2型糖尿病患者糖尿病性視網(wǎng)膜病變發(fā)生的危險(xiǎn)因素分析

李士博　張麗敏　鄭利民　余艷琴　于凌艷　董竟

[關(guān)鍵詞] 2型糖尿病;糖尿病性視網(wǎng)膜病變;危險(xiǎn)因素;風(fēng)險(xiǎn)預(yù)測(cè)模型

[中圖分類(lèi)號(hào)] R587.1? ? ? ? ? [文獻(xiàn)標(biāo)識(shí)碼] B? ? ? ? ? [文章編號(hào)] 1673-9701（2021）18-0069-06

Risk factors of diabetic retinopathy in patients with type 2 diabetes mellitus

LI Shibo1，2，3? ?ZHANG Limin3? ?ZHENG Limin2? ?YU Yanqin2， 4? ?YU Lingyan3? ?DONG Jing2

1.Baotou Medical College， Inner Mongolia University of Science and Technology， Baotou 014040，China;2.Department of Ophthalmology， First Affiliated Hospital of Baotou Medical College， Inner Mongolia University of Science and Technology， Baotou 014010，China;3.Affiliated Hospital of Chifeng University， Chifeng 024000，China; 4.School of Public Health， Baotou Medical College， Inner Mongolia University of Science and Technology，Baotou 014040， China

[Abstract] Objective To explore the risk factors of diabetic retinopathy （DR） in patients with type 2 diabetes mellitus （T2DM）， construct and verify the DR risk prediction model， to measure the risk of DR and reduce adverse outcomes. Methods Sixty patients diagnosed with T2DM in our hospital in the department of endocrine and went to the department of ophthalmology in 2019 were selected. They were divided into the model group and the test group using the random number table method， with 51 patients and 9 patients in each group， respectively.The SPSS 22.0 software was used for comparison between the two groups. The univariate and multivariate Logistic analyses were conducted for the model group to obtain the relevant risk factors for the occurrence of DR. Based on this， the DR risk prediction model was constructed. The predictive effectiveness of the model was evaluated by substituting the test group into the model.The receiver operating curve was drawn using MedCale software. Results The results of multivariate Logistic regression analysis suggested that the number of hospital admissions， whether insulin was injected， whether medication was injected into eyes， and urine protein were the main risk factors for DR. Urea and triacylglycerol were protective factors for DR. Based on this， the constructed DR risk prediction model was Y=1/[1+e（1.257X1+2.068X2+5.085X3-0.266X4-0.802X5+0.543X6-0.82）]， where Y referred to the probability of the occurrence of DR， X1 referred to the number of hospital admissions， X2 referred to whether insulin was injected， X3 referred to whether medication was injected into eyes， X4 referred to urea， X5 referred to triacylglycerol， and X6 referred to urine protein. The area under the ROC curve of the DR risk prediction model predicting the occurrence of DR in the model group was 0.88， and the diagnostic critical value was 1.5697. The area under the ROC curve of the DR risk prediction model predicting the occurrence of DR in the test group was 0.951， the sensitivity was 0.933， the specificity was 0.857， the missed diagnosis rate was 0.067， and the misdiagnosis rate was 0.143. Conclusion The prediction model constructed in this study based on the above risk factors of DR has a certain predictive effectiveness and can provide a basis for the prevention and screening of DR.

[Key words] Type 2 diabetes mellitus; Diabetic retinopathy; Risk factor; Risk prediction model

糖尿?。―iabetes，DM）是一種全球最普遍的慢性病，全球有9%的成年人患DM[1]。糖尿病性視網(wǎng)膜病變（Diabetic retinopathy，DR）是一種常見(jiàn)的視網(wǎng)膜代謝性疾病，往往導(dǎo)致視力不可逆喪失。伴隨T2DM患病率增長(zhǎng)，DR已成為全球主要致盲原因之一[2-3]。60%的T2DM患者在發(fā)生DM的20年內(nèi)會(huì)發(fā)生DR。我國(guó)有28%的T2DM患者有DR，45%的DR患者視力受累嚴(yán)重[2，4]，晚期可至失明。DR在發(fā)達(dá)國(guó)家工作人群中是首要致盲性眼病[5]，因其可無(wú)癥狀進(jìn)展，故此DR患者通常在發(fā)生嚴(yán)重視力下降時(shí)才被發(fā)現(xiàn)。由于目前DR的發(fā)病機(jī)制尚未完全明確，因此亟需明確DR危險(xiǎn)因素，預(yù)測(cè)DR發(fā)生風(fēng)險(xiǎn)，以期早期進(jìn)行個(gè)體化干預(yù)，從而達(dá)到提高患者的生活質(zhì)量的目的[2]。內(nèi)蒙古自治區(qū)是我國(guó)蒙古族聚居地，蒙古族特色的生活習(xí)慣如內(nèi)蒙古狹長(zhǎng)的地域特點(diǎn)所致的文化背景、勞動(dòng)作業(yè)習(xí)慣等生活背景的不同等都有可能導(dǎo)致糖代謝異常疾病高發(fā)[6]。徐慧穎[7]的研究表明影響牧區(qū)蒙古族居民的健康情況的因素較為復(fù)雜，包括環(huán)境、經(jīng)濟(jì)狀況、對(duì)健康的認(rèn)知、對(duì)體育鍛煉的正確理解、生產(chǎn)生活方式等。本研究探討DR發(fā)生相關(guān)危險(xiǎn)因素，據(jù)此建立DR風(fēng)險(xiǎn)預(yù)測(cè)模型，進(jìn)而篩查并個(gè)體化干預(yù)DR高風(fēng)險(xiǎn)人群，降低DR致盲率，現(xiàn)報(bào)道如下。

1 資料與方法

1.1 一般資料

資料來(lái)源于2019年于包頭醫(yī)學(xué)院第一附屬醫(yī)院內(nèi)分泌科診斷為T(mén)2DM，并于眼科門(mén)診或病房就診的60例病例，采用隨機(jī)數(shù)字表法將入組病例分為模型組和檢驗(yàn)組，分別為51例和9例。

1.2 納入及診斷標(biāo)準(zhǔn)

符合2013年《中國(guó)2型糖尿病防治指南》中DM診斷標(biāo)準(zhǔn)[2，8]，經(jīng)內(nèi)分泌醫(yī)師確診為T(mén)2DM。患者神清語(yǔ)利，溝通理解能力強(qiáng)，無(wú)其他內(nèi)分泌及自身免疫系統(tǒng)疾病;無(wú)其他類(lèi)型DM;全身情況好;無(wú)眼內(nèi)炎、視神經(jīng)疾病、青光眼、高眼壓癥、視網(wǎng)膜病變及其他眼底改變的既往史，無(wú)眼部手術(shù)史和治療史。DR診斷標(biāo)準(zhǔn)參考我國(guó)糖尿病視網(wǎng)膜病變臨床診療指南（2014年）[9-10]。

1.3? 觀察指標(biāo)

記錄患者的一般資料及實(shí)驗(yàn)室指標(biāo)。①一般資料：年齡、性別、民族、職業(yè)、婚否、入院次數(shù)、主要診斷、是否病變、DM病程、是否注射胰島素、是否手術(shù)、手術(shù)名稱(chēng)、眼內(nèi)是否注射藥物。②實(shí)驗(yàn)室指標(biāo)：膽固醇（TC）、三酰甘油（TG）、尿酸（UA）、尿素（Urea）、肌酐（Care）、糖化血紅蛋白（HbA1c）、電解質(zhì)[鉀（K）、鈉（Na）、氯（Cl）、鈣（Ca）、鎂（Mg）、磷（P）]、高密度脂蛋白膽固醇（HDL-C）、尿蛋白（PRO）、低密度脂蛋白膽固醇（LDL-C）。③眼底檢查：所有患者均由同一眼科醫(yī)師進(jìn)行系統(tǒng)的眼部檢查并記錄檢查結(jié)果。在患者未散瞳時(shí)檢查眼前節(jié)情況，而后進(jìn)行散瞳檢查眼底，做出DR或非DR診斷。如診斷雙眼DR，記錄病變較嚴(yán)重側(cè)。上述涉及的化驗(yàn)指標(biāo)均由包頭醫(yī)學(xué)院第一附屬醫(yī)院化驗(yàn)室檢測(cè)。

1.4? 統(tǒng)計(jì)學(xué)方法

采用SPSS 22.0統(tǒng)計(jì)學(xué)軟件分析數(shù)據(jù)，采用χ2檢驗(yàn)對(duì)糖尿病患者的一般情況進(jìn)行組間比較。采用單因素和多因素Logistic回歸分析分析模型組發(fā)生DR的危險(xiǎn)因素，以結(jié)果顯示的危險(xiǎn)因素構(gòu)建糖尿病性視網(wǎng)膜病變風(fēng)險(xiǎn)預(yù)測(cè)模型。將檢驗(yàn)組的數(shù)據(jù)代入模型，計(jì)算并比較二者的臨界值，該模型的預(yù)測(cè)作用依據(jù)二者的靈敏度、特異度以及ROC曲線(xiàn)下面積來(lái)評(píng)估。誤診率=1-特異度。漏診率=1-靈敏度。α=0.05，P<0.05為差異有統(tǒng)計(jì)學(xué)意義。

2 結(jié)果

2.1 一般資料及實(shí)驗(yàn)室指標(biāo)特征

篩選符合2型糖尿病診斷的DR患者60例，其中模型組51例，檢驗(yàn)組9例，兩組資料在民族、性別、入院次數(shù)、職業(yè)、婚姻狀況、是否病變、藥物、手術(shù)、注射藥物、低密度脂蛋白膽固醇、肌酐、尿素、尿酸、電解質(zhì)（鉀、鈣、鎂、鈉、氯、磷）、高密度脂蛋白膽固醇、膽固醇、糖化血紅蛋白、尿蛋白、三酰甘油比較，差異無(wú)統(tǒng)計(jì)學(xué)意義（P>0.05）。見(jiàn)表1。

2.2 發(fā)生DR的多因素回歸分析

模型組中以是否發(fā)生DR（賦值：是=1，否=0）為因變量，以病程、年齡、糖化血紅蛋白、肌酐、尿素氮、膽固醇、三酰甘油和尿素等指標(biāo)均（賦值：連續(xù)變量），以尿蛋白（賦值：陽(yáng)性=1，陰性=0），性別（賦值：男=1，女=2），作為自變量行單因素Logistic回歸分析，結(jié)果提示DR發(fā)生的主要危險(xiǎn)因素是入院次數(shù)、注射胰島素、眼內(nèi)注射藥物、高尿素、高三酰甘油、高尿蛋白（P<0.05）。見(jiàn)表2。

2.3? 建立DR風(fēng)險(xiǎn)預(yù)測(cè)模型

以否發(fā)生DR作為因變量，以DR的影響因素[包括入院次數(shù)（B=1.257）、是否注射胰島素（2.068）、眼內(nèi)是否注射藥物（B=5.085）、尿素（B=-0.266）、血三酰甘油（B=-0.902）、尿蛋白（B=0.543）]作為自變量。見(jiàn)表3。既往入院次數(shù)越多、有胰島素注射史、有眼內(nèi)藥物注射史、尿蛋白陽(yáng)性的T2DM患者患DR風(fēng)險(xiǎn)高;高血甘油三和高尿素的T2DM患者患DR風(fēng)險(xiǎn)低。并據(jù)此，建立DR的預(yù)測(cè)模型，Y=1/[1+e（1.257X1+2.068X2+5.085X3-0.266X4-0.802X5+0.543X6-0.82）]，其中，Y指DR發(fā)生概率，X1指入院次數(shù)，X2指是否注射胰島素，X3指是否注射藥物，X4指尿素，X5指三酰甘油，X6指尿蛋白。

2.4 評(píng)估模型預(yù)測(cè)模型組的發(fā)生DR的危險(xiǎn)性

DR風(fēng)險(xiǎn)預(yù)測(cè)模型預(yù)測(cè)模型組的發(fā)生DR的ROC曲線(xiàn)下面積為0.951，[漸近95%CI：0.933～0.969），P<0.001]，臨界值為1.5697，約登指數(shù)為0.790，敏感度為0.933，特異度為0.857，漏診率為0.067，誤診率為0.143。見(jiàn)圖1。

2.5 評(píng)價(jià)DR風(fēng)險(xiǎn)預(yù)測(cè)模型預(yù)測(cè)檢驗(yàn)組的發(fā)生DR的風(fēng)險(xiǎn)性

DR風(fēng)險(xiǎn)預(yù)測(cè)模型預(yù)測(cè)檢驗(yàn)組的發(fā)生DR的ROC曲線(xiàn)下面積0.857，靈敏度為85.7%，特異度為50.0%。誤診率為50.0%，漏診率為14.3%。見(jiàn)圖2。

3 討論

DR是由血糖升高引起的代謝功能紊亂性疾病，隨著經(jīng)濟(jì)快速發(fā)展和人民生活水平不斷的提高，DM患病率不斷增長(zhǎng)。我國(guó)近20年來(lái)DM患病率增長(zhǎng)了10倍左右，給患者及社會(huì)造成極大的經(jīng)濟(jì)負(fù)擔(dān)[11-12]。長(zhǎng)期高血糖會(huì)嚴(yán)重影響DM患者的心腦血管、眼、腎和神經(jīng)系統(tǒng)功能并引起一系列并發(fā)癥[13-14]。DR是其中一種最常見(jiàn)、最嚴(yán)重的并發(fā)癥，晚期可發(fā)生嚴(yán)重視力下降甚至失明。DR患病率持續(xù)增長(zhǎng)[15]。DR分為增生性和非增生性，早期非增生性可長(zhǎng)期不影響視力，隨著病情進(jìn)展可發(fā)生視力下降，此時(shí)治療費(fèi)用高、效果差，可能發(fā)生不可逆轉(zhuǎn)的視力下降，甚至失明。影響DR發(fā)生的主要因素是糖尿病病程呈正相關(guān)關(guān)系[16]。本研究是我院內(nèi)分泌科和眼科就診的T2DM患者回顧性收集的資料，建立預(yù)測(cè)2型糖尿病患者中發(fā)生DR的風(fēng)險(xiǎn)模型。對(duì)模型組和檢驗(yàn)組一般資料及實(shí)驗(yàn)室指標(biāo)進(jìn)行比較，結(jié)果證實(shí)，二者性別、婚姻狀況、民族、入院次數(shù)、低密度脂蛋白膽固醇、職業(yè)、是否病變、藥物、手術(shù)、是否注射藥物、肌酐、尿素、尿酸、血電解質(zhì)（鉀、鈉、氯、鈣、鎂、磷）、糖化血紅蛋白、膽固醇、高密度脂蛋白膽固醇、尿蛋白、三酰甘油差異無(wú)統(tǒng)計(jì)學(xué)意義（P>0.05），說(shuō)明模型組和檢驗(yàn)組的研究對(duì)象之間沒(méi)有差異，說(shuō)明引入模型的數(shù)據(jù)比較穩(wěn)定，結(jié)果代表性較好，與朱夏媛等[17]的文獻(xiàn)報(bào)道一致。

DR的影響因素眾多，目前研究報(bào)道較多的因素如高血糖、DM病程、高血脂、高血壓、尿微量白蛋白等[18-20]。本研究顯示，入院次數(shù)、是否注射胰島素、眼內(nèi)是否注射藥物、尿素、三酰甘油、尿蛋白是DR發(fā)生的主要危險(xiǎn)因素。本研究依據(jù)DR發(fā)病相關(guān)的危險(xiǎn)因素，建立預(yù)測(cè)DR風(fēng)險(xiǎn)模型，之后將數(shù)據(jù)在DR發(fā)病高風(fēng)險(xiǎn)人群中進(jìn)行預(yù)測(cè)，評(píng)估其價(jià)值。本研究發(fā)現(xiàn)，抗新生血管藥物注射眼部發(fā)生DR的危險(xiǎn)度較高，可能與當(dāng)?shù)匦l(wèi)生狀況、經(jīng)濟(jì)較差有關(guān)，即就診的患者基本上是眼睛已經(jīng)發(fā)生病變，即使使用該類(lèi)抗新生血管藥物，也不可能逆轉(zhuǎn)眼部的疾病，只能避免病情進(jìn)一步加重，可見(jiàn)對(duì)于DM眼病的防護(hù)應(yīng)該及早進(jìn)行、效果較好。

糖尿病腎?。―iabetic nephropathy，DN）與DR是兩種最常見(jiàn)的DM微血管并發(fā)癥，兩者在微血管病變方面具有近乎相同的發(fā)病機(jī)制。若兩者常同時(shí)發(fā)生，DN患病風(fēng)險(xiǎn)高時(shí)，DR也具有較高患病風(fēng)險(xiǎn)。大量相關(guān)結(jié)果證實(shí)，DR與腎臟疾病二者具有協(xié)同性即二者疾病進(jìn)展程度相同，因此，DR可能對(duì)預(yù)測(cè)糖尿病性腎臟疾病的臨床病情有用[21]。反之DN可能對(duì)預(yù)測(cè)DR發(fā)生有用[12]。大量研究證實(shí)，DR可與促進(jìn)腎臟疾病快速發(fā)展的風(fēng)險(xiǎn)增加相關(guān)，而糖尿病性腎臟疾病與蛋白尿水平升高有關(guān)。因此，尿素及尿蛋白是診斷糖尿病性腎病的參考依據(jù)。尿素高說(shuō)明腎小球?yàn)V過(guò)率下降，發(fā)生DN的風(fēng)險(xiǎn)大，由于臨床診斷早期DN的主要線(xiàn)索是微量白蛋白尿，如果伴有肌酐、尿素升高，考慮DN晚期。本研究中發(fā)現(xiàn)，尿素及尿蛋白是DR發(fā)生的危險(xiǎn)因素，這與劉春玲[22]及許麗娟等[23]的研究報(bào)道一致，說(shuō)明本研究中DM人群尚未發(fā)生糖尿性腎病，可見(jiàn)對(duì)DR患者的防治具有重要意義。

研究證實(shí)，是否注射胰島素是DR發(fā)生的主要危險(xiǎn)因素，注射胰島素的患者大多是通過(guò)運(yùn)動(dòng)、控制飲食、戒斷不良生活習(xí)慣及單純口服降糖藥物長(zhǎng)期將血糖控制在合理的范圍內(nèi)。同時(shí)，長(zhǎng)時(shí)間的高糖飲食會(huì)誘發(fā)視網(wǎng)膜血管老化及神經(jīng)壞死，更嚴(yán)重者會(huì)發(fā)生視網(wǎng)膜的病變[24-26]。本研究中將胰島素的使用和糖尿病的持續(xù)時(shí)間確定為新穎的可解釋特征，以協(xié)助臨床決策確定糖尿病性視網(wǎng)膜病的高危人群。如果DM持續(xù)時(shí)間增加1年，則具有DMR的幾率比增加9.3%。與不使用胰島素的患者相比，使用胰島素的患者DR的發(fā)生率提高3.561倍。本研究結(jié)果可用于促進(jìn)未來(lái)臨床實(shí)踐的臨床決策支持系統(tǒng)的開(kāi)發(fā)[27]。

本研究顯示，入院次數(shù)是DR發(fā)生的主要危險(xiǎn)因素可能是因?yàn)槿朐捍螖?shù)越多越能代表患者血糖控制不理想，引起的視網(wǎng)膜血管代謝及耗氧量降低有關(guān)。本研究顯示，高脂血癥是DR發(fā)生的危險(xiǎn)因素之一，與很多文獻(xiàn)中報(bào)道的結(jié)論一致即DR發(fā)病與高脂血癥呈正相關(guān)，可能的原因是高血脂導(dǎo)致眼底血管發(fā)生動(dòng)脈硬化，繼而影響眼部血液供應(yīng)量，進(jìn)而加快DR發(fā)生的進(jìn)程，可以看出對(duì)血脂的有效控制對(duì)于改善視網(wǎng)膜狀態(tài)的狀態(tài)具有重要的意義[28-29]。

與DR發(fā)生有關(guān)的因素是DM患者的入院次數(shù)、是否注射胰島素、眼內(nèi)是否注射藥物、尿蛋白、尿素、三酰甘油。DR風(fēng)險(xiǎn)預(yù)測(cè)模型組發(fā)生DR的ROC曲線(xiàn)下面積是0.857，靈敏度是85.7%，特異度是50.0%。誤診率為50.0%漏診率為14.3%?？梢?jiàn)該模型為DR預(yù)測(cè)具有科學(xué)價(jià)值。由于內(nèi)蒙古是蒙漢族群居的地區(qū)居民的飲食習(xí)慣、生活方式差異較大，其中比較明顯的是高鹽、飲酒等不良行為習(xí)慣可能會(huì)導(dǎo)致糖尿病等慢性病的發(fā)生，因此在做DR模型中未帶入以上因素可能會(huì)對(duì)結(jié)果造成一定的影響。同時(shí)本研究考慮內(nèi)蒙古地區(qū)人群中肉食的攝入較高的問(wèn)題，在研究中分析膽固醇、三酰甘油等指標(biāo)與DR發(fā)生的關(guān)系，可以看出的是內(nèi)蒙古人群的肉食攝入較高，對(duì)于DR的發(fā)生具有重要的意義。

對(duì)于DR發(fā)病的危險(xiǎn)因素研究，對(duì)于高危人群進(jìn)行健康教育宣教和糖尿病視網(wǎng)膜病變的患者篩查，尤其是針對(duì)少數(shù)民族地區(qū)人群對(duì)于DR的防治具有重要意義。本研究是基于少數(shù)民族地區(qū)建立的預(yù)測(cè)DR發(fā)病具有一定的預(yù)測(cè)效率，對(duì)臨床早期對(duì)DR高危人群的篩查有一定意義。T2DM患者也可以對(duì)自己發(fā)生DR的風(fēng)險(xiǎn)進(jìn)行評(píng)估，從而實(shí)現(xiàn)DR的早發(fā)現(xiàn)、早診斷、早治療，可以使約90%的患者避免或者是不發(fā)生嚴(yán)重視力下降。

[參考文獻(xiàn)]

[1] Fila LA，Edwards JL. Metabolomics in diabetic complications[J].Mol Biopsy，2016 ，12（4）：1090-1105.

[2] 郭燕青，郭玲玲，楊志清.基于大數(shù)據(jù)平臺(tái)的糖尿病視網(wǎng)膜病變預(yù)測(cè)模型的建立及驗(yàn)證[J].中國(guó)初級(jí)衛(wèi)生保健，2020（9）：60-63.

[3] Song SJ，Han K，Choi KS，et al. Trends in diabetic retinopathy and related medical practices among type 2 diabetes patients：Results from the National Insurance Survey 2006-2013[J]. J Diabetes Investing，2018，9（1）：173-178.

[4] Zhang G，Chen H，Chen W，et al. Prevalence and risk factors for diabetic retinopathy in China：A multi-hospital-based cross-sectional study[J]. British Journal of Ophthalmology，2017，101（12）：1591-1595.

[5] Yau JW，Rogers SL，Kawasaki R，et al. Global prevalence and major risk factors of diabetic retinopathy[J].Diabetes Care，2012，35（3）：556-564.

[6] 崔萌.內(nèi)蒙古地區(qū)2型糖尿病患者脂聯(lián)素基因多態(tài)性與環(huán)境危險(xiǎn)因素交互作用研究[D].呼和浩特：內(nèi)蒙古醫(yī)科大學(xué)，2019.

[7] 徐慧穎.呼倫貝爾牧區(qū)蒙古族居民民族文化中影響健康因素探析[D].長(zhǎng)春：東北師范大學(xué)，2006.

[8] 中華醫(yī)學(xué)會(huì)糖尿病學(xué)分.中國(guó)2型糖尿病防治指南（2013年版）[J].中國(guó)醫(yī)學(xué)前沿雜志（電子版），2015（3）：26-89.

[9] 中華醫(yī)學(xué)會(huì)眼科學(xué)分會(huì)眼底病學(xué)組.我國(guó)糖尿病視網(wǎng)膜病變臨床指南（2014年）[J].中華眼科雜志，2014，11：851-865.

[10] Aspelund T，Thornórisdóttir O，Olafsdottir E，et al.Individual risk assessment and information technology to optimize screening frequency for diabetic retinopathy[J]. Diabetologia，2011，54（10）：2525-2532.

[11] Diamandis CJ，Bosworth HB，Oakes MM，et al. Simultaneous risk factor control using telehealth to slow progression of diabetic kidney disease （STOP-DKD） study：Protocol and baseline characteristics of a randomized controlled trial[J]. Contempt Clin Trials，2018，69：28-39.

[12] 蔡鑫，陸宇清，胡晨.2型糖尿病患者糖尿病視網(wǎng)膜病變相關(guān)危險(xiǎn)因素分析[J].國(guó)際眼科雜志，2018，18（8）：154-157.

[13] Yang W，Lu J，Weng J，et al. China National Diabetes and Metabolic Disorders Study Group. Prevalence of diabetes among men and women in China[J]. N Engle J Med， 2010，362（12）：1090-1101.

[14] Xu Y，Wang L，He J，et al.2010 China Noncommunicable Disease Surveillance Group. Prevalence and control of diabetes in Chinese adults[J]. JAMA，2013，310（9）：948-959.

[15] Yamanouchi M，Mori M，Hoshino J，et al. Retinopathy progression and the risk of end-stage kidney disease：Results from a longitudinal Japanese cohort of 232 patients with type 2 diabetes and biopsy-proven diabetic kidney disease[J]. BMJ Open Diabetes Res Care，2019，7（1）：e000 726.

[16] 郭學(xué)龍，陳曉霞，鄧輝琳.糖尿病視網(wǎng)膜病變的相關(guān)危險(xiǎn)因素分析[J].海南醫(yī)學(xué)，2018，29（17）：2394-2396.

[17] 朱夏媛，吳浩，葛彩英，等.社區(qū)2型糖尿病視網(wǎng)膜病變風(fēng)險(xiǎn)預(yù)測(cè)模型的構(gòu)建與驗(yàn)證[J].中國(guó)全科醫(yī)學(xué)，2020（6）：712-715.

[18] Duh EJ，Sun JK，Stitt AW.Diabetic retinopathy：Current understanding， mechanisms，and treatment strategies[J]. JCI Insight，2017，2（14）：e93 751.

[19] Yau JW，Rogers SL，Kawasaki R，et al.Global prevalence and major risk factors of diabetic retinopathy[J].Diabetes Care，2012，35（3）：556-564.

[20] TY，Cheung N，Tay WT，et al. Prevalence and risk factors diabetic retinopathy：The singapore malay eye study[J].Ophthalmology，2008，115（11）：1869-1875.

[21] 王蘊(yùn)智，鄭志.2型糖尿病風(fēng)險(xiǎn)模型的建立與干預(yù)[D].上海：上海交通大學(xué)，2019.

[22] 劉春玲.糖尿病視網(wǎng)膜病變與糖尿病腎病的相關(guān)性分析[J]. 糖尿病新世界，2018（8）：176-177.

[23] 許麗娟，段濱紅，王丹，等.探討糖尿病視網(wǎng)膜病變及糖尿病腎病的關(guān)系研究[J].糖尿病新世界，2017（22）：165-166.

[24] 浦丹鳳，王霞娟，相靜怡，等.糖尿病視網(wǎng)膜病變家庭該預(yù)測(cè)模型的建立與驗(yàn)證[J].糖尿病新世界，2018（11）：186-188.

[25] 陳立梅.2型糖尿病患者發(fā)生視網(wǎng)膜病變相關(guān)危險(xiǎn)因素調(diào)查[J].護(hù)理實(shí)踐與研究，2020，17（5）：24-26.

[26] 陳紅.2型糖尿病患者發(fā)生糖尿病視網(wǎng)膜病變的影響因素分析[J].江蘇醫(yī)藥，2017，43（8）：592-594.

[27] Tsao HY，Chan PY，Su EC. Predicting diabetic retinopathy and identifying interpretable biomedical features using machine learning algorithms[J].BMC Bioinformatics，2018，19（Suppl 9）：283.

[28] Yang Z，F(xiàn)eng L，Huang Y，et al. A differential diagnosis model for diabetic nephropathy and non-diabetic renal disease in patients with type 2 diabetes complicated with chronic kidney disease[J]. Diabetes Me tab Sydney Obes，2019，12：1963-1972.

[29] George M，Harper R，Balamurugan A，et al.Diabetic retinopathy and its risk factors in a population-based study[J].J Prim Care Community Health，2011，2（2）：122-126.

（收稿日期：2021-01-27）