首页 > 论文范文 > 医药卫生论文 > 内科论文 > 糖尿病论文 > 老年糖尿病病人衰弱风险预测模型的建立与验证

老年糖尿病病人衰弱风险预测模型的建立与验证

2024-09-06 33 上传者：管理员

摘要：目的:探讨糖尿病病人的衰弱现状及影响因素，并构建老年糖尿病病人衰弱风险预测模型。方法:选取2020年8月—2021年6月于新疆某三级甲等医院内分泌科住院的糖尿病病人566例，依据入院顺序按6∶4分为训练集351例和验证集215例，收集研究对象的一般资料、实验室检查结果，运用衰弱表型（FP）将研究对象分为无衰弱组和衰弱组。应用LASSO回归筛选变量，通过多因素Logistic回归建立预测模型，应用受试者工作特征（ROC）曲线、校准曲线评价预测模型的区分度和校准度，临床决策曲线（DCA）评估预测模型的临床有效性。结果:LASSO回归筛选出年龄、病程、糖化血红蛋白（HbA1c）、低血糖次数、糖尿病足、婚姻状况6个预测变量；Logistic回归结果显示，年龄、HbA1c、病程、低血糖次数、糖尿病足及婚姻状况是糖尿病病人衰弱的影响因素（P<0.05）；根据回归模型构建预测模型，ROC曲线分析显示，预测模型在训练集的ROC曲线下面积（AUC）为0.790[95%CI(0.742,0.838)]，在验证集中的AUC为0.703[95%CI(0.628,0.778)]；拟合优度检验结果显示有较好的拟合度，且预测模型的净收益率较高。结论:基于年龄、病程、HbA1c、低糖次数、糖尿病足、婚姻6个变量构建的预测模型可用于预测老年糖尿病病人衰弱的发生风险。

关键词：
生理储备功能减弱
糖尿病
衰弱
调查研究
预测模型
加入收藏

衰弱是一种与增龄相关的老年综合征，以生理储备功能减弱、多系统失调、对应激事件的易感性增加和保持内环境稳定的能力下降为特点，常见于高龄和共病的老年人[1]。研究表明，糖尿病病人发生衰弱的风险是非糖尿病病人的1.6倍[2]。合并衰弱的老年糖尿病病人不仅发生并发症的风险增加，而且会出现更高的致残率、再入院率以及病死率等[3‐5]。糖尿病是一种常见的老年慢性病，国际糖尿病联盟数据显示，我国糖尿病病人数居全球首位且呈现一个快速增长趋势[6]。因此，早期识别老年糖尿病病人衰弱对降低糖尿病病人死亡率尤为重要。本研究通过分析老年糖尿病病人衰弱的影响因素并构建风险预测模型，为糖尿病病人衰弱的预防提供参考。

1、对象与方法

1.1研究对象

采用便利抽样法，选取2020年8月—2021年6月在新疆某三级甲等医院内分泌科住院的566例糖尿病病人作为研究对象。纳入标准：年龄≥60岁；根据世界卫生组织（WHO）标准(1999)确诊为2型糖尿病；愿意参与本研究。排除标准：糖尿病急性并发症、近3个月内发生急性脑梗死，脑出血或心肌梗死病人；严重躯体功能障碍、重症感染的病人；严重交流障碍、认知障碍等，不能配合者；不愿参与者。

1.2研究工具

1.2.1一般情况调查表

包括病人年龄、性别、民族、文化程度、婚姻、体质指数（BMI）、空腹血糖（FBG）、糖尿病并发症、糖化血红蛋白（Hb A1c）等。

1.2.2衰弱表型(Frailty Phenotype,FP)

FP由Fried等[7]于2001年构建，包括不明原因体重减轻、自述疲乏、体力活动减少、行走速度下降、握力降低5个项目。不明原因体重减轻：指过去1年内非预期体重下降4.5 kg或下降原体重的5%；疲乏：采用流调中心抑郁量表(CES‐D)中的条目7（在过去1周内感到做任何事都很费力）和条目20（在过去1周内觉得无法继续您的日常工作）作为提问方式；体力活动、行走速度和握力的界值分别根据性别、身高、BMI进行相应划分。以上5项每项为1分，总分为5分。3分被确定为衰弱期，1～2分为衰弱前期，0分为无衰弱。FP是目前衰弱评估使用最广泛的量表之一。2006年，Karen等[8]在女性健康和老龄化的研究中首次验证了FP具有良好的内在结构效度和信度，随后，FP在英国、比利时等国家的老年人中也得到广泛应用和验证。我国研究者吴珍珍[9]运用FP对我国老年住院病人衰弱测量性能及结局预测效度显示，FP测量衰弱的受试者工作特征（ROC）曲线下面积（AUC）为0.823，衰弱风险预测交叉验证准确率为78.6%。

1.3统计学方法

采用SPSS 22.0和R4.1.3软件进行数据分析。不符合正态分布的定量资料采用中位数、四分位数[M(P25,P75）]描述，多组间比较采用Mann‐Whitney秩和检验；定性资料采用例数、百分比（%）描述，组间比较采用χ2检验；应用LASSO回归筛选变量，通过多因素Logistic回归分析影响因素，并建立预测模型；应用ROC曲线、校准曲线评价预测模型的区分度和校准度，临床决策曲线（DCA）评估预测模型的临床有效性。以P<0.05为差异有统计学意义。

2、结果

2.1训练集和验证集病人基本特征和实验室结果比较

将566例糖尿病病人依据入院顺序按6∶4分为训练集351例和验证集215例，其临床特征见表1。

表1训练集和验证集病人基本特征和实验室结果比较

2.2 LASSO回归筛选变量

运用LASSO回归对训练集中的变量进行筛选，结果显示Lambda.min（λ=0.027）和Lambda.1se（λ=0.082）时分别对应2条垂线，Lambda.min时筛选出预测变量个数为18个，Lambda.1se时对应的预测变量个数为6个。见图1。以Lambda.1se时筛选出6个预测因子构建模型，预测变量分别为年龄、病程、Hb A1c、低血糖次数、糖尿病足、婚姻状况。

图1 LASSO回归分析

2.3 Logistic回归分析构建预测模型

训练集中37.6%(132/351）的糖尿病病人合并衰弱。将LASSO回归筛选的年龄、病程、Hb A1c、低血糖次数、糖尿病足、婚姻状况6个变量作为自变量。自变量赋值，定量资料原值代入；糖尿病足（无=0，有=1）；无序多分类变量设置哑变量，如婚姻状况，丧偶=（0,0,0），未婚=（1,0,0），已婚=（0,1,0），离异=（0,0,1），以衰弱（无衰弱=0，衰弱=1）为因变量进行Logistic回归分析，结果显示，年龄、Hb A1c、病程、低血糖次数、糖尿病足及婚姻状况是糖尿病病人衰弱发生的影响因素（P<0.05）。见表2。根据多因素结果构建回归方程，引入R软件,应用rms程序包的lrm函数建模绘制列线图，见图2。

表2糖尿病病人衰弱影响因素的多因素回归分析

图2糖尿病病人衰弱发生风险的列线图

2.4验证预测模型

模型的验证主要从区分度及校准度进行验证。ROC曲线分析结果显示，预测模型在训练集中的ROC的AUC为0.790[95%CI(0.742,0.838)],最佳截断值为0.303；在验证集中AUC为0.703[95%CI(0.628,0.778)]，最佳截断值为0.338,均表现出较好的预测能力。见图3。

校准度通过校准曲线及进行Hosmer‐Lemeshow拟合优度检验,校准曲线为接近于1的直线，Hosmer‐Lemeshow拟合优度检验显示，训练集P=0.962，验证集P=0.905，表明该模型拟合度较好。同时也说明该模型预测糖尿病病人衰弱发生风险与实际发生风险一致性良好，见图4。

2.5预测模型的临床适用性评价

利用DCA评价预测模型的临床有效性，结果显示，训练集中糖尿病病人衰弱发生的阈值概率处于0.18～0.71时，应用预测模型的净获益水平较高，验证集中显示阈值概率处于0.23～0.71时，应用预测模型的净获益水平较高。见图5。

图3预测模型预测糖尿病病人衰弱发生的ROC曲线

图4预测模型的校准曲线

图5预测模型的DCA分析

3、讨论

本研究结果显示，训练集中37.6%(132/351）的糖尿病病人合并衰弱，与高倩倩等[10]对老年糖尿病病人衰弱发生率的系统评价结果较一致。通过LASSO回归及多因素Logistic回归筛选变量，结果显示，年龄、病程、Hb A1c、低血糖次数、糖尿病足、婚姻状况是糖尿病病人衰弱的独立影响因素。

高血糖引起的体重下降可导致肌肉质量减少和力量降低，全身性的骨骼肌量减少及强度减弱进而增加失能和死亡等不良风险，从而加速机体衰弱的发生[11]。衰弱是多系统、多因素作用的结果，其中骨骼肌减少症（sarcopenia）在衰弱的发生中起关键作用。相关研究表明，糖尿病病人体内发生胰岛素抵抗，骨骼肌细胞不能有效摄取葡萄糖，其能量代谢受到抑制，从而造成肌肉收缩障碍加速机体衰弱的发生[12]。同时，糖尿病神经病变等严重并发症可导致老年病人远端骨骼肌肌肉萎缩和软弱，出现骨骼肌减少症，随之发生衰弱[13]。因此，早期识别和及早干预对预防衰弱的发生有重要意义。抗阻训练联合其他训练方式可使老年人肌肉力量增加，并可促进肌肉功能恢复，减少跌倒等不良事件的发生[14]。

年龄被认为是衰弱的独立危险因素之一。结果显示，糖尿病病人年龄越大，衰弱患病率越高。随着年龄增大，炎性标志物水平呈升高趋势，体内免疫机制平衡失调，出现炎性衰老和免疫衰老现象。相关研究证实，免疫失调和慢性炎症是导致衰弱的原因[15]。慢性炎症使蛋白质合成减少、降解增加，对老年骨骼肌肌量、肌肉强度有不利影响。这些炎症相关的生物标志物被发现与老年人衰弱和死亡相关[15]。同时，炎症因子的释放对激素分泌和代谢产生影响，导致静息能量消耗增加，可损害胰岛素的作用。免疫失调、机体抵抗力下降以及机体激素水平发生变化，从而导致衰弱风险增加。

老年糖尿病病人由于多药、内分泌缺陷和食物摄入量等因素影响易发生低血糖[16]。反复暴露于低血糖使机体调节功能受损和“低血糖意识不足”，仅在非常低的血糖水平下出现头晕、思维混乱和视力障碍等症状，严重者导致脑细胞发生不可逆的损伤。研究显示，随着年龄的增长，低血糖的风险呈上升趋势，且死亡率明显增加[17]。因低血糖反复住院也被认为是老年糖尿病病人衰弱发生的危险因素[3]。同时，老年衰弱病人更易受到低血糖的影响，发生跌倒、骨折、认知能力下降、住院和全因死亡风险增加[17]。因此，在衰弱的老年糖尿病管理中，避免低血糖是一个最重要的问题。

高水平的Hb A1c是糖尿病病人衰弱的危险因素，与牛晓丹等[18]研究结果一致。高血糖通过抑制骨骼肌细胞能量代谢而造成肌肉收缩障碍，引起肌肉功能下降，从而导致衰弱的发生[19]。本研究结果显示，Hb A1c是糖尿病病人衰弱的危险因素。而Hb A1c控制目标的推荐也发生了变化。2021年，老年2型糖尿病管理专家共识建议，根据不同个体状况，对于不同程度的衰弱病人Hb A1c控制目标可适当放宽。轻度衰弱者6.0%～7.5%，中度衰弱8.0%，重度衰弱者建议不超过9.0%[17]。

老年糖尿病病人衰弱的发生与糖尿病病程密切相关。一项糖尿病病人的回顾性队列研究显示，衰弱病人的糖尿病病程比非衰弱病人长[4]。糖尿病作为老年慢性消耗性疾病，随着病情进展，多个器官及系统功能逐渐衰退，老年糖尿病病人发生衰弱的风险则更大[4]。Li等[20]调查结果显示，糖尿病病人病程越长越容易发生衰弱。病人病程越长，越容易并发各种慢性并发症。研究显示，周围神经病变是糖尿病病人常见的慢性并发症之一，糖尿病足是其最严重的并发症之一，也是导致病人致残的主要原因。糖尿病周围神经功能失调并发微小血管功能障碍导致肌肉萎缩及功能障碍，进而导致衰弱[21]。因此，对于病程较长的老年糖尿病病人要加强衰弱筛查。

研究显示，丧偶的病人更容易发生衰弱。配偶是最亲密及能够提供最多陪伴和支持的人。一旦失去最亲密的爱人，病人无疑失去了最大的支持和动力。研究显示，衰弱与社会支持呈负相关（r=-0.878,P<0.01)[22]。有效的社会支持可以充当压力缓冲器，能够减轻个体对压力事件的情绪和生理反应，有助于个体身心健康。

此外，本研究根据影响因素绘制糖尿病病人衰弱发生风险的预测模型，训练集中预测模型的AUC为0.790[95%CI(0.742,0.838)],验证集中AUC为0.703[95%CI(0.628,0.778)]，均表现出有较好的预测能力；训练集和验证集的校准曲线和拟合优度检验也表明该模型拟合度较好。DCA也显示了该模型有较好的临床获益。

4、小结

老年糖尿病病人衰弱患病率高，且具有高致残率、再入院率及病死率。本研究构建的糖尿病病人衰弱风险预测模型有助于早期识别糖尿病衰弱病人，以减少不良结局事件的发生。临床和社区医护人员可在此基础上结合适当的预防和康复行动，以减缓甚至逆转衰弱。

参考文献:

[1]中华医学会老年医学分会,《中华老年医学杂志》编辑委员会.老年人衰弱预防中国专家共识(2022)[J].中华老年医学杂志,2022,41(5):503-511.

[3]陈旭,杨淑花,王月宁,等.老年糖尿病患者衰弱影响因素及干预对策研究[J].中国全科医学,2019,22(15):1772-1777.

基金资助:新疆维吾尔自治区健康青年医学科技人才专项科研项目,编号:WJWY-202428;

文章来源:唐青峰,汪晶晶,赵海燕,等.老年糖尿病病人衰弱风险预测模型的建立与验证[J].护理研究,2024,38(17):3065-3071.