女性遲發性痤瘡的危險因素分析及列線圖預測模型的建立

[摘要]目的：分析女性遲發性痤瘡（Female delayed acne vulgaris，FDAV）的危險因素，構建FDAV的列線圖預測模型。方法：選取2020年5月-2022年5月就診于唐山市中醫醫院皮膚科門診的FDAV患者200例與200例健康志愿者，參考文獻自制問卷調查表實施問卷調查，并用Logistic回歸分析篩選影響FDAV發生的危險因素；采用R軟件構建預測FDAV風險的列線圖模型，采用Bootstrap法進行內部驗證，采用驗證集進行外部驗證，采用ROC曲線、校準曲線評價列線圖模型的預測效能。結果：Logistic回歸分析結果顯示，睡眠時間＜8 h[95%CI（2.701～8.034），P＜0.001]、使用電腦時間≥3 h/d[95%CI（2.836～8.733），P＜0.001]、飲酒[95%CI（1.354～5.602），P=0.005]、有家族史[95%CI（1.534～5.443），P=0.001]是FDAV的獨立危險因素。ROC曲線下面積0.785，95%CI（0.702～0.868）。校準曲線斜率接近1，且H-L擬合優度檢驗χ2=6.141，P=0.189。外部驗證結果顯示：校準曲線斜率接近1，ROC曲線下面積為0.872，95%CI（0.817～0.927）。結論：FDAV與睡眠時間＜8 h、使用電腦時間≥3 h/d、飲酒、有家族史有關，基于以上4項獨立危險因素構建的列線圖模型在預測FDAV發生方面預測效能尚可。

[關鍵詞]女性遲發性痤瘡；危險因素；列線圖預測模型

[中圖分類號]R751" " [文獻標志碼]A" "[文章編號]1008-6455（2023）07-0001-06

Analysis of Risk Factors of Female Delayed Acne Vulgaris and Establishment of A Nomogram Prediction Model

CAO Yang1，LI Jing2

[ 1.Acupuncture-moxibustion and Tuina Ward （ Third Rehabilitation Department ）， 2.Department of Dermatology， Tangshan Traditional Chinese Medicine Hospital， Tangshan 063000， Hebei， China ]

Abstract： Objective" To analyze the risk factors of female delayed acne vulgaris （FDAV）， and to construct a nomogram prediction model of FDAV. Methods" From May 2020 to May 2022， 200 FDAV patients and 200 healthy volunteers who visited the dermatology clinic of Tangshan Traditional Chinese Medicine Hospital were selected， surveys were implemented through self-made questionnaires according to the reference literature， Logistic regression analysis was applied to screen the risk factors affecting the occurrence of FDAV; R software was used to build a nomogram model for predicting the risk of FDAV， and Bootstrap method was used for internal verification， verification set was used for external verification， ROC curve and calibration curve were carried out to evaluate the prediction efficiency of nomogram model. Results" Logistic regression analysis showed that sleep time of ＜8 h [95%CI （2.701-8.034）， P＜0.001]， computer time of ≥3 h/d [95%CI （2.836-8.733）， P＜0.001]， alcohol consumption [95%CI （1.354-5.602）， P=0.005] and family history [95%CI （1.534-5.443）， P=0.001] were independent risk factors for FDAV. The area under the ROC curve was 0.785 [95%CI （0.702-0.868）]. The slope of the calibration curve was close to 1， and the H-L goodness of fit test showed χ2=6.141， P=0.189. The external verification results showed that the slope of the calibration curve was close to 1， and the area under the ROC curve was 0.872 [95% CI （0.817- 0.927）]. Conclusion" FDAV is related to sleep time of ＜8 h， computer use time of ≥3 h/d， alcohol consumption， and family history. The nomogram prediction model constructed based on the above four independent risk factors has good predictive performance in predicting the occurrence of FDAV.

Key words： female delayed acne vulgaris; risk factors; nomogram prediction model

痤瘡是皮膚科常見疾病，好發于青春期[1]。女性遲發性痤瘡（FDAV）指25歲以后發病，數據顯示近幾年FDAV的發病率呈增高趨勢[2]。FDAV的確切病因不清，可能與遺傳因素、精神狀態、飲食習慣等有關[3-4]。查閱國內外相關文獻，可以發現，FDAV為多因素疾病，僅依靠某一項實驗室指標難以預測FDAV發生。因此，建議綜合多變量判別FDAV發生。如何早期篩查FDAV發生風險，再給予針對性的預防管理是現階段皮膚科領域研究的熱點。目前已經就FDAV發生展開了相關研究，但是現有研究側重于FDAV治療方面[5-6]，FDAV發生的獨立危險因素仍處于探索階段，未有定論，且目前尚缺乏篩 查FDAV發生風險的預測工具。列線圖模型是常用的風險預測模型，為可視化模型，可聯合多項預測變量，以統計學方法為基礎納至同一個多變量模型，以實現個體化預測臨床某事件發生風險[7-8]。本研究擬分析FDAV的危險因素，試構建預測FDAV發生的列線圖模型，旨在為篩查FDAV高風險人群與制定早期臨床干預方案提供有效參考。

1" 資料和方法

1.1 一般資料：遵循應變量事件數（Event per variable，EPV）（應變量發生的事件數需不少于模型中納入的自變量個數乘以的倍數）原則估計樣本量，Logistic回歸的經驗準則“EPV最低標準為10”，本研究共納入18個影響因素，至少需要180例（18×10=180）FDAV患者，本研究最終選擇收集FDAV患者200例，滿足最小樣本含量要求。

選取2020年5月-2022年5月就診于筆者醫院皮膚科門診的FDAV患者200例（病例1組）與200例健康志愿者（對照1組），為訓練集。另選取2022年6月-2022年12月就診于筆者醫院皮膚科門診的FDAV患者78例（病例2組）與78例健康志愿者（對照2組）作為驗證集對列線圖模型進行外部驗證，其中病例2組年齡（32.74±4.06）歲；文化程度小學及以下7例、初中16例、高中/中專20例、大專/本科23例、研究生以上12例。對照2組年齡（32.38±4.12）歲；文化程度小學及以下9例、初中14例、高中/中專22例、大專/本科20例、研究生以上13例。兩組年齡、文化程度比較差異無統計學意義（P＞0.05）。本研究已通過醫院醫學倫理委員會審核批準，患者對本研究知情，且自愿簽署知情同意書。

1.2 納入和排除標準

1.2.1 病例組納入標準：①符合FDAV診斷標準[9-10]；②年齡＞25歲；③女性。

1.2.2 對照組納入標準：①健康志愿者，均未并發FDAV；②年齡＞25歲；③女性。

1.2.3 排除標準：①處于妊娠期、哺乳期；②精神疾病；③惡性腫瘤；④心、肝、腎、內分泌系統疾病；⑤溝通障礙；⑥并發其他皮膚疾病；⑦青春期發生痤瘡。

1.3 研究方法

1.3.1 FDAV嚴重程度分級：評價患者的FDAV嚴重程度分級[11]，Ⅰ級（粉刺，少量皮疹、膿皰，病灶數＜30個）、Ⅱ級（粉刺，有中等數量的丘疹、膿皰，總病灶數在31～50個）、Ⅲ級（大量丘疹、膿皰，偶見炎癥皮損，分布廣泛，總病灶數在51～100個，結節＜3個）。

1.3.2 收集資料：年齡、體質指數（體質指數=體重/身高2，體重單位為kg，身高單位為m，體質指數單位為kg/m2）、文化程度、婚姻狀況、皮膚類型、性激素、是否清淡飲食、日曬時間、睡眠時間、使用電腦、飲酒（飲酒判斷標準：每周喝酒＞2次，烈酒＞50毫升/次或啤酒＞500毫升/次）、家族史、入睡時間、洗臉頻次、洗臉水溫、是否使用美白類護膚品、是否使用清潔類護膚品、是否使用控油類護膚品、是否使用防曬類護膚品、是否使用彩妝類護膚品、是否使用保濕類護膚品、有無生活壓力。

1.3.3 性激素：檢測睪酮、雌二醇、卵泡刺激素、孕酮、黃體生成素、催乳素共6項，均于月經期第3～5天晨起空腹采血，分離血清，保存待測。

1.4 統計學分析：用SPSS 25.0統計軟件處理數據，P＜0.05為差異有統計學意義。服從正態分布且方差齊性的計量資料采用均數±標準差（xˉ±s）描述，兩組組間比較采用獨立樣本t檢驗；計數資料采用頻數（%）描述，兩組組間比較采用卡方檢驗；等級資料采用頻數（%）描述，兩組組間比較采用秩和檢驗。將年齡、體質指數、文化程度等數個因素列為自變量，建立Logistic回歸模型，進行單因素分析與多因素分析（enter法），以明確FDAV的危險因素。將影響FDAV發生的危險因素引入R3.6.3軟件及rms程序包，構建預測FDAV的列線圖模型。采用Bootstrap法重復抽樣100次，對列線圖進行內部驗證，用驗證集對列線圖模型進行外部驗證。通過繪制ROC曲線與校準曲線評估列線圖模型預測FDAV發生的區分度、一致性。檢驗水準α=0.05。

2" 結果

2.1 病例組FDAV情況：病例1組FDAV情況見表1。

2.2 基于訓練集的一般資料分析：對照1組與病例1組在年齡、文化程度、婚姻狀況、卵泡刺激素、孕酮、催乳素、洗臉頻次、是否使用美白類護膚品、是否使用清潔類護膚品方面比較，差異不具有統計學意義（P＞0.05），在體質指數、皮膚類型、睪酮、雌二醇、黃體生成素、是否清淡飲食、日曬時間、睡眠時間、使用電腦、飲酒、家族史、入睡時間、洗臉水溫、是否使用控油類護膚品、是否使用防曬類護膚品、是否使用彩妝類護膚品、是否使用保濕類護膚品、有無生活壓力方面比較，差異有統計學意義（P＜0.05）。見表2。

2.3 基于訓練集的FDAV的多因素Logistic回歸分析：將FDAV可能的影響因素作為自變量（賦值情況見表3），包括體質指數、皮膚類型、睪酮、雌二醇、黃體生成素、是否清淡飲食、日曬時間、睡眠時間、使用電腦、飲酒、家族史、入睡時間、洗臉水溫、是否使用控油類護膚品、是否使用防曬類護膚品、是否使用彩妝類護膚品、是否使用保濕類護膚品、有無生活壓力，以有無FDAV作為因變量，經過SPSS驗證，各自變量之間不具有多重共線性，采用多因素Logistic回歸分析。結果顯示，睡眠時間＜8 h[95%CI（2.701～8.034），P＜0.001]、使用電腦時間≥3 h/d[95%CI（2.836～8.733），P＜0.001]、飲酒[95%CI（1.354～5.602），P=0.005）、有家族史[95%CI（1.534～5.443），P=0.001]是FDAV的獨立危險因素（P＜0.05）。見表4。

2.4 預測FDAV的列線圖模型建立：將表4篩選的危險因素（4項：睡眠時間、使用電腦時間、飲酒情況、家族史）引入R軟件，構建預測FDAV的列線圖模型。結果顯示，睡眠時間＜8 h得96.3分，使用電腦時間≥3 h/d得100分，飲酒得62.7分，有家族史得65.3分。見圖1。

2.5 預測FDAV的列線圖模型的驗證：ROC曲線下面積0.785，95%CI（0.702～0.868），見圖2。校準曲線斜率接近1，見圖3，且H-L擬合優度檢驗χ2=6.141，P=0.189。

2.6 列線圖模型的外部驗證：驗證集中對照組與病例組在睡眠時間、使用電腦、飲酒、家族史方面比較差異有統計學意義（P＜0.05），見表5。以表5數據對圖1列線圖模型予以外部驗證，結果顯示，ROC曲線下面積為0.872，95%CI（0.817～0.927），見圖4。校準曲線斜率接近1，見圖5。

3" 討論

痤瘡的病因復雜，非單一因素作用結果，很多因素均參與其發生、病情加重過程[12-13]。隨著社會進步與經濟發展，人們生活節奏變快、環境改變等，近幾年，皮膚科門診25歲以后發生痤瘡的就診患者數量較既往明顯增多，尤其是FDAV，開始受到關注。FDAV病程持久，頑固難治，嚴重影響患者容貌，對患者身心健康均產生不利影響[14-15]。然而，目前現代醫學尚未研制出理想藥物[16-17]。Logistic回歸分析結果顯示，睡眠時間＜8 h、使用電腦時間≥3 h/d、飲酒、有家族史是FDAV的獨立危險因素。為實現個體化預測FDAV發生，本研究試整合以上4項獨立危險因素，構建能預測FDAV發生的列線圖模型。

本研究基于Logistic回歸分析篩選出的4項獨立危險因素構建的預測FDAV發生的列線圖模型，據圖可知：①睡眠時間＜8 h增加列線圖預測模型評分96.3分，FDAV發生風險增加。生物鐘驅動機體的各項生理過程（例如新陳代謝），新陳代謝差自然影響睡眠，睡眠不足將增加痤瘡發生可能性。皮膚是機體的首道防線，是人體的最大器官，必須得到規律休整。充足的睡眠是維持皮膚穩態的重要條件，而成年女性因學業、工作等處于亞健康狀態，部分甚至存在睡眠障礙，進而難以維持皮膚穩態，增加痤瘡發生的可能性。②使用電腦時間≥3 h/d增加列線圖預測模型評分100分，FDAV發生風險增加。電腦在現階段大眾生活與工作中應用尤為普遍，暴露于電磁輻射的可能性較高。電磁輻射可穿透人體，對機體產生生物作用，吸收的能量越多自然電磁危害越明顯[18]。專家研究發現，凡是用電的日常家用設備均具有電磁輻射。考慮到電磁輻射呈“細微性”“累積性”等特征，大眾尚未能樹立對電磁輻射的正確認識，部分人群不知曉電磁輻射能損害皮膚屏障。電腦顯示屏表面有靜電，受聚集的灰塵影響，將直接輻射至使用者的皮膚裸露處（特別是面部），長期如此，很可能發生斑疹等，甚至皮膚病變[19]。根據該項結論建議，在日常生活或工作中，勿長時間操作電腦，合理控制電腦操作時間，調整適宜的屏幕亮度（屏幕亮度與電磁輻射呈正相關），正確擺放電腦位置，同時注意皮膚清潔。③飲酒增加列線圖預測模型評分62.7分，FDAV發生風險增加。分析原因可能是，酒精可造成機體免疫紊亂，如長期飲酒、過量飲酒，必然增加皮膚感染概率[20]。不僅如此，細菌等微生物通常具備乙醇脫氫酶活性，長期飲酒、過量飲酒情況下將使細菌等微生物產生乙醛[21]。④有家族史增加列線圖預測模型評分65.3分，FDAV發生風險增加。譚競宜等[22]認為，家族史是FDAV發生的獨立危險因素之一。支持本研究結論。FDAV發生與遺傳因素有關，特別是雄激素相關基因。有FDAV家族史的人群不僅FDAV發生風險高，且痤瘡程度普遍較嚴重。提示，要高度關注有FDAV家族史的人群，制定綜合防治方案。基于上述分析可以得知，FDAV是多因素疾病，其發生往往是多種因素相互作用的結果，不僅僅局限于本研究利用Logistic回歸分析出的4項獨立危險因素，各因素相互影響、促進，最終誘發FDAV發生、持續加重。當今社會，男性與女性的社會地位趨于平等，特別是女性人群，其擁有多重角色，職業女性數量持續增多，暴露于睡眠時間＜8 h、使用電腦時間≥3 h/d、飲酒等FDAV獨立危險因素的可能性極大增加，因此，在防治FDAV方面，除了給予針對性治療策略外，還要加大健康宣教力度，告誡成年女性要培養健康生活習慣，盡可能避免FDAV獨立危險因素，有FDAV家族史的人群更要提高警惕，科學、正確護膚，保持良好生活習慣與精神狀態。

本研究采用ROC曲線、校準曲線、H-L擬合優度檢驗對構建的列線圖預測模型予內部驗證，結果顯示基于Logistic回歸分析篩選出的4項獨立危險因素構建的列線圖模型在預測FDAV發生方面預測效能尚可。另外，本研究選取2022年6月-2022年12月就診于筆者醫院皮膚科門診的FDAV患者78例（病例2組）與78例健康志愿者（對照2組）作為驗證集對列線圖模型進行外部驗證，同樣說明，該模型區分度、校準度較好。

綜上，FDAV與睡眠時間＜8 h、使用電腦時間≥3 h/d、飲酒、有家族史有關，基于以上4項獨立危險因素構建的列線圖模型在預測FDAV發生方面預測效能尚可。

[參考文獻]

[1]彭鷹，劉毅.痤瘡藥物治療研究進展[J].中華皮膚科雜志，2023，56（2）：173-176.

[2]郁艷，翁文佳，李娟，等.青春期后痤瘡的研究進展[J].中國美容醫學，2021，30（5）：177-180.

[3]趙小越，吳景東，張小卿.中藥人工周期法治療遲發性女性痤瘡的研究進展[J].中國美容醫學，2023，32（4）：194-197.

[4]Mustafa A I， Kadah A S， Fawzy E M， et al. Serum Fetuin-A： A novel potential link between post-adolescent acne and insulin resistance[J]. J Clin Aesthet Dermatol，2022，15（12）：33-37.

[5]Romańska-Gocka K， Wo?niak M， Kaczmarek-Skamira E， et al. Abnormal plasma lipids profile in women with post-adolescent acne[J]. Postepy Dermatol Alergol，2018，35（6）：605-608.

[6]張佳玉.基于“女子以肝為先天”論治女性青春期后痤瘡[J].中國美容醫學，2023，32（2）：203-206.

[7]陳慧慧，陸真.個體化預測心臟瓣膜置換術后壓力性損傷發生風險的列線圖模型構建[J].實用心腦肺血管病雜志，2021，29（12）：40-46.

[8]付佳，田甜.糖尿病患者術中皮膚壓力性損傷風險列線圖預測模型的構建[J].中國醫科大學學報，2021，50（11）：1014-1019，1025.

[9]Goulden V， Clark S M， Cunliffe W J. Post-adolescent acne： a review of clinical features[J]. Br J Dermatol，1997，136（1）：66-70.

[10]中國痤瘡治療指南專家組.中國痤瘡治療指南（2019修訂版）[J].臨床皮膚科雜志，2019，48（9）：583-588.

[11]Witkowski J A， Parish L C. The assessment of acne： an evaluation of grading and lesion counting in the measurement of acne[J]. Clin Dermatol，2004，22（5）：394-397.

[12]賴慧容，段行武，賴慧穎，等.青春期后痤瘡患者的焦慮、抑郁及壓力調查分析[J].中國美容醫學，2017，26（4）：17-20.

[13]陳林姣，涂紹忠，張小敏，等.1990～2019年中國痤瘡疾病負擔變化的分析[J].中國循證醫學雜志，2021，21（11）：1252-1258.

[14]王子溪，王琪，李飛，等.成年女性痤瘡患者患病情況調查與風險因素探討[J].中華醫學美學美容雜志，2021，27（2）：133-138.

[15]Pektas S D， Cinar N， Duman D D， et al. The relationship among androgens， insulin resistance and ghrelin polymorphisms in post-adolescent male patients with severe acne vulgaris[J]. Postepy Dermatol Alergol，2020，37（5）：800-809.

[16]Moftah N H， Mansour A M， Ibrahim S M A. Clinical evaluation of efficacy of intralesional platelet-rich plasma injection versus 1 064 nm long-pulsed Neodymium：YAG laser in the treatment of inflammatory acne vulgaris in adolescent and post-adolescent patients： a prospective randomized split-face comparative study[J]. Lasers Med Sci，2022，37（5）：2471-2478.

[17]崔偉.逍遙散聯合異維A酸對青春期后中重度痤瘡患者IL-8和Qol-Acne評分的影響[J].中國美容醫學，2019，28（7）：123-126.

[18]魏思奇，黃綠萍.光聲電設備職業防護的研究現狀[J].中國美容整形外科雜志，2022，33（6）：374-377.

[19]陳純海，馬秦龍，陶嘉雯，等.太赫茲輻射暴露致小鼠皮膚損傷效應研究[J].第三軍醫大學學報，2020，42（23）：2282-2289.

[20]徐改陽.慢性飲酒對兩種炎癥性皮膚病小鼠模型的作用研究[D].沈陽：中國醫科大學，2024.

[21]葛會美.不良生活習性對青少年痤瘡患者Th17、Treg、sIL-2R及TNF-α表達的調控作用研究[D].青島：青島大學，2017.

[22]譚競宜，張照明.青春期后痤瘡的發病因素及紅藍光聯合強脈沖光治療的效果分析[J].中國美容醫學，2021，30（6）：94-98.

[收稿日期]2023-04-23

本文引用格式：曹洋，李婧.女性遲發性痤瘡的危險因素分析及列線圖預測模型的建立[J].中國美容醫學，2024，33（7）：1-6