文摘

目标。虽然糖尿病神经病变和糖尿病足溃疡的危险因素已经被检测到,并没有实际的建模预测。我们旨在设计一个逻辑回归模型在伊朗数据集来预测经历糖尿病足溃疡的可能性被认为是糖尿病患者年龄。方法。本研究统计建模以前公布的数据集。协变量是性别、年龄、身体质量指数(BMI)、空腹血糖(的边后卫)、糖化血红蛋白(HbA1C),低密度脂蛋白(LDL)、高密度脂蛋白(HDL),甘油三酯(TG)、胰岛素依赖性,和他汀类药物使用。最终的逻辑回归模型的目的是通过手工分段法。研究模型的性能,接受者操作特征(AUC)曲线下面积。根据定义的评分系统β系数在逻辑函数用于计算概率。结果。结果的预发性为30.83%。最后一个模型是由年龄( ),BMI ( ),的边后卫( ),高密度脂蛋白( ),和胰岛素依赖项( )( )。模型的性能绝对是可以接受的( )。结论。这个模型可以使用临床咨询的患者。唯一的负面预测风险是高密度脂蛋白胆固醇。保持体内的高密度脂蛋白水平超过50 (mg / dl)强烈建议。逻辑回归模型是一个简单和实用的方法应用于临床。

1。介绍

糖尿病(DM)是世界上发病率和死亡率的主要原因表现为一个不断上升的血糖水平。糖尿病的患病率估计增加了2050 (1]。发病率在逐年增加是一个警报,因为它强加了一个高负担监测对糖尿病并发症。DM有许多macrovascular和微血管并发症。高葡萄糖水平导致其转换山梨糖醇通过多元醇通路,形成先进的糖化终端产品(年龄)。微血管并发症是由于许多病理生理机制,其中一个是山梨糖醇积累在细胞2,3]。糖尿病神经病变是糖尿病的微血管并发症之一,是糖尿病足溃疡的最重要原因之一(除了神经性溃疡,溃疡也可以缺血性)(4]。

糖尿病足溃疡是糖尿病的严重并发症,通常由深部组织损伤下肢神经和周围血管损伤。其发病率在全球范围内增加由于DM患病率的增加和增加DM患者的预期寿命。因此,它有一个高的全球负担。DM患者的患病率约为25%,据估计,一个下肢截肢是由于全球DM每30秒。此外,它的财政负担的重要性。糖尿病足溃疡的平均年度支出超过8000美元我们每个病人(5]。

有很多糖尿病足溃疡的危险因素和保护因素。以人群为基础的队列研究表明,糖尿病足溃疡的危险因素是历史或截肢,胰岛素的使用、性别、远端神经病变,足部畸形(6]。研究被用来找到糖尿病足溃疡的预测基于风险和保护因素。注意是常见的临床信息(7]。

虽然糖尿病神经病变和糖尿病足溃疡的危险因素已经被检测到,没有简单实用的建模,最后给出公式预测。在此,我们打算进行二次分析数据集在伊朗使用二进制逻辑回归来预测的概率出现糖尿病足溃疡,糖尿病患者的一个特定的年龄。

2。材料和方法

本研究统计建模在Lur以前公布的数据集和腊克语的伊朗。收集的数据集已经根据伦理指南,它有一个道德注册号(8]。没有进一步的道德需要注册这二次分析。糖尿病足溃疡的结果变量是历史(如一个二进制变量)。协变量是性别、年龄、身体质量指数(BMI)、空腹血糖(的边后卫)、糖化血红蛋白(HbA1C),低密度脂蛋白(LDL)、高密度脂蛋白(HDL),甘油三酯(TG)、胰岛素依赖性,和他汀类药物使用。

占据14(美国德克萨斯州StataCorp LLC)软件是用于统计建模。执行逻辑回归,分对数-命令使用和调整β系数被报道。模型中重复3步骤;步骤1,所有的进口反是;模型;步骤2,反是值小于0.1在步骤1中导入模型;步骤3,反是在步骤2中值小于0.1进口到模型中。然后,第三步的协变量视为最后的建模。研究模型的性能,接受者操作特征(ROC)曲线下的面积(AUC)使用据- - - - - -postestimation命令。此外,-lsens -postestimation命令是用于报告每个截止点的敏感性和特异性概率。一个评分系统定义的使用生成,显示命令β步骤3的系数模型(方程(1))。然后,评分系统是用于单变量模型来预测结果。这个评分系统导入乙状结肠(物流)函数来预测结果变量的精确概率(方程(2))。乙状结肠边际分析功能进行使用利润率,在( )情节,postestimation命令。

3所示。结果

结果的预发性是本研究样本的30.83%。逻辑回归三个步骤进行。中,性别、糖化血红蛋白、低密度脂蛋白,和TG不能通过步骤1 ( )。然后,应用他汀类药物不能通过步骤2(协变量 )。最后一个模型是由年龄( ),BMI ( ),的边后卫( ),高密度脂蛋白( ),和胰岛素依赖项( )( )。模型的性能绝对是可以接受的( )与一个可接受的保护灵敏度更高的截止点的概率(表1,数据1和2)。

最后的公式显示评分系统(方程(3))。分数分布的样本研究也显示(图3)。每个糖尿病病人应该取代的分数在逻辑函数(方程(2))的预测出现糖尿病足溃疡到一个特定的年龄。我们想象10预测概率(表的例子2)。这个边际预测基于逻辑函数的图像(图所示4)。治疗(例数十分)计算所需数量为提高高密度脂蛋白从40 (mg / dl) 50 (mg / dl)(方程(4提到的例子(表10))2)。例如,在一个70岁的胰岛素依赖型患者 (公斤/米²), (mg / dl) (mg / dl),而在结果的概率是54.0% (mg / dl),结果的概率是26.3% ( ):

4所示。讨论

本研究旨在估计的概率经历至少一次糖尿病足溃疡诊断DM的考虑时间的年龄。因此,年龄、体重指数、胰岛素的边后卫,依赖是积极的预测,而高密度脂蛋白是一种消极的预测。这个模型似乎是足够准确的,并且由于最终模型的值很低,这种模式似乎是可重复的对未来使用。一般来说,在每一个回归模型,协变量的减少导致减少拟合优度标准等平方,伪-平方,AUC。然而,这是不可避免的去除高反是值,因为在模型中制造麻烦。换句话说,虽然塞满了协变量模型是目前研究的回顾预测更准确的样本,该模型将不会重复的对未来预测的另一个示例是人口。

在我们面前,另外两个研究我们的数据集用于统计建模。Alfian等人设计了一个深层神经网络预测糖尿病性视网膜病变。他们的模型显示出更好的性能比之前的建模精度为82.03% (9]。Reddy等人设计了一个神经网络来预测糖尿病神经病变。他们的目的是比较不同建模方法(10]。

以前,没有足够的研究,建模的预测糖尿病足溃疡。Boyko等人试图设计一个模型使用常见的临床信息。他们用Cox回归模型。他们的研究的优势相比,我们是队列研究方法,更高的样本量,访问时间事件。尽管如此,他们的研究的缺点相比,我们的研究更复杂的模型,缺乏研究血脂,缺乏发现一个保护因素,以及缺乏报告最后的实用公式。我们的模型更好的性能根据auc [7]。

在许多研究中,低高密度脂蛋白和高TG与增加糖尿病周围神经病变有关,而低密度脂蛋白没有任何关联。史密斯等人表明,低高密度脂蛋白和甘油三酯升高之间有一个联系与糖尿病神经病变。他们旨在确定代谢综合征的特点除了高血糖糖尿病神经病变的风险增加(11]。Tesfaye et al .,目的是调查的风险因素神经性修改,显示糖尿病神经病变的发病率与高TG水平除了血糖(12]。派等人进行的一项研究旨在调查的风险因素在2型糖尿病患者周围神经病变。他们得出结论,低水平的高密度脂蛋白增加糖尿病周围神经病变的风险(13]。Rosales-Hernandez等人在检查氧化低密度脂蛋白(OxLDL)在糖尿病周围神经病变的结论是,没有水平之间的联系和发生周围神经病变14]。

与积极的结果对比研究,朱镕基等人表明,单核细胞的数量和高密度脂蛋白水平类似的健康个体之间和2型糖尿病患者糖尿病周围神经病变(有或没有15]。有趣的是,李等人在中国进行的一项研究,旨在调查的发病率截肢患者的糖尿病足溃疡和截肢的风险因素表明,低水平的TG下肢截肢的一个独立危险因素在糖尿病足溃疡患者(16]。

我们的研究结果支持先前的研究对糖尿病足溃疡的易感性。Ikura等人研究这个问题是否HDL水平预测的发病率降低截肢和wound-related糖尿病足溃疡患者的死亡。他们得出的结论是,低高密度脂蛋白水平在糖尿病足溃疡患者的发病率与轻度和重度肢体截肢或wound-related死亡。但甘油三酯和低密度脂蛋白水平没有预测他们(17]。贝聿铭等人在一个荟萃分析旨在探讨脂质和脂蛋白的影响2型糖尿病患者糖尿病足溃疡风险。他们表明,高密度脂蛋白下降是一个相关的因素18]。戴等人进行了一项研究,研究维生素D之间的关系和风险的糖尿病足溃疡2型DM患者。研究结果表明,低血清25-OH-vitamin D水平与糖尿病足溃疡的风险。尽管维生素D水平显示更高的诊断准确性,高密度脂蛋白的保护作用是基于逻辑回归后更大的调整β系数。高密度脂蛋白的保护作用可能是由于它的抗炎作用的免疫细胞(19]。

高脂饮食导致高脂血症。胆固醇和脂质代谢的其他物质积聚在神经元。这些物质的沉积导致氧化应激,其次是增加促炎细胞因子的表达和神经细胞凋亡。动物研究表明,血脂异常是一个独立的危险因素的发展糖尿病神经病变(20.]。

本研究的力量是实现一个可接受的性能( )和一个可接受的拟合优度(麦克费登伪- )用于诊所。看来,这是第一次,一个实用的公式直接计算概率的预测报告糖尿病足溃疡。然而,这项研究有一些局限性。最重要的是缺乏这种并发症的事件的时间,因此,我们没有考虑时间事件和无法执行Cox回归。

5。结论

这个模型可以使用临床咨询和管理糖尿病患者糖尿病足溃疡的风险。在预测中,年龄并不是多变和胰岛素依赖通常是不可避免的;然而,BMI和可以控制的边后卫。唯一的负面预测风险是高密度脂蛋白胆固醇。保持体内的高密度脂蛋白水平超过50 (mg / dl)强烈建议。虽然他汀类药物使用不是一个重要的预测糖尿病足溃疡,它应该认为,政府可能认为必要的其他迹象,可以改善患者的血脂。逻辑回归模型是机器学习和数据挖掘的方法,然而,这是非常实用和易于理解和使用在日常诊所。

数据可用性

原始数据是可用的https://data.mendeley.com/datasets/k62fdsnwkg/1。

的利益冲突

作者宣称没有利益冲突。

作者的贡献

所有作者参与设计和概念化和起草或编辑。具体来说,塞娅进行统计分析,纳米收集的样本主要数据来源和准备数据在当前的研究中,乔丹是主管和生物化学顾问。所有作者批准了手稿。

确认

我们承认作者的主要公开分享研究数据集使用(由4.0 CC版权)。没有进一步的道德需要注册这二次分析。