论文部分内容阅读
目的 探讨利用受试者工作特征曲线(ROC)分析筛选有诊断价值的因子,构建判别函数对糖尿病人群进行视网膜病变(DR)的风险评估.方法 横断面研究.以2型糖尿病(DM)人群为研究对象,眼底荧光血管造影为分组金标准,收集对照组150例(无DR),病例组100例(DR).病例组又按照眼底病变分型标准分为早期非增殖性DR组(轻度NPDR组)33例、中重度非增殖性DR组(中重度NPDR组)50例、增殖性糖尿病性视网膜病变(PDR)组17例.对血浆内皮素(ET-1)、血管内皮生长因子(VEGF)、血镁、肾功能相关指标、胰岛功能相关指标、血液流变学指标、血脂等DR相关指标进行配对t检验及单因素方差分析和ROC筛选,制订判别模型.结果 病例组的年龄、DM病程、血浆ET-1、血镁、尿白蛋白、尿β2微球蛋白指数均大于对照组,而甘油三酯、C肽、VEGF指数则低于对照组,病例组3个亚组间血浆ET-1、尿白蛋白指数随着DR的进展而依次增长,而年龄、矫正视力等依次降低,余指标先增长后下降或先下降后上升,以上差异均具有统计学意义.ROC分析显示,轻度非增殖性DR组和增殖性DR组血浆ET-1诊断效力最高(AUC轻度NPDR=0.742,AUCPDR=0.857)；中、重度非增殖性DR组尿白蛋白诊断效力最高(AUC中重度NPDR=0.742).结合统计学分析和ROC分析筛选出四个指标(VEGF、尿白蛋白、ET-1、血浆黏度200)入选判别分析,建立判别公式,回代法验证早期非增殖性DR组回代符合率可达96.4％,中重度非增殖性DR组和增殖性DR组回代符合率达100％.结论 在DM人群中可以使用判别模型为DR发病风险评估提供参考。