高聿琛，劉保東

(1山東大學醫(yī)學院, 濟南250012；2山東大學計算機科學與技術學院)

?

貝葉斯模型平均法對男女5年代謝綜合征患病風險的預測效能

高聿琛1，劉保東2

(1山東大學醫(yī)學院, 濟南250012；2山東大學計算機科學與技術學院)

目的 觀察貝葉斯模型平均(BMA-MSP)法在男女5年代謝綜合征(MetS)的患病風險預測中的效能。 方法 1 565例無MetS的健康體檢者，其中男1 020例、女545例，選擇12個體檢指標，包括基于MetS的傳統(tǒng)診斷標準選取BMI、收縮壓(SBP)、舒張壓(DBP)、空腹血糖(FBG)、甘油三酯(TGL)、高密度脂蛋白(HDL-C)，其他與MetS相關體檢指標血紅蛋白(Hb)、紅細胞比容(HCT)、白細胞計數(shù)(WBC)、淋巴細胞計數(shù)(LC)、中性粒細胞計數(shù)(NGC)、年齡。分別采用BMA-MSP法、向后逐步回歸法預測1 565例患者5年代謝綜合征的患病風險，ROC曲線分析BMA-MSP法、向后逐步回歸法對5年代謝綜合征患病風險的預測效能。結果 BMA-MSP法得出的女性納入者5年MetS患病風險的影響因素結果為，BMI、DBP、FBG對MetS具有極強的效應(后驗概率>99%)，其余9項指標具有極弱效應(后驗概率<50%)。向后逐步選擇回歸法結果可見BMI對MetS具有極強的效應(P<0.001)；其余11項指標具有極弱效應(P均<0.05)。BMA-MSP法得出的男性納入者5年MetS患病風險的影響因素結果為，可見BMI、SBP、FBG對MetS具有極強的效應(后驗概率>99%)，NGC對MetS具有正的效應 (75%<后驗概率<95%), TG 具有弱效應(50%<后驗概率<75%)，其他體檢指標具極弱效應(后驗概率<50%)。向后逐步選擇回歸法結果可見BMI、SBP、FBG對MetS具有極強的效應(P<0.001)。BMA-MSP法及向后逐步選擇回歸法對女性納入者的5年MetS患病風險預測的ROC曲線下面積(AUC)分別為87.24% (95%CI: 0.799 3～0.945 6) 、83.4% (95%CI: 0.749 5～0.918 5)，二者比較，P<0.05；約登指數(shù)分別為64%、59%，對應的最佳靈敏度分別為80.7%、83.7%，特異度分別為83.4%、74.7%。BMA-MSP法及向后逐步選擇回歸法對男性納入者的5年MetS患病風險預測的ROC曲線AUC分別為82.46% (95%CI: 0.787 9～0.861 3)、81.42% (95%CI: 0.776 7～0.851 8)，二者比較，P<0.05；約登指數(shù)分別為52%、48%，對應的最佳靈敏度分別為70.8%、60.2%，特異度分別為81.1%、87.4%。結論 與向后逐步選擇回歸法相比，BMA-MSP法對男女5年MetS的患病風險具有更好的預測效能。

代謝綜合征；貝葉斯模型平均法；向后逐步選擇回歸法；患病風險

代謝綜合征(MetS)是腹型肥胖、血脂異常、高血壓和高血糖征等異常聚集的一種病理狀態(tài)，病情進展可最終導致患者出現(xiàn)心血管疾病[1]和2型糖尿病[2]。近年來MetS發(fā)病率逐年升高，有報道[3]稱中國成年人群MetS發(fā)病率高達21.3%。因此預測MetS患病風險并分析其影響因素可為MetS的防治提供依據(jù)。目前基于橫截面數(shù)據(jù)的風險打分[4，5]和風險跟蹤預測模型[6，7]已被用于預測不同民族健康人群MetS患病風險，雖然其預測效果(AUC 0.724～0.827)具有中等可信度，但模型尚存在不確定性?？紤]到模型的不確定性，Cox風險模型貝葉斯模型平均BMA-MSP法，被臨床用于腦卒中風險預測及評估[8]。我們比較了BMA-MSP法、向后逐步回歸法在1 565例健康體檢者5年MetS患病風險中的預測價值，現(xiàn)將結果報告如下。

1 資料與方法

1.1 臨床資料 選擇2005年1月～2010年12月間山東省千佛山醫(yī)院健康管理中心及山東省立醫(yī)院健康體檢中心接受體檢的成年體檢者1 565例，而且所選體檢者均未患MetS。其中男1 020例、女545例，年齡(48.80±13.65)歲，其中女(48.30±12.40)歲、男(49.06±14.27)歲；BMI(24.60±3.08) kg/m2, 其中女(23.25±2.96) kg/m2、男(25.32±2.90) kg/m2)；收縮壓(SBP)為(122.89±16.61)mmHg，其中女(118.24±18.15)mmHg、男(125.37±15.16)mmHg；舒張壓(DBP)為(72.49±10.22)mmHg, 其中女(69.56±10.18)mmHg、男(74.05±9.89)mmHg；空腹血糖(FBG)為(5.15±0.88)mmol/L，其中女(5.00±0.81)mmol/L、男(5.23±0.91)mmol/L；甘油三酯(TGL)為(1.37±1.02)mmol/L，其中女(1.06±0.81)mmol/L、男(1.53±1.08)mmol/L；高密度脂蛋白(HDL-C)為(1.37±1.02)mmol/L，其中女(1.45±0.32)mmol/L、男(1.24±0.28)mmol/L；血紅蛋白(Hb)為(147.53±14.69)g/L，其中女(133.75±10.73)g/L、男(154.89±10.67)g/L；紅細胞比容(HCT)44.31%±3.94%，其中女40.78%±2.90%、男46.20%±3.01%；血白細胞計數(shù)(WBC)為(6.60±1.55)×109/L，其中女(6.29±1.53)×109/L、男(6.77±1.54)×109/L；淋巴細胞計數(shù)(LC)為(2.12±0.57)×109/L，其中女(1.97±0.51)×109/L、男(2.20±0.59)×109/L；中性粒細胞計數(shù)(NGC)為(3.92±1.22)×109/L，其中女(3.82±1.24)×109/L、男(3.97±1.20)×109/L。除年齡(P=0.297 6)外，男、女體檢者間SBP、 DBP、FBG、TG、HDL-C、Hb、HCT、WBC、LC、NGC間差異均有統(tǒng)計學意義。

1.2 BMA-MSP法、向后逐步回歸法在5年MetS患病風險預測中的應用方法 選擇1 565例正常體檢者的12個體檢指標，包括基于MetS的傳統(tǒng)診斷標準[2]選取BMI、SB、DBP、FBG、TG、HDL-C，根據(jù)以往研究資料[3]選取其他與MetS相關體檢指標Hb、HCT、WBC、LC、NGC、年齡。分別采用BMA-MSP法[8]、向后逐步回歸法預測1 565例患者5年代謝綜合征的患病風險。納入者均進行5年隨訪，每年體檢1次，采用中華醫(yī)學會糖尿病學分會發(fā)布的MetS診斷標準[11]觀察MetS的發(fā)生情況。

1.3 統(tǒng)計學方法 計量資料以表示，比較采用獨立樣本t檢驗。使用R中的survival包和BMA包實現(xiàn)Cox風險模型的BMA估計及模型選擇的Occam′sWindow(OW)規(guī)則[8]，計算納入者的BMA-MSP及Cox向后逐步回歸模型中相應MSP；采用ROC曲線分析BMA-MSP法、向后逐步回歸法在5年代謝綜合征患病風險中的預測價值。P<0.05為差異具有統(tǒng)計學意義。

2 結果

在女性納入者BMA-MSP法的5年MetS患病風險預測評估中，OW規(guī)則選擇了86個模型(共有212=4 096個模型)，累積后驗概率為0.996, 前5個模型的累積后驗概率為0.227。由BMA選擇的前五個模型中不包含向后逐步回歸選擇模型。在對男性體檢者的5年MetS風險預測估計中23個模型被選擇(共有212=4 096個模型)，23個模型的累積后驗概率為1.000, 前五個模型的累積后驗概率為0.555 8。由BMA選擇的前五個模型中不包含向后逐步回歸選擇。

BMA-MSP法對女性納入者5年MetS患病風險的影響因素分析結果可見BMI、DBP、FBG對MetS具有極強的效應(后驗概率>99%)，其余9項指標具有極弱效應(后驗概率<50%)。向后逐步選擇回歸法結果可見BMI對MetS具有極強的效應(P<0.001)；其余11項指標具有極弱效應(P均<0.05)。

BMA-MSP法對男性納入者5年MetS患病風險的影響因素分析結果可見BMI、SBP、FBG對MetS具有極強的效應(后驗概率>99%)，NGC對MetS具有正的效應 (75%<后驗概率<95%),TG具有弱效應(50%<后驗概率<75%)，其他體檢指標具極弱效應(后驗概率<50%)。向后逐步選擇回歸法結果可見BMI、SBP、FBG對MetS具有極強的效應(P<0.001)；其余10項指標具有極弱效應(P均<0.05)。

所有受檢者在5年隨訪過程中，有348例臨床確診為MetS,其中女62例、男286例。BMA-MSP法及向后逐步選擇回歸法預測女性5年MetS發(fā)生例數(shù)分別為31、31例，5年隨訪后確診例數(shù)分別為25、26例，預測女性5年MetS陰性例數(shù)分別為201、180例，5年隨訪陰性例數(shù)分別為201、180例。

BMA-MSP法及向后逐步選擇回歸法對女性納入者的5年MetS患病風險預測的ROC曲線下面積(AUC)分別為87.24% (95% CI: 0.799 3～0.945 6) 、83.4% (95% CI: 0.749 5～0.918 5)，二者比較，P<0.05；BMA-MSP法及向后逐步選擇回歸法預測女性5年MetS的靈敏度分別為80.7%、83.9%，假陰性率分別為19.3%、16.1%，特異度分別為83.4%、74.7%，假陽性率分別為16.6%、25.3%，約登指數(shù)分別為64%、59%，一致率分別為83.1%、75.7%。

BMA-MSP法及向后逐步選擇回歸法預測男性5年MetS發(fā)生例數(shù)分別為143、143例，5年隨訪后確診例數(shù)分別為101、86例，預測女性5年MetS陰性例數(shù)分別為367、367例，5年隨訪陰性例數(shù)分別為298、321例。

BMA-MSP法及向后逐步選擇回歸法對男性納入者的5年MetS患病風險預測的ROC曲線AUC分別為82.46% (95% CI: 0.787 9～0.861 3)、81.42% (95% CI:0.776 7～0.851 8)，二者比較，P<0.05；BMA-MSP法及向后逐步選擇回歸法預測男性5年MetS的靈敏度分別為70.8%、60.2%，假陰性率分別為29.2%、39.8%，特異度分別為81.1%、87.4%，假陽性率分別為18.9%、12.6%，約登指數(shù)分別為52%、48%，一致率分別為78.2%、79.8%。

3 討論

基于MetS的傳統(tǒng)定義，在以往研究中BMI、SBP、DBP、FBG、TG和HDL-C被選為MetS相關的體檢指標。MetS伴隨低度炎征反應這一事實，使得在病因研究中炎征在MetS診斷中起重要作用[4]，很多研究將血白細胞濃度升高視為MetS相關的系統(tǒng)炎癥存在的標志(WBC)。還有學者研究發(fā)現(xiàn)血液學參數(shù)與胰島素抵抗和MetS的產(chǎn)生具有正相關關系，例如HCT和Hb[12]與MetS具有顯著的相關性。NGC可以聚集并釋放損傷性物質，例如自由基及蛋白水解酶，從而導致血管內皮細胞的損傷及功能紊亂，導致血栓等疾病的發(fā)生并引起惡性循環(huán)。因此，在[13]中關于白細胞(尤其是LC及NGC)與MetS的統(tǒng)計相關性被發(fā)現(xiàn)。

本研究選擇了1 565例體檢者的12個體檢指標的5年跟蹤數(shù)據(jù)預測MetS，考慮到以往預測MetS的風險預測模型單一，從而導致預測有差異的問題，我們考慮應用BMA策略進行變量選擇和模型比較。在BMA策略中所有對MetS具有極強效應的體檢指標均包含于MetS的診斷定義中，這不同于向后逐步回歸選擇模型，在向后逐步回歸選擇模型中，與MetS相關的體檢指標被從模型中略掉。通過對所選取的體檢指標的BMA后驗效應分析，我們發(fā)現(xiàn)在所選擇的研究群體中，體檢指標對MetS的影響效應關于女性和男性有差異：在與MetS定義相關的血壓相關體檢指標中，女性中僅有DBP而男性中僅有SBP對MetS具有極強的效應,與以往文獻[14，15]中的發(fā)現(xiàn)是一致的。DBP在絕經(jīng)期MetS婦女患者中具有顯著效應，DBP升高可能提高絕經(jīng)期MetS患者的心血管疾病患病率[14]，本研究中所選取的女性體檢者的平均年齡為48.3歲。首次發(fā)現(xiàn)SBP升高僅對男性MetS發(fā)病具有預測效應，SBP升高也可能增加MetS男性的心血管病患病率[15]。在我們的研究中, 血NGC濃度升高僅對男性患者的Mets發(fā)病具有正效應，文獻[16]中關于韓國男性的研究得到了與我們相同的結果。

基于橫截面數(shù)據(jù)的風險打分[4，5]和風險跟蹤預測模型[6，7]被應用于不同民族的MetS預測。雖然這些預測工具具有可接受的預測效果，但是他們忽略了模型的不確定性。本研究中，女性BMA-MSP法與向后逐步回歸法所得結果比較，其BMA-MSP法診斷MetS的特異度高、靈敏度低，相應的假陽性率(誤診率)較低而假陰(漏診率)較高；而男性的相應比較結果恰好相反，BMA-MSP法診斷MetS的特異度低、靈敏度較高，相應的誤診率較高而即漏診率較低。女性和男性BMA-MSP法診斷MetS的約登指數(shù)均大于向后逐步選擇回歸法，表明總的診斷準確度BMA-MSP法法高于向后逐步選擇回歸法。BMA-MSP法診斷女性5年MetS的一致率高于向后逐步選擇回歸法，表明BMA的總的診斷正確率高于向后逐步選擇回歸法；兩種方法診斷男性5年MetS的概率一致率間差別不大，表明兩種方法的總的診斷正確率基本相同。靈敏度和特異度等基本評價指標雖然也是診斷診斷實驗的準確度的固有準確度指標，但因其會隨診斷界值的改變而改變，且其中一個指標隨另一個指標的增大而減小，所以使得兩個診斷試驗的準確度比較很困難，而ROC曲線的諸多優(yōu)點使得全面比較診斷試驗的準確度變得相對容易。本研究中，我們在Cox風險模型中使用BMA方法，應用BMA-MSP法預測男女5年MetS風險，我們將MBA-MSP預測方法與向后逐步選擇回歸模型相比較，經(jīng)過ROC分析，MBA-MSP法對男女5年MetS具有更好的預測效能。

[1]LakkaHM,LaaksonenDE,LakkaTA,etal.Themetabolicsyndromeandtotalandcardiovasculardiseasemortalityinmiddle-agedmen[J].JAMA, 2002,288(35):2709-2716.

[2]SattarN,McConnachieA,ShaperAG,etal.CanmetabolicsyndromeusefullypredictcardiovasculardiseaseanddiabetesOutcomedatafromtwoprospectivestudies[J].Lancet, 2008,371(15):1927-1935.

[3]XiB,HeD,HuY,etal.PrevalenceofmetabolicsyndromeanditsinfluencingfactorsamongtheChineseadults:theChinaHealthandNutritionSurveyin2009[J].PrevMed, 2013, 57(6):867-871.

[4]SaaristoT,PeltonenM,LindstromJ,etal.CrosssectionalevaluationoftheFinnishDiabetesRiskScore:atooltoidentifyundetectedtype2diabetes,abnormalglucosetoleranceandmetabolicsyndrome[J].DiabVascDisRes, 2005,2(2):67-72.

[5]HeldgaardPE,GriffinSJ.Routinelycollectedgeneralpracticedataaidsidentificationofpeoplewithhyperglycaemiaandmetabolicsyndrome[J].DiabetMed, 2006,23(9):996-1002.

[6]HsiaoFC,WuCZ,HsiehCH,etal.Chinesemetabolicsyndromeriskscore[J].SouthMedJ, 2009,102(2):159-164.

[7]YangXH,TaoQS,SunF,etal.Settingupariskpredictionmodelonmetabolicsyndromeamong35-74year-oldsbasedontheTaiwanMJHealth-checkupDatabase[J].MedClin, 2013,34(9):874-878.

[8]VolinskyCT,DavidMa,AdrianE.Raftery,andRichardA.Kronmal,BayesianModelAveraginginProportionalHazardModels:AssessingStrokeRisk, 1996[J].TechRep, 2001,139(28):37-45.

[9] Third Report of the National Cholesterol Education Program (NCEP) Expert Panel on Detection, Evaluation, and Treatment of High Blood Cholesterol in Adults (Adult Treatment Panel III). Final report[J]. Circulation, 2002,106(11):3143-421.

[10] World Health Organization. Definition, diagnosis and classification of diabetes mellitus and its complications: report of a WHO consultation[J]. Geneva,1999,175(35):21-27.

[11] Lu YH, Lu JM, Wang SY, et al. Comparison of the diagnostic criteria of metabolic syndrome by International Diabetes Federation and that by Chinese Medical Association Diabetes Branch[J]. Mol Biol Rep, 2006,86(6):386-389.

[12] Wu S, Lin H, Zhang C, et al. Association between erythrocyte parameters and metabolic syndrome in urban Han Chinese: a longitudinal cohort study[J]. BMC Public Health, 2013,189(13):989.

[13] Kim JA, Choi YS, Hong JI, et al. Association of metabolic syndrome with white blood cell subtype and red blood cells[J]. Endo J, 2006,53(1):133-139.

[14] Abdoljalal Ma, Sedigheh H, Moghasemi M. The Metabolic Syndrome among Postmenopausal Women in Gorgan[J]. Inter Journ Endo, 2012,135(89):2035-2039.

[15] Wei LP, Jen YW, Chuan CL, et al. Systolic Blood Pressure as an Independent Predictor of Metabolic Syndrome in Male Adolescents[J]. Acta Cardiol Sin, 2012,79(28):111-117.

[16] Kim JA, Choi YS, Hong JI, et al. Association of metabolic syndrome with white blood cell subtype and red blood cells[J]. Endocr J, 2006,53(1):133-139.

10.3969/j.issn.1002-266X.2016.39.031

R587

B

1002-266X(2016)39-0091-04

2016-08-01)