本发明涉及临床医学，具体涉及一种2型糖尿病进展为糖尿病肾病的风险预测模型及构建方法。
背景技术：
1、糖尿病（dm）近几十年来快速增长，2021年全球患病率为10.5%，影响了约5.37亿成年人，到2045年将增加到6.43亿。文献报道，约20-40% 糖尿病患者合并糖尿病肾病，糖尿病肾病（dkd）不仅是终末期肾病(esrd)的主要病因，也是心血管疾病及死亡的独立危险因素。目前，中国是糖尿病患者人数最多的国家，成人糖尿病患者数目高达1.16亿。然而，我国糖尿病患者接受治疗的不足60%，而血糖达标率低于30%。因此，我国糖尿病并发症的发病率很高，其中糖尿病肾病发病率正在逐年迅速增加，成为我国终末期肾病主要病因之一，给政府和患者带来了巨大的经济和医疗负担。
2、2型糖尿病（diabetes mellitus type 2，t2dm），旧称非胰岛素依赖型糖尿病（noninsulin-dependent diabetes mellitus，niddm）或成人发病型糖尿病（adult-onsetdiabetes），是一种慢性代谢疾病，多在35～40岁之后发病，占糖尿病患者90%以上。患者特征为高血糖、相对缺乏胰岛素、胰岛素抵抗等。近年来，多种糖尿病新药面世，比如，钠葡萄糖共转运体2抑制剂(sglt2i)和胰高血糖素样肽-1受体激动剂(glp-1ra)，这些药物除有效控制血糖之外，还能延缓糖尿病肾病进展，降低心血管疾病风险，但不适用于晚期糖尿病肾病患者，且药物过度使用也会带来不必要的经济负担。因此，早期预测糖尿病患者发生糖尿病肾病风险，对于上述药物的临床应用以及延缓糖尿病肾病进展至关重要。目前尚缺少针对2型糖尿病患者，综合年龄，尿白蛋白/肌酐比值(uacr)，估算肾小球滤过率(egfr)和中性粒细胞百分比因素的预测方法，缺少直观、快速、简单的预测模型。
技术实现思路
1、鉴于上述，本发明提供了一种2型糖尿病进展为糖尿病肾病的风险预测模型及构建方法，该方法能够早期预测糖尿病肾病风险，其具有直观、快速、简单的特性，可帮助具有潜在风险的2型糖尿病患者进行早期预防和干预，减少疾病负担。
2、为实现上述目的，本发明采用以下技术方案：
3、一种2型糖尿病进展为糖尿病肾病的风险预测模型及构建方法，包括以下步骤：
4、（1）收集2型糖尿病患者多年的检验和临床数据；
5、（2）筛选并入组尚未发生糖尿病肾病的2型糖尿病患者，并随访其未来3年内是否发生糖尿病肾病；
6、（3）将入组患者按照随访期间是否发生糖尿病肾病分成“无糖尿病肾病”和“糖尿病肾病”两组；
7、（4）筛选变量，采用自定义重要性评估函数评估预测变量的相对重要性；
8、（5）筛选变量，构建多因素逻辑回归预测模型；
9、（6）筛选变量，建立列线图并计算风险总分数及风险率。
10、如上所述的构建方法，可选地，在步骤（1）中所述收集的检验和临床数据包括：年龄、性别、血压、糖尿病病程、用药、白细胞、红细胞、红细胞压积、血红蛋白、血小板、血小板压积、中性粒细胞百分率、中性粒细胞绝对值、嗜碱性粒细胞百分比、嗜碱性粒细胞绝对值、嗜酸性粒细胞百分比、嗜酸性粒细胞绝对值、单核细胞百分率、单核细胞绝对值、淋巴细胞百分率、淋巴细胞绝对值、低密度脂蛋白、甘油三脂、高密度脂蛋白、总胆固醇、载脂蛋白a1、载脂蛋白b、脂蛋白(a)、总蛋白、白蛋白、前白蛋白、球蛋白、白蛋白/球蛋白、ck同功酶、r-谷氨酰转移酶、α-羟丁酸脱氢酶、胆碱脂酶、淀粉酶、甘胆酸、谷丙转氨酶、谷丙转氨酶、谷草转氨酶、磷酸肌酸激酶、腺苷脱氨酶、直接胆红素、总胆红素、总胆汁酸、碱性磷酸酶、乳酸脱氢酶、血糖、糖化白蛋白、糖化血红蛋白、血清c-肽、二氧化碳总量、血清肌酐、估算肾小球滤过率(egfr)、血清尿素氮、血清尿酸、血清胱抑素c、血钙、血钾、血磷、血氯、血镁、血钠、尿微量白蛋白、尿白蛋白/肌酐比值等。
11、如上所述的构建方法，优选地，在步骤（2）中，纳入标准：1)2型糖尿病患者；2)年龄18-75岁。排除标准：1)根据中华医学会肾脏病学分会专家组制定的《2021糖尿病肾脏疾病临床诊疗中国指南》，在基线时诊断为糖尿病肾病；2)首次就诊时有其他肾脏疾病（持续蛋白尿、肾功能下降）、全身性疾病（如自身免疫性疾病）、明显感染、肿瘤或营养不良。
12、如上所述的构建方法，优选地，在步骤（3）将数据分成“无糖尿病肾病”和“糖尿病肾病”两组；主要分组依据是发生糖尿病肾病，定义为2型糖尿病患者出现以下情况之一：①微量白蛋白尿或大量白蛋白尿，3-6个月内中3个检验样本中至少有2个尿白蛋白/肌酐比值(uacr)≥30 mg/g；②估算肾小球滤过率(egfr)< 60 ml/min/1.73m2；③肾活检病理诊断糖尿病肾病。入组后3年内发生糖尿病肾病的2型糖尿病患者分为糖尿病肾病组，其余患者为“无糖尿病肾病”组。
13、如上所述的构建方法，优选地，在步骤（4）采用自定义重要性评估函数评估预测变量的相对重要性，自定义重要性评估函数的r语言代码如下：
14、weights <- function(fit,...){
15、 r <- cor(fit$model)
16、 nvar <- ncol(r)
17、 rxx <- r[2:nvar, 2:nvar]
18、 rxy <- r[2:nvar, 1]
19、 svd <- eigen(rxx)
20、 evec <- svd$vectors
21、 ev <- svd$values
22、 delta <- diag(sqrt(ev))
23、 lambda <- evec %*% delta %*% t(evec)
24、 lambdasq <- lambda ^ 2
25、 beta <- solve(lambda) %*% rxy
26、 rsquare <- colsums(beta ^ 2)
27、 rawwgt <- lambdasq %*% beta ^ 2
28、 import <- (rawwgt / rsquare) * 100
29、 import <- as.data.frame(import)
30、 row.names(import) <- names(fit$model[2:nvar])
31、 names(import) <- "weights"
32、 import <- import[order(import),1, drop=false]
33、 dotchart(import$weights, labels=row.names(import),
34、 xlab="% of r-square", pch=19,
35、 main="relative importance of predictor variables",
36、 sub=paste("total r-square=", round(rsquare, digits=3)),
37、 ...)
38、 return(import)
39、如上所述的构建方法，优选地，在步骤（5）筛选变量，最终筛选出的变量包括：在向前选择法的逻辑回归模型中：年龄，白细胞，中性粒细胞百分率，血红蛋白，α-羟丁酸脱氢酶，磷酸肌酸激酶，白蛋白，球蛋白，前白蛋白，总胆固醇，估算肾小球滤过率(egfr)，尿素氮，尿酸，血清c-肽，尿白蛋白/肌酐比值，收缩压（sbp），肾素血管紧张素醛固酮系统抑制剂（rasi）；在向后剔除法的逻辑回归模型中：年龄，白细胞，中性粒细胞百分率，血红蛋白，α-羟丁酸脱氢酶，白蛋白，球蛋白，前白蛋白，载脂蛋白b，总胆固醇，估算肾小球滤过率(egfr)，尿素氮，尿酸，血清c-肽，尿白蛋白/肌酐比值，载脂蛋白b/载脂蛋白a1比值，总胆固醇/高密度脂蛋白比值，收缩压，肾素血管紧张素醛固酮系统抑制剂；优选地，在步骤（5）筛选变量，风险变量的风险比可以用图表示。
40、如上所述的构建方法，优选地，在步骤（6）中，根据上述数据建立列线图并计算风险总分数及风险率；建立列线图，包括风险指标和风险的评分线，以预测临床结果。列线图具有视觉优势，便于根据临床实践中预测，快速计算某一临床结果的风险。在2型糖尿病合并糖尿病肾病预测方面，列线图更直观、更快速、更简单。优选地，风险预测列线图的变量包括年龄，尿白蛋白/肌酐比值，估算肾小球滤过率(egfr)和中性粒细胞百分比。
41、本发明有助于筛选出糖尿病患者中可能发生糖尿病肾病的高危人群，方便有效的为患者提供临床指导。对在2型糖尿病患者中早期发现糖尿病肾病进展和及时干预治疗具有极其重要的意义。