2型糖尿病患者微量白蛋白尿进展至大量白蛋白尿的风险预测模型研究

背景我国糖尿病肾病(DKD)的发病率及其所致终末期肾病(ESRD)在透析患者中所占比例不断攀升,DKD防控已刻不容缓,强化的多因素干预措施可延缓或者阻止DKD的病程进展,因而通过建立个性化的风险预测模型,可延缓或者阻止DKD病程进展,从而实现DKD的有效防治。目的开发和验证一个基于诺模图(Nomogram)的列线图模型,根据预测变量预测2型糖尿病(T2DM)患者从微量白蛋白尿(MAU)进展为大量白蛋白尿(CAU)的风险。方法回顾性收集2016年10月—2020年3月于空军军医大学第一附属医院内分泌科住院的2型糖尿病合并白蛋白尿患者1263例,并根据入院时间将入组病例分为开发队列906例和验证队列357例。应用LASSO回归从收集的基线数值中筛选预测变量,并根据筛选的预测变量构建多因素Logistic回归模型,绘制模型的Nomogram。模型的验证和评估主要基于受试者工作特征(ROC)曲线、校准曲线和Hosmer-Lemeshow检验(H-L检验),并根据决策曲线分析法(DCA)评价该模型的实际临床净收益。结果基于LASSO回归惩罚收缩方法筛选出糖尿病病程、收缩压(SBP)、糖化血红蛋白(HbA1c)、低密度脂蛋白胆固醇(LDL-C)、胱抑素C(Cys-C)、估算肾小球滤过率(eGFR)及糖尿病视网膜病变(DR)7个预测变量,依据这些预测变量构建的多因素Logistic回归模型显示,糖尿病病程≥10年、SBP≥140mmHg、HbA_(1c)≥7.0 mmol/L、LDL-C≥1.8mmol/L、Cys-C>1.09 mg/L及合并DR是T2DM患者MAU进展为CAU的危险因素(P<0.05),而eGFR分层处理后无统计学意义(P>0.05)。预测模型的内外部验证显示该模型预测效能较优,开发队列的ROC曲线下面积(AUC)为0.814[95%CI(0.782,0.846)],验证队列的AUC为0.768[95%CI(0.713,0.823)],校准曲线和H-L检验(开发队列P=0.065;验证队列P=0.451)均显示该模型具有较好的一致性和拟合度,另外DCA结果显示当开发队列和验证队列的阈值概率分别为0.08~0.74和0.14~0.70时,该模型临床有效性较高。结论本研究开发了一个包含糖尿病病程、SBP、HbA1c、LDL-C、Cys-C、eGFR及是否合并DR 7个变量的列线图模型,可用于预测T2DM患者MAU进展为CAU的临床风险。

糖尿病心肌病发病机制及治疗研究进展

糖尿病心肌病(DCM)是排除高血压、冠心病、瓣膜病、先天性心脏病等其他心血管疾病后的特异性心肌病,其发病机制是目前的研究热点。糖尿病患者由于糖脂代谢失衡、氧化应激增加、多种炎症反应激活,可造成心肌细胞和细胞外损伤,最终发生病理性心肌重构,临床表现为舒张和(或)收缩功能障碍,最终发展为糖尿病性心力衰竭。目前,DCM的早期筛查手段和治疗方法仍然有限。为更好地了解DCM发生、发展的具体机制,本文就DCM的病理生理机制、临床表现及治疗前景的最新研究进展进行综述,以期为临床早期防治DCM提供参考。

基于AS拓扑结构与网络服务分布的AS节点关键度分析

为了评估AS节点在实际网络中的关键度,有效发现实际网络中的关键AS节点,提出了基于加权有效最短路径定义的介数评估AS节点关键度的方法.首先根据valley-free原则计算有效最短路径,避免了一些在实际网络中无效的路径对衡量关键度的影响.进一步通过DNS测量网络重点服务在自治域内的分布情况,结合节点的网络服务权值衡量节点的实际关键度,克服了单纯从拓扑性质上无法较好地反映实际网络中关键度的问题.实验中根据AS关系数据集构建国内范围的AS拓扑模型,利用该方法对AS节点进行排名,并通过与基于介数和基于有效最短路径定义介数的评估方法的比较,验证了该方法能更好地分辨出节点对于实际网络中流量传输、服务提供的关键度.

2型糖尿病患者发生微量白蛋白尿预测模型的建立与验证研究

背景糖尿病肾病早期发病隐匿,多数患者在诊断时肾脏已发生不可逆性损害,早期诊断和治疗对于阻止或者延缓糖尿病肾病的发生、发展具有重要作用,构建一个简单、有效的个性化风险预测模型可为糖尿病肾病的早期诊断和治疗提供重要参考。目的分析影响2型糖尿病(T2DM)患者发生微量白蛋白尿(MAU)的独立危险因素,构建一个简单、有效的个性化临床预测模型,预测T2DM患者发生MAU的风险。方法选取2014年3月至2016年3月于空军军医大学第一附属医院内分泌科住院的T2DM患者1311例,为建立和验证预测模型将研究对象分为两部分,2014年3月至2015年9月的数据作为开发队列(933例),2015年10月至2016年3月的数据作为验证队列(378例)。收集患者的基本特征、实验室检查、辅助检查和药物使用情况,并依据尿微量白蛋白/肌酐(UACR)诊断正常白蛋白尿(NAU)和MAU。应用LASSO回归优化筛选变量,通过多因素Logistic回归分析建立预测模型,并绘制列线图。采用受试者工作特征(ROC)曲线、校准曲线和Hosmer-Lemeshow拟合优度检验验证和评价预测模型的区分度和校准度;决策曲线分析(DCA)评估预测模型的临床有效性。结果使用LASSO回归分析筛选出7个预测变量,包括糖尿病病程、收缩压(SBP)、空腹血糖(FPG)、三酰甘油(TG)、血肌酐(Scr)、胱抑素C(Cys C)、糖尿病视网膜病变(DR)。多因素Logistic回归分析结果显示,SBP≥140 mm Hg、FPG≥7.0 mmol/L、TG≥1.7 mmol/L、Scr>106μmol/L、Cys C>1.09 mg/L、合并DR是T2DM患者发生MAU的危险因素(P<0.05)。依据预测变量绘制列线图,构建预测模型。预测模型预测开发队列T2DM患者发生MAU的ROC曲线下面积(AUC)为0.762〔95%CI(0.734,0.789)〕,预测验证队列T2DM患者发生MAU的AUC为0.734〔95%CI(0.686,0.777)〕。Hosmer-Lemeshow拟合优度检验显示出较好的拟合度(开发队列P=0.377;验证队列P=0.217)。DCA结果显示阈值概率>20%,预测模型在临床上是有益的。结论包含7个预测变量(糖尿病病程、SBP、FPG、TG、Scr、Cys C、DR)的列线图预测模型可用于预测T2DM患者发生MAU的风险。

2型糖尿病颈动脉粥样硬化患者合并糖尿病肾病的Nomogram预测模型

目的:分析影响2型糖尿病颈动脉粥样硬化(type 2 diabetes mellitus-carotid atherosclerosis,T2DM-CAS)患者合并糖尿病肾病(diabetic kidney disease,DKD)的独立危险因素,构建一个个性化的临床预测模型,预测T2DM-CAS患者发生DKD的风险。方法:选取2型糖尿病(type 2 diabetes mellitus,T2DM)患者883例,收集患者的基本特征、实验室检查、辅助检查和伴发疾病情况。应用LASSO回归优化筛选变量,通过多因素logistic回归建立预测模型。依靠受试者工作特征曲线(receiver operating characteristic curve,ROC曲线)、校准曲线和Hosmer-Lemeshow拟合优度检验验证和评价模型的区分度和校准度;决策曲线分析(decision curve analysis,DCA)评估临床有效性。结果:预测模型图的预测变量包括糖尿病病程、收缩压(systolic blood pressure,SBP)、空腹血糖(fasting plasma glucose,FPG)、甘油三酯(triglycerides,TG)、血尿素氮(blood urea nitrogen,BUN)、血肌酐(serum creatinine,Scr)、胱抑素C(cystatin C,Cys C)和糖尿病视网膜病变(diabetic retinopathy,DR)。该模型具有较好的预测能力,ROC曲线下面积(area under the curve,AUC)为0.831(95%CI=0.800~0.863),内部验证AUC为0.825(95%CI=0.766~0.884)。HosmerLemeshow拟合优度检验显示出较好的拟合度(P=0.822)。DCA显示风险阈值为30%,预测模型在临床上是有益的。结论:包含8个预测变量的列线图(Nomogram)模型可用于预测T2DM-CAS患者的DKD发病风险。

12例Gitelman综合征患者表型及 基因型分析

目的回顾性分析Gitelman综合征患者的表型及SLC12A3基因型特点,为进一步认识该病提供新的证据。方法对2019年1月至2020年12月在空军军医大学第一附属医院就诊,且临床和基因检查明确确诊为Gitelman综合征的患者及其家系成员进行临床特征和基因变异分析。先收集患者临床资料,采用高通量测序筛查基因变异,再以Sanger测序对患者及其家系成员进行验证。结果共纳入12例来自不同家系的Gitelman综合征患者。所有患者均存在低血钾、低血镁、低尿钙,仅4例患者可能存在低氯性代谢性碱中毒。1例患者诊断为糖尿病,1例患者诊断为糖尿病前期。2例患者因反复心悸多次于急诊科诊治,分别诊断为阵发性室性心动过速和频发室性早搏。共检出变异位点19个,其中检出频率较高的变异位点依次为c.179C>T(3/12)、c.1456G>A(2/12)和c.2582G>A(2/12),未报道的新变异位点为c.2178+1G>T和外显子4~6缺失变异。治疗随访阶段只有2例患者的血钾和血镁恢复正常。结论我们检出2处新的SLC12A3基因变异位点。Gitelman综合征患者电解质紊乱难以纠正至正常,但临床症状可不同程度改善,且相比普通人群具有更高的糖代谢紊乱风险。对表现为心悸的Gitelman综合征患者应保持警惕,防治心律失常。

2型糖尿病患者糖化血红蛋白水平与左心室亚临床收缩功能的相关性研究

目的探讨2型糖尿病(T2DM)患者糖化血红蛋白(HbA_(1c))水平与左心室亚临床收缩功能的相关性。方法选取2021年6至12月连续就诊于空军军医大学第一附属医院内分泌科的T2DM患者。收集患者的年龄、心率、收缩压、空腹血糖(FPG)、HbA_(1c)、甘油三酯(TG)、尿微量白蛋白与肌酐比值(UACR)、左心室整体纵向应变(GLS)。依据GLS结果将研究对象分为T1(GLS≤16.6%)、T2(16.6%<GLS≤19.4%)、T3(GLS>19.4%)共3组。采用单因素方差分析、Fisher精确检验或χ2检验、Kruskal-Wallis H检验比较组间临床特征和代谢指标的差异。采用Pearson相关分析法评价HbA_(1c)与GLS的相关性,采用线性回归分析法分析T2DM患者左心室亚临床心肌收缩功能障碍的影响因素。结果共纳入152例患者。其中,T1组51例,T2组51例,T3组50例。HbA_(1c)水平随着GLS高分位逐渐降低[(10.01±2.39)%vs(8.69±1.77)%vs(7.78±1.38)%,P<0.001]。Pearson相关分析法结果显示,HbA_(1c)与GLS呈负相关(r=-0.48,P<0.001)。单因素线性回归分析结果显示,HbA_(1c)、年龄、心率、收缩压、FPG、TG、对数UACR均为左心室亚临床心肌收缩功能障碍的影响因素(均P<0.05);多因素线性回归分析结果显示,HbA_(1c)为GLS的独立影响因素(β=-0.613,P<0.001),对数UACR是GLS降低的最强影响因素(β=-1.010,P=0.024)。结论T2DM患者的HbA_(1c)与左心室亚临床收缩功能进展存在负相关,高UACR水平是左心室纵向心功能受损的主要影响因素。