目的横断面研究不同性别的糖尿病患者多种饮食模式对全因死亡的影响和差异。方法分析来自美国国家健康和营养检查调查(National Health and Nutrition Examination Survey,NHANES)数据库中20002名参与者(3737名糖尿病患者)。用COX比例...目的横断面研究不同性别的糖尿病患者多种饮食模式对全因死亡的影响和差异。方法分析来自美国国家健康和营养检查调查(National Health and Nutrition Examination Survey,NHANES)数据库中20002名参与者(3737名糖尿病患者)。用COX比例风险回归模型分析饮食质量评分与不同性别糖尿病患者全因死亡的关系。分层分析评估其他因素是否与饮食模式评分有相互作用。结果在74个月的中位随访期内,有512例死亡记录,男性311例,女性201例。饮食评分较高的糖尿病患者组对比较低组调整风险比如下:饮食炎症指数[男性:风险比(hazard ratio,HR)=1.22,P=0.084;女性HR=1.00,P=0.818];地中海饮食评分(男性:HR=0.99,P=0.873;女性HR=0.79,P=0.027);健康饮食指数-2020(男性HR=1.00,P=0.956;女性HR=0.83,P=0.046)。饮食评分对糖尿病患者死亡风险的影响是独立的,未发现饮食评分与其他变量存在内在的相互作用。结论糖尿病人群中,地中海饮食和健康饮食指数-2020与女性较低的死亡风险相关,而在男性未发现明显的关联。展开更多
目的构建并验证包含血清Klotho蛋白在内的机器学习(machine learning,ML)模型来预测慢性肾脏病(chronic kidney disease,CKD)患者全因死亡的风险。方法研究采用回顾性队列研究设计方案。选取2012年2月7日至2019年10月18日我科收治的CKD...目的构建并验证包含血清Klotho蛋白在内的机器学习(machine learning,ML)模型来预测慢性肾脏病(chronic kidney disease,CKD)患者全因死亡的风险。方法研究采用回顾性队列研究设计方案。选取2012年2月7日至2019年10月18日我科收治的CKD1~5期非透析成年患者病例资料,按照7∶3分为训练集和内部验证集。将47项常规临床特征(包括血清Klotho蛋白)用于为模型提供变量信息,在训练集中利用单因素Cox回归筛选可能的风险因素、Lasso-Cox回归模型筛选风险因素、多因素Cox逐步回归构建列线图风险预测模型,内部验证评估模型性能。结果共400例病例资料纳入分析,训练集280例,验证集120例。训练集有52例死亡,228例存活;验证集有21例死亡,99例存活。全因死亡风险预测模型显示5年生存率受试者工作曲线下面积(area under the curve,AUC)在训练集和验证集分别为0.760(95%CI:0.676,0.844)和0.788(95%CI:0.679,0.897),模型总体C指数在训练集和验证集分别为0.755(95%CI:0.685,0.826)和0.720(95%CI:0.614,0.826)。单因素Cox回归分析结果显示,年龄、心血管疾病病史、胱抑素C、碱性磷酸酶、白蛋白、嗜酸性粒细胞、血红蛋白、补体C3、钙、C反应蛋白、肿瘤坏死因子-α(TNF-α)以及血清Klotho蛋白可能是全因死亡的预测因子(P<0.05)。多因素Cox逐步回归最终筛选出年龄、白蛋白、补体C3及血清Klotho蛋白共4个独立预测因子(P<0.05),模型最终纳入了年龄、白蛋白、补体C3、血清Klotho蛋白共4个指标。结论成功构建并验证了基于血清Klotho蛋白的慢性肾脏病全因死亡预测机器学习模型;年龄大是CKD患者全因死亡的危险因素,白蛋白、补体C3及血清Klotho蛋白高是CKD患者全因死亡的保护因素。展开更多
文摘目的横断面研究不同性别的糖尿病患者多种饮食模式对全因死亡的影响和差异。方法分析来自美国国家健康和营养检查调查(National Health and Nutrition Examination Survey,NHANES)数据库中20002名参与者(3737名糖尿病患者)。用COX比例风险回归模型分析饮食质量评分与不同性别糖尿病患者全因死亡的关系。分层分析评估其他因素是否与饮食模式评分有相互作用。结果在74个月的中位随访期内,有512例死亡记录,男性311例,女性201例。饮食评分较高的糖尿病患者组对比较低组调整风险比如下:饮食炎症指数[男性:风险比(hazard ratio,HR)=1.22,P=0.084;女性HR=1.00,P=0.818];地中海饮食评分(男性:HR=0.99,P=0.873;女性HR=0.79,P=0.027);健康饮食指数-2020(男性HR=1.00,P=0.956;女性HR=0.83,P=0.046)。饮食评分对糖尿病患者死亡风险的影响是独立的,未发现饮食评分与其他变量存在内在的相互作用。结论糖尿病人群中,地中海饮食和健康饮食指数-2020与女性较低的死亡风险相关,而在男性未发现明显的关联。
文摘目的构建并验证包含血清Klotho蛋白在内的机器学习(machine learning,ML)模型来预测慢性肾脏病(chronic kidney disease,CKD)患者全因死亡的风险。方法研究采用回顾性队列研究设计方案。选取2012年2月7日至2019年10月18日我科收治的CKD1~5期非透析成年患者病例资料,按照7∶3分为训练集和内部验证集。将47项常规临床特征(包括血清Klotho蛋白)用于为模型提供变量信息,在训练集中利用单因素Cox回归筛选可能的风险因素、Lasso-Cox回归模型筛选风险因素、多因素Cox逐步回归构建列线图风险预测模型,内部验证评估模型性能。结果共400例病例资料纳入分析,训练集280例,验证集120例。训练集有52例死亡,228例存活;验证集有21例死亡,99例存活。全因死亡风险预测模型显示5年生存率受试者工作曲线下面积(area under the curve,AUC)在训练集和验证集分别为0.760(95%CI:0.676,0.844)和0.788(95%CI:0.679,0.897),模型总体C指数在训练集和验证集分别为0.755(95%CI:0.685,0.826)和0.720(95%CI:0.614,0.826)。单因素Cox回归分析结果显示,年龄、心血管疾病病史、胱抑素C、碱性磷酸酶、白蛋白、嗜酸性粒细胞、血红蛋白、补体C3、钙、C反应蛋白、肿瘤坏死因子-α(TNF-α)以及血清Klotho蛋白可能是全因死亡的预测因子(P<0.05)。多因素Cox逐步回归最终筛选出年龄、白蛋白、补体C3及血清Klotho蛋白共4个独立预测因子(P<0.05),模型最终纳入了年龄、白蛋白、补体C3、血清Klotho蛋白共4个指标。结论成功构建并验证了基于血清Klotho蛋白的慢性肾脏病全因死亡预测机器学习模型;年龄大是CKD患者全因死亡的危险因素,白蛋白、补体C3及血清Klotho蛋白高是CKD患者全因死亡的保护因素。