摘要
目的 慢性肾脏病（chronickidneydisease,CKD）正逐渐成为全球一个重要的卫生保健问题。早期诊断和治疗CKD患者的重要性不言而喻，以期能够有效地减轻患者的痛苦和负担。然而，目前尚缺乏可靠的工具来预测健康体检人群CKD发病的风险。因此，本研究旨在建立和验证健康体检人群4年内CKD发病风险的可视化预测模型。 方法 本研究选取了2017年1月至2021年12月每年在浙江省人民医院健康管理中心参加常规健康体检的6515例研究对象，随机拆分为训练队列（70%）和内部验证队列（30%）。另外选取同期在浙江省中医院健康管理中心参加常规健康体检的3152例研究对象作为外部验证队列。记录人口学资料、既往疾病史、每年的体格检查和实验室检查等变量。主要结局事件为4年内发生CKD，定义为基于2009年慢性肾脏病流行病学合作研究（chronickidneydiseaseepidemiologycollaboration,CKD-EPI）公式估算的肾小球滤过率（estimatedglomerularfiltrationrate,eGFR）小于60ml/min/1.73m2。经过单因素分析，我们从训练队列中挑选出p＜0.05的变量，并将它们纳入多因素Logistic回归分析中以深入探究其对CKD发病风险的影响。采用赤池信息准则（Akaike’sinformationcriterion,AIC）作为变量筛选规则，通过逐步向后迭代法准确地筛选出最适合用于多因素Logistic回归模型的变量，使最终模型的AIC值在变量数最少的情况下最小。随后，基于最终的模型开发了传统静态列线图和网页版动态列线图。通过测量受试者操作特征曲线（receiveroperatingcharacteristiccurve,ROC）下面积（areaunderthecurve,AUC）来衡量模型的判别能力，校准曲线可以反映模型的校准精度，而决策曲线分析（decisioncurveanalysis,DCA）则可以用来评估模型的临床实用性，从而更好地了解模型的应用价值。另外，在外部验证队列中评估模型的临床可推广性，以确保其在临床实践中的实际应用潜力。 结果 1.本研究最终纳入9667例健康体检人群，其中训练队列4563例，内部验证队列1952例，外部验证队列3152例。在随访期间内，总的人群队列中共有207例（2.14%）发展为CKD患者，其中CKD3a期患者201例（97.10%），CKD3b期患者4例（1.93%），CKD5期患者2例（0.97%）。 2.单因素分析结果显示，与未发生CKD组相比，CKD组的年龄明显更大，既往有高血压和糖尿病病史的比例也更高，体质指数、收缩压、舒张压、血肌酐、血尿酸、甘油三酯和糖化血红蛋白A1c水平均显著升高，白蛋白水平则显著降低（p＜0.05）；而两组在性别、脑卒中病史、血红蛋白、高密度脂蛋白胆固醇和低密度脂蛋白胆固醇水平方面均无统计学显著差异（p＞0.05）。 3.经过多因素Logistic回归分析，我们发现年龄[比值比（oddsratio,OR）=1.118,95%置信区间（confidenceinterval,CI）:1.090~1.145,p＜0.001]、糖尿病病史（OR=3.683,95%CI:1.791~7.575,p＜0.001）、血肌酐（OR=1.068,95%CI:1.048~1.088,p＜0.001）和甘油三酯水平（OR=1.201,95%CI:1.083~1.332,p=0.001＜0.05）是健康体检人群4年内发生CKD的独立预测因子。根据AIC和经典统计逐步向后迭代法，基于年龄、糖尿病病史、收缩压、白蛋白、血肌酐和甘油三酯水平这6个变量构建列线图预测模型。 4.该模型在三个不同的队列中均表现出优越的预测准确性，其中训练队列的AUC为0.8806（95%CI:0.8472~0.9141），内部验证队列的AUC为0.8506（95%CI:0.7856~0.9156），而外部验证队列的AUC为0.9183（95%CI:0.8698~0.9669）。校准图和DCA曲线结果表明，该模型在训练队列、内部验证队列和外部验证队列中均表现出令人满意的校准能力和临床效用。 5.为使临床医师更加方便快捷地使用该模型，本研究在传统静态列线图的基础上进一步开发了网页版动态列线图供所有人免费使用（https://luochuxuan.shinyapps.io/dynnomapp/）。 结论 1.在本研究中，健康体检人群4年内CKD发病率为2.14%（207/9667），其中以CKD3a期为主。 2.经过单因素和多因素Logistic回归分析，我们发现年龄、糖尿病病史、血肌酐和甘油三酯水平是健康体检人群4年内CKD发病风险的独立预测因子。 3.基于年龄、糖尿病病史、收缩压、白蛋白、血肌酐和甘油三酯水平6个变量构建健康体检人群4年内CKD发病风险的Logistic回归预测模型，该模型在两个大型医疗健康管理中心中均具有良好的预测能力。 4.本研究开发了用于预测健康体检人群4年内CKD发病风险的网页版动态列线图。
NETL