一种糖尿病肾病及非糖尿病性肾脏疾病鉴别诊断预测模型及构建方法

1.本发明涉及肾脏病鉴别诊断领域，尤其涉及一种糖尿病肾病及非糖尿病性肾脏疾病鉴别诊断预测模型及构建方法。


背景技术：

2.糖尿病是一个日益严重的全球健康问题。根据国际糖尿病联盟公布的数据，全世界有4.25亿糖尿病患者(20-79岁)，到2045年，这一数字预计将升至6.93亿。糖尿病肾病(dn)是其主要并发症，已成为国内慢性肾脏病的第一大病因。既往糖尿病肾病(dn)的诊断主要依赖于临床表现，如糖尿病病程、合并糖尿病视网膜病变、有无血尿等。然而，随着肾活检技术的发展，一些临床诊断为糖尿病肾病(dn)的患者，尤其是2型糖尿病患者，其病理诊断结果往往与预期不符。除糖尿病肾病(dn)外，非糖尿病性肾脏疾病(ndrd)及糖尿病肾病合并非糖尿病性肾脏疾病(mix)在糖尿病肾活检患者中也很常见。肾穿刺活检是鉴别诊断的金标准，但一方面，活检是有创的，并不是完全没有并发症，因此对于有出血倾向、严重高血压、贫血等相对或绝对禁忌证的患者是不可行的；另一方面，在大多数基层医院受医疗条件限制，不能进行肾穿刺活检检查。事实上，多数病例是根据临床特征诊断糖尿病肾病(dn)的，在临床实践中高度怀疑非糖尿病性肾脏疾病(ndrd)时才推荐肾活检。多项研究发现，与糖尿病肾病(dn)患者相比，非糖尿病性肾脏疾病(ndrd)或糖尿病肾病合并非糖尿病性肾脏疾病(mix)患者经糖皮质激素、免疫抑制剂等药物治疗后，蛋白尿、肾功能有明显改善，肾脏预后较好，这类患者如果被错误地归为糖尿病肾病(dn)，治疗将在一定程度上被局限，从而错过了可能改善肾脏预后的特异性治疗。因此，在临床工作中能够准确区分非糖尿病性肾脏疾病(ndrd)和糖尿病肾病(dn)的糖尿病患者至关重要。
3.目前关于2型糖尿病患者糖尿病肾病(dn)和非糖尿病性肾脏疾病(ndrd)鉴别诊断的预测模型较少，先前的模型提出了回归方程的形式，需要复杂的计算，实用性较差。因此，提供一种便捷的针对2型糖尿病患者糖尿病肾病(dn)和非糖尿病性肾脏疾病(ndrd)的鉴别诊断模型是本领域目前的一项技术问题。


技术实现要素：

4.针对以上技术问题，本发明提供一种糖尿病肾病及非糖尿病性肾脏疾病鉴别诊断预测模型及构建方法，有助于临床医生评估2型糖尿病肾损害患者肾活检的风险收益比，同时也为没有肾脏活检技术的医疗机构的工作人员提供参考。
5.本发明采用以下技术方案：
6.一种糖尿病肾病及非糖尿病性肾脏疾病鉴别诊断预测模型，该模型采用列线图形式，列线图包括：
7.第一行的分值标尺，分值范围为0-100；
8.第二行为患者收缩压值，数值范围为80-240，不同的收缩压值对应第一行一个相
应的得分；
9.第三行为患者空腹血糖值，数值范围为0-40，不同的空腹血糖值对应第一行一个相应的得分；
10.第四行为患者胱抑素c值，数值范围为0-8，不同的胱抑素c值对应第一行一个相应的得分；
11.第五行为患者糖化血红蛋白值，数值范围为4-18，不同的糖化血红蛋白值对应第一行一个相应的得分；
12.第六行为患者年龄值，年龄值数值范围为20-90，不同年龄值对应第一行一个相应的得分；
13.第七行为患者糖尿病病史值，糖尿病病史值数值范围为0-30，不同的糖尿病病史值对应第一行一个相应的得分；
14.第八行为患者血红蛋白值，数值范围为40-200，不同的血红蛋白值对应第一行一个相应的得分；
15.第九行为患者糖尿病视网膜病变值，无糖尿病视网膜病变选择0，有糖尿病视网膜病变选择1，分别对应第一行一个相应的得分；
16.第十行为患者总分值，将第二行至第九行的指标在第一行对应的得分相加，得到患者总分值；
17.第十一行为行肾穿刺活检病例诊断为非糖尿病性肾脏疾病及糖尿病肾病合并非糖尿病性肾脏疾病的概率值，将第十行患者总分值对应投射到第十一行上得出行肾穿刺活检病理诊断为非糖尿病性肾脏疾病及糖尿病肾病合并非糖尿病性肾脏疾病的概率值。
18.进一步的，该模型还包括糖尿病肾病及非糖尿病性肾脏疾病鉴别诊断预测概率公式，公式为：
[0019][0020]
其中，a＝2.43043-0.01740
×
收缩压-0.10887
×
空腹血糖-0.66977
×
胱抑素c-0.21927
×
糖化血红蛋白+0.04854
×
年龄-0.10712
×
糖尿病病史+0.02628
×
血红蛋白-2.32735
×
视网膜病变症状；
[0021]
概率分值p的最佳截断值为0.46，当患者概率分值低于0.46时，为低概率患者，患者肾穿刺活检结果为糖尿病肾病的可能性大；当患者概率分值高于或等于0.46时，为高概率患者，患者肾穿刺活检结果为非糖尿病性肾脏疾病及糖尿病肾病合并非糖尿病性肾脏疾病的可能性大。
[0022]
进一步的，收缩压为2型糖尿病患者的收缩压值，数据范围为80-240mmhg；空腹血糖为2型糖尿病患者的空腹血糖值，数据范围为0-40mmol/l；胱抑素c为2型糖尿病患者的胱抑素c值，数据范围为0-8mg/l；糖化血红蛋白为2型糖尿病患者的糖化血红蛋白值，数据范围为4-18％；年龄为2型糖尿病患者的年龄值，数据范围为20-90岁；糖尿病病史为2型糖尿病患者的患病年限，数据范围为0-30年；血红蛋白为2型糖尿病患者的血红蛋白值，数据范围为40-200g/dl；视网膜病变症状为2型糖尿病患者的视网膜病变症状，若患者无糖尿病视网膜病变则选择0，若患者有糖尿病视网膜病变则选择1。
[0023]
本发明还提供上述模型用于在糖尿病肾病及非糖尿病性肾脏疾病鉴别诊断预测
中的应用。
[0024]
本发明还提供一种糖尿病肾病及非糖尿病性肾脏疾病鉴别诊断预测模型的构建方法，包括以下步骤：
[0025]
(1)收集大量行肾穿刺活检的2型糖尿病患者的临床资料数据，并统计其病理诊断结果：糖尿病肾病、非糖尿病性肾脏疾病及糖尿病肾病合并非糖尿病性肾脏疾病；
[0026]
(2)以“病例诊断结果是否为非糖尿病性肾脏疾病及糖尿病肾病合并非糖尿病性肾脏疾病”为结局变量，对收集的数据进行单因素logistics回归，筛选出显著影响结果事件的因素；
[0027]
(3)将单因素分析筛选出的变量以及临床上考虑可能有意义的变量纳入初始多因素logistics模型，并使用逐步回归法针对初始模型筛选掉混杂因素，选择得到患者的年龄、糖尿病病史、糖尿病视网膜病变、收缩压、血红蛋白、空腹血糖、糖化血红蛋白、胱抑素c数据构建上述模型。
[0028]
进一步的，步骤(3)中纳入初始多因素logistics模型的因素包括年龄、糖尿病病史、有无糖尿病视网膜病变、收缩压、血红蛋白、空腹血糖、糖化血红蛋白、血沉、点式总蛋白、点式白蛋白、尿素、肌酐、胱抑素c、总胆固醇、低密度脂蛋白、肾小球滤过率、甲状旁腺素、b型脑钠肽。
[0029]
进一步的，将行肾穿刺活检的2型糖尿病患者随机分为训练集和验证集，使用训练集患者构建预测模型，验证集患者进行内部验证，验证预测模型的精确度，训练集和验证集中患者的数量比为7:3。
[0030]
本发明的糖尿病肾病及非糖尿病性肾脏疾病鉴别诊断预测模型，通过对2型糖尿病患者的临床及病理特征分析，选取对鉴别诊断结果影响大的因素，采用列线图形式，简明扼要、通俗易懂，便于临床操作。有助于通过患者的最初检测数据来判断患者行肾穿刺活检病理诊断为非糖尿病性肾脏疾病(ndrd)及糖尿病肾病合并非糖尿病性肾脏疾病(mix)的概率，可在尽量不进行肾穿刺这项有创操作的基础上，将糖尿病肾病及非糖尿病性肾脏疾病有效地区分出来，为医务工作者执行临床决策提供更有力的证据基础，特别是对一些有活检禁忌的患者或肾脏活检不可行的医疗机构。同时将本发明提供的预测模型纳入肾活检病理的结果，在一定程度上有效规避了误诊或漏诊弊端，大大提高了预测模型的针对性和准确度。
[0031]
本发明的糖尿病肾病及非糖尿病性肾脏疾病鉴别诊断预测模型的构建方法，通过收集大量行肾穿刺活检的2型糖尿病患者的临床资料，并根据病理诊断结果得到显著影响结果事件的因素，综合各因素构建预测模型，实现通过患者的最初检测数据来判断患者行肾穿刺活检病理诊断为非糖尿病性肾脏疾病(ndrd)及糖尿病肾病合并非糖尿病性肾脏疾病(mix)的概率，该模型构建方法简单有效，构建的模型可作为一个便捷的临床决策工具，同时也为没有肾脏活检技术的医疗机构的工作人员提供参考。
附图说明
[0032]
为了更清楚的说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见的，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以
根据这些附图获得其它附图。
[0033]
图1为本发明的糖尿病肾病及非糖尿病性肾脏疾病鉴别诊断预测模型列线图；
[0034]
图2为本发明的糖尿病肾病及非糖尿病性肾脏疾病鉴别诊断预测模型实施例1中列线图。
具体实施方式
[0035]
下面将结合本发明中的附图，对本发明实施例中的技术方案进行清楚、完整的描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通的技术人员在没有做出创造性劳动的前提下所获得的所有其它实施例，都属于本发明的保护范围。
[0036]
本发明实施例提供一种糖尿病肾病及非糖尿病性肾脏疾病鉴别诊断预测模型的构建方法，包括以下步骤：
[0037]
(1)收集大量行肾穿刺活检的2型糖尿病患者的临床资料数据，并统计其病理诊断结果：糖尿病肾病、非糖尿病性肾脏疾病及糖尿病肾病合并非糖尿病性肾脏疾病；
[0038]
(2)以“病例诊断结果是否为非糖尿病性肾脏疾病及糖尿病肾病合并非糖尿病性肾脏疾病”为结局变量，对收集的数据进行单因素logistics回归，筛选出显著影响结果事件的因素；
[0039]
(3)将单因素分析筛选出的变量以及临床上考虑可能有意义的变量纳入初始多因素logistics模型，并使用逐步回归法针对初始模型筛选掉混杂因素，选择得到患者的年龄、糖尿病病史、糖尿病视网膜病变、收缩压、血红蛋白、空腹血糖、糖化血红蛋白、胱抑素c数据构建列线图模型。
[0040]
具体的，如图1所示，列线图包括：
[0041]
第一行的分值标尺，分值范围为0-100；
[0042]
第二行为患者收缩压(sbp)值，数值范围为80-240，不同的收缩压值对应第一行一个相应的得分；
[0043]
第三行为患者空腹血糖(fbg)值，数值范围为0-40，不同的空腹血糖值对应第一行一个相应的得分；
[0044]
第四行为患者胱抑素c值，数值范围为0-8，不同的胱抑素c值对应第一行一个相应的得分；
[0045]
第五行为患者糖化血红蛋白值，数值范围为4-18，不同的糖化血红蛋白值对应第一行一个相应的得分；
[0046]
第六行为患者年龄值，年龄值数值范围为20-90，不同年龄值对应第一行一个相应的得分；
[0047]
第七行为患者糖尿病病史值，糖尿病病史值数值范围为0-30，不同的糖尿病病史值对应第一行一个相应的得分；
[0048]
第八行为患者血红蛋白值，数值范围为40-200，不同的血红蛋白值对应第一行一个相应的得分；
[0049]
第九行为患者糖尿病视网膜病变值，无糖尿病视网膜病变选择0，有糖尿病视网膜病变选择1，分别对应第一行一个相应的得分；
[0050]
第十行为患者总分值，将第二行至第九行的指标在第一行对应的得分相加，得到患者总分值；
[0051]
第十一行为行肾穿刺活检病例诊断为非糖尿病性肾脏疾病及糖尿病肾病合并非糖尿病性肾脏疾病的概率值，将第十行患者总分值对应投射到第十一行上得出行肾穿刺活检病理诊断为非糖尿病性肾脏疾病及糖尿病肾病合并非糖尿病性肾脏疾病的概率值。
[0052]
具体的，在本发明的一些实施例中，各单因素变量值与分值的对应关系如表1所示。
[0053]
表1不同因素赋值情况
[0054]
[0055][0056]
作为本发明的实施例1，如图2所示，一位行肾穿刺活检的2型糖尿病患者，收缩压(sbp)值为158(62分)，空腹血糖(fbg)值为5(71分)，胱抑素c值为1.8(64分)，糖化血红蛋白值为6(73分)，年龄值为66(78分)，糖尿病病史值为10(61分)，血红蛋白值为108(62分)，糖尿病视网膜病变值为1(47分)；该患者的总得分为518分，投射至肾穿刺活检病理诊断为非糖尿病性肾脏疾病(ndrd)及糖尿病肾病合并非糖尿病性肾脏疾病(mix)的概率值为0.322，通过该概率值为下一步诊疗提供指导。
[0057]
优选的，为了更方便的为患者提供临床指导，将上述列线图转化为应用程序，具体的为微信小程序、app形式或网页计算器等，只需在界面上输入患者的年龄、糖尿病病史、糖尿病视网膜病变、收缩压、血红蛋白、空腹血糖、糖化血红蛋白、胱抑素c的值，即可得出其行肾穿刺活检病理诊断为非糖尿病性肾脏疾病(ndrd)及糖尿病肾病合并非糖尿病性肾脏疾病(mix)的概率值。更具体的，本发明对将列线图转化为应用程序的方法不作具体限定，任何可实现转化的操作方法均可。
[0058]
具体的，在本发明的一些实施例中，本发明的诊断预测模型还包括糖尿病肾病及非糖尿病性肾脏疾病鉴别诊断预测概率公式，公式为：
[0059][0060]
其中，a＝2.43043-0.01740
×
收缩压-0.10887
×
空腹血糖-0.66977
×
胱抑素c-0.21927
×
糖化血红蛋白+0.04854
×
年龄-0.10712
×
糖尿病病史+0.02628
×
血红蛋白-2.32735
×
视网膜病变症状；
[0061]
收缩压为2型糖尿病患者的收缩压值，数据范围为80-240mmhg；空腹血糖为2型糖尿病患者的空腹血糖值，数据范围为0-40mmol/l；胱抑素c为2型糖尿病患者的胱抑素c值，数据范围为0-8mg/l；糖化血红蛋白为2型糖尿病患者的糖化血红蛋白值，数据范围为4-18％；年龄为2型糖尿病患者的年龄值，数据范围为20-90岁；糖尿病病史为2型糖尿病患者的患病年限，数据范围为0-30年；血红蛋白为2型糖尿病患者的血红蛋白值，数据范围为40-200g/dl；视网膜病变症状为2型糖尿病患者的视网膜病变症状，若患者无糖尿病视网膜病变则选择0，若患者有糖尿病视网膜病变则选择1。
[0062]
概率分值p的最佳截断值为0.46，当患者概率分值低于0.46时，为低概率患者，患者肾穿刺活检结果为糖尿病肾病的可能性大；当患者概率分值高于或等于0.46时，为高概率患者，患者肾穿刺活检结果为非糖尿病性肾脏疾病及糖尿病肾病合并非糖尿病性肾脏疾病的可能性大。
[0063]
采用列线图形式得到的概率值与采用该公式计算得出的概率值一致；例如图2列
线图中得出行肾穿刺活检的2型糖尿病患者的概率值为0.322，与采用公式计算结果一致，小于0.46，判定该患者为低概率患者，即患者肾穿刺活检结果为糖尿病肾病可能性较大，后期的治疗措施将会对应调整实施。
[0064]
由于在临床工作中，糖尿病肾病及非糖尿病性肾脏疾病的疾病进展及预后有很大差异，一些非糖尿病性肾脏疾病，经过糖皮质激素、免疫抑制剂等药物治疗后，病情可得到极大改善，与糖尿病肾病相比，预后相对较好。通过本发明的概率预测方法，可在尽量不进行肾穿刺这项有创操作的基础上，将糖尿病肾病及非糖尿病性肾脏疾病有效地区分出来，有助于临床医生进一步评估2型糖尿病肾损害患者肾活检的风险收益比，同时也为没有肾脏活检技术的医疗机构的工作人员提供参考。采用本发明的预测模型，可以帮助临床医生在疾病早期有效识别患者，对不同类别患者制订更具个体化的起始治疗方案。
[0065]
具体的，本发明中收集到的行肾穿刺活检的2型糖尿病患者的临床资料数据为938例。在该公式中，p表示行肾穿刺活检病理诊断为非糖尿病性肾脏疾病(ndrd)及糖尿病肾病合并非糖尿病性肾脏疾病(mix)的概率预测值。在该公式中，包括常数2.43043，收缩压(sbp)的系数-0.01740，空腹血糖(fbg)的系数-0.10887，胱抑素c的系数-0.66977，糖化血红蛋白的系数-0.21927，年龄的系数0.04854，糖尿病病史的系数-0.10712，血红蛋白的系数0.02628和糖尿病视网膜病变的系数-2.32735，这些数值是根据收集到的938例行肾穿刺活检的2型糖尿病患者的临床资料进行建模得到的，对于938例样本来说是优化的常数，但这些常数并不限于此，即使采用本发明的技术方案，也可能由于样本数据的不同而得到不同的常数。但上述变换，都属于本发明的保护范围。
[0066]
具体的，应用该公式进行计算过程中，收缩压为2型糖尿病患者的收缩压值，数据范围为80-240mmhg；空腹血糖为2型糖尿病患者的空腹血糖值，数据范围为0-40mmol/l；胱抑素c为2型糖尿病患者的胱抑素c值，数据范围为0-8mg/l；糖化血红蛋白为2型糖尿病患者的糖化血红蛋白值，数据范围为4-18％；年龄为2型糖尿病患者的年龄值，数据范围为20-90岁；糖尿病病史为2型糖尿病患者的患病年限，数据范围为0-30年；血红蛋白为2型糖尿病患者的血红蛋白值，数据范围为40-200g/dl；视网膜病变症状为2型糖尿病患者的视网膜病变症状，若患者无糖尿病视网膜病变则选择0，若患者有糖尿病视网膜病变则选择1。
[0067]
具体的，在本发明的一些实施例中，步骤(3)中通过单因素logistic回归分析，筛选出最终纳入初始多因素logistics模型的因素包括年龄、糖尿病病史、有无糖尿病视网膜病变、收缩压、血红蛋白、空腹血糖、糖化血红蛋白、血沉、点式总蛋白、点式白蛋白、尿素、肌酐、胱抑素c、总胆固醇、低密度脂蛋白、肾小球滤过率、甲状旁腺素、b型脑钠肽。在模型构建及选择过程中，针对预测因素建立不同的预测模型，计算受试者工作曲线下面积即c统计量值、hosmer-lemeshow检验中的p值计算不同模型的区分度及校准度，并通过比较各模型的区分度和校准度，综合评估模型效能，筛选出最优预测模型。
[0068]
具体的，在本发明的一些实施例中，将行肾穿刺活检的2型糖尿病患者随机分为训练集和验证集，使用训练集患者构建预测模型，验证集患者进行内部验证，验证预测模型的精确度，训练集和验证集中患者的数量比为7:3。通过训练集和验证集的设置，提高了该预测模型的精确度。
[0069]
本发明的糖尿病肾病及非糖尿病性肾脏疾病鉴别诊断预测模型及构建方法，通过收集大量行肾穿刺活检的2型糖尿病患者的临床资料，并得到预测概率等式及列线图，有助
于通过患者的最初检测数据来判断患者行肾穿刺活检病理诊断为非糖尿病性肾脏疾病(ndrd)及糖尿病肾病合并非糖尿病性肾脏疾病(mix)的概率，可实现对2型糖尿病患者中糖尿病肾病及非糖尿病性肾脏疾病的鉴别诊断。同时本发明提供的预测模型纳入肾活检病理的结果，在一定程度上有效规避了误诊或漏诊弊端，大大提高了预测模型的针对性和准确度。由于在临床工作中，糖尿病肾病及非糖尿病性肾脏疾病的疾病进展及预后有很大差异，一些非糖尿病性肾脏疾病，经过糖皮质激素、免疫抑制剂等药物治疗后，病情可得到极大改善，与糖尿病肾病相比，预后相对较好。通过本发明的概率预测方法，可在尽量不进行肾穿刺这项有创操作的基础上，将糖尿病肾病及非糖尿病性肾脏疾病有效地区分出来，有助于临床医生进一步评估2型糖尿病肾损害患者肾活检的风险收益比，同时也为没有肾脏活检技术的医疗机构的工作人员提供参考。
[0070]
以上借助具体实施例对本发明做了进一步描述，但是应该理解的是，这里具体的描述，不应理解为对本发明的实质和范围的限定，本领域内的普通技术人员在阅读本说明书后对上述实施例做出的各种修改，都属于本发明所保护的范围。