超重及肥胖人群高尿酸血癥發病風險預測模型的構建及評價

李祿偉 黃倩 施佳成 劉曉玲 王彩梅 于萍 吳嵐 覃洋 江仁美 于健

桂林醫學院附屬醫院1內分泌科，2檢驗科，3神經內科（廣西桂林541001）

高尿酸血癥是人體中由于各種病理機制導致尿酸生成增多或排泄障礙所引起的一種代謝性疾病。高尿酸血癥在各個國家中均呈現高患病率［1］，相關研究顯示中國高尿酸血癥的人群患病率為17.4%，痛風為1.1%［2-3］。大量研究證據表明高尿酸血癥與心腦血管疾病的發生發展密切相關，是心肌梗死、中風等疾病的獨立危險因素［4］。此前對10 項前瞻性研究的薈萃分析顯示［5］，BMI 每增加5 kg/m2，痛風風險就會增加55%，提示超重及肥胖人群本身便是高尿酸血癥的重點發病人群［6-8］。減肥舉措將有助于改善高尿酸血癥［9］，因此在超重及肥胖人群中進行高尿酸血癥方面研究很有必要。本研究旨在通過在超重及肥胖人群中篩選出易患高尿酸血癥的影響因素，并構建分類樹和列線圖兩種預測模型，使用列線圖對經分類樹及logistic 回歸篩選出的影響因素進行量化分析，采用三種驗證方法對模型進行評估，從而為相關人群預防及控制高尿酸血癥等提供參考，對于避免疾病發作具有一定的意義［10］。

1 資料與方法

1.1 研究對象在2019年8月1日至11月1日于桂林醫學院附屬醫院進行健康體檢的體檢人群中，篩選出超重及肥胖者作為研究對象。調查對象均已知情同意。納入標準：BMI ≥24 kg/m2；年齡≥18歲；自愿加入研究者。排除標準：妊娠期婦女；患有惡性腫瘤等重大疾病人群；嚴重肝腎功能不全者（腎功能不全達到尿毒癥期，轉氨酶超過正常上限3 倍以上）；臨床資料不全者。納入研究共有5 098 例超重及肥胖者。研究對象年齡范圍18 ～85歲，平均年齡（44.92±11.75）歲，隨機抽取3 582例（70%）超重及肥胖者構建建模組，剩余1 516 例（30%）構建驗證組進行內部驗證。以有無高尿酸血癥將超重及肥胖人群分為病例組和對照組。

1.2 問卷調查一般情況：姓名、性別、年齡，既往史：特殊用藥史、疾病史。

1.3 體格測量體檢工作人員采用經過校對的身高體重儀，測量研究對象身高體質量，計算體質指數（BMI），BMI=體質量（kg）/身高（m2）。安靜休息5～10 min 后，測量右上臂肱動脈血壓。

1.4 實驗室檢查所有受檢者檢查當天清晨空腹采集肘靜脈血（5 mL）。使用生化分析儀檢測：肌酐（Cr）、尿素氮（BUN）、空腹血糖（FPG）、總膽固醇（TC）、甘油三酯（TG）、高密度脂蛋白膽固醇（HDL?c）、低密度脂蛋白膽固醇（LDL?c）。

1.5 診斷標準高尿酸血癥的診斷標準［11］定義：非同日2次血尿酸水平超過420 μmol/L。將體檢人群體質量指數≥24 kg/m2定義為超重及肥胖人群［12］。高血壓的診斷標準［13］：收縮壓≥140 mmHg 和（或）舒張壓≥90 mmHg。血脂異常診斷標準為以下任一項［14］：總膽固醇≥6.2 mmol/L；甘油三酯≥2.3 mmol/L；LDL?c ≥4.1 mmol/L；HDL?c＜1.0 mmol/L。血糖異常診斷標準［15］為空腹血糖≥6.1 mmol/L?？崭寡蛩氐?.1 mmol/L 為高尿素氮血癥，空腹血肌酐水平：男性≥110 μmol/L，女性≥93 μmol/L 為高肌酐血癥。

1.6 統計學方法所有數據使用Excel 2007 進行收集整理，使用SPSS 26.0、Rx64 4.0.3 進行統計分析，符合正態分布的計量資料以均值±標準差表示，組間比較行t檢驗；計數資料表示為例（%），組間比較行χ2檢驗。同時分別建立超重及肥胖人群高尿酸血癥發病的分類樹模型和列線圖模型，進行內部驗證，最后繪制受試者工作特征（ROC）曲線、決策分析曲線（DCA）、臨床影響曲線（CIC）對兩種模型進行評估，以P<0.05為差異有統計學意義。

2 結果

2.1 病例組和對照組臨床與代謝特征的比較訓練集和驗證集中病例組患者的TG、Cr 水平高于對照組，而年齡、HDL?c 水平低于對照組，差異有統計學意義（P<0.05）。訓練集和驗證集參與者具有相似的臨床特征，見表1。

表1 訓練集及驗證集病例組和對照組臨床與代謝特征的比較Tab.1 comparison of clinical and metabolic characteristics between case group and control group in training set and validation set±s

表1 訓練集及驗證集病例組和對照組臨床與代謝特征的比較Tab.1 comparison of clinical and metabolic characteristics between case group and control group in training set and validation set±s

變量年齡（歲）性別（男/女）高血壓（有/無）Cr（μmol/L）BUN（mmol/L）TG（mmol/L）TC（mmol/L）LDL?c（mmol/L）HDL?c（mmol/L）FPG（mmol/L）訓練集（n=3 582）對照組（n=2 295）45.57±11.34 1 328/967 514/1781 75.56±15.02 4.54±1.18 1.66±1.14 4.70±0.82 3.18±0.78 1.22±0.30 5.53±1.29病例組（n=1 287）43.54±12.34 1 199/88 376/911 88.85±16.62 4.78±1.22 2.31±1.41 4.83±0.86 3.27±0.81 1.07±0.25 5.52±1.02 t/χ2值?4.97 494.44 20.53 24.46 5.58 15.13 4.41 3.29?15.92?0.14 P 值＜0.001＜0.001 0.021＜0.001 0.976＜0.001 0.408 0.401＜0.001 0.082驗證集（n=1 516）對照組（n=969）45.69±11.49 566/403 226/743 75.567±14.71 4.52±1.13 1.71±1.21 4.71±0.81 3.17±0.77 1.21±0.30 5.45±1.21病例組（n=547）44.02±12.20 516/31 161/386 89.35±16.18 4.76±1.32 2.34±1.50 4.82±0.84 3.24±0.80 1.09±0.26 5.43±0.95 t/χ2值-2.66 220.80 6.86 16.89 3.73 8.84 2.61 1.66-8.03-0.36 P 值0.011＜0.001 0.009 0.010 0.508＜0.001 0.231 0.266＜0.001 0.147

2.2 構建分類樹模型分類樹模型包括5 層，顯示男性、Cr、TG、年齡、HDL?c、LDL?c 等6 個變量是超重及肥胖性高尿酸血癥的影響因素，見圖1。

圖1 超重及肥胖人群高尿酸血癥發病風險的分類樹模型（訓練集）Fig.1 classification tree model of hyperuricemia risk in overweight and obese population（training set）

2.3 列線圖（Nomogram）模型構建逐步向前logistic回歸模型，結果顯示男性、TG、LDL?c、Cr是超重及肥胖人群高尿酸血癥的危險因素（P< 0.05），年齡≥29.5歲、HDL?c是保護因素（P<0.05），見表2。利用訓練集中logistic 回歸模型篩選出來的6 個影響因子構建超重及肥胖人群高尿酸血癥發病的列線圖模型，見圖2。

表2 超重及肥胖人群高尿酸血癥影響因素的單因素及多因素logistic 回歸分析結果（訓練集）Tab.2 Results of univariate and multivariate logistic regression analysis on influencing factors of hyperuricemia in overweight and obese people（training set）

圖2 超重及肥胖人群高尿酸血癥危險因素的列線圖模型（訓練集）Fig.2 nomogram model of hyperuricemia risk factors in overweight and obese people（training set）

2.4 ROC、DCA、CIC 曲線訓練集分類樹模型ROC的AUC=0.791（0.777～0.804），Youden index =44.91%；訓練集列線圖模型ROC 的AUC = 0.787（0.773 ～ 0.800），Youden index = 46.31%；驗證集分類樹模型ROC 的AUC = 0.787（0.765 ～ 0.807），Youden index= 43.21%；驗證集列線圖模型ROC 的AUC=0.776（0.754～0.797），Youden index=42.31%，訓練集和驗證集兩模型差異無統計學意義（訓練集P=0.413，驗證集P=0.154），見圖3-5。

圖3 ROC 曲線Fig.3 The ROC curve

3 討論

本研究訓練集中分類樹模型結果提示男性、Cr、TG、年齡、HDL?c、LDL?c 等6 個變量是超重及肥胖性高尿酸血癥的影響因素，同時也提示男性、TG、Cr 等3 個因素具有正向協同交互作用，分類樹模型揭示了高尿酸血癥的年齡段以29.5 歲分層，顯示超重及肥胖人群高尿酸血癥的發病年齡明顯提前，與既往的研究類似［16-17］。表明青年肥胖患者為高危人群，更應加強尿酸的監測。

圖4 DCA 曲線Fig.4 The DCA curve

圖5 CIC 曲線Fig.5 The CIC curve

本研究同時構建超重及肥胖人群高尿酸血癥影響因素的列線圖模型。首先經logistic 單因素和多因素回歸篩選出來男性、Cr、TG、年齡、HDL?c、LDL?c 等6 個變量是超重及肥胖性高尿酸血癥的影響因素，與分類樹模型一致，既往研究也得出相似結論［18］。后進一步構建超重及肥胖人群的列線圖模型，訓練集中列線圖風險評估總分為140 分，評分等于76 分預測概率高達95%，由此可見，列線圖可以直觀地展示logistic 回歸模型篩選出的影響因素，并賦予其定量的風險評估分數，方便實用，可為超重及肥胖這一特定人群提供一個高尿酸血癥評估的風險量表。本研究超重及肥胖人群構建的高尿酸血癥分類樹模型及列線圖模型均提示男性是超重及肥胖人群高尿酸血癥的高危人群，本研究結果顯示男性的患病率（47.4%）遠遠高于女性患病率（8.3%），同時列線圖模型男性評分為8 分，顯示男性為高危人群需加強監測，既往研究也得出類似結果［19-20］。

本研究構建建模組進行訓練集分析，構建驗證組進行內部驗證分析，最后采用ROC 曲線、DCA曲線、CIC 曲線對訓練集和驗證集兩個預測模型進行評價，顯示訓練集和驗證集兩個模型的AUC 均為78%，均具有中等預測價值，約登指數均在42%以上，具有較高的準確性，兩個模型對比的P值均＞0.05，表明兩個預測模型相差不大。

構建訓練集和驗證集兩個模型DCA 曲線提示兩條曲線較為接近，DCA 曲線橫坐標表示患病風險概率（閾值概率），縱坐標表示兩個預測模型在疾病診斷為陽性和陰性之間的利減去弊的關系，即預測模型診斷的凈收益，閾值概率記為Pi；當Pi 達某個閾值（記為Pt），就界定為陽性。本研究在Pt 約為0.1 ～ 0.7 范圍內，2 個模型的凈受益率都高于0，表明兩個預測模型都具有一定的臨床實用性。訓練集的CIC 曲線顯示紅色曲線（number high risk）以下，在每個Pi 下，被分類樹模型和列線圖模型劃分為陽性（高風險）的人數；藍色曲線（number high risk with event）為每個Pi 下金標準診斷為陽性的人數，表明分類樹模型和列線圖模型均有一定的臨床影響價值。

然而，本研究屬于單中心研究，沒有同期其他中心研究進行驗證，是本研究的缺陷，同時由于是體檢人群，臨床指標收集較少，下一步將有待聯合多中心進行更大樣本量的全面研究。

綜上所述，本研究利用臨床指標構建并驗證了兩種超重及肥胖人群高尿酸血癥發病風險的分類樹模型及列線圖模型，篩選并賦予了影響因素的量化評分，同時運用三種模型驗證方法對兩種預測模型進行鑒別能力、準確性及臨床實用性的全面評估，增加了本研究的應用價值，本研究可以幫助識別高危人群，并進行生活方式干預，對降低此類人群痛風、腎功能不全乃至心血管疾病的發生都具有一定的意義。