2型糖尿病患者骨质疏松性骨折的早期预测模型:基于单中心回顾性研究的诺莫格拉姆方法
Peng Fei Liu1, Yan Xin Ren1, Peng Wang2
1China Aerospace Science & Industry Corporation 731 hospital, Beijing, People's Republic of China.
Diabetes, metabolic syndrome and obesity : targets and therapy
|September 17, 2025
概括
这项研究开发了一个Nomogram模型,用于预测2型糖尿病 (T2DM) 患者的骨质疏松性骨折 (OPF) 风险. 该模型准确地识别了关键的风险因素,使T2DM中OPF的早期检测和干预成为可能.
科学领域:
- 内分泌学和代谢性疾病.
- 骨科和骨健康 骨科和骨健康
- 医疗信息学和预测建模
背景情况:
- 骨质疏松性骨折 (OPF) 对2型糖尿病 (T2DM) 患者构成重大威胁,导致高残疾和死亡率.
- 早期识别有OPF风险的T2DM患者对于有效的管理和预防策略至关重要.
- 当前的预测模型可能无法完全捕捉T2DM群体中导致OPF的因素的复杂相互作用.
研究的目的:
- 开发和验证一款针对骨质疏松性骨折 (OPF) 早期风险预测模型,专门为2型糖尿病患者设计.
- 确定主要的临床和人口因素,独立预测T2DM患者的OPF风险.
- 为临床医生创建一个实用的工具 (Nomogram),以评估个人OPF风险并指导及时干预.
主要方法:
- 一项涉及868名T2DM患者的回顾性研究,数据分为培训 (80%) 和验证 (20%) 集.
- 使用后勤回归分析来确定OPF的独立预测因子.
- 使用已识别的因素构建了一个Nomogram预测模型,并使用统计测试 (Hosmer-Lemeshow,ROC曲线,决策曲线分析) 验证了可靠性,准确性和概括性.
主要成果:
- 女性的性别,年龄,体重指数 (BMI),血液中的乳酸水平,腰椎T-score和大腿T-score被确定为T2DM患者OPF的显著独立预测因素.
- 开发的Nomogram模型表现出高准确度,曲线下的面积 (AUC) 为0.831,表明强大的预测性能.
- 该模型与观察到的数据有很好的一致性,并在验证集上测试时具有很好的概括性,这表明它具有临床实用性.
结论:
- 一个新型的Nomogram模型整合了性别,年龄,BMI,乳酸和骨矿物密度 (腰部和大腿部部T-scores),有效地预测T2DM患者的OPF风险.
- 这种预测工具可以显著帮助医疗保健提供者准确评估OPF风险,促进早期诊断和治疗启动.
- 诺莫格拉姆模型在T2DM患者群体中对骨质疏松性骨折的积极管理具有实质性的临床价值.
