分類樹模型在2型糖尿病危險因素篩選中的應用

黃倩 沈艷明 施佳成 黃漓莉 鄒迪莎 江仁美 于萍 劉曉玲 王彩梅 周燕 于健

(廣西壯族自治區桂林醫學院附屬醫院 1內分泌科，廣西 桂林 541001;2檢驗科，3呼吸疾病實驗室)

隨著人口增長、老齡化、城市化及肥胖和缺乏鍛煉，糖尿病(DM)的患病率逐年增加，預計全球日益增加的DM患者總數將從2000年的1.71億增加至2030年的3.66億人口，這將不可避免地增加心血管疾病死亡人數及其他DM并發癥的患病率和相關嚴重后果的增加〔1〕。作為醫務人員，對于DM流行病學特征研究的必要性毋庸置疑。目前針對DM危險因素的調查研究，大多數統計方法采用Logistic回歸或多因素線性回歸模型，但由于其對于變量共線性的處理存在不足，所以降低了分析效能；而分類樹統計方法不受變量間共線性的影響，以樹形圖這種直接的表現形式展示多水平變量間的相互作用關系，并且可分析出各變量的具體影響人群；自然而然分類樹模型作為一種新興分析方法在醫學領域中如疾病的預測和診斷方面越來越受到歡迎〔2〕。因此，本研究以廣西壯族自治區桂林市桂林醫學院附屬醫院部分體檢人群為研究對象，利用分類樹模型篩查2型糖尿病(T2DM)的相關影響因素。

1 資料與方法

1.1研究對象 采用整群隨機抽樣方法，抽取2017年7～10月在桂林醫學院附屬醫院體檢部體檢的體檢者，最終10 361例(男6 038例，女4 323例)資料完整的體檢人群納入統計分析。所有研究對象簽署知情同意書。排除標準：1型DM、急性感染、創傷或其他應激情況下出現的暫時性血糖升高、長期口服如糖皮質激素等影響血糖的藥物及嚴重肝腎功能受損患者。

1.2資料收集 由經過專門培訓的專業人員對研究對象進行詳細詢問，使用本研究設計的調查問卷表格。調查內容包括基本信息(性別、年齡、民族、婚姻狀況、膳食、職業、吸煙及飲酒、疾病史如高血壓、DM等)，體格測量包括身高、體重、收縮壓(SBP)和舒張壓(DBP)等，并計算體重指數(BMI),24.0 kg/m2≤BMI<28.0 kg/m2診斷為超重，BMI≥28.0 kg/m2為肥胖〔3〕。實驗室檢測：體檢者隔夜至少禁食8 h，次日清晨抽取靜脈血；三酰甘油(TG)、總膽固醇(TC)、低密度脂蛋白膽固醇(LDL-C)、高密度脂蛋白膽固醇(HDL-C)、空腹血糖(FPG)及口服葡萄糖耐量試驗(OGTT)2 h血糖(2 hPG),上述指標采用羅氏Cobas C501全自動生化分析檢測。由醫院專業超聲科醫生使用邁瑞 DC-6 ExpertⅡ型超聲檢查儀對受試者進行腹部彩超檢查，確定診斷。

1.3診斷標準 T2DM診斷標準〔4〕參照《2017年中國糖尿病防治指南》：典型DM癥狀加上隨機血糖檢測≥11.1 mmol/L；FPG≥7.0 mmol/L；2 hPG≥11.1 mmol/L。

高血壓診斷標準〔5〕參照2010年修訂版的《中國高血壓防治指南》，在未使用降壓藥的情況下，SBP≥140 mmHg和(或)DBP≥90 mmHg，或既往有高血壓病史，正在服用降壓藥物治治療者，即被診斷為高血壓。

非酒精性脂肪性肝病(NAFLD)診斷標準〔6〕參照中華醫學會肝病分會脂肪肝及酒精性肝病學會組制訂的《2006年版非酒精性脂肪性肝病診療指南》。

血脂異常診斷標準〔7〕參照2016年中國成人血脂異常防治指南的標準：TC≥6.2 mmol/L，LDL-C≥4.1 mmol/L，HDL-C<1.0 mmol/L，TG≥2.3 mmol/L，出現任何一項即診斷為血脂異常。

1.4統計學處理 運用SPSS19.0軟件進行χ2檢驗、分類與回歸樹、受試者工作特征(ROC)曲線下面積(AUC)分析。

2 結 果

2.1基本情況 共調查體檢人群10 361人，檢出622例DM患者，以DM患者為病例組，同期體檢正常人群為對照組。與對照組相比,病例組BMI、SBP、DBP、FPG、TG、TC、LDL-C水平明顯升高，HDL-C的水平明顯降低，而且患有NAFLD的人群比例明顯升高，差異均有統計學意義(P<0.01),見表1。

表1 兩組臨床與代謝特征比較

2.2構建分類樹模型 以DM為因變量，患有DM賦值為1，未患DM賦值為0。將BMI、性別(男性為1，女性為0)、年齡、NAFLD(患有NAFLD=1，未患NAFLD=0)、高血壓(患有高血壓=1，未患高血壓=0)、TG、TC、HDL-C、LDL-C指標作為自變量代入研究分析，其中性別、NAFLD和高血壓定義為分類變量，其余變量為連續變量。根據預先設定樹的生長深度和修剪規則，本次建立的DM發病風險分類樹模型結果顯示：共包含5層，23個結點，其中終末結點12個。最終納入影響DM的4個解釋變量，分別為：年齡、NAFLD、TG、高血壓。

2.3模型的分析 樹形結構的第一層依據年齡進行拆分，因此年齡是DM最重要的危險因素，拆分點為50.5歲，年齡>50.5歲的DM患者比例(14.5%，444/3 061)明顯高于年齡≤50.5歲組(2.4%，178/7 300，P<0.05)提示隨著年齡的增長，DM的患病率明顯增加。隨后第二層篩選出的因素是NAFLD，在年齡>50.5歲時，患有NAFLD的人群DM患病率(25.1%，211/840)明顯高于無NAFLD的人群(10.5%，233/2 221)，年齡≤50.5歲且患NAFLD的人群DM比例(8.1%，105/1 304)明顯高于無NAFLD的人群(1.2%，73/5 996，P<0.05)；在模型第三層中，篩選出的因素為TG和年齡，在年齡≤50.5歲、NAFLD人群中，TG>4.015 mmol/L者(20.1%，31/154)的DM患病率明顯高于TG≤4.015 mmol/L者(6.4%，74/1 150，P<0.05)；在年齡>50.5歲、NAFLD人群中，TG>2.205 mmol/L者(31.5%,105/333)的DM患病率明顯高于TG≤2.205 mmol/L者(20.9%,106/507)，第四層的分支變量是年齡、高血壓，在年齡>50.5歲、無NAFLD、TG>2.505 mmol/L人群中，有高血壓的DM比例(31.2%,30/96)明顯高于無高血壓者(16.0%,21/131,P<0.05)；到第五層的分支變量仍是高血壓，由此可見，高血壓對DM的重要影響。

2.4模型的評價 增益圖：累計增益圖是從0%開始以100%結束，且良好模型的增益圖應先向100%快速增長，最后趨于平穩，此DM分類樹模型符合良好模型的標準，提示該模型良好，見圖1。

圖1 DM發病風險分類樹模型收益圖

分類樹重替代估計量和交叉驗證估計量分別為0.060和0.061，標準誤差均為0.002，表示采用分類樹模型預測DM影響因素的正確率為94%，則證明模型擬合效果良好。

ROC曲線：利用此模型得出預測概率繪制ROC曲線，AUC為0.835(95%CI：0.827～0.842)，標準誤為0.007，靈敏度為0.868(95%CI：0.839～0.894)，特異度為0.660(95%CI：0.570～0.651)，表明本次模型精確性較高，可以有效地篩選出DM相關的影響因素。見圖2。

圖2 DM分類樹模型的ROC曲線

3 討 論

DM是由遺傳和環境等多因素共同參與引起的臨床綜合征。如今，分類樹模型因具有針對分析多因素間交互作用的獨特優勢，在各行各業中得到了廣泛應用。醫學領域中，在分析疾病的多病因危險因素方面，相應的需求也迅速增長，特別是應用于樣本量較大的病因研究。

分類樹模型是一種類似樹形結構的預測模型，根據各個自變量對因變量的相關程度逐個分層，至分層檢驗無統計學意義為止最終完成分類樹。這樣的樹形圖展現方式不僅直接、方便、簡單易懂，而且比傳統線性模型更清晰地表達自變量間的交互作用，能直觀地得出多個因素對疾病的影響作用順序。

本研究結合相關臨床資料信息，運用分類樹建立糖尿病預測模型，為疾病的預防和干預提供有力的理論依據。從本研究構建的分類樹模型結果可以看出年齡、NAFID、TG、高血壓對DM患病率的重要性，與以往相關研究結果相符〔8,9〕。

具體分析如下，年齡作為第一個分類變量對糖尿病患病風險影響最大，截點為50.5歲，提示針對中老年人應加強健康宣教和早期干預，早發現早治療從而提高生活質量。處于目前世界經濟迅速發展的時代，DM(特別是T2DM)患病率逐漸增加，尤其是老年人，因衰老對代謝的直接影響，使得這一人群DM的潛在病理生理學進展加劇，而且衰老帶來的效應與DM相互作用，也會加速許多DM相關并發癥的進程。

分類樹的第二層拆分變量均為NAFLD，充分說明，無論老少，患有NAFLD的人群發生DM的概率都高于健康體檢者，從疾病發生機制角度看，肝臟脂肪變性(即肝臟中脂質的過度沉積)通常伴有胰島素抵抗〔10〕。雖然迄今為止病毒性肝炎仍是一個重要的健康問題，但是NAFLD是目前世界上非常常見的肝臟疾病，而且呈上升趨勢，據估計，其發病率在東南亞城市地區高達60%〔11〕，因此，患有NAFLD人群必須引起高度重視，需要通過改變生活方式和膳食搭配適當減輕體重，其次定期復查肝臟彩超和肝功能指標。有文獻報道〔12〕，逆轉NAFLD可改善胰島素抵抗。第三層進一步拆分的變量為TG和年齡。高TG是血脂異常的表現，提示血脂異常與DM之間的密切關聯，既往研究顯示，血脂異常是由許多遺傳和非遺傳因素之間相互作用引起，不僅會導致血糖代謝異常，且是發生動脈粥樣硬化性心血管疾病的高危因素〔13〕，尤其是血漿TG濃度升高。因此，建議對血脂異常患者應密切檢查，對內分泌和心血管相關疾病評估篩查。

根據分類樹模型結果，與DM相關的第四層拆分變量含有年齡，另一變量是高血壓，緊接著第五層進一步拆分的仍為高血壓，說明高血壓的患病與否對DM影響顯著。已有臨床研究表明〔14〕，高血壓和胰島素抵抗之間存在緊密病理生理學聯系，飲食鹽和熱量的過量攝入，與血壓升高相關性大。那么，對于有高血壓的高危因素特別是有家族遺傳史的人群，應當積極改正不健康的生活方式、做好血壓管理和合理規范的降壓治療。本次研究所建立的DM危險因素模型具有較滿意的說服力和可信度。

值得關注的是，分類樹模型同樣也有自身的弱點，它需要較大的樣本量才能保證逐層細分后單元格內仍有充分的樣本數，因此針對小樣本量的數據分析具有局限性。其次，對于線性關聯、無交互作用的數據，其分析效果和模型解釋性均不如普通統計模型。

綜上所述，本研究結合相關臨床資料信息，應用分類樹建立的DM預測模型，提示年齡、NAFLD、TG及高血壓是T2DM的危險因素，為疾病的預防和干預提供有力的理論依據，在臨床實踐中應針對不同高危人群采取個性化的預防措施，減少DM患病率并延緩并發癥的發展，降低醫療耗費成本。