糖尿病心血管并发症预测模型的构建

目的 筛选糖尿病心血管并发症的危险因素并构建预测模型,为早期预防和减缓进展提供依据。方法∶基于京津冀社区自然人群慢性病队列,选取基线(2017—2019年)糖尿病患者作为研究对象,根据自报患病时间先后顺序判定是否发生心血管并发症作为结局指标。按7Lasso结合Logistic回归模型方法筛选危险因素,将其纳入多因素Logistic回归模型构建糖尿病心血管并发症发生风险的预测模型,并绘制列线图进行可视化。绘制受试者工作特征曲线并计算曲线下面积,Hosmer-Lemeshow拟合优度检验和绘制校准曲线评估校准度,对预测模型进行评价和验证。结果 共纳入813例2型糖尿病患者,平均年龄为(62.6±10.4)岁,其中训练集569例,测试集244例,两组患者除超敏C反应蛋白水平具有差异(P=0.028)外,其他基本特征差异均无统计学意义。多因素Logistic回归分析显示,糖尿病心血管并发症的危险因素包括年龄[OR=1.040,95%CI(1.010,1.073),P=0.010]、高血压[OR=2.211,95%CI(1.263,3.975),P=0.006]、糖尿病病程[OR=1.063,95%CI(1.028,1.099),P <0.001]、空腹血糖水平[OR=1.186,95%CI(1.075,1.309),P=0.001]、血脂异常[OR=2.051,95%CI(1.167,3.583),P=0.012]、心血管病家族史[OR=2.794,95%CI(1.650,4.774),P <0.001]和吸烟[OR=1.975,95%CI(1.133,3.462),P=0.017];而保护因素为血清胆红素[OR=0.940,95%CI(0.889,0.991),P=0.027]。列线图显示2型糖尿病患者可根据模型中8个预测因素的动态变化计算出发生糖尿病心血管并发症的概率。训练集和测试集ROC曲线下面积分别为0.803和0.820,HosmerLemeshow检验P值分别为0.776和0.554,校准曲线与理想曲线的平均绝对误差为0.013,表明预测模型区分度和校准度均较好。结论 本研究基于社区自然人群构建的糖尿病心血管并发症风险预测模型效果较好,为糖尿病患者心血管并发症的早期预测预警提供了便利可行的工具。

绿地暴露与心血管代谢性疾病的关联研究及PM_(2.5)的中介效应

目的描述我国社区自然人群心血管代谢性疾病(cardiovascular metabolic disease,CMD)的流行现状,探讨绿地暴露与CMD的关联及细颗粒物(fine particulate matter,PM_(2.5))的中介效应。方法采用多阶段分层整群抽样方法,选取2017—2019年“京津冀地区生活社区自然人群慢性病队列研究”的社区自然人群(≥18岁),采用归一化植被指数(normalized difference vegetation index,NDVI)和增强植被指数(enhanced vegetation index,EVI)评估人群的绿地暴露水平。采用广义线性混合效应模型进行绿地暴露与CMD的关联性分析,并分析PM_(2.5)在其中的中介效应。结果36429名研究对象中男16095名(44.2%),女20334名(55.8%);年龄18~92岁,平均(51.3±14.7)岁;其中CMD患者18025例,患病率为49.5%;同时患两种及以上CMD患者6232例(17.1%),其中高血压合并糖尿病患病率最高,为2584例(7.1%)。绿地与CMD呈负相关(主模型:NDVI500m,OR=0.951,95%CI:0.908~0.995;EVI500m,OR=0.907,95%CI:0.844~0.975)。PM_(2.5)在NDVI500m、EVI500m与CMD关联的中介效应占比分别为17.300%、22.370%。结论我国社区自然人群CMD患病率较高,较高的绿地暴露水平与自然人群CMD患病风险呈负相关,PM_(2.5)在其中发挥中介效应。增加居民住宅周围绿地可能是预防社区自然人群CMD患病的有效措施。