基于贝叶斯网络的2型糖尿病患者并发脑卒中风险预测

摘要

目的 构建简便、经济且适用于临床场景的2型糖尿病(type 2 diabetes mellitus, T2DM)并发脑卒中的预测模型，精确预测糖尿病并发脑卒中的发病风险及相关危险因素。方法 基于齐鲁全生命周期电子健康研究型数据库(Cheeloo Lifespan Electronic Health Research Data-library, CHeeloo LEAD)数据，采用单因素Cox回归分析筛选与糖尿病并发脑卒中相关的危险因素，应用联合Cox与贝叶斯网络模型构建风险预测模型，并从鉴别和校准两方面评价模型的预测性能。结果 本研究共纳入CHeeloo LEAD中2015年1月1日至2017年10月31日的糖尿病患者15 528例，随防至2023年1月1日，期间发生脑卒中2 552例，单因素分析筛选出67个与脑卒中发病有关的潜在危险因素并用以构建贝叶斯网络，多因素Cox回归模型筛选出个4独立危险因素，分别为年龄、短暂和突发性疾病、循环系统疾病、脑血管病后遗症。联合Cox与贝叶斯网络模型构建T2DM并发脑卒中的预测模型，预测个体3年发生脑卒中的风险，训练集AUC为0.814,测试集AUC为0.816,结果基本一致。结论 T2DM患者中，年龄、短暂和突发性疾病、循环系统疾病、脑血管病后遗症是导致脑卒中风险增加的重要危险因素。在临床实践中，应重视T2DM患者脑部病变的发生，识别相关的危险因素，加强监测和管理，以减少脑卒中的发生率并改善患者的预后。

关键词

2型糖尿病 / 脑卒中 / 贝叶斯网络 / Cox回归模型 / 风险预测

基金资助

国家自然科学基金(82173625,82330108); 山东省重点研发计划(2021SFGC0504)