血清Vaspin与2型糖尿病周围神经病变及其严重程度相关性

目的探讨血清脂肪特异性丝氨酸蛋白酶抑制剂(visceral adipose tissue-derived serine protease inhibitor, Vaspin)与糖尿病周围神经病变(diabetic peripheral neuropathy, DPN)及其严重程度的相关性。方法选取我院诊治的2型糖尿病(type 2 diabetes mellitus, T2DM)268例,根据有无合并DPN,分为单纯T2DM组(T2DM组,n=150)与T2DM合并DPN组(DPN组,n=118)。记录患者的临床资料,检测空腹血糖(fasting blood glucose, FBG)、空腹胰岛素(fasting insulin, FINS)、糖化血红蛋白(glycated hemoglobin, HbAlc)、Vaspin等水平,计算胰岛素抵抗系数(homeostatic model assessment for insulin resistance index, HOMA-IR),分析影响DPN的危险因素,采用多伦多临床评分系统评估DPN严重程度,并进一步分析血清Vaspin与DPN严重程度的相关性。结果两组T2DM病程、FBG、FINS、HbAlc、HOMA-IR及Vaspin水平比较差异有统计学意义(P0.05)。多因素logistic回归分析显示,HbAlc、HOMA-IR及Vaspin为影响DPN的独立危险因素(P0.05)。受试者工作特征曲线分析血清Vaspin诊断DPN的效能,其曲线下面积为0.777[95%CI(0.721,0.833)],最佳截断值为0.95 ng/ml,敏感度为62.5%,特异度为83.8%。Pearson相关性分析显示,Vaspin与多伦多临床评分系统评分呈负相关(r=-0.415,P0.001)。结论 Vaspin是影响DPN的独立危险因素,可辅助诊断DPN及评估其严重程度,临床应用价值高。     

个体化预测2型糖尿病患者并发周围神经病变风险的列线图模型的建立

目的 探究2型糖尿病(T2DM)患者并发周围神经病变(DPN)的危险因素,并建立个体化预测DPN风险的列线图模型。方法 选取符合标准的T2DM患者452例,收集临床资料,采用单因素分析筛选DPN相关因素,将有统计学意义变量纳入多因素logistic回归模型,分析DPN危险因素;应用R软件建立预测DPN风险的列线图模型,采用Bootstrap法进行验证,并应用ROC曲线探索列线图模型预测DPN的效率。结果 452例T2DM患者并发DPN 200例,发生率为44.25%。T2DM病程(OR=7.782,95%CI:2.005~30.171)、HbAlc(OR=2.561,95%CI:1.440~4.517)及HOMA-IR(OR=3.563,95%CI:1.456~8.722)为DPN的独立危险因素,而Vaspin(OR=0.759,95%CI:0.636~0.908)与Omentin-1(OR=0.602,95%CI:0.414~0.870)为DPN的独立保护因素。列线图模型预测DPN风险的一致性指数为0.742,区分度良好;校准曲线示列线图模型预测DPN发生风险与实际DPN发生风险平均绝对误差为0.010;ROC曲线示列线图模型预测DPN的曲线下面积为0.789(95%CI:0.741~0.873)。结论 本研究基于DPN的危险因素与保护因素,建立的个体化预测DPN风险的列线图模型,具有良好区分度与准确度,临床应用价值高,对甄别DPN高风险人群,制订干预对策具有指导意义。