《北京市房山區成人2型糖尿病發病風險模型的建立與評估》是依託北京大學，由陳大方擔任負責人的面上項目。
基本介紹
- 中文名：北京市房山區成人2型糖尿病發病風險模型的建立與評估
- 項目負責人：陳大方
- 依託單位：北京大學
- 項目類別：面上項目
項目摘要,結題摘要,
項目摘要
2型糖尿病已成為第三位威脅人類健康的慢性非傳染性疾病。通過建立包括基因組信息和環境危險因素與2型糖尿病之間的風險評估模型，並據此提供針對個體的個性化控制與干預措施，是目前流行病學國際前沿研究熱點和未來個性化健康服務的發展趨勢。本研究在建模方法上，首次在國內外採用支持向量機方法用於2型糖尿病風險建模，在建模因素上，綜合考慮基因和環境危險因素對2型糖尿病發病的影響，首次在國內建立基於基因和環境危險因素的2型糖尿病風險評估模型。在人群選擇上，在國內首次基於房山區大樣本的佇列隨訪人群進行建模，從而能夠有效控制信息偏倚的產生，使納入模型的環境因素更加準確。此外，由於選擇的研究對象來自房山同一個地區，因此具有良好的遺傳同質性，能有效避免由於人群混雜所導致的假陽性關聯結果的產生。本研究將為2型糖尿病個性化干預和預防提供科學依據，對降低我國2型糖尿病的發病率，具有十分重要的理論與現實意義。
結題摘要
本研究採用Logistic回歸、神經網路、支持向量機三種方法，構建適合中國人群特點的2型糖尿病發病風險評估模型，為2型糖尿病高危人群篩查、健康管理和個性化預防提供科學依據。Logistic回歸模型：單獨納入傳統危險因素或遺傳風險評分時模型的AUC分別為0.647（95%CI：0.623 ~ 0.670）和0.579（95%CI：0.554 ~ 0.604）；同時納入傳統危險因素和遺傳風險評分時模型的AUC為0.670（95%CI：0.647 ~ 0.693）。所有模型的Hosmer-Lemeshow檢驗P值均大於0.05。在傳統危險因素模型的基礎上，加入遺傳風險評分後，模型的AUC增加，且差異有統計學意義（P=0.0002）。淨再分類改進（NRI）指標為0.243（95%CI：0.155 ~ 0.330），具有統計學意義（P＜0.001）；整體區分改進（IDI）指標為0.017（95%CI：0.012 ~ 0.023），具有統計學意義（P＜0.001）。單獨納入傳統危險因素或遺傳風險評分時模型的AUC分別為0.690（95%CI：0.668 ~ 0.713）和0.579（95%CI：0.554 ~ 0.604）；同時納入傳統危險因素和遺傳風險評分時模型的AUC為0.728（95%CI：0.706 ~ 0.749）。在傳統危險因素模型的基礎上，加入遺傳風險評分後，模型的AUC增加，但差異不存在統計學意義。單獨納入傳統危險因素或遺傳風險評分時模型的AUC分別為0.733（95%CI：0.663 ~ 0.803）和0.562（95%CI：0.484 ~ 0.640）；同時納入傳統危險因素和遺傳風險評分時模型的AUC為0.765（0.700 ~ 0.831）。在傳統危險因素模型的基礎上，加入遺傳風險評分後，模型的AUC增加，但差異不存在統計學意義。結論：與只納入傳統危險因素相比，同時納入傳統危險因素和遺傳風險評分時T2DM發病風險評估模型的預測效果更好。與Logistic回歸模型相比，採用神經網路或支持向量機構建的T2DM發病風險評估模型的預測效果更好。
