基于随机森林的妊娠糖尿病患者产后糖代谢异常风险的预测模型

目的 基于一项队列研究构建妊娠糖尿病患者产后血糖异常的风险预测模型，并分析比较两种模型的预测效果。方法 收集207例妊娠糖尿病患者的基本信息，按照7∶3比例将数据集划分为训练集和测试集，分别运用多因素Logistic回归和随机森林算法在训练集构建产后糖代谢异常风险预测模型，并在测试集中进行验证。结果 随机森林模型预测的准确率为0.890,精确度为0.830,召回率为0.800,F1得分为0.810,AUC为0.934;多因素Logistic回归模型预测的准确率为0.870,精确度为0.820,召回率为0.730,F1得分为0.760,AUC为0.908。结论 两种模型均具有良好的预测效能，但随机森林模型对妊娠糖尿病患者产后糖代谢异常风险的预测效果更好。     

基于支持向量机与XGboost的成年人群肿瘤患病风险预测研究

背景　肿瘤风险预测对于提高人群健康水平、降低患者经济负担意义重大。但随着医疗大数据的产生,传统的统计预测方法逐渐无法满足需求,有必要尝试开展机器学习等新方法在肿瘤预测领域的应用。目的　探讨支持向量机与XGboost和逐步Logistic回归分析在成年人群肿瘤患病风险中的预测价值。方法　本研究时间为2011-2015年,数据来源于中国健康与营养调查（CHNS）,以我国12个地区（黑龙江、辽宁、湖南、山东、贵州、江苏、广西、湖北、河南、北京、上海和重庆）城乡成年（≥18岁）常住居民为对象,经过数据清理,最终纳入19 410人为本研究对象。将研究对象按2∶1分为训练集和测试集,基于逐步Logistic回归分析的变量筛选策略,在训练集上分别建立逐步Logistic回归分析、支持向量机、XGboost肿瘤患病风险预测模型,并在测试集上进行验证。通过比较各模型受试者工作特征曲线（ROC曲线）下面积（AUC）,分析各模型预测肿瘤患病风险的性能。结果　19 410例研究对象中,被诊断为肿瘤患者262例（1.35%）。训练集（n=12 919）中含有174例肿瘤患者,测试集（n=6 491）含有88例肿瘤患者。逐步Logistic回归分析、支持向量机、XGboost在测试集中预测成年人群患肿瘤的正确率分别为72.96%〔95%CI（71.86%,74.04%）〕、99.54%〔95%CI（99.34%,99.69%）〕、70.05%〔95%CI（68.92%,71.16%）〕,AUC分别为76.75%〔95%CI（72.35%,81.14%）〕、86.32%〔95%CI（81.64%,91.00%）〕、79.03%〔95%CI（74.96%,83.10%）〕。支持向量机、XGboost预测成年人群患肿瘤的AUC与Logistic回归模型比较,差异有统计学意义（Z值分别为-2.519、-2.138,P值分别为0.012、0.032）;XGboost预测成年人群患肿瘤的AUC低于支持向量机,差异有统计学意义（Z=2.081,P=0.037）。结论　支持向量机相较于逐步Logistic回归分析预测成年人群肿瘤患病风险的正确率、灵敏度、特异度、AUC等指标较好,而XGboost未见明显优势,但考虑到逐步Logistic回归分析操作的便捷性和可解释性优势,建议在肿瘤风险预测方面,采用支持向量机与逐步Logistic回归分析相结合的模式。     

肥胖指标对社区不同性别中老年人群糖尿病风险预测效果研究

背景　糖尿病是严重威胁中国社区中老年人群健康的疾病之一。目前虽有许多研究探索了肥胖指标对糖尿病的预测效果,但由于研究对象的不同和肥胖指标选择的差别,使得研究结果仍具有一定的争议性。目的　探讨不同肥胖指标对社区中老年人群患糖尿病风险的预测效果,为尽早发现糖尿病高危人群提供参考。方法　以珠江三角洲某两个社区进行全人群体检的2 070例中老年人为研究对象,其中男1 000例,女1 070例。按照性别分类,采用二分类Logistic回归分析不同肥胖指标〔体质指数（BMI）、腰围（WC）、腰臀比（WHR）、腰围身高比（WSR）、重量指数（PI）、身体肥胖指数（BAI）〕对糖尿病患病的影响,并用受试者工作特征曲线（ROC曲线）及曲线下面积（AUC）分析各个肥胖指标预测糖尿病患病风险的效果。结果　不论是在男性还是女性社区中老年人群中,与其他肥胖指标相比,WC是糖尿病最大的危险因素,糖尿病患病风险随着WC的增加而增加,在男性中OR（95%CI）=1.601（1.322,1.938）,在女性中OR（95%CI）=1.496（1.242,1.802）。ROC曲线结果显示,男性中老年人群中,WC和WSR的AUC最大（0.645）,WC最佳切点为87.95 cm,WSR最佳切点为0.54;女性中老年人群中,PI的AUC最大（0.654）,PI的最佳切点为14.81 kg/m3。结论　在社区中老年人群中,预测糖尿病患病情况的肥胖指标在不同性别是有差异的。在男性人群中,WC和WSR更适合作为预测糖尿病的肥胖指标;在女性人群中,则PI更适合作为预测指标。     

基于Logistic回归和随机森林的心力衰竭预后预测建模

目的 基于电子病历系统结构化信息创建的临床数据库,通过机器学习算法进行数据预处理和特征选择,构建预测心力衰竭患者住院期间死亡和6个月内死亡预测模型,从而辅助识别高危患者,为治疗干预提供指导。方法 以PhysioNet网站上公开的一个数据集为研究数据来源,该数据集纳入了2016年12月至2019年6月在四川省自贡市第四人民医院住院的心力衰竭患者临床信息,利用Python进行数据预处理、特征选择,并构建Logistic回归及随机森林预后预测模型,以增大ROC曲线下面积（area under curve,AUC）为目标优化模型,并在测试集中以AUC、准确率、精确度、召回率和F1分数综合验证模型预测效果。结果 通过数据预处理共获得146项特征用于住院期间心力衰竭死亡预测建模,155项特征用于6个月内心力衰竭死亡预测建模,基于随机森林的建模方法用于住院期间死亡效果最佳,AUC为0.893 1;在6个月内死亡预测上,结合LASSO和RFE进行特征选择,筛选出包括出院去向（健康护理机构、家庭或未知）、入院病房（全科）、出院科室（心血管科）、Killip分级（Ⅰ、Ⅱ和Ⅲ级）、心肌梗死情况以及充血性心力衰竭情况共10个特征进行Logistic回归建模,AUC达到0.833 6,与基于全部特征进行随机森林特征效果（AUC=0.846 0）相当。结论 本研究探索出一套针对电子病历系统结构化临床数据进行数据预处理、特征工程、机器学习算法建模并验证模型的方法,利用真实世界数据构建兼顾预测准确性和高危个体检出率的心衰预后预测模型。     

神经网络预测股骨颈骨折术后并发症的价值

目的应用神经网络建立股骨颈骨折术后股骨头坏死预测模型,并与Logistic回归预测模型进行比较,探讨其临床应用价值。方法收集了2013年3月—2017年1月在上海市3家医院行内固定治疗的378例新鲜股骨颈骨折患者,按4：1划分为训练集和测试集,使用SPSS 20.0分别建立Logistic回归模型、MLP神经网络模型以及RBF神经网络模型,比较3种模型的预测性能。结果多因素分析结果显示,VAS评分、Garden分型、完全负重时间、受伤至手术时长、BMI、术后错位程度、取不取内固定、Charlson合并症指数（Charlson comorbidity index, CCI）均与股骨颈骨折术后股骨头坏死预后相关。MLP神经网络模型训练集和测试集的AUC为0.940、0.923;Logistic回归模型训练集和测试集的AUC为0.850、0.834;RBF神经网络模型训练集和测试集的AUC为0.809、0.788。所有预测变量中,变量重要性排名依次为VAS评分、Garden分型、CCI、BMI、完全负重时间、取不取内固定、受伤至手术时长、术后错位程度。结论MLP神经网络在预测股骨颈骨折术后股骨头坏死方面的预测效能高于Logistic回归,具有较好的应用前景。     

基于长短期记忆网络和Logistic回归的重症监护病房脑卒中患者院内死亡风险预测

目的: 基于引入注意力机制的长短期记忆网络(long short-term memory,LSTM)和L1正则化的Logistic回归筛选变量,再通过传统的Logistic回归建立重症监护病房(intensive care unit,ICU)脑卒中患者院内死亡风险预测模型并评价模型效果。方法: 选取重症医学信息数据库(Medical Information Mart for Intensive Care-Ⅳ,MIMIC-Ⅳ)中的脑卒中患者作为研究对象,以是否发生院内死亡作为结局变量,备选预测因子包括人口学特征、合并症、入院48 h内实验室检查和生命体征检查等。将数据根据结局指标以8 ∶2的比例随机进行10次训练集和测试集的划分,在训练集上构建LSTM和L1正则化的Logistic回归模型,在测试集上选取重要程度排名前10的变量的并集纳入Logistic回归建立预测模型,以受试者工作特征曲线下面积(area under curve, AUC)、灵敏度、特异度、预测准确度为指标对模型进行评价,并与未预先进行变量筛选的前进法Logistic回归模型的预测效果进行比较。结果: 共纳入2 755例脑卒中患者的2 979条ICU入院记录,其中院内死亡记录占17.66%。两个变量筛选模型中,L1正则化的Logistic回归模型的AUC显著优于LSTM模型(0.819±0.031 vs. 0.760±0.018, P < 0.001),两个模型中重要程度均位于前10的变量包括年龄、血糖和尿素氮。最终预测模型的AUC为0.85,灵敏度为85.98%,特异度为71.74%,预测准确率为74.26%,优于未预先进行变量筛选的前进法Logistic回归模型。结论: 用引入注意力机制的LSTM和L1正则的Logistic回归筛选出的变量的预测效果较好,具有一定的临床价值。     

三种风险预测模型预测钢铁工人颈动脉粥样硬化的效能比较

背景颈动脉粥样硬化（CAS）不仅影响钢铁工人的工作效率,而且是引发缺血性脑血管疾病最重要的危险因素。近年来,越来越多的学者利用机器学习并通过易获得的因素对疾病进行风险预测,但目前,关于CAS风险预测模型的研究依然缺乏。目的运用支持向量机（SVM）、BP神经网络（BPNN）与随机森林（RF）模型构建钢铁工人CAS发生风险预测模型,并比较其预测效能。方法选取2017年3—6月在唐山市弘慈医院进行体检和健康监测的4 568例钢铁工人为研究对象,按照本团队编写的《健康评估检查表》进行调查,调查内容：人口学特征（性别、年龄、体质指数、文化程度、婚姻状况）、个人的行为生活习惯与方式（吸烟、饮酒）、个人病史（高血压、糖尿病、CAS家族史）、职业史（倒班、高温作业、噪声作业）。收集研究对象的实验室检查指标,如胆固醇、三酰甘油、同型半胱氨酸、尿酸。结合非条件多因素Logistic回归分析结果以及查阅相关文献,确定变量构建SVM、BPNN和RF模型并进行比较。结果训练集显示SVM、BPNN和RF模型预测钢铁工人发生CAS的准确率分别为83.81%、79.27%、86.60%,灵敏度分别为80.10%、66.19%、73.62%,特异度分别为87.32%、91.62%、98.90%,受试者工作特征曲线下面积（AUC）分别为0.84、0.79、0.86。SVM模型的灵敏度最高,RF模型在准确率、特异度和AUC方面高于其余两种模型,差异有统计学意义（P<0.05）。测试集显示SVM、BPNN和RF模型预测钢铁工人发生CAS的准确率分别为85.70%、75.46%、73.37%,灵敏度分别为81.63%、64.65%、60.00%,特异度分别为90.29%、87.66%、88.45%,AUC分别为0.86、0.76、0.74。SVM模型在灵敏度、准确率和AUC方面高于其余两种模型比较,差异有统计学意义（P<0.05）。结论运用SVM模型预测钢铁工人CAS发生风险的效果优于BPNN和RF模型。     

新生儿低血糖风险预测模型的构建及验证

目的 探讨新生儿低血糖的相关危险因素,构建新生儿低血糖风险预测模型且检验模型效能。方法 采取回顾性分析方法收集2018年10月至2020年8月笔者医院住院分娩的新生儿及孕母临床数据727例,采用单因素分析和Logistic回归分析相关危险因素构建预测模型。选取2020年9月至2021年2月150例新生儿及孕母临床数据进行模型效能检验。结果 多因素 Logistic 回归分析结果显示,喂养问题、新生儿低体温、新生儿并发症、妊娠期糖尿病、胎儿宫内窘迫是影响新生儿低血糖的独立危险因素（P<0.05）。模型验证结果显示,曲线下面积（area under the curve,AUC）为0.883,敏感度为82.97%,特异性为88.35%,阳性预测值为76.47%,阴性预测值为91.92%,模型的总正确率为88.67%,具有理想的预测能力。结论 研究构建的预测模型对新生儿低血糖的发生风险具有良好的预测能力,可为早期排查新生儿低血糖高危人群并且启动预见性护理干预措施提供参考。     

2型糖尿病肾病预测的集成学习模型研究

目的：构建3个2型糖尿病肾病的预测模型。方法：基于国家临床医学科学数据中心的《糖尿病并发症预警数据集》,采用多种预处理方法清洗数据,通过Logistic回归分析和互信息等方法筛选特征。选用提升决策树、决策森林和决策丛林3种集成学习模型进行训练,实现对2型糖尿病肾病的风险预测。采用准确率、精确率、召回率,F1值和AUC 5个指标评价和比较3种模型的预测效能。结果：3个基于集成学习的糖尿病肾病预测模型的预测水平较高,其中二分类提升决策树模型的预测性能最优。结论：基于集成学习的糖尿病肾病预测模型可以为2型糖尿病肾病的风险预测提供一定的参考和借鉴。     

使用机器学习建立慢性阻塞性肺疾病患者重度气流受限风险预警模型研究

背景气流受限程度是评价慢性阻塞性肺疾病（COPD）患者疾病进展的关键指标。然而由于检查禁忌、依从性等问题,导致部分患者难以开展相关检查,无法评价疾病严重程度。目的建立并评估基于机器学习算法的COPD患者重度气流受限风险预警模型。方法采用横断面设计调查2019年1月至2020年6月四川省某三甲医院的COPD住院患者,收集患者一般临床指标与肺功能检查数据。将数据按8∶2比例随机分为训练集和测试集,在训练集中使用4种缺失值填充方法、3种特征筛选方法、17种机器学习和1种集成学习算法构建216种风险预警模型。采用ROC曲线下面积（AUC）、准确率、精确率、召回率和F1值评价模型的预测性能,分别使用十折交叉验证法和Bootstrapping算法进行内部验证和外部验证。使用测试集数据进行模型测试和选择。使用后验法进行样本量验证。结果共纳入418例患者,其中212例（50.7%）患者存在重度以上气流受限风险。经4种缺失值处理和3种特征筛选后,共获得12个处理后的数据集及12种影响气流受限因素的重要性排序,结果显示,呼吸困难指数评分（mMRC）等级、年龄、体质指数（BMI）、吸烟史（有、无）、慢性阻塞性肺疾病评估表（CAT）评分、呼吸困难（有、无）在变量特征排序中居于前列,是构造模型的关键指标,对结果预测有重要作用。其中,采取不填充、Lasso筛选方法后,mMRC等级、吸烟史（有、无）、呼吸困难（有、无）为位居前3位的预测因子,mMRC等级占特征重要性的54.15%。使用不填充、Boruta筛选方法后,CAT评分、年龄、mMRC等级为位居前3位的预测因子,CAT评分占特征重要性的26.64%。使用17种机器学习和1个集成学习算法对12个数据集分别建模,共得216个预测模型。17种机器学习算法十折交叉验证结果显示,不同算法预测性能比较,差异有统计学意义（P<0.05）,随机梯度下降算法的平均AUC最大,为（0.738±0.089）。使用Bootstrapping算法对测试集进行外部验证结果显示,不同算法所得模型的预测性能比较,差异有统计学意义（P<0.05）,集成学习算法的平均AUC最大,为（0.757±0.057）。利用Bootstrapping算法对4种缺失值处理和3种特征筛选预测性能评价结果显示,当不填充和Lasso筛选时,可提高模型的性能,差异有统计学意义（P<0.05）。使用测试集数据对216个机器学习模型进行测试,最佳模型的AUC为0.790 9,准确率为75.90%,精确率为75.00%,召回率为78.57%,F1值为0.767 4。样本量验证结果提示研究样本量可满足建模需求。结论本研究建立并评价了COPD患者重度气流受限风险预警模型,mMRC等级、年龄、BMI、CAT评分、是否有吸烟史和呼吸困难是影响气流受限的关键指标。该模型预测效果良好,具有潜在的临床应用前景。     

6243例体检人员B超检查脂肪肝患病率及病因的调查分析

目的:调查体检人群脂肪肝的患病率,探讨长期过量饮酒以及肥胖、糖尿病在脂肪肝发生、发展中的作用及交互影响。方法:采用东芝SSA-550A超声诊断仪,对2007～2009年6243例体检人群进行平卧位和侧卧位常规扫查肝脏。结果:6243例体检人员中检出脂肪肝患者856例,检出率达13.71%。脂肪肝患病率男性明显高于女性(P<0.01)。2007年、2008年、2009年脂肪肝患病率分别为11.08%、13.49%、15.90%,各年份比较差异有统计学意义(P<0.01)。脂肪肝年龄构成比以41～50岁组最高,31～40岁组其次,<30岁组占11.10%。长期过量饮酒者脂肪肝患病率最高,达38.32%;肥胖患病率其次,占36.92%;糖尿病再次,为18.93%。结论:脂肪肝患病率呈逐年增加趋势,小于30岁青年脂肪肝患者并不少见,长期过量饮酒、肥胖、糖尿病在脂肪肝的发生、发展中起重要作用。     

健康体检者2型糖尿病高危人群早期筛查及危险因素分析

2009年3月至2010年12月在我院体检者10450人中,糖尿病高危组9016例,其中糖代谢异常检出率15．74％（1420／9016）,新诊断糖尿病3．36％（303／9016）,糖调节受损12．38％（1117／9016）;非高危组1434例,糖调节受损2．58％（37／1434）,无新诊断精尿病。糖调节受损和糖尿病检出率随危险因素数量增加而升高,且均有统计学意义（P〈0．01）。Logistic回归分析显示,糖代谢肄常与增龄、腰围、心率、高血压、脂代谢紊乱、高尿酸血症、男性、有糖尿病家族史相关。具有多个危险因素者是糖代谢异常的高风险人群,应为糖尿病预防和筛查的重点人群.     

2型糖尿病患者亚临床动脉粥样硬化的多层人工神经网络分类预测模型的构建

背景　现阶段我国2型糖尿病（T2DM）患者数量较多,亟须开发简单、有效的亚临床动脉粥样硬化发生风险评估工具。目的　依据多项指标构建预测T2DM患者亚临床动脉粥样硬化的多层人工神经网络分类模型并验证其预测准确性。方法　选取2010年1月至2016年12月在安徽医科大学第三附属医院住院的T2DM患者3 627例,均行双侧颈动脉彩色多普勒超声检查,其中检出亚临床动脉粥样硬化者2 196例（观察组）,未检出亚临床动脉粥样硬化者1 431例（对照组）。比较两组患者一般资料、实验室检查指标及脂肪肝发生情况并据此构建多层人工神经网络分类模型。从3 627例T2DM患者中随机选取3 027例患者作为训练集,其余600例患者作为测试集,验证多层人工神经网络分类模型的预测准确性。结果　两组患者体质指数、舒张压、有吸烟史者所占比例、有饮酒史者所占比例、饮酒量、直接胆红素、总蛋白、天冬氨酸氨基转移酶、血尿酸、三酰甘油、低密度脂蛋白胆固醇/高密度脂蛋白胆固醇比值、促甲状腺激素、游离三碘甲状腺原氨酸、游离甲状腺素、糖化血红蛋白、空腹血糖、空腹C肽、HOMA-C肽指数、严重脂肪肝所占比例比较,差异无统计学意义（P>0.05）;观察组患者女性所占比例、收缩压、有高血压病史者所占比例、球蛋白、总胆汁酸、尿素氮、血肌酐、胱抑素C、尿微量白蛋白排泄率、总胆固醇、低密度脂蛋白胆固醇、高密度脂蛋白胆固醇、白细胞计数、中性粒细胞计数、糖化血红蛋白、空腹血糖高于对照组,年龄、吸烟量大于对照组,病程、吸烟时间、饮酒时间长于对照组,有糖尿病家族史者所占比例、总胆红素、间接胆红素、白蛋白、丙氨酸氨基转移酶、肾小球滤过率、三酰甘油/高密度脂蛋白胆固醇比值、淋巴细胞计数、红细胞计数、血红蛋白、脂肪肝发生率低于对照组（P<0.05）。结合临床实际,将上述49项指标作为输入变量构建多层人工神经网络分类模型;在测试集上,Logistic模型预测T2DM患者亚临床动脉粥样硬化的准确率为59%,而多层人工神经网络分类模型隐藏层数为3时预测T2DM患者亚临床动脉粥样硬化的准确率为76%。结论　本研究构建的多层人工神经网络分类模型对T2DM患者亚临床动脉粥样硬化的预测准确率较高,可作为T2DM患者亚临床动脉粥样硬化发生风险评估工具。     

上海市普陀区糖尿病高危人群筛查情况分析

背景　糖尿病患病率的持续上升,给社会带来了巨大的经济负担。开展社区糖尿病高危人群筛查,能及时发现糖尿病和糖尿病前期患者,通过早期干预,有助于延缓或逆转疾病进程,减少糖尿病患者并发症的发生。目的　利用上海市普陀区糖尿病高危人群筛查结果,分析相关因素对筛查结果的影响。方法　2017年3—9月对上海市普陀区符合《中国2型糖尿病防治指南（2013年版）》中的糖尿病高危人群标准的常住居民通过问卷评估、身体测量、实验室检测的形式,收集调查对象的基本信息、糖尿病危险因素及相关症状、体格检查数据及血糖数据,对筛查结果进行统计分析。结果　共调查13 057例高危人群,糖尿病检出率为10.61%（1 386/13 057）,糖尿病前期检出率为11.93%（1 558/13 057）。男性糖尿病检出率为12.19%（747/6 127）,女性为9.22%（639/6 930）,差异有统计学意义（χ2=30.256,P<0.001）。男性糖尿病前期检出率为12.15%（744/6 127）,女性为11.75%（814/6 930）,差异无统计学意义（χ2=0.488,P>0.05）。随年龄升高,糖尿病及糖尿病前期的检出率逐渐升高（χ2趋势=244.746,P<0.001;χ2趋势=144.104,P<0.001）。Logistic回归分析结果显示,年龄、糖调节受损史、超重/肥胖/中心性肥胖、一级亲属中糖尿病家族史、巨大儿生产史或妊娠糖尿病史、高血压或正在接受降压治疗、血脂异常或正在接受调脂治疗、动脉粥样硬化性心脑血管病史、一过性类固醇糖尿病史是居民糖尿病检出阳性的影响因素（P<0.05）;年龄、糖调节受损史、超重/肥胖/中心性肥胖、一级亲属中糖尿病家族史、高血压或正在接受降压治疗、血脂异常或正在接受调脂治疗、动脉粥样硬化性心脑血管病史是居民糖尿病前期检出阳性的影响因素（P<0.05）。具有不同危险因素数量的居民糖尿病及糖尿病前期检出率比较,差异有统计学意义（χ2=469.623,P<0.001;χ2=129.073,P<0.001）。具有4个及以上危险因素居民糖尿病和糖尿病前期检出率均高于危险因素数量为1个的居民（P<0.05）。结论　糖尿病及糖尿病前期检出率随危险因素数量的增长而增长,≥40岁、高血压、超重/肥胖/中心性肥胖、血脂异常的人群属于糖尿病筛查的重点对象,应持续开展社区高危人群特别是重点高危人群的筛查工作。     

北京市40~79岁居民糖尿病与空腹血糖受损流行病学现状及其危险因素研究

背景　流行病学调查显示我国成人2型糖尿病患病率不断攀升,加之庞大的人口基数及日益严重的老龄化趋势,预计未来糖尿病将造成沉重的疾病负担。年龄≥40岁是成人糖尿病的高危因素之一,有必要重视高危人群的糖尿病和空腹血糖受损的患病情况及其影响因素,有针对性地进行糖尿病的预防和控制。目的　调查北京市40~79岁居民糖尿病、空腹血糖受损的流行病学现状并探讨其危险因素。方法　选取2014年北京市40~79岁的常住居民（过去1年内在北京市累计居住6个月以上）,采用多阶段分层随机抽样的方法,将北京市16个区作为调查点,共抽取36个乡镇/街道、180个社区中的19 815例常住居民。采用集中调查和入户调查相结合的方式对常住居民进行调查,调查内容包括问卷调查、体格检查和实验室检测3部分;问卷调查内容包括基本人口学特征、行为因素、个人疾病史;体格检查包括身高、体质量和血压;实验室检测包括空腹血糖（FPG）、总胆固醇（TC）、三酰甘油（TG）、低密度脂蛋白胆固醇（LDL-C）和高密度脂蛋白胆固醇（HDL-C）。采用多因素Logistic回归分析分析糖尿病、空腹血糖受损患病的影响因素。结果　共纳入40~79岁居民11 889例,糖尿病患病率为12.11%,标化患病率为13.56%,男性糖尿病标化患病率高于女性（P<0.01）。糖尿病患病率随年龄增加而上升（χ2趋势=317.38,P<0.01）,男性、女性糖尿病患病率随年龄增加而上升（男性：χ2趋势=78.05,P<0.01;女性：χ2趋势=292.86,P<0.01）。城区糖尿病标化患病率高于郊区（P<0.01）。多因素Logistic回归分析结果显示,年龄、性别、居住地、饮酒、体质指数（BMI）、高血压和血脂异常是糖尿病患病的影响因素（P<0.05）。空腹血糖受损患病率5.22%,标化患病率为5.82%,男性空腹血糖受损标化患病率高于女性（P<0.01）。空腹血糖受损患病率随年龄增加而上升（χ2趋势=75.84,P<0.01）;男性、女性空腹血糖受损患病率随年龄增加而上升（男性：χ2趋势=16.53,P<0.01;女性：χ2趋势=70.18,P<0.01）。城区和郊区空腹血糖受损标化患病率比较,差异无统计学意义（χ2=2.17,P=0.14）。多因素Logistic回归分析结果显示,年龄、性别、受教育程度、饮酒、BMI、高血压、血脂异常是空腹血糖受损患病的影响因素（P<0.05）。结论　北京市40~79岁居民糖尿病患病率随年龄增大而升高,男性高于女性,城区高于郊区,空腹血糖受损患病率也呈类似趋势,但居住地差异不明显,高龄、男性、超重和肥胖、高血压和血脂异常均是糖尿病和空腹血糖受损的危险因素。     

徐州矿区成人代谢综合征的流行病学研究

目的了解徐州矿区人群代谢综合征（metabolic syndrome，MS）的患病率及流行特征。方法采用分层随机整群抽样方法调查徐州矿区20岁及20岁以上的常住（〉5年）居民共560人（男214人，女346人），进行问卷调查、体格检查及相关代谢指标的测定。MS主要采用2004年中华医学会糖尿病学分会（CDS）的诊断标准。结果徐州矿区成人所查人群中男性及女性MS的粗患病率分别为27．57％和7．23％，男性患病率显著高于女性（P〈0．05），并随年龄的增长而显著升高（P〈0．05）；超重或肥胖、空腹血糖升高、血压升高（≥140／90mmHg）、甘油三酯（TG）升高或高密度脂蛋白（HDL）降低在MS患者中的发生率分别为78．57％、83．33％、72．62％和95．24％。MS患者中有3个组分异常的占70．24％，而4个组分均异常的占29．76％。结论徐州矿区成年人群MS患病率较高，男性、老年人是MS的高危人群。     

2型糖尿病合并无症状心肌缺血的危险因素分析

目的探讨2型糖尿病合并无症状心肌缺血的危险因素。方法 486例2型糖尿病患者,行冠状动脉CT血管成像检查,确诊合并无症状心肌缺血146例（A组）,未合并无症状心肌缺血组340例（B组）,分析两组患者的临床特征、实验室检查结果及冠状动脉CT血管成像检查的结果。结果 A组患者的平均年龄大于B组,糖尿病病程长于B组,高血压病史患者比例、男性比例、白蛋白尿患者比例及血肌酐水平高于B组（P〈0.05）,两组患者的血总胆固醇、低密度脂蛋白胆固醇、高密度脂蛋白胆固醇、甘油三酯、空腹血糖及糖化血红蛋白水平比较,差异无统计学意义（P〉0.05）;logistic回归分析显示年龄、糖尿病病程、高血压病史、男性是2型糖尿病合并无症状心肌缺血的危险因素。结论年龄、糖尿病病程、高血压病史、男性是2型糖尿病合并无症状心肌缺血的危险因素。     

基于中医体质辨识的糖尿病风险评估模型建立与验证

背景　中医体质因素在糖尿病的发生发展过程中具有重要作用，但目前糖尿病的预测预警模型仅涵盖一般人口学资料、客观检查指标、生活方式等内容。在糖尿病风险评估模型中纳入中医体质辨识内容，对有针对性地防治糖尿病的发生发展具有重要意义。目的　根据健康体检数据建立基于中医体质辨识的糖尿病风险模型并对其进行验证。方法　于2016年1月-2018年12月，以2014-2015年某省级综合性医院健康管理中心体检数据为训练集数据（n=30 951），对是否患糖尿病进行单因素和多因素Logistic回归分析，纳入有意义的影响因素指标建立糖尿病风险评估模型；以2016-2017年的健康体检数据作为测试集数据（n=24 061），采用受试者工作特征曲线（ROC）对模型进行验证。结果　训练集人群中，患有糖尿病者1 315例（4.25%），未患糖尿病者29 636例（95.75%）。多因素Logistic回归分析结果显示，logit（P）（糖尿病患病情况）=-4.632-0.198×（女）+0.864×（年龄45~59岁）+1.684×（年龄≥60岁）+0.635×（高血压）+0.149×（超重）+0.376×（肥胖）-0.531×（偏轻）-0.234×（淋巴细胞百分数偏高）+0.279×（淋巴细胞百分数偏低）+0.304×（红细胞计数异常）-0.430×（红细胞比容偏低）+0.722×（平均红细胞血红蛋白浓度异常）+0.532×（血小板分布宽度异常）+1.016×（癌胚抗原异常）-0.406×（尿酸异常）+1.341×（肌酐偏低）+0.488×（血尿素氮偏高）+0.473×（三酰甘油异常）+0.257×（总胆固醇偏高）+0.544×（高密度脂蛋白偏低）+0.290×（总蛋白异常）+0.395×（丙氨酸氨基转移酶异常）+0.362×（谷氨酰转肽酶异常）+0.993×（阴虚质）+1.016×（气虚质）+0.601×（痰湿质）。模型验证结果显示，训练集ROC曲线下面积（AUC）为0.792，95%CI为0.779~0.816（P<0.05），最佳截断值为0.405，灵敏度为0.771，特异度为0.690；测试集验证准确率达到95.69%，Kappa=0.636（P<0.001）。结论　初步构建了糖尿病风险评估模型，且此模型具有较高诊断效应。中医体质辨识作为重要的影响因素纳入糖尿病发病风险评估的模型中来，可以提高其预测能力，为糖尿病的中医药早期防治提供一定的依据。     

行超声引导下PICC置管患者并发症的发生情况及影响因素

  目的  观察超声引导下PICC置管患者并发症的发生情况，探讨其影响因素。  方法  回顾性选择536例行超声引导下PICC置管患者临床资料，根据病例记录是否发生置管相关并发症将患者分为并发症组（52例）和对照组（484例）。收集患者基线资料、置管方式、穿刺静脉选择、留置时间等信息，采用多元Logistic回归分析影响超声引导下PICC置管相关并发症的危险因素。  结果  本组并发症发生率9.70%（52/536），导管相关感染发生率最高（4.66%），肿瘤内科是并发症发生率最高科室（3.36%）。单因素分析年龄、身体质量指数指数、文化程度、合并糖尿病、穿刺静脉选择、置管分布、置管方式、静脉血栓史、PICC操作护士年资、院外导管护理方式均与超声引导下PICC置管并发症发生的有关（P < 0.05）。Logistic回归分析结果示合并糖尿病、穿刺静脉选择、置管方式、PICC操作护士年资、院外导管护理方式是超声引导下PICC置管并发症发生的危险因素（P < 0.05）。  结论  合并糖尿病、头静脉置管、巴德塞丁格穿刺、护士操作经验缺乏、院外管理欠缺可能是导致PICC置管并发症的高危因素。     

中老年IGT患者13年的转归及其影响因素

目的分析中老年IGT患者的转归及其影响因素。方法对1996年在我院行健康查体确诊的248例IGT患者进行为期13年的观察。每2年随访1次,进行75gOGTT,同时测定身高、体重、血压、血脂谱等指标。至2009年共有97例患者完成随访。结果97例IGT患者13年间共有72例（74.2%）转变为DM,9例（9.3%）转变为NGT,16例（16.5%）维持IGT,DM年转化率为5.7%。Logistic回归分析显示仅OGTT 2h血糖与糖尿病的发生呈显著正相关。当OGTT 2h血糖〉9.4mmol/L时,发生糖尿病的风险更高。转为糖尿病的风险稳定IGT组〉不稳定IGT组〉NGT组。结论本组IGT患者DM年转化率为5.7%,13年间74.2%转变为DM。OGTT 2h血糖是预测糖尿病的独立危险因素。