糖尿病周圍神經病變風險預測模型的系統評價與Meta分析

基金項目"貴州省衛生健康委科學技術基金項目，編號：gzwkj2024-062

作者簡介"趙思思，護士，碩士研究生在讀

* 通訊作者"張春玲，E-mail：1277319952@qq.com

引用信息"趙思思，張春玲，陳露，等.糖尿病周圍神經病變風險預測模型的系統評價與Meta分析［J］.循證護理，2025，11（1）：7-12.

Abstract Objective：To systematically evaluate the quality of risk prediction models for diabetic peripheral neuropathy（DPN）and provide a reference for improving existing models and establishing new models.Methods：Literature related to the construction of risk prediction models for DPN were retrieved from PubMed，the Cochrane Library，EMbase，Web of Science，CBM，CNKI，VIP，and WanFang Database from the establishment of the database to April 1，2024.The quality of the included prediction model studies was assessed using the PROBAST tool，and the key predictors were Meta-analyzed using RevMan 5.4 software.Results：A total of 12 articles were included in this study involving 23 380 patients ，and 19 DPN risk prediction models were constructed.Among them，11 articles were calibrated and 9 articles were validated.The PROBAST evaluation results showed that all 12 articles were at high risk of bias.The predictive factors mainly included basic factors，disease factors，and laboratory test indicators.Meta-analysis results showed that glycosylated hemoglobin（OR=1.54，95%CI 1.38?1.72，Z=7.55，Plt;0.001），age（OR=1.10，95%CI 1.00?1.20，Z=2.06，P=0.040），and diabetic course（OR=1.22，95%CI 1.14?1.30，Z=5.95，Plt;0.001）were predictive factors for DPN.Conclusions：current evidence shows that the prediction model of DPN is still in the exploratory stage.In the future，a prediction model with low bias risk and strong applicability should be selected or developed according to the actual clinical situation，and its prediction effect should be continuously monitored in practical applications.At the same time，medical staff should pay high attention to the patient's glycated hemoglobin level，age，and course of disease，in order to detect DPN earlier and take targeted prevention and treatment measures.

Keywords "diabetic peripheral neuropathy；risk prediction model；systematic review；Meta-analysis；evidence-based nursing

摘要""目的：對糖尿病周圍神經病變（DPN）風險預測模型的質量進行系統評價，為現有模型的改進和新模型的建立提供參考依據。方法：檢索PubMed、the Cochrane Library、EMbase、Web of Science、中國生物醫學文獻數據庫、中國知網、維普數據庫、萬方數據庫發表的有關構建DPN風險預測模型的研究，檢索時限為建庫至2024年4月1日。采用PROBAST工具對納入的預測模型研究進行質量評估，并利用RevMan 5.4軟件對關鍵預測因子進行Meta分析。結果：本研究共納入12篇文獻，涉及23 380例病人，共構建了19個DPN風險預測模型。其中11篇文獻進行了模型校準，9篇文獻進行了模型驗證。預測模型研究的偏倚風險評估工具（PROBAST）評價結果表明，12篇文獻均為高偏倚風險。預測因子主要包括基本因素、疾病因素及實驗室檢查指標3類。Meta分析結果顯示，糖化血紅蛋白［OR=1.54，95%CI（1.38，1.72），Z=7.55，Plt;0.001］、年齡［OR=1.10，95%CI（1.00，1.20），Z=2.06，P=0.040］、糖尿病病程［OR=1.22，95%CI（1.14，1.30），Z=5.95，Plt;0.001］是DPN的預測因子。結論：現有證據顯示，DPN的預測模型仍處于探索階段，未來應根據臨床實際情況選擇或開發一種偏倚風險低、適用性強的預測模型，并在實際應用中持續監測其預測效果。同時，醫護人員應高度關注病人的糖化血紅蛋白水平、年齡及病程，以期早期發現DPN，并采取有針對性的預防和治療措施。

關鍵詞""糖尿病周圍神經病變；風險預測模型；系統評價；Meta分析；循證護理

doi：10.12102/j.issn.2095-8668.2025.01.002

糖尿病周圍神經病變（diabetic peripheral neuropathy，"DPN）是指糖尿病病人在排除其他潛在病因后出現的周圍神經功能障礙，是糖尿病病人最為常見的并發癥之一［1］。10%～15%的糖尿病病人在確診時已伴有周圍神經病變，且在病程超過5年的糖尿病病人中，有50%以上的病人會伴有不同程度的周圍神經損傷［2?3］。DPN病人主要表現為雙側肢體感覺異常、麻木、疼痛等，嚴重時可并發足部潰瘍，甚至導致截肢，對病人的生活質量、身心健康構成了嚴重威脅［4］。研究發現，早期識別并處理DPN可有效減輕或避免負面影響，從而提高病人的生活質量［5］。因此，早期發現并有效管理其可調控的危險因素變得尤為迫切，對于DPN的早期預防與治療至關重要。目前，國內外關于DPN預測的研究大多局限于特定地區醫院的小規模人群，其樣本的代表性和結論的普適性存在局限，這在一定程度上限制了研究成果的應用范圍與深度。因此，本研究旨在系統評價當前有關DPN風險預測模型的研究現狀，以期為臨床實踐提供指導，幫助護理人員選擇性能優越、適用性強的DPN風險預測模型，從而實現對DPN病人的早期識別和干預。本研究已在PROSPERO平臺注冊（注冊號：CRD42024539845），并通過所在單位倫理委員會審查（編號：7）。

1 資料與方法

1.1 納入及排除標準

納入標準：1）研究對象為已確診糖尿病的病人且年齡≥18歲；2）研究類型為病例對照研究、隊列研究和橫斷面研究；3）研究內容為構建DPN風險預測模型的相關研究。排除標準：1）僅為影響因素分析，未涉及模型的建立；2）無法獲取全文或數據不可用；3）非中英文文獻；4）基于系統評價構建的風險預測模型。

1.2 文獻檢索策略

計算機檢索PubMed、the Cochrane Library、EMbase、Web of Science、中國生物醫學文獻數據庫、中國知網、維普數據庫、萬方數據庫中發表的有關構建DPN風險預測模型的研究，檢索時限為建庫至"2024年4月1日。中文檢索詞為：“糖尿病”“神經”“預測模型/風險預測/風險評估/風險評分/模型/列線圖”；英文檢索詞為：“diabetes/diabetes mellitus/diabetic”“neuropathy/polyneuropathy/peripheral neuropathy”“prediction model/risk assessment/risk prediction/risk score/model/nomogram”。同時將符合要求的參考文獻納入進行補充。以Web of Science為例，英文檢索策略如下：

#1 "（（TI=（diabetes）"OR TI=（diabetes mellitus））"OR TI=（diabetic）

#2 "（（TI=（neuropathy）"OR TI=（polyneuropathy））"OR TI=（peripheral neuropathy）

#3 "（（（（（TI=（prediction model）"OR TI=（risk assessment））"OR TI=（risk prediction））"OR TI=（risk score））"OR TI=（model））"OR TI=（nomogram）

#4 "#1 AND #2 AND"#3

1.3 數據提取與分析

由2名研究者獨立完成文獻篩選和資料提取，并進行交叉核對，當存在不一致的意見或結果時，由第3名研究者介入裁定。提取的資料主要包含發表年份、第一作者、國家、研究類型、樣本量、建模方法、建模數量、受試者工作特征曲線下面積（AUC）、校準方法、模型驗證方法、風險預測模型包含的預測因子。

1.4 偏倚風險及適用性評價

分別由2名研究者運用預測模型研究的偏倚風險評估工具（PROBAST）［6］對納入研究的偏倚風險及適用性進行評價。

1.5 統計學方法

采用RevMan 5.4進行分析，提取文獻中的比值比（OR）及95%置信區間（CI）描述合并效應量。納入研究的異質性用I2值評估，如異質性明顯則采用隨機效應模型，如異質性不明顯則采用固定效應模型，計算各預測因子合并的OR值和95%CI；采用逐篇剔除文獻法進行敏感性分析。以Plt;0.05為差異有統計學意義。

2 結果

2.1 文獻檢索結果

初步檢索得到文獻3 654篇，去除重復文獻510篇；閱讀題目和摘要后，去除3 089篇；閱讀全文后，去除43篇，最終納入12篇文獻［7?18］。文獻篩選流程及結果見圖1。

2.2 納入研究的基本特征

納入的12項研究［7?18］中，有9項研究［7?8，10?14，16，18］為病例對照研究，3篇［9，15，17］為橫斷面研究，共涉及23 380例病人。其中，我國開展的研究有11項［7?14，16?18］，埃塞俄比亞開展的研究有1項［17］。12項研究中共構建了19個DPN風險預測模型，建模方法多為Logistic回歸分析和Lasso回歸分析；19個風險預測模型的AUC為0.732～0.944，有18個風險預測模型進行了Hosmer?Lemeshow擬合優度檢驗（H?L檢驗）和（或）校準曲線校準，15個風險預測模型進行了外部驗證和（或）內部驗證；19個風險預測模型各包括4～10個預測因子。納入研究及風險預測模型基本特征見表1。

2.3 文獻質量評價

在研究對象方面，納入的12項研究數據均來源于回顧性研究，開展研究時研究對象的結局指標已知，均被評為高偏倚風險；在預測因子方面，3項研究［13，15?16］的數據來源于多中心醫療機構，其收集數據的方式可能存在差異性，偏倚風險被評為高風險。在數據分析方面，12項研究均未提及缺失數據的處理，因此12項研究均被評為高風險。整體評估方面，12項研究均為高風險。模型的研究對象、預測因子、結果方面適用性均為好。見表2。

2.4 Meta分析結果

對納入研究的預測因子進行分類分析，可概括為基本因素、疾病因素、實驗室檢查指標3類。1）基本因素包括年齡、婚姻狀態、體質指數、文化程度、體力活動、飲酒、腰圍、性別；2）疾病因素包括糖尿病病程、高血壓、合并糖尿病視網膜病變、糖尿病腎病、冠心病史、動脈粥樣硬化史、血脂異常史、血糖控制情況、其他合并癥、治療類型；3）實驗室指標包括糖化血紅蛋白、餐后2 h C肽、尿微量白蛋白、三酰甘油、三碘甲狀腺原氨酸、血流變化率、胰島素抵抗指數、絲氨酸蛋白酶抑制劑、新型分泌蛋白、空腹"C 肽、中性粒細胞絕對值、單核細胞絕對值、血肌酐、預后營養指數、白細胞計數、紅細胞計數、25 ?羥維生素D3、空腹血糖、餐后2 h血糖、尿酸、低密度脂蛋白膽固醇、高密度脂蛋白膽固醇。對3篇及3篇文獻以上的預測因子進行Meta分析，結果表明，糖化血紅蛋白、年齡、糖尿病病程是DPN的風險預測因子（Plt;0.05）。見表3。逐篇剔除文獻后進行敏感性分析，結果無差異。其中，4篇文獻［7，11，13，16］可能是導致年齡出現異質性的主要來源，去除這4項研究后，剩余3篇［8，17?18］不存在異質性（I2=0，P=0.63），采用固定效應模型進行Meta分析，結果顯示，年齡是DPN病人的風險預測因子［OR=1.05，95%CI（1.03，1.06），Z=6.89，Plt;0.001］。

3 討論

3.1 DPN風險預測模型的研究尚處于發展階段

本研究結果顯示，現有的DPN風險預測模型AUC均gt;0.7，但整體偏倚風險偏高，具體原因如下。3.1.1 研究對象領域

本研究納入的文獻均采取回顧性調查方法，可能存在由于已知陽性結局導致的潛在結果錯誤分類和數據回憶偏倚問題，進而增加模型假陽性的風險［19］。在未來選擇構建模型數據時，應盡可能選擇前瞻性研究，避免結果已知導致的偏倚；同時，在選擇研究對象時，應設定清晰、合理的納入標準，確保研究樣本的代表性和同質性。

3.1.2 預測因子領域

本研究中嚴紅霞［14］的研究基于炎性復合指標篩選預測因子，根據已知炎性復合指標進行預測因子的納入造成高偏倚風險。因此，為了確保模型的準確性和可靠性，降低潛在的風險和偏倚，模型的構建應遵循統一的測量方法和定義來選取預測因子。

3.1.3 結果和統計分析領域

結局的主觀判斷可能導致偏倚的發生。為了降低這種偏倚并提高研究的可靠性，可以參照臨床指南或權威期刊文獻中的結局定義［20］。本研究納入文獻中未提及缺失數據處理的問題，建議采用多重插補法來彌補這一不足，以增加模型的穩定性［21?22］。此外，本研究納入的文獻中，有11項研究來自中國，且均為近5年發表，反映了中國學者對DPN領域的持續關注以及預測模型構建方法的積極探索，未來應多關注模型內部驗證和（或）外部驗證。這包括在更大范圍的樣本、不同地理區域以及更長的時間跨度內進行驗證，以確保模型具有廣泛的適用性和穩定性。基于上述研究，針對未來DPN風險預測模型的構建和驗證研究，建議按照PROBAST工具的相關條目來開展，以確保研究的嚴謹性，減少偏倚風險。

3.2 DPN預測模型預測因子分析

本研究結果顯示，DPN的風險預測因子主要包括以下3個方面：基本因素、疾病因素、實驗室檢查指標。對3篇及3篇文獻以上的預測因子進行Meta分析，發現糖化血紅蛋白、年齡、病程是DPN的風險預測因子。研究發現，糖化血紅蛋白升高時自由基增加，糖基化終產物積聚，導致血管內皮細胞的抗血小板聚集能力受損，從而促進斑塊內新生血管形成，使DPN更容易發生［23?24］。因此，糖化血紅蛋白與DPN的發生、發展有著密切聯系。李新強等［25］研究顯示，年齡是DPN的獨立危險因素。隨著年齡的增長，人體內部的細胞和組織會經歷自然的衰退過程。在這個過程中，分子層面和細胞層面的損傷會逐漸累積。其中，軸索損傷和脫髓鞘是神經系統衰老的兩個重要表現，并進一步導致DPN的發生與發展。這些損傷可能包括細胞膜的損傷、蛋白質功能的下降、DNA的突變等。此外，DPN 的患病率隨糖尿病持續時間而增加。研究顯示，糖尿病病程≥5 年與DPN發生發展明顯相關［26］。本研究結果顯示，體質指數不是DPN的風險預測因子，可能是各研究人群間存在異質性，這與余鑫華等［27］的研究結果一致。但也有研究顯示，體質指數是DPN發生的危險因素［28］。因此，體質指數與DPN的關聯仍需進一步探究。

3.3 本研究的局限性

1）考慮到不同研究人群、研究設計和模型結果評價指標的差異，很難將不同結果進行整合及Meta分析，僅進行了定性綜述；2）部分文獻未對模型進行校準、缺乏驗證方式以及未告知缺失數據的處理，可能會導致結果的偏倚。3）納入文獻的偏倚風險均較高，應謹慎對待其研究結果。

4 小結

糖化血紅蛋白、年齡、病程是DPN的高危因素，預測模型整體性能良好。但部分模型缺乏內部驗證和（或）外部驗證，其外推性得不到保證，未來需要更多的臨床數據優化模型，為DPN的早期干預和治療提供更加有力的幫助。

參考文獻：

[1] 中華醫學會糖尿病學分會神經并發癥學組.糖尿病神經病變診治專家共識（2021年版）[J].中華糖尿病雜志，2021，13（6）：540-557.

[2] POP-BUSUI R，BOULTON A J，FELDMAN E L，et al.Diabetic neuropathy：a position statement by the American Diabetes Association[J].Diabetes Care，2017，40（1）：136-154.

[3] 中華醫學會《中華全科醫師雜志》編輯委員會，中華醫學會神經病學分會肌電圖與臨床神經生理學組.糖尿病周圍神經病基層診治管理專家指導意見（2019年）[J].中華全科醫師雜志，2019，18（6）：519-528.

[4] 金潔雯，李延兵.論糖尿病周圍神經病變的診治要點[J].實用醫學雜志，2022，38（14）：1715-1719.

[5] 龍艷，靖瓛，黃帥立，等.中醫體質調理對早期無癥狀型糖尿病周圍神經病變的影響[J].廣州中醫藥大學學報，2024，41（5）：1136-1143.

[6] WOLFF R F，MOONS K G M，RILEY R D，et al.PROBAST：a tool to assess the risk of bias and applicability of prediction model studies[J].Annals of Internal Medicine，2019，170（1）：51-58.

[7] 梁玲霞，趙猛，李樹法，等.DPN患者周圍神經傳導速度的影響因素及預測價值分析[J].醫學研究雜志，2021，50（10）：55-59.

[8] 王艷.2型糖尿病并發周圍神經病變風險的列線圖預測模型構建[D].烏魯木齊：新疆醫科大學，2023.

[9] 李夢圓，馬學婭，張小玉，等.2型糖尿病患者周圍神經病變預測模型的構建[J].護理學雜志，2023，38（18）：44-48.

[10] 寧改君，史麗，鄧文娟，等.個體化預測2型糖尿病患者并發周圍神經病變風險的列線圖模型的建立[J].現代預防醫學，2019，46（5）：798-803.

[11] 莊翠俠，楊俊平，王妍，等.基于少數類樣本合成過抽樣技術算法2型糖尿病合并周圍神經病變風險預警模型構建[J].臨床軍醫雜志，2023，51（9）：952-955.

[12] 吳敏麗，林楚佳.糖尿病周圍神經病變診斷預測模型的建立和驗證[J].汕頭大學醫學院學報，2023，36（4）：215-219.

[13] 李永生，張學良，李丞，等.2型糖尿病周圍神經病變風險的列線圖預測模型研究[J].中國全科醫學，2022，25（6）：675-681.

[14] 嚴紅霞.基于炎性復合指標的糖尿病周圍神經病變臨床預測模型的構建與評價[D].昆明：昆明醫科大學，2023.

[15] GELAW N B，MUCHE A A，ALEM A Z，et al.Development and validation of risk prediction model for diabetic neuropathy among diabetes mellitus patients at selected referral hospitals，in Amhara regional state northwest Ethiopia，2005-2021[J].PLoS One，2023，18（8）：e0276472.

[16] LI Y S，LI Y N，DENG N，et al.Training and external validation of a predict nomogram for type 2 diabetic peripheral neuropathy[J].Diagnostics，2023，13（7）：1265.

[17] WU B R，NIU Z Y，HU F.Study on risk factors of peripheral neuropathy in type 2 diabetes mellitus and establishment of prediction model[J].Diabetes amp; Metabolism Journal，2021，45（4）：526-538.

[18] ZHANG W L，CHEN L L.A nomogram for predicting the possibility of peripheral neuropathy in patients with type 2 diabetes mellitus[J].Brain Sciences，2022，12（10）：1328.

[19] 牛喆昀，沈佳瑩，張子涵，等.預測模型在臨床研究中的應用[J].上海預防醫學，2023，35（1）：56-65.

[20] 王伊娜，徐亦虹，柳小琳，等.肝切除術后患者肝功能衰竭風險預測模型的系統評價[J].中華護理雜志，2023，58（12）：1496-1504.

[21] VERGOUWE Y，ROYSTON P，MOONS K G，et al.Development and validation of a prediction model with missing predictor data：a practical approach[J].Journal of Clinical Epidemiology，2010，63（2）：205-214.

[22] GU K M，MIN S H，CHO J.Sleep duration and mortality in patients with diabetes：results from the 2007-2015 Korea national health and nutrition examination survey[J].Diabetes amp; Metabolism，2022，48（3）：101312.

[23] TECELLIOGLU M，ALAN S，KAMISLI S，et al.Hemoglobin A1c-related histologic characteristics of symptomatic carotid plaques[J].Nigerian Journal of Clinical Practice，2019，22（3）：393-398.

[24] CATAN A，TURPIN C，DIOTEL N，et al.Aging and glycation promote erythrocyte phagocytosis by human endothelial cells：potential impact in atherothrombosis under diabetic conditions[J].Atherosclerosis，2019，291：87-98.

[25] 李新強，梁輝團，侯冬梅，等.門診2型糖尿病患者糖尿病周圍神經病變的患病率及危險因素調查[J].糖尿病新世界，2024，27（1）：171-173.

[26] KHAWAJA N，ABU-SHENNAR J，SALEH M，et al.The prevalence and risk factors of peripheral neuropathy among patients with type 2 diabetes mellitus;the case of Jordan[J].Diabetology amp; Metabolic Syndrome，2018，10：8.

[27] 余鑫華，王江，張杰濤.1型糖尿病性亞臨床周圍神經病變相關危險因素分析[J].中國當代醫藥，2024，31（7）：87-91.

[28] 金輝，孫佳佳，姚勝紅，等.2型糖尿病患者發生糖尿病周圍神經病變的影響因素分析[J].系統醫學，2020，5（23）：76-78.

（收稿日期：2024-07-11;修回日期：2024-12-10）

（本文編輯"張建華）