與λ的對數[log(λ)]曲線，見圖1。

圖1 使用LASSO回歸篩選重要的變量因素

2.3DN患者并發(fā)心血管疾病預測模型列線圖 DN患者并發(fā)心血管疾病預測模型中的預測因素包括WBC、Hb、HCT、RDW、TBIL、ALB、LDL-C、CRE、UA和合并DPN，每項預測因素不同結果對應不同分值，通過結果信息計算總得分，對應發(fā)生心血管疾病的概率，以列線圖表示，見圖2。

圖2 DN患者并發(fā)心血管疾病預測模型列線圖

2.4DN患者并發(fā)心血管疾病預測模型的評價結果 DN患者并發(fā)心血管疾病預測模型列線圖的C指數為0.912(95%CI:0.841～0.983)，說明該預測模型具有良好的預測能力。校正曲線圖中橫軸代表預測發(fā)生心血管疾病的風險，縱軸代表心血管疾病實際概率，對角線虛線表示理想模型的完美預測，實線表示列線圖的預測性能，與對角虛線的擬合較接近，說明模型預測效果較好，見圖3。

圖3 DN患者并發(fā)心血管疾病預測模型列線圖校正曲線

3 討 論

當前，列線圖被廣泛應用于醫(yī)學領域，常被用于表達預測模型中各變量之間的關系[14-15]，其在風險預測方面更準確、更容易理解，能夠更好地幫助臨床決策。本研究開發(fā)并且驗證了一種新的預測模型，可用于DN患者并發(fā)心血管疾病的預測。本研究通過LASSO回歸篩選的10個變量(WBC、Hb、HCT、RDW、TBIL、ALB、LDL-C、CRE、UA、DPN)繪制列線圖。模型驗證顯示出良好的鑒別能力和校正能力，特別是高C指數表明該預測模型列線圖具有良好的預測能力。

本研究發(fā)現(xiàn)，在通過LASSO回歸篩選繪制列線圖的10個變量中，RDW和LDL-C在該列線圖的評分中權重比較高。RDW是反映紅細胞體積變化的客觀指標，能夠通過全自動血細胞分析儀直接檢測，主要用于各種類型貧血的鑒別診斷，近年來，有相關研究報道RDW與心血管疾病密切相關，有越來越多的證據表明，其是穩(wěn)定型心絞痛、心力衰竭等心血管疾病的危險因素，可通過慢性炎性反應，參與心血管疾病的發(fā)生、發(fā)展，同時RDW與冠狀動脈狹窄程度呈正相關[16-18]，與本研究結果具有一致性。LDL-C在血漿中由極低密度脂蛋白轉化而來，主要在血管內合成，是運輸膽固醇到肝外組織的主要運載工具，可促使動脈壁形成動脈粥樣斑塊，是AS的危險因素。相關研究表明，LDL-C水平異常升高能夠促進心血管疾病的發(fā)生，降低其水平可在一定程度降低心血管疾病的風險[18]。

本研究開發(fā)、繪制的列線圖具有相對較高的準確性，能夠幫助臨床醫(yī)師了解DN患者發(fā)生心血管疾病的風險。通過對個體風險的評估，臨床醫(yī)師可以采用更多必要的醫(yī)療干預措施治療患者，患者也可以通過改變生活方式改善預后。但該列線圖還需要外部驗證，需進一步的研究來確定基于該列線圖的個體干預是否會降低DN患者發(fā)生心血管疾病的風險。