通过混合建模解码糖尿病视网膜病变风险:对机器学习算法和高级回归框架的整合性评估,利用估计的葡萄糖处置率 (eGDR)
Seyed Sobhan Bahreiny1, Mohammad Ali Khaksar2,3, Razieh Kazemzadeh4,5
1Department of Physiology, School of Medicine, Tehran University of Medical Sciences, Tehran, Iran.
Journal of diabetes and metabolic disorders
|November 10, 2025
概括
估计较高的葡萄糖处置率 (eGDR),衡量胰岛素敏感性,与降低糖尿病视网膜病变 (DR) 风险有关. 这项研究强调了eGDR作为糖尿病患者DR风险分层的有价值生物标志物.
科学领域:
- 内分泌学 在内分泌学.
- 眼科医生 眼科 眼科
- 公共卫生 公共卫生
背景情况:
- 糖尿病视网膜病变 (DR) 是不可逆转的视力丧失的主要原因.
- 胰岛素耐药性对于DR的发展至关重要,但很难直接测量.
- 估计的葡萄糖处理率 (eGDR) 是一个经过验证的胰岛素敏感性的替代品.
研究的目的:
- 在基于人口的队列中调查eGDR和DR之间的关联.
- 探索eGDR对DR风险的非线性和值影响.
- 评估eGDR作为DR风险分层的生物标志物的实用性.
主要方法:
- 来自2015-2020年NHANES的954名成人糖尿病患者的分析.
- 社会人口统计学,行为和心脏代谢因素的比较.
- 应用多变量逻辑回归,限制立方线 (RCS) 建模,值效应分析和机器学习算法 (XGBoost).
主要成果:
- 每个eGDR单位的增加都与DR概率下降21%有关 (OR=0.79).
- 观察到一个分级的反向关联,具有显著的线性趋势和非线性.
- XGBoost表现出高预测准确度 (AUC=0.894),eGDR作为一个关键预测因素.
结论:
- eGDR是DR风险的独立,非线性生物标志物.
- 研究结果表明,潜在的值效应会影响DR风险.
- eGDR对有针对性的DR查和干预具有临床意义.


