基于OCTA构建糖尿病肾脏病临床预测模型

陆丽娇; 徐楠; 刘鑫鑫; 杜芳芳; 郑枞; 彭鸿钧; 曹明哲; 艾诗蓓

doi:10.13471/j.cnki.j.sun.yat-sen.univ（med.sci）.20240319.002

您当前的位置：

首页 >

文章列表页 >

基于OCTA构建糖尿病肾脏病临床预测模型

基础研究 | 更新时间：2024-04-15

- 基于OCTA构建糖尿病肾脏病临床预测模型
- Clinical Prediction Model for Diabetic Kidney Disease Based on Optical Coherence Tomography Angiography
- 中山大学学报（医学科学版） 2024年45卷第2期页码：253-260
- 作者机构：
  
  中山大学附属第七医院眼科，广东深圳 518000
- 作者简介：
  
  陆丽娇，第一作者，研究方向：糖尿病视网膜病变，E-mail： lulijiao@sysush.com
  徐楠，并列第一作者，研究方向：糖尿病视网膜病变，E-mail： xunan@sysush.com
- 基金信息：
- DOI：10.13471/j.cnki.j.sun.yat-sen.univ（med.sci）.20240319.002
  中图分类号： R77
- 纸质出版日期：2024-03-20，
  
  收稿日期：2023-11-30，
  
  录用日期：2024-03-14
扫描看全文
陆丽娇,徐楠,刘鑫鑫等.基于OCTA构建糖尿病肾脏病临床预测模型[J].中山大学学报（医学科学版）,2024,45(02):253-260.

LU Lijiao,XU Nan,LIU Xinxin,et al.Clinical Prediction Model for Diabetic Kidney Disease Based on Optical Coherence Tomography Angiography[J].Journal of Sun Yat-sen University(Medical Sciences),2024,45(02):253-260.
陆丽娇,徐楠,刘鑫鑫等.基于OCTA构建糖尿病肾脏病临床预测模型[J].中山大学学报（医学科学版）,2024,45(02):253-260. DOI： 10.13471/j.cnki.j.sun.yat-sen.univ（med.sci）.20240319.002.

LU Lijiao,XU Nan,LIU Xinxin,et al.Clinical Prediction Model for Diabetic Kidney Disease Based on Optical Coherence Tomography Angiography[J].Journal of Sun Yat-sen University(Medical Sciences),2024,45(02):253-260. DOI： 10.13471/j.cnki.j.sun.yat-sen.univ（med.sci）.20240319.002.

摘要

目的

探讨基于光学相干断层扫描血管成像技术（OCTA），筛查糖尿病肾脏病（DKD）高风险人群的临床预测模型。

方法

本研究以567例糖尿病患者为研究对象，在逐步logistic回归分析的基础上，运用随机森林算法筛选纳入建模的指标，构建基于OCTA糖尿病肾脏病临床预测模型。通过受试者工作特征曲线评价模型区分度，通过决策曲线分析评估模型临床有效性。

结果

构建基于OCTA的DKD临床预测模型，ROC曲线下面积为0.878，Brier=0.11。

结论

本研究构建了基于OCTA结果进行糖尿病肾脏病临床预测的列线图预测模型，并从多维度验证模型，从而达到早期预警、提前实施干预的目的。

Abstract

Objective

To construct and validate a clinical prediction model for diabetic kidney disease （DKD） based on optical coherence tomography angiography （OCTA）.

Methods

This study enrolled 567 diabetes patients. The random forest algorithm as well as logistic regression analysis were applied to construct the prediction model. The model discrimination and clinical usefulness were evaluated by receiver operating characteristic curve （ROC） and decision curve analysis （DCA）， respectively.

Results

The clinical prediction model for DKD based on OCTA was constructed with area under the curve （AUC） of 0.878 and Brier score of 0.11.

Conclusions

Through multidimensional verification， the clinical prediction nomogram model based on OCTA allowed for early warning and advanced intervention of DKD.

关键词

光学相干断层扫描血管成像技术糖尿病肾脏病临床预测模型受试者工作特征曲线决策曲线分析

Keywords

optical coherence tomography angiography （OCTA）diabetic kidney disease （DKD）clinical prediction modelreceiver operating characteristic curve （ROC）decision curve analysis （DCA）

references

Sun H， Saeedi P， Karuranga S， et al. IDF Diabetes Atlas： Global， regional and country level diabetes prevalence estimates for 2021 and projections for 2045［J］. Diab Res Clin Pract， 2022， 183：109119.

Selby NM， Taal MW. An updated overview of diabetic nephropathy： diagnosis， prognosis， treatment goals and latest guidelines［J］. Diab Obes Metab， 2020， 22 Suppl1：3-15.

Thomas B. The global burden of diabetic kidney disease： time trends and gender gaps［J］. Curr Diab Rep， 2019， 19（4）：18.

Wang JS， Yen FS， Lin KD， et al. Epidemiological characteristics of diabetic kidney disease in Taiwan［J］. J Diab Investig， 2021， 12（12）：2112-2123.

方晨茜，孙丽雅，刘研，等.糖尿病肾脏疾病非经典临床类型与病理变化综述［J］. 四川大学学报（医学版），2023，54（6）：1074-1079.

Fang CX，Sun LY，Liu Y， et al.Non-classical clinical types and pathological changes of diabetic kidney disease： a review［J］. J Sichuan Univ （ Med Sci ）， 2023， 54（6）： 1074-1079.

Gupta S， Dominguez M， Golestaneh L. Diabetic kidney disease： an update［J］. Med Clin North Am， 2023， 107（4）：689-705.

中华医学会糖尿病学分会.中国2型糖尿病防治指南（2020年版）［J］. 中华糖尿病杂志， 2021， 13（4）：315-409.

Chinese Diabetes Society. Guideline for the prevention and treatment of type 2 diabetes mellitus in China （2020 edition）［J］. Chin J Diabetes Mellitus，2021， 13（4）：315-409.

中华医学会糖尿病学分会微血管并发症学组.中国糖尿病肾脏病防治指南（2021年版）［J］. 中华糖尿病杂志， 2021， 13（8）：762-784.

Microvascular Complications Group of Chinese Diabetes Society. Clinical guideline for the prevention and treatment of diabetic kidney disease in China （2021 edition）［J］. Chin J Diabetes Mellitus， 2021， 13（8）：762-784.

中华医学会眼科学分会眼底病学组，中国医师协会眼科医师分会眼底病学组.我国糖尿病视网膜病变临床诊疗指南（2022年）［J］. 中华眼底病杂志， 2023， 39（2）：99-124.

Fundus Disease Group of Ophthalmological Society of Chinese Medical Association， Fundus Disease Group of Ophthalmologist Brunch of Chinese Medical Doctor Association. Evidence-based guidelines for diagnosis and treatment of diabetic retinopathy in China （2022）［J］. Chin J Ocul Fundus Dis， 2014， 50（11）： 851-865.

Koutsiaris AG， Batis V， Liakopoulou G， et al. Optical Coherence Tomography Angiography （OCTA） of the eye： a review on basic principles， advantages， disadvantages and device specifications［J］. Clin Hemorheol Microcirc， 2023， 83（3）：247-271.

艾诗蓓，郑枞，曹明哲，等.不同程度糖尿病性视网膜病变患者的生化指标及光学相干断层扫描血管成像的差异［J］.眼科学报，2022，37（12）：918-925.

Ai SB，Zheng Z，Cao MZ，et al.Differences of biochemical indicators and optical coherence tomography angiography in patients with different degrees of diabetic retinopathy［J］.Eye Sciences，2022，37（12）：918-925.

郑玲，田关源. OCTA对糖尿病患者不同肾功能状态下早期黄斑区视网膜微循环改变的评估价值［J］. 中国医药科学， 2022， 12（2）：19-23.

Zheng L， Tian GY. The value of OCTA in assessing early retinal microcirculation changes in the macula in T2DM patients under different renal function states ［J］. Chin Med and Pharm， 2022， 12（2）：19-23.

da Silva MO， do Carmo Chaves AEC， Gobbato GC， et al. Early neurovascular retinal changes detected by swept-source OCT in type 2 diabetes and association with diabetic kidney disease［J］. Int J Retina Vitreous， 2021， 7（1）：73.

Jiang W， Wang J， Shen X， et al. Establishment and validation of a risk prediction model for early diabetic kidney disease based on a systematic review and meta-analysis of 20 cohorts［J］. Diabetes Care， 2020， 43（4）：925-933.

Makino M， Yoshimoto R， Ono M， et al. Artificial intelligence predicts the progression of diabetic kidney disease using big data machine learning［J］. Sci Rep， 2019， 9（1）：11862.

Zou Y， Zhao L， Zhang J， et al. Development and internal validation of machine learning algorithms for end-stage renal disease risk prediction model of people with type 2 diabetes mellitus and diabetic kidney disease［J］. Ren Fail， 2022， 44（1）：562-570.

Chan L， Nadkarni GN， Fleming F， et al. Derivation and validation of a machine learning risk score using biomarker and electronic patient data to predict progression of diabetic kidney disease［J］. Diabetologia， 2021， 64（7）：1504-1515.

Sun L， Wu Y， Hua RX， et al. Prediction models for risk of diabetic kidney disease in Chinese patients with type 2 diabetes mellitus［J］. Ren Fail， 2022， 44（1）：1454-1461.

李小豪，张丽，李慧，等. OCTA检测糖尿病肾病患者黄斑区及视盘周围的微循环和结构改变［J］. 国际眼科杂志， 2022， 22（2）：280-286.

Li XH， Zhang L， Li H， et al. OCTA detects microvascular and structural changes of macular and peripapillary area in diabetic kidney disease［J］. Int Eye Science， 2022， 22（2）：280-286.

Reidy K， Kang HM， Hostetter T， et al. Molecular mechanisms of diabetic kidney disease［J］. J Clin Invest， 2014， 124（6）：2333-2340.

Lin YC， Chang YH， Yang SY， et al. Update of pathophysiology and management of diabetic kidney disease［J］. J Formos Med Assoc， 2018， 117（8）：662-675.

Garcia-Fernandez N， Jacobs-Cachá C， Mora-Gutiérrez JM， et al. Matrix metalloproteinases in diabetic kidney disease［J］. J Clin Med， 2020， 9（2）：472.

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

暂无数据