CN108877943A - 基于循证医学证据的ii型糖尿病风险评估模型 - Google Patents

基于循证医学证据的ii型糖尿病风险评估模型 Download PDF

Info

Publication number
CN108877943A
CN108877943A CN201810645134.7A CN201810645134A CN108877943A CN 108877943 A CN108877943 A CN 108877943A CN 201810645134 A CN201810645134 A CN 201810645134A CN 108877943 A CN108877943 A CN 108877943A
Authority
CN
China
Prior art keywords
risk
type
diabetes mellitus
complication
factor
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201810645134.7A
Other languages
English (en)
Inventor
王耀刚
王媛
杨洪喜
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Tianjin Medical University
Original Assignee
Tianjin Medical University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Tianjin Medical University filed Critical Tianjin Medical University
Priority to CN201810645134.7A priority Critical patent/CN108877943A/zh
Publication of CN108877943A publication Critical patent/CN108877943A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment

Landscapes

  • Health & Medical Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Medical Informatics (AREA)
  • Public Health (AREA)
  • Biomedical Technology (AREA)
  • Data Mining & Analysis (AREA)
  • Databases & Information Systems (AREA)
  • Pathology (AREA)
  • Epidemiology (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Investigating Or Analysing Biological Materials (AREA)

Abstract

本发明公开了一种基于循证医学证据的II型糖尿病风险评估模型，由以下步骤构建：步骤1，识别II型糖尿病及其并发症的危险因素；步骤2，获取II型糖尿病及其并发症危险因素合并效应量的风险度即OR值；步骤3，构建基于循证医学证据的II型糖尿病风险评估模型；步骤4，计算II型糖尿病及其并发症危险因素的基准发病比例；步骤5，计算II型糖尿病及其并发症危险因素的危险分数；步骤6，计算II型糖尿病及其并发症危险因素的组合危险分数。本发明的模型提供了各个危险因素对疾病发病的作用，从而识别出可改变因素与不可改变因素对发病的贡献程度，对于提高风险人群筛查的准确性，降低疾病的发病率，具有重要的意义。

Description

基于循证医学证据的II型糖尿病风险评估模型
技术领域
本发明涉及糖尿病风险评估领域，特别是涉及一种基于循证医学证据的II型糖尿病风险评估模型。
背景技术
随着老龄化进程的加速和生活方式的转变，我国糖尿病的患病率正呈快速上升的趋势。2013年中华医学会糖尿病分会公布的我国糖尿病流行病学调查结果显示，30岁及以上成人糖尿病患病率高达11.6％，其中90.0％以上为II型糖尿病。II型糖尿病控制不当极易引起各种并发症，给患者带来生理、心理以及经济上的沉重负担。II型糖尿病的发病风险高低主要取决于危险因素的数目和危险度，有些危险因素不可改变，例如年龄、家族遗传史或遗传倾向、种族等；另一些危险因素是可以改变的，例如超重、肥胖、饮食热量摄入过高、体力活动减少、摄入可增加糖尿病发病风险的药物、致肥胖或糖尿病的社会环境等。依据糖尿病的三级预防策略，通过各种干预措施降低糖尿病危险因素的水平，可以有效预防糖尿病及其并发症的发生和发展，提高防控效果，延缓糖尿病的发展，减少并发症的发生，提高糖尿病患者的生命质量。针对II型糖尿病及其并发症所构建的发病风险预测模型可对个体未来某一特定时间内的发病概率进行预测，从而对II型糖尿病及其并发症的预防和治疗提供参考。
近年来，疾病风险评估研究主要包括四个步骤：①选择要预测的疾病(病种)；②不断发现并确定与该疾病发生有关的危险因素；③应用适当的预测方法建立疾病风险预测模型；④验证评估模型的正确性和准确性。
疾病风险评估的方法主要有两种：第一种是建立在单一危险因素与发病率基础上的单因素加权法，即将这些单一因素与发病率的关系以相对危险性表示其强度，得出的各相关因素的加权分数即为患病的危险性。由于这种方法简单实用，不需要大量的数据分析，是健康管理发展早期的主要危险性评价方法。第二种方法是建立在多因素数理分析基础上的多因素模型法，即建立统计学概率理论的方法得出患病危险性与危险因素之间的关系模型。所采用的数理方法，除常见的多元回归(logistic回归和Cox回归)外，还有基于模糊数学的神经网络方法等。近年来，国内外对于糖尿病及其并发症危险因素的研究已经积累了大量的数据，但由于样本含量偏少，标准不统一等因素的影响，各个研究质量及结论存在较大差异。
发明内容
本发明的目的在于克服现有技术存在的不足，提供了一种基于循证医学证据的II型糖尿病风险评估模型，该模型更为科学和可靠。
为此，本发明的技术方案如下：
一种基于循证医学证据的II型糖尿病风险评估模型，由以下步骤构建：
步骤1，识别II型糖尿病及其并发症的危险因素；
步骤2，获取II型糖尿病及其并发症危险因素合并效应量的风险度即OR值；
步骤3，基于步骤2所述的OR值构建基于循证医学证据的II型糖尿病风险评估模型；
步骤4，计算II型糖尿病及其并发症危险因素的基准发病比例；
步骤5，计算II型糖尿病及其并发症危险因素的危险分数；
步骤6，计算II型糖尿病及其并发症危险因素的组合危险分数。
在上述技术方案中，所述识别II型糖尿病及其并发症的危险因素包括如下步骤：
检索有关糖尿病及其并发症的危险因素的荟萃分析文献，其中，中文检索词包括：糖尿病、危险因素、相关因素、影响因素、发病因素；英文检索词包括：diabetes、risk、association、meta、review，提取所述文献中涉及的II型糖尿病及其并发症的危险因素。
在上述技术方案中，对于两篇以上研究同一危险因素与糖尿病关联的所述荟萃分析文献，选取发表日期最新的文献。
在上述技术方案中，在所述步骤2中，从所述文献中获取所述OR值。
在上述技术方案中，在所述步骤3中，构建基于循证医学证据的II型糖尿病风险评估模型的方法为：
采用SAS 9.2进行建模后，得到II型糖尿病及其并发症风险评估危险分数转换表。
在上述技术方案中，在所述步骤4中，所述II型糖尿病及其并发症危险因素的基准发病比例为具有最低危险因素的个体发病率与人群总发病率的比值，其计算方法为：
其中，BIR为基准发病比例；
Pi为暴露于某一水平危险因素的个体占全人群的比例，从所述文献中查得；
RRI为暴露于某一水平危险因素的相对危险度，从所述文献中查得；
n为危险因素的个数。
在上述技术方案中，在所述步骤5中，II型糖尿病及其并发症危险因素的危险分数计算方法为：
危险分数＝相对危险度×基准发病比例。
在上述技术方案中，在所述步骤6中，II型糖尿病及其并发症危险因素的组合危险分数计算公式为：
P＝(P1-1)+(P2-1)+…+(Pi-1)+Q1×Q2×…×Qj
其中，
P为组合危险分数；
Pi为≥1的每项危险分数；
Qj为＜1的每项危险分数；
i和j均为危险因素个数。
本发明具有以下有益效果：
1、本发明基于循证医学中的荟萃分析(meta分析)和流行病学统计原理，根据现有的研究资料，对单个研究结果进行综合再分析，精准计算II型糖尿病及其并发症患病风险，具有极大的理论价值和应用价值。
2、本发明的模型提供了各个危险因素对疾病发病的影响大小，从而识别出可改变因素与不可改变因素对发病的贡献程度，对于提高风险人群筛查的准确性，降低疾病的发病率，具有重要的意义。
3、本发明的模型可用于中国人群II型糖尿病及其并发症的筛查，为个性化的干预措施提供科学参考和依据。
具体实施方式
下面结合具体实施例进一步说明本发明的技术方案。
实施例1
一种基于循证医学证据的II型糖尿病风险评估模型，其构建方法包括以下步骤：
步骤1，识别II型糖尿病及其并发症的危险因素；
在中国知网、万方数据库和Pubmed中检索各数据库自建库至检索日有关糖尿病及其并发症(糖尿病肾病、糖尿病视网膜病、糖尿病足)危险因素的Meta分析文献。中文检索词包括：糖尿病、危险因素、相关因素、影响因素、发病因素；英文检索词包括：diabetes、risk、association、meta、review，若有两篇以上研究同一危险因素与糖尿病关联的meta分析文献，则选取发表日期最新的文献。提取文献中涉及的II型糖尿病及其并发症的危险因素。
步骤2，获取II型糖尿病及其并发症危险因素合并效应量的风险度(OR值)；
从文献中获取II型糖尿病及其并发症危险因素合并效应量的风险度(OR值)，如表1～4所示。
表1 II型糖尿病发病危险因素的合并效应量
表2糖尿病肾病危险因素的合并效应量
表3糖尿病视网膜病危险因素的合并效应量
表4糖尿病足危险因素的合并效应量
步骤3，构建基于循证医学证据的II型糖尿病风险评估模型。
方法为：
采用SAS 9.2对基于表1-4中的OR值进行建模后，得到II型糖尿病及其并发症风险评估危险分数转换表，如表5～9所示。
表5男性各年龄段II型糖尿病风险评估危险分数转换表
表6女性各年龄段II型糖尿病风险评估危险分数转换表
表7糖尿病肾病风险评估危险分数转换表
危险因素 基准发病比例 危险分数
性别 0.6252 1.3568
吸烟 0.8146 1.5722
高血压 0.8618 1.4650
血脂异常 0.9091 1.3001
糖尿病病程 0.9262 1.1115
糖尿病家族史 0.7010 2.2431
超重 0.9811 1.0694
HbAc1≥8％ 0.9018 1.2985
表8糖尿病视网膜病风险评估危险分数转换表
危险因素 基准发病比例 危险分数
性别 0.7278 1.2591
病程 0.8257 1.2633
高血压 0.8779 1.3168
血脂异常 0.9169 1.2745
糖尿病肾病 0.6303 1.8152
HbAc1≥8％ 0.8577 1.4324
表9糖尿病足风险评估危险分数转换表
危险因素 基准发病比例 危险分数
病程 0.5176 1.7288
周围血管病变 0.9961 1.0857
周围神经病变 0.3961 2.0362
HbAc1≥8％ 0.9119 1.2676
高血压 0.8370 1.4229
步骤4，计算II型糖尿病及其并发症危险因素的基准发病比例；
基准发病比例是具有最低危险因素的个体发病率与人群总发病率的比值，其计算方法为：
其中，BIR为基准发病比例；
Pi为暴露于某一水平危险因素的个体占全人群的比例，从文献中查得；
RRi为暴露于某一水平危险因素的相对危险度，从文献中查得；
n为危险因素的个数。
步骤5，计算II型糖尿病及其并发症危险因素的危险分数，具体计算方法为：
危险分数＝相对危险度×基准发病比例。
步骤6，计算II型糖尿病及其并发症危险因素的组合危险分数，具体计算方法为：
将危险分数大于1.0的各项分别减去1.0后的剩余数值作为相加项分别相加；将小于或等于1.0的各危险分数值作为相乘项分别相乘，计算公式为：
P＝(P1-1)+(P2-1)+…+(Pi-1)+Q1×Q2×…×Qj(2)
其中，
P为组合危险分数；
Pi为≥1的每项危险分数；
Qj为＜1的每项危险分数；
i和j均为危险因素个数。
实施例2
应用本发明的II型糖尿病风险评估模型对某37岁女性进行II型糖尿病疾病发病风险的评估。
某女性，37岁，无高血压，无糖尿病家族史，无空腹血糖受损，无血脂异常，不参加体育锻炼，超重(BMI≥24)，腰围≥80cm。依据上述情况，查询表6，可得到各因素对应的危险分数，依次为：0.877803、0.9242、0.950272、0.847613、1.0081、1.636017、1.8187。
利用公式(2)计算组合危险分数：
＝0.877803*0.9242*0.950272*0.847613+(1.0081-1)+(1.636017-1)+(1.8187-1)＝2.11626。
针对该名女性的情况，不参加体育锻炼，超重，腰围≥80cm均属于可变行为因素，如果控制这些因素，达到正常水平后，则对应项的危险分数可转变为：0.877803、0.9242、0.950272、0.847613、0.8318、0.681674、0.733347。
则此时再利用公式(2)计算组合危险分数：
＝0.877803*0.9242*0.950272*0.847613*0.8318*0.681674*0.733347＝0.2717。
由此可见，采取健康行为后，该女性II型糖尿病疾病发病风险下降了87.16％。说明改变不参加体育锻炼的习惯，减重，减腰围均能大大降低该名女性II型糖尿病疾病的发病风险。
本发明基于循证医学数据，识别II型糖尿病及其三种主要并发症(糖尿病肾病、糖尿病足、糖尿病视网膜病)的主要危险因素，借助meta分析的合并效应量，并结合疾病风险评估方法，构建了II型糖尿病及其并发症风险评估模型。该方法弥补了国内糖尿病并发症发病风险预测模型通常建立在小样本和短时间队列数据的基础上的缺陷，更为科学和可靠。

Claims (8)

1.一种基于循证医学证据的II型糖尿病风险评估模型，其特征在于，由以下步骤构建：
步骤1，识别II型糖尿病及其并发症的危险因素；
步骤2，获取II型糖尿病及其并发症危险因素合并效应量的风险度即OR值；
步骤3，基于步骤2所述的OR值构建基于循证医学证据的II型糖尿病风险评估模型；
步骤4，计算II型糖尿病及其并发症危险因素的基准发病比例；
步骤5，计算II型糖尿病及其并发症危险因素的危险分数；
步骤6，计算II型糖尿病及其并发症危险因素的组合危险分数。
2.根据权利要求1所述的II型糖尿病风险评估模型，其特征在于，在所述步骤1中，所述识别II型糖尿病及其并发症的危险因素包括如下步骤：
检索有关糖尿病及其并发症的危险因素的荟萃分析文献，其中，中文检索词包括：糖尿病、危险因素、相关因素、影响因素、发病因素；英文检索词包括：diabetes、risk、association、meta、review，提取所述文献中涉及的II型糖尿病及其并发症的危险因素。
3.根据权利要求2所述的II型糖尿病风险评估模型，其特征在于，对于两篇以上研究同一危险因素与糖尿病关联的所述荟萃分析文献，选取发表日期最新的文献。
4.根据权利要求3所述的II型糖尿病风险评估模型，其特征在于，在所述步骤2中，从所述文献中获取所述OR值。
5.根据权利要求4所述的II型糖尿病风险评估模型，其特征在于，在所述步骤3中，构建基于循证医学证据的II型糖尿病风险评估模型的方法为：
采用SAS 9.2进行建模后，得到II型糖尿病及其并发症风险评估危险分数转换表。
6.根据权利要求5所述的II型糖尿病风险评估模型，其特征在于，在所述步骤4中，所述II型糖尿病及其并发症危险因素的基准发病比例为具有最低危险因素的个体发病率与人群总发病率的比值，其计算方法为：
其中，BIR为基准发病比例；
Pi为暴露于某一水平危险因素的个体占全人群的比例，从所述文献中查得；
RRi为暴露于某一水平危险因素的相对危险度，从所述文献中查得；
n为危险因素的个数。
7.根据权利要求6所述的II型糖尿病风险评估模型，其特征在于，在所述步骤5中，II型糖尿病及其并发症危险因素的危险分数计算方法为：
危险分数＝相对危险度×基准发病比例。
8.根据权利要求7所述的II型糖尿病风险评估模型，其特征在于，在所述步骤6中，II型糖尿病及其并发症危险因素的组合危险分数计算公式为：
P＝(P1-1)+(P2-1)+…+(Pi-1)+Q1×Q2×…×Qj
其中，P为组合危险分数；
Pi为≥1的每项危险分数；
Qj为＜1的每项危险分数；
i和j均为对应的危险因素个数。
CN201810645134.7A 2018-06-21 2018-06-21 基于循证医学证据的ii型糖尿病风险评估模型 Pending CN108877943A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201810645134.7A CN108877943A (zh) 2018-06-21 2018-06-21 基于循证医学证据的ii型糖尿病风险评估模型

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201810645134.7A CN108877943A (zh) 2018-06-21 2018-06-21 基于循证医学证据的ii型糖尿病风险评估模型

Publications (1)

Publication Number Publication Date
CN108877943A true CN108877943A (zh) 2018-11-23

Family

ID=64340622

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201810645134.7A Pending CN108877943A (zh) 2018-06-21 2018-06-21 基于循证医学证据的ii型糖尿病风险评估模型

Country Status (1)

Country Link
CN (1) CN108877943A (zh)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109616168A (zh) * 2018-12-14 2019-04-12 北京工业大学 一种基于电子病历的医疗领域智能管理模型构建方法
CN112233802A (zh) * 2020-09-03 2021-01-15 岭南师范学院 基于改进函数因果似然度的糖尿病危险因素因果发现方法
CN113921141A (zh) * 2021-12-14 2022-01-11 之江实验室 一种个体慢病演进风险可视化评估方法及系统
CN114188026A (zh) * 2021-10-25 2022-03-15 苏州海狮凯尔信息科技有限公司 一种基于循证医学证据的异位妊娠的风险评估模型系统

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103198211A (zh) * 2013-03-08 2013-07-10 北京理工大学 2型糖尿病发病危险因素对血糖影响的定量分析方法
CN107358047A (zh) * 2017-07-13 2017-11-17 刘峰 糖尿病患者评估及管理系统

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN103198211A (zh) * 2013-03-08 2013-07-10 北京理工大学 2型糖尿病发病危险因素对血糖影响的定量分析方法
CN107358047A (zh) * 2017-07-13 2017-11-17 刘峰 糖尿病患者评估及管理系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
张玲等: "重庆市社区居民糖尿病发病风险评估研究", 《重庆医学》 *
惠晓萍: "阿尔茨海默病发病风险预测的循证研究及其应用", 《中国优秀硕士学位论文全文数据库医药卫生科技辑》 *

Cited By (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN109616168A (zh) * 2018-12-14 2019-04-12 北京工业大学 一种基于电子病历的医疗领域智能管理模型构建方法
CN112233802A (zh) * 2020-09-03 2021-01-15 岭南师范学院 基于改进函数因果似然度的糖尿病危险因素因果发现方法
CN114188026A (zh) * 2021-10-25 2022-03-15 苏州海狮凯尔信息科技有限公司 一种基于循证医学证据的异位妊娠的风险评估模型系统
CN113921141A (zh) * 2021-12-14 2022-01-11 之江实验室 一种个体慢病演进风险可视化评估方法及系统
CN113921141B (zh) * 2021-12-14 2022-04-08 之江实验室 一种个体慢病演进风险可视化评估方法及系统
WO2023109199A1 (zh) * 2021-12-14 2023-06-22 之江实验室 一种个体慢病演进风险可视化评估方法及系统

Similar Documents

Publication Publication Date Title
CN108877943A (zh) 基于循证医学证据的ii型糖尿病风险评估模型
Seccareccia et al. Heart rate as a predictor of mortality: the MATISS project
Park et al. Sarcopenic obesity as an independent risk factor of hypertension
Case et al. Orphans in africa
Welch et al. Nutrition transition, socioeconomic differentiation, and gender among adult Xavante Indians, Brazilian Amazon
Krieger et al. Comparing individual-based and household-based measures of social class to assess class inequalities in women's health: a methodological study of 684 US women.
Snodgrass et al. The influence of basal metabolic rate on blood pressure among indigenous Siberians
Jacobsen et al. Predictors of attrition in a longitudinal population-based study of aging
Sun et al. An accurate risk score for estimation 5-year risk of type 2 diabetes based on a health screening population in Taiwan
CN102930163A (zh) 一种2型糖尿病风险状态判定方法
CN105678104A (zh) 一种基于Cox回归模型的老人健康数据分析方法
CN106250680B (zh) 心脏健康指数检测系统
CN109785973A (zh) 一种手术患者在围手术期发生并发症的定量预测方法
CN107194138A (zh) 一种基于体检数据建模的空腹血糖预测方法
Swift et al. Cardiorespiratory fitness and exercise training in African Americans
CN106485061A (zh) 一种生活风险评估及改善系统的建立方法
Huang et al. Determination of relative timing of pubertal maturation through ordinal logistic modeling: evaluation of growth and timing parameters
CN117012392A (zh) 高血压风险评估模型构建方法、膳食食疗及健康管理系统
Kaczmarek et al. The association between socioeconomic status and health-related quality of life among Polish postmenopausal women from urban and rural communities
Bakhshi et al. Changes in obesity odds ratio among Iranian adults, since 2000: Quadratic inference functions method
Lundborg et al. Getting ready for the marriage market? The association between divorce risks and investments in attractive body mass among married Europeans
Buccheri et al. Artificial intelligence in health data analysis: the Darwinian evolution theory suggests an extremely simple and zero-cost large-scale screening tool for prediabetes and type 2 diabetes
Jenkins Body-weight change and physical functioning among young old adults
CN112967807B (zh) 基于饮食行为预测脑卒中的系统、设备及存储介质
Black et al. Secular trends in heart rate in young adults, 1949 to 2004: analyses of cross sectional studies

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20181123

RJ01 Rejection of invention patent application after publication