威胁视力的2型糖尿病视网膜病变风险预测模型的建立与验证
目的基于简单易得的临床资料,开发并验证2型糖尿病(T2DM)患者并发威胁视力的视网膜病变(VTDR)的风险预测模型,为基层医院提供便捷有效的预测工具,以便早期识别和转诊高危人群。方法使用2017年至2020年广州糖尿病眼病研究中T2DM患者临床数据构建列线图预测模型。使用Logistic回归分析VTDR的影响因素并建立模型,受试者工作特征曲线(ROC)、Hosmer-Lemeshow检验、校准曲线、决策曲线(DCA)用于评价模型的性能。使用<italic>k</italic>折交叉验证得到的平均ROC下面积对模型进行内部验证,使用东莞眼科研究数据对模型进行外部验证。结果...
Saved in:
Main Authors: | , , , , , , , |
---|---|
Format: | Article |
Language: | zho |
Published: |
Editorial Office of Journal of Sun Yat-sen University
2023-11-01
|
Series: | Zhongshan Daxue xuebao. Yixue kexue ban |
Subjects: | |
Online Access: | http://xuebaoyx.sysu.edu.cn/zh/article/doi/10.13471/j.cnki.j.sun.yat-sen.univ(med.sci).20231026.001/ |
Tags: |
Add Tag
No Tags, Be the first to tag this record!
|
_version_ | 1841528205092061184 |
---|---|
author | 罗瑾 黄文勇 黎宇婷 张健 陈敏瑜 陈淑惠 刘嘉慧 黄圣松 |
author_facet | 罗瑾 黄文勇 黎宇婷 张健 陈敏瑜 陈淑惠 刘嘉慧 黄圣松 |
author_sort | 罗瑾 |
collection | DOAJ |
description | 目的基于简单易得的临床资料,开发并验证2型糖尿病(T2DM)患者并发威胁视力的视网膜病变(VTDR)的风险预测模型,为基层医院提供便捷有效的预测工具,以便早期识别和转诊高危人群。方法使用2017年至2020年广州糖尿病眼病研究中T2DM患者临床数据构建列线图预测模型。使用Logistic回归分析VTDR的影响因素并建立模型,受试者工作特征曲线(ROC)、Hosmer-Lemeshow检验、校准曲线、决策曲线(DCA)用于评价模型的性能。使用<italic>k</italic>折交叉验证得到的平均ROC下面积对模型进行内部验证,使用东莞眼科研究数据对模型进行外部验证。结果建模集共纳入患者2 161例,并发VTDR者135例(6.25%)。年龄(<italic>P</italic><0.001,OR=0.927,95%CI:0.898~0.957)、体质量指数(<italic>P</italic><0.001,OR =0.845,95%CI:0.821~0.932)与VTDR负相关,糖尿病病程(<italic>P</italic><0.001,OR=1.064,95%CI:1.035~1.094)、是否使用胰岛素(<italic>P</italic> =0.045,OR =1.534,95%CI:1.010~2.332)、收缩压(<italic>P</italic><0.001,OR =1.019,95%CI:1.008~1.029)、糖化血红蛋白(<italic>P</italic><0.001,OR =1.484,95%CI:1.341~1.643)和血清肌酐(<italic>P</italic><0.001,OR =1.017,95%CI:1.010~1.023)与VTDR正相关,均被纳入模型。ROC提示建模集和验证集中该模型预测VTDR发生的曲线下面积分别为0.797和0.762;Hosmer-Lemeshow检验(<italic>P</italic>>0.05)及校准曲线表明预测概率与观测概率具有较高一致性;DCA表明模型在建模集和验证集中均能产生净效益。结论年龄、糖尿病病程、是否使用胰岛素、体质量指数、收缩压、糖化血红蛋白和血清肌酐是VTDR的独立影响因素,基于上述变量构建的列线图模型有良好的预测效力,可以为基层医院早期识别和转诊VTDR提供科学依据,值得应用推广。 |
format | Article |
id | doaj-art-90a8edfb013f461ba7a6a6e7d97fc2a3 |
institution | Kabale University |
issn | 1672-3554 |
language | zho |
publishDate | 2023-11-01 |
publisher | Editorial Office of Journal of Sun Yat-sen University |
record_format | Article |
series | Zhongshan Daxue xuebao. Yixue kexue ban |
spelling | doaj-art-90a8edfb013f461ba7a6a6e7d97fc2a32025-01-15T03:54:12ZzhoEditorial Office of Journal of Sun Yat-sen UniversityZhongshan Daxue xuebao. Yixue kexue ban1672-35542023-11-0144999100743090597威胁视力的2型糖尿病视网膜病变风险预测模型的建立与验证罗瑾黄文勇黎宇婷张健陈敏瑜陈淑惠刘嘉慧黄圣松目的基于简单易得的临床资料,开发并验证2型糖尿病(T2DM)患者并发威胁视力的视网膜病变(VTDR)的风险预测模型,为基层医院提供便捷有效的预测工具,以便早期识别和转诊高危人群。方法使用2017年至2020年广州糖尿病眼病研究中T2DM患者临床数据构建列线图预测模型。使用Logistic回归分析VTDR的影响因素并建立模型,受试者工作特征曲线(ROC)、Hosmer-Lemeshow检验、校准曲线、决策曲线(DCA)用于评价模型的性能。使用<italic>k</italic>折交叉验证得到的平均ROC下面积对模型进行内部验证,使用东莞眼科研究数据对模型进行外部验证。结果建模集共纳入患者2 161例,并发VTDR者135例(6.25%)。年龄(<italic>P</italic><0.001,OR=0.927,95%CI:0.898~0.957)、体质量指数(<italic>P</italic><0.001,OR =0.845,95%CI:0.821~0.932)与VTDR负相关,糖尿病病程(<italic>P</italic><0.001,OR=1.064,95%CI:1.035~1.094)、是否使用胰岛素(<italic>P</italic> =0.045,OR =1.534,95%CI:1.010~2.332)、收缩压(<italic>P</italic><0.001,OR =1.019,95%CI:1.008~1.029)、糖化血红蛋白(<italic>P</italic><0.001,OR =1.484,95%CI:1.341~1.643)和血清肌酐(<italic>P</italic><0.001,OR =1.017,95%CI:1.010~1.023)与VTDR正相关,均被纳入模型。ROC提示建模集和验证集中该模型预测VTDR发生的曲线下面积分别为0.797和0.762;Hosmer-Lemeshow检验(<italic>P</italic>>0.05)及校准曲线表明预测概率与观测概率具有较高一致性;DCA表明模型在建模集和验证集中均能产生净效益。结论年龄、糖尿病病程、是否使用胰岛素、体质量指数、收缩压、糖化血红蛋白和血清肌酐是VTDR的独立影响因素,基于上述变量构建的列线图模型有良好的预测效力,可以为基层医院早期识别和转诊VTDR提供科学依据,值得应用推广。http://xuebaoyx.sysu.edu.cn/zh/article/doi/10.13471/j.cnki.j.sun.yat-sen.univ(med.sci).20231026.001/2型糖尿病威胁视力的糖尿病视网膜病变影响因素预测模型列线图 |
spellingShingle | 罗瑾 黄文勇 黎宇婷 张健 陈敏瑜 陈淑惠 刘嘉慧 黄圣松 威胁视力的2型糖尿病视网膜病变风险预测模型的建立与验证 Zhongshan Daxue xuebao. Yixue kexue ban 2型糖尿病 威胁视力的糖尿病视网膜病变 影响因素 预测模型 列线图 |
title | 威胁视力的2型糖尿病视网膜病变风险预测模型的建立与验证 |
title_full | 威胁视力的2型糖尿病视网膜病变风险预测模型的建立与验证 |
title_fullStr | 威胁视力的2型糖尿病视网膜病变风险预测模型的建立与验证 |
title_full_unstemmed | 威胁视力的2型糖尿病视网膜病变风险预测模型的建立与验证 |
title_short | 威胁视力的2型糖尿病视网膜病变风险预测模型的建立与验证 |
title_sort | 威胁视力的2型糖尿病视网膜病变风险预测模型的建立与验证 |
topic | 2型糖尿病 威胁视力的糖尿病视网膜病变 影响因素 预测模型 列线图 |
url | http://xuebaoyx.sysu.edu.cn/zh/article/doi/10.13471/j.cnki.j.sun.yat-sen.univ(med.sci).20231026.001/ |
work_keys_str_mv | AT luōjǐn wēixiéshìlìde2xíngtángniàobìngshìwǎngmóbìngbiànfēngxiǎnyùcèmóxíngdejiànlìyǔyànzhèng AT huángwényǒng wēixiéshìlìde2xíngtángniàobìngshìwǎngmóbìngbiànfēngxiǎnyùcèmóxíngdejiànlìyǔyànzhèng AT líyǔtíng wēixiéshìlìde2xíngtángniàobìngshìwǎngmóbìngbiànfēngxiǎnyùcèmóxíngdejiànlìyǔyànzhèng AT zhāngjiàn wēixiéshìlìde2xíngtángniàobìngshìwǎngmóbìngbiànfēngxiǎnyùcèmóxíngdejiànlìyǔyànzhèng AT chénmǐnyú wēixiéshìlìde2xíngtángniàobìngshìwǎngmóbìngbiànfēngxiǎnyùcèmóxíngdejiànlìyǔyànzhèng AT chénshūhuì wēixiéshìlìde2xíngtángniàobìngshìwǎngmóbìngbiànfēngxiǎnyùcèmóxíngdejiànlìyǔyànzhèng AT liújiāhuì wēixiéshìlìde2xíngtángniàobìngshìwǎngmóbìngbiànfēngxiǎnyùcèmóxíngdejiànlìyǔyànzhèng AT huángshèngsōng wēixiéshìlìde2xíngtángniàobìngshìwǎngmóbìngbiànfēngxiǎnyùcèmóxíngdejiànlìyǔyànzhèng |