基于數據挖掘技術構建適宜基層應用的2型糖尿病視網膜病變風險預測模型研究

來源:用戶上傳      作者:

　　【摘要】 目的 研究分析基于數據挖掘技術構建適宜基層應用的2型糖尿病視網膜病變風險預測模型。方法 300例確診的2型糖尿病患者， 隨機分為模型組（250例）和對照組（50例）， 建立適合基層的“糖尿病風險因素評估+視網膜病變設備檢測+血糖控制”預測模型。兩組均進行免散瞳眼底彩色照相及相關化驗等， 引用數據挖掘技術， 通過多因素Logistic回歸分析研究視網膜病變關聯因素。結果 檢測600只眼， 視網膜病變眼數200只;重度非增生型眼數和增生型眼數分別為105、95只。對照組100只眼， 視網膜病變眼數32只， 重度非增生型眼數和增生型眼數分別為15、17只;模型組500只眼， 視網膜病變眼數168只， 重度非增生型眼數和增生型眼數分別為90、78只。單因素回歸分析顯示， 年齡、病程、糖化血紅蛋白、尿蛋白、眼軸長度是2型糖尿病患者發生視網膜病變的影響因素（P<0.05）。多因素回歸分析顯示， 2型糖尿病視網膜病變的風險因素主要有眼軸長度、年齡、病程、糖化血紅蛋白以及尿蛋白。構建ROC曲線， 對照組測算曲線下面積數值為0.800， 臨界值結果為0.184， 簡化回歸方程分析診斷臨界值結果為-1.479。對照組患者將相關的計算參數列入回歸方程， 敏感性、特異性、曲線下面積數值分別為86.0%、58.0%、0.762， 伴隨預測評分結果與視網膜病變患病率成正向關系， 若評分結果<-2.5， 則實際患病率為0。結論 2型糖尿病視網膜病變誘發因素很多， 主要與患者病程、眼軸長度、年齡、糖化血紅蛋白、尿蛋白等因素有關， 同時驗證了風險預測模型的有效性。
　　【關鍵詞】 數據挖掘技術;2型糖尿病;視網膜病變;風險預測;模型
　　DOI：10.14163/j.cnki.11-5547/r.2019.02.107
　　視網膜病變作為慢性微血管病變， 具有隱匿性強、發病進程不可逆、治愈性差及高致盲率的特點， 是2型糖尿病最常見、最嚴重地并發癥之一[1]。如何進行早期篩查、預防、干預， 提高治療效果， 減少并發癥的發生， 成為當前研究的重點。本文基于利用數據挖掘技術， 結合數理統計方法， 試圖構建適宜基層應用的2型糖尿病視網膜病變風險預測模型， 以期為社區醫療機構提供糖尿病視網膜病變風險評估方法， 增強基層診療能力， 及時發現疾病風險， 指導患者及時調整血糖控制方案， 提高患者依從性， 降低并發癥發生率， 全面提升生活質量?，F報告如下。
　　1 資料與方法
　　1. 1 一般資料 選擇2016年6月～2018年3月于本院就診的2型糖尿病患者300例（600只眼）作為研究對象， 經過眼底檢查和臨床診斷確診， 篩選建立數據框架， 根據基層條件確定和標準化數據測量和指標收集數據。隨機分為模型組（250例， 500只眼）和對照組（50例， 100只眼）。模型組患者中男145例， 女105例;年齡31～89歲， 平均年齡（62.33±14.03）歲， 糖尿病病程2.0～38.0年， 平均糖尿病病程（9.56±9.48）年。對照組患者中男27例， 女23例;年齡33～90歲， 平均年齡（63.42±13.46）歲;糖尿病病程2.5～39.0年， 平均糖尿病病程（9.67±9.78）年。兩組患者的一般資料對比， 差異無統計學意義（P>0.05）， 具有可比性。
　　1. 2 方法
　　1. 2. 1 構建適宜基層的糖尿病視網膜病變的風險預測模型
　　通過文獻搜集相關危險因素， 主要包括患者人口學特征、病史（病程及類型）、并發癥、常見癥狀和體征、基層常用實驗室檢查指標、血糖控制（用藥情況）、生活方式（運動、飲食、煙酒情況）， 其他健康情況包括常見的與微血管相關心血管疾病及其他高度相關疾病情況。通過關系圖法構建圍繞糖尿病視網膜病變發生風險預測理論模型關系圖， 進一步篩選出基層社區醫療機構容易獲取、研究中效應顯著以及聯系性強的變量和≤20個的變量數， 建立出“糖尿病風險因素評估+視網膜病變設備檢測+血糖控制”預測模型， 以此制定數據收集計劃和數據收集指標， 將指標測量基層化， 符合基層數據收集客觀條件。
　　1. 2. 2 構建新型糖尿病及糖尿病并發癥的基層健康管理模式 結合前期調研情況， 利用大數據技術關聯度分析， 找出相關病變風險關聯因素， 構建專業數據模型， 通過在社區開展相關應用， 進一步驗證模型有效性， 進行糖尿病視網膜病風險評估， 為不同風險患者提供不同診療建議， 如生化方式、藥物、血糖管理調整， 眼底篩檢建議及眼科轉診建議。
　　1. 3 觀察指標 對患者進行免散瞳眼底彩色照相、測量眼軸長度、空腹血糖化驗以及相關其他指標化驗等， 對所有實驗室檢查結果以及患者臨床基礎資料進行觀察記錄， 全部納入檢查指標。
　　1. 4 統計學方法 應用統計軟件SPSS18.0將所有的數據進行匯總處理， 應用多因素Logistic回歸分析方法分析相關因素， 構建相應回歸方程形成風險預測模型。根據工作特征曲線計算方程曲線下面積， 應用約登指數計算特異性和敏感性指標， 確定相應診斷臨界值， 從而檢驗模型有效性。敏感性為預測結果視網膜病變眼數與實際眼數百分比值， 特異性為預測結果非視網膜病變的眼數和實際非視網膜病變的眼數的百分比值。應用評分結果進行ROC曲線繪制， 對風險預測模型的預測價值進行評估， 曲線下面積≤0.7， 視為較低;曲線下面積在0.8～0.9， 視為中等;曲線下面積>0.9， 視為較高。
　　2 結果
　　2. 1 兩組一般情況分析 檢測600只眼， 視網膜病變眼數200只;重度非增生型眼數和增生型眼數分別為105、95只。對照組100只眼， 視網膜病變眼數32只， 重度非增生型眼數和增生型眼數分別為15、17只;模型組500只眼， 視網膜病變眼數168只， 重度非增生型眼數和增生型眼數分別為90、78只。 　　2. 2 單因素分析 單因素回歸分析顯示， 年齡、病程、糖化血紅蛋白、尿蛋白、眼軸長度是2型糖尿病患者發生視網膜病變的影響因素（P<0.05）。見表1。
　　2. 3 多因素回歸分析 多因素回歸分析顯示， 2型糖尿病視網膜病變的風險因素主要有眼軸長度、年齡、病程、糖化血紅蛋白以及尿蛋白。
　　2. 4 ROC曲線 構建ROC曲線， 對照組測算曲線下面積數值為0.800， 臨界值結果為0.184， 簡化回歸方程分析診斷臨界值結果為-1.479。對照組患者將相關的計算參數列入回歸方程， 敏感性、特異性、曲線下面積數值分別為86.0%、58.0%、0.762， 伴隨預測評分結果與視網膜病變患病率成正向關系， 若評分結果<-2.5， 則實際患病率為0。
　　3 討論
　　3. 1 數據挖掘技術 主要包括Logistic回歸分析法、隨機森林法、神經網絡、支持向量機等方法， 每種方法有其適用范圍和計算法。此次通過構建回歸分析模型， 篩選關聯因素深入研究， 進一步驗證視網膜病變相關影響因素預測模型的有效性， 結合臨床統計結果， 將其用到社區患者管理中， 能為構建新型糖尿病及并發癥防治社區健康管理提供理論參考[2-4]。
　　3. 2 風險預測模型可提高患者自我管理健康意識 通過構建糖尿病視網膜病變風險預測模型， 可通過立體直觀具體的數據和風險幾率， 使患者意識到視網膜病變嚴重性， 從而改變“知信行”， 提高自我管理意識和依從性。
　　3. 3 早期預防降低糖尿病并發癥發生 一系列并發癥源頭都是血糖控制不好致血管病理性變化， 糖尿病視網膜病變是最常見的微血管并發癥， 也是最常見的失明原因， 可通過早期規范管理即可早預防、早發現、早治療， 降低致盲率， 預防多種并發癥的發生。
　　3. 4 數據技術助力增強基層診療能力 簡化基層診療程序， 降低對基層的人力和能力需求， 從而提升基層服務效率、質量和能力。
　　3. 5 基于基層需求， 構建風險預測模型 我國的預防和公共衛生任務主要有基層承擔， 構建風險預測模型指標應該要符合基層采集條件， 否則難以在基層應用推廣， 不能發揮預測功能。本次研究表明， 建立適合基層的“糖尿病風險因素評估+視網膜病變設備檢測+血糖控制”預測模型， 能方便患者就醫， 做到早期發現， 方便基層指導患者進行風險控制， 降低糖尿病致殘率。
　　3. 6 風險預測模型構建注意事項 基于數據挖掘技術構建適宜基層應用的2型糖尿病視網膜病變風險預測模型構建過程中， 需要把握以下要點。
　　3. 6. 1 做好基礎工作與實踐的有效銜接 由于模型構建是一項系統工程， 需要做好糖尿病風險因素分析、視網膜病變設備檢測以及血糖控制3個基礎項目， 才能確保研究成效， 更好實際應用[5]。預測模型的構建， 進一步推動了流行病學研究成果與臨床實踐的有效銜接， 并通過高危篩檢、臨床循證指南等途徑促進疾病的三級預防， 降低疾病發病率和死亡率。預測模型很重要的一個應用是對人群疾病發病風險按照幾率大小進行分層， 如高、中和低危， 對風險幾率不同的群體進行有針對性、強度不同的治療， 在實際探索中， 應當基于為保證構建效果， 要對抽檢樣本進行分層處理， 才能為臨床個體化治療方案制定提供參考， 為未來進行“個體化治療”邁出第一步。
　　3. 6. 2 引導基層醫生掌握預測模型基本內涵 在實際中通過共同研究制定簡易評分系統， 進而快速精準地判斷高危群體， 提高治療針對性和有效性。簡易評分系統的制定可以參照臨床相關病癥劃分標準， 尋找關鍵評分指標， 衡量權重， 經專家論證確定最終指標庫， 劃分高、中和低危區間， 結合實際動態調整。
　　3. 6. 3 視網膜病變檢測設備的選擇 由于視網膜病變檢測設備較多， 基于基層實際角度， 選擇更加適宜的設備， 提高專業技術人員操作技能， 才能確保檢驗模型更好地加以應用。綜上所述， 此次研究對2型糖尿病患者臨床視網膜病變相關因素進行總結分析和研究， 找出了相應病變風險因素及基礎預測模型， 該研究成果具有一定的理論和實踐支撐， 在基層值得參考應用。當然由于調研樣本數量相對較少， 今后要進一步提高研究成果的適用性， 還可結合普查， 及時排查早期微血管并發癥， 構建更加科學完善的風險控制模型， 為降低糖尿病致殘率等提供有益借鑒。
　　參考文獻
　　[1] Murthy GVS， Johnson G. Prevalence， incidence and distribution of visual impairment//The Epidemiology of Eye Disease. Singapore：World Scientific Publishing， 2003：3-61.
　　[2] 呂喆， 陳亦棋， 沈麗君， 等. 2型糖尿病患者糖尿病視網膜病變風險預測模型的建立和初步驗證. 中華眼底病雜志， 2017， 33（3）：257-261.
　　[3] 董冰清. 基于腹部CT指標的2型糖尿病風險模型的建立及初步驗證. 東南大學， 2017.
　　[4] 劉沫言. 2型糖尿病腎病鑒別診斷模型的驗證及新方程的建立. 中國人民解放軍醫學院， 2013.
　　[5] 曹文哲， 應俊， 陳廣飛， 等. 基于Logistic回歸和隨機森林算法的2型糖尿病并發視網膜病變風險預測及對比研究. 中國醫療設備， 2016， 31（3）：33-38.
　　[收稿日期：2018-09-19]
轉載注明來源:http://www.hailuomaifang.com/6/view-14888367.htm