基于三维超声构建糖尿病肾病诊断预测模型的初步研究

doi:10.3877/cma.j.issn.1672-6448.2019.09.011

中华医学超声杂志（电子版） ›› 2019, Vol. 16 ›› Issue (09) : 702 -708. doi: 10.3877/cma.j.issn.1672-6448.2019.09.011

所属专题：文献；

生殖泌尿超声影像学

基于三维超声构建糖尿病肾病诊断预测模型的初步研究

李楠¹, 唐杰²^,^†(

), 王一茹³, 田晓琪¹, 梁舒媛³, 林林¹, 李秋洋³, 费翔³, 罗渝昆³

^1. 100853　北京，解放军医学院
^2. 100853　北京，解放军医学院；100853　北京，解放军总医院第一医学中心超声诊断科
^3. 100853　北京，解放军总医院第一医学中心超声诊断科

收稿日期:2018-10-12 出版日期:2019-09-01
通信作者: 唐杰
基金资助:
北京市科技计划课题(D171100002817006)

Development of a predictive model for diagnosis of diabetic nephropathy based on three-dimensional ultrasound

Nan Li¹, Jie Tang²^,^†(), Yiru Wang³, Xiaoqi Tian¹, Shuyuan Liang³, Lin Lin¹, Qiuyang Li³, Xiang Fei³, Yukun Luo³

^1. Medical School of Chinese PLA, Beijing 100853, China
^2. Medical School of Chinese PLA, Beijing 100853, China; Department of Ultrasound, the First Medical Center, Chinese PLA General Hospital, Beijing 100853, China
^3. Department of Ultrasound, the First Medical Center, Chinese PLA General Hospital, Beijing 100853, China

Received:2018-10-12 Published:2019-09-01
Corresponding author: Jie Tang
About author:
Corresponding author: Tang Jie, Email: txiner@vip.sina.com

全文 ( ) 下载PDF ( ) 导出引用

引用本文：

李楠, 唐杰, 王一茹, 田晓琪, 梁舒媛, 林林, 李秋洋, 费翔, 罗渝昆. 基于三维超声构建糖尿病肾病诊断预测模型的初步研究[J]. 中华医学超声杂志（电子版）, 2019, 16(09): 702-708.

Nan Li, Jie Tang, Yiru Wang, Xiaoqi Tian, Shuyuan Liang, Lin Lin, Qiuyang Li, Xiang Fei, Yukun Luo. Development of a predictive model for diagnosis of diabetic nephropathy based on three-dimensional ultrasound[J]. Chinese Journal of Medical Ultrasound (Electronic Edition), 2019, 16(09): 702-708.

目的

应用三维超声获得肾脏体积参数，结合临床资料指标建立诊断糖尿病肾病的预测模型方程。

方法

选取2型糖尿病合并肾损害的研究对象62例，根据肾脏穿刺活检病理结果将其分为糖尿病肾病（DN）组和非糖尿病肾病（NDRD）组，其中DN组35例，NDRD组27例，通过三维超声得出肾脏体积，并用其体表面积进行校正得出肾脏体积指数，比较分析两组研究对象的性别、年龄、体重、身高、体重指数、体表面积、收缩压/舒张压、尿蛋白、肾小球滤过率、血浆尿素氮、血肌酐、尿肌酐、空腹血糖、糖尿病病史、是否进行糖尿病治疗、是否有糖尿病视网膜病变、是否有血尿以及双肾体积、肾脏体积指数是否存在差异，选取临床资料指标与肾脏体积指数用Logistic回归进行预测模型的建立。

结果

DN组与NDRD组比较，收缩压、尿蛋白、肾小球滤过率、血浆尿素氮、血肌酐、糖尿病病史、是否有糖尿病视网膜病变、是否有血尿临床资料，差异均有统计学意义（t=4.8056、2.3748、5.0350、4.0205、4.3821、5.9283，χ²=2.9606、3.1691，P均<0.05），右肾肾脏体积指数两组间的比较，差异有统计学意义（t=2.7166，P<0.05），性别、年龄、体重、身高、体重指数、体表面积、舒张压、尿肌酐、空腹血糖、是否进行糖尿病治疗、右肾体积、左肾体积和左肾体积指数，差异均无统计学意义（P均>0.05）；通过双肾肾脏体积指数和主要临床资料参数构建诊断预测模型方程，预测模型方程判断DN的ROC曲线下面积为0.9217，95%置信区间（0.8557~0.9877），最佳阈值0.2069，特异度85.19%，敏感度85.71%，准确性85.48%，阳性预测值0.8824，阴性预测值0.8214，阳性似然比5.7857，阴性似然比0.1677。

结论

基于三维超声建立的DN诊断的预测模型方程，可为临床诊断DN提供了一种新的诊断手段，对今后的临床诊断和治疗有重要的意义。

关键词: 三维超声, 糖尿病肾病, 非糖尿病肾病, 预测模型

Objective

To obtain renal volume parameters by using three-dimensional ultrasound, and to establish a predictive model for the diagnosis of diabetic nephropathy (DN) based on clinical data.

Methods

Sixty-two subjects with type 2 diabetes mellitus complicated with renal damage were enrolled. Based on the pathological results of renal biopsy, the patients were divided into either a DN group (n=35) or a non-diabetic renal diseases (NDRD) group (n=27). Kidney volume was obtained by three-dimensional ultrasound, and the body volume index was used to obtain the kidney volume index. Gender, age, weight, height, body mass index, body surface area, systolic blood pressure/diastolic blood pressure, urinary protein, glomerular filtration rate, plasma urea nitrogen, serum creatinine, urinary creatinine, fasting blood glucose, history of diabetes, diabetes treatment, diabetic retinopathy, hematuria, kidney volume, and kidney volume index were compared between the two groups. Clinical data indexes and kidney volume index were selected by Logistic regression to establish a predictive model for the diagnosis of DN.

Results

Urinary protein, glomerular filtration rate, plasma urea nitrogen, serum creatinine, history of diabetes, diabetic retinopathy, and hematuria differed significantly between the two groups (t=4.8056, 2.3748, 5.0350, 4.0205, 4.3821, 5.9283; χ²=2.9606, 3.1691; all P<0.05). There was also a statistically significant difference in the right kidney volume index between the two groups (t=2.7166, P<0.05). There was no significant difference in gender, age, weight, height, body mass index, body surface area, diastolic blood pressure, urinary creatinine, fasting blood glucose, diabetes treatment, volume of both kidneys, or left kidney volume index (all P>0.05). A predictive model was constructed by using renal kidney volume and the main clinical parameters. The area under the ROC curve of this model for diagnosing DN was 0.9217 (95% confidence interval: 0.8557-0.9877); with an optimal threshold of 0.2069, the specificity, sensitivity, accuracy, positive predictive value, negative predictive value, positive likelihood ratio, and negative likelihood ratio were 85.19%, 85.71%, 85.48%, 0.8824, 0.8214, 5.7857, and 0.1677, respectively.

Conclusions

The predictive model for the diagnosis of DN based on three-dimensional ultrasound provides a new diagnostic method for DN, which is of great significance for the clinical diagnosis and treatment of DN.

Key words: Three-dimensional ultrasound, Diabetic nephropathy, Non-diabetic renal diseases, Prediction model

图1 肾脏三维超声图像测量方法。图a图中确定肾脏最大长径；图b图中对于7层横切面中每层手动描记出肾脏轮廓

表1 非糖尿病肾病组糖尿病肾病组研究对象临床资料

病理结果		非糖尿病肾病组（n=27）	糖尿病肾病组（n=35）	统计值	P值
年龄（岁，±s）		53.7±10.5	52.7 ± 10.4	t=0.1407	0.555
体重（Kg，±s）		77.3±13.6	74.6 ± 11.3	t=1.0993	0.386
身高（cm，±s）		168.3±8.4	168.9 ± 8.0	t=0.6978	0.783
体重指数（±s）		28.3±5.9	26.0 ± 2.8	t=2.4294	0.050
体表面积（m²，±s）		1.9±0.2	1.8 ± 0.2	t=0.6496	0.386
收缩压（mmHg，±s）		135.6±21.9	156.2 ± 16.5	t=4.8056	<0.001
舒张压（mmHg，±s）		82.2±12.9	88.3 ± 12.8	t=1.3373	0.067
尿蛋白（g/L，±s）		1.4±1.2	2.1 ± 1.1	t=2.3748	0.014
肾小球滤过率（ml/min.1.73²，±s）		66.3±31.0	42.7 ± 24.4	t=5.0350	0.001
血浆尿素氮（mmol/L，±s）		8.1±4.0	10.8 ± 5.9	t=4.0205	0.021
血肌酐（umol/L，±s）		122.9±74.2	180.4 ± 84.3	t=4.3821	0.003
尿肌酐（mmol/L，±s）		5.5±2.4	5.0 ± 2.2	t=1.7804	0.422
空腹血糖（mmol/L，±s）		6.3±2.3	7.5 ± 4.0	t=0.4861	0.169
糖尿病病史（年，±s）		5.8±3.5	11.8 ± 6.2	t=5.9283	<0.001
性别［例（%）］		?	?	χ²=0.8352	0.831
?	男性	21 （77.8%）	28（80.0%）	?	?
?	女性	6 （22.2%）	7（20.0%）	?	?
是否治疗糖尿病［例（%）］		?	?	χ²=2.4889	0.693
?	是	23 （85.2%）	31（88.6%）	?	?
?	否	4 （14.8%）	4（11.4%）	?	?
是否有糖尿病视网膜病变［例（%）］		?	?	χ²=2.9606	0.033
?	有	6 （22.2%）	17（48.6%）	?	?
?	无	21 （77.8%）	18（51.4%）	?	?
是否血尿［例（%）］		?	?	χ²=3.1691	0.008
?	有	16（59.3%）	9（25.7%）	?	?
?	无	11（40.7%）	26（74.3%）	?	?

表1 非糖尿病肾病组糖尿病肾病组研究对象临床资料

病理结果		非糖尿病肾病组（n=27）	糖尿病肾病组（n=35）	统计值	P值
年龄（岁，±s）		53.7±10.5	52.7 ± 10.4	t=0.1407	0.555
体重（Kg，±s）		77.3±13.6	74.6 ± 11.3	t=1.0993	0.386
身高（cm，±s）		168.3±8.4	168.9 ± 8.0	t=0.6978	0.783
体重指数（±s）		28.3±5.9	26.0 ± 2.8	t=2.4294	0.050
体表面积（m²，±s）		1.9±0.2	1.8 ± 0.2	t=0.6496	0.386
收缩压（mmHg，±s）		135.6±21.9	156.2 ± 16.5	t=4.8056	<0.001
舒张压（mmHg，±s）		82.2±12.9	88.3 ± 12.8	t=1.3373	0.067
尿蛋白（g/L，±s）		1.4±1.2	2.1 ± 1.1	t=2.3748	0.014
肾小球滤过率（ml/min.1.73²，±s）		66.3±31.0	42.7 ± 24.4	t=5.0350	0.001
血浆尿素氮（mmol/L，±s）		8.1±4.0	10.8 ± 5.9	t=4.0205	0.021
血肌酐（umol/L，±s）		122.9±74.2	180.4 ± 84.3	t=4.3821	0.003
尿肌酐（mmol/L，±s）		5.5±2.4	5.0 ± 2.2	t=1.7804	0.422
空腹血糖（mmol/L，±s）		6.3±2.3	7.5 ± 4.0	t=0.4861	0.169
糖尿病病史（年，±s）		5.8±3.5	11.8 ± 6.2	t=5.9283	<0.001
性别［例（%）］		?	?	χ²=0.8352	0.831
?	男性	21 （77.8%）	28（80.0%）	?	?
?	女性	6 （22.2%）	7（20.0%）	?	?
是否治疗糖尿病［例（%）］		?	?	χ²=2.4889	0.693
?	是	23 （85.2%）	31（88.6%）	?	?
?	否	4 （14.8%）	4（11.4%）	?	?
是否有糖尿病视网膜病变［例（%）］		?	?	χ²=2.9606	0.033
?	有	6 （22.2%）	17（48.6%）	?	?
?	无	21 （77.8%）	18（51.4%）	?	?
是否血尿［例（%）］		?	?	χ²=3.1691	0.008
?	有	16（59.3%）	9（25.7%）	?	?
?	无	11（40.7%）	26（74.3%）	?	?

表2 糖尿病肾病组与非糖尿病肾病组右肾肾脏体积和肾脏体积指数比较（±s）

病理结果	病例数	右肾体积（ml）	右肾肾脏体积指数	左肾体积（ml）	左肾肾脏体积指数
非糖尿病肾病组	27	165.7±52.3	89.2±25.4	187.8±55.4	101.9±30.0
糖尿病肾病组	35	188.9±41.0	103.0±18.8	195.3±47.6	106.6±23.0
t值	?	2.2060	2.7166	0.4205	0.5610
P值	?	0.055	0.017	0.570	0.491

表2 糖尿病肾病组与非糖尿病肾病组右肾肾脏体积和肾脏体积指数比较（±s）

病理结果	病例数	右肾体积（ml）	右肾肾脏体积指数	左肾体积（ml）	左肾肾脏体积指数
非糖尿病肾病组	27	165.7±52.3	89.2±25.4	187.8±55.4	101.9±30.0
糖尿病肾病组	35	188.9±41.0	103.0±18.8	195.3±47.6	106.6±23.0
t值	?	2.2060	2.7166	0.4205	0.5610
P值	?	0.055	0.017	0.570	0.491

图2 方程一与方程二两模型的受试者工作特征曲线

[1]	Sharaf El Din UAA, Salem MM, Abdulazim DO. Abdulazim, Diabetic nephropathy: Time to withhold development and progression-A review [J]. J Adv Res, 2017, 8(4): 363-373.
[2]	周建辉，陈香美，谢院生, 等. 糖尿病肾病与非糖尿病性肾脏疾病的对比分析及其诊断概率回归方程的建立 [J]. 中华肾脏病杂志, 2005, 21(4): 182-185.
[3]	Zhou J, Chen X, Xie Y, et al. A differential diagnostic model of diabetic nephropathy and non-diabetic renal disease [J]. Nephrol Dial Transplant, 2008, 23(6): 1940-1945.
[4]	Wagrowska-Danilewicz M, Danilewicz M. Spectrum of biopsyproven renal diseases in patients with type 2 diabetes mellitus. A single center study [J]. Pol J Pathol, 2015, 66(4): 361-367．
[5]	Kim HC, Yang DM, Jin W, et al. Relation between total renal volume and renal function: Usefulness of 3D sonographic measurements with a matrix array transducer [J]. Am J Roentgenol, 2010, 194(2): W186-W192.
[6]	Levey AS, Stevens LA, Schmid CH, et al. A new equation to estimate glomerular filtration rate [J]. Ann Intern Med, 2009, 150(9): 604-612.
[7]	Verbraecken J, Van de Heyning P, De Backer W, et al. Body surface area in normal-weight, overweight, and obese adults: a comparison study [J]. Metabolism, 2006, 55: 515-524.
[8]	DuBois D, DuBois EF. A formula to estimate the approximate surface area if height and weight be known [J]. Arch Intern Med, 1916, 17: 863-871.
[9]	Yang W, Lu J, Weng J, et al. Prevalence of diabetes among men and women in China [J]. N Engl J Med, 2010, 362(12): 1090-1101.
[10]	Xu Y, Wang L, He J, et al. Prevalence and control of diabetes in Chinese adults [J]. JAMA, 2013, 310(9): 948-959.
[11]	Macisaac RJ, Ekinci EI, Jerums G. Markers of and risk factors for the development and progression of diabetic kidney disease [J]. Am J Kidney Dis, 2014, 63(2 Suppl 2): S39-S62.
[12]	Awad AS, You H, Gao T, et al. Macrophage-derived tumor necrosis factor-αmediates diabetic renal injury [J]. Kidney Int, 2015, 88(4): 722-733.
[13]	Williams ME. Management of diabetes in dialysis patients [J]. Curr Diab Rep, 2009, 9(6): 466-472.
[14]	Amoah E, Glickman JL, Malchoff CD, et al. Clinical identification of nondiabetic renal disease in diabetic patients with type I and type II disease presenting with renal dysfunction [J]. Am J Nephrol, 1988, 8(3): 204-211.
[15]	Marcello Mancini, Maria Masulli, Raffaele Liuzzi, et al. Renal Duplex Sonographic Evaluation of Type 2 Diabetic Patients [J]. J Ultrasound Med, 2013, 32: 1033-1040.
[16]	Caramori ML, Gross JL, Pecis M, de et al. Glomerular filtration rate, urinary albumin excretion rate, and blood pressure changes in normoalbuminuric normotensive type 1 diabetic patients: an 8-year followup study [J]. Diabetes Care, 1999, 22: 1512-1516.
[17]	Bakris GL, Williams M, Dworkin L, et al. Preserving renal function in adults with hypertension and diabetes: a consensus approach. National Kidney Foundation Hypertension and Diabetes Executive Committees Working Group [J]. Am J Kidney Dis, 2000, 36: 646-661.
[18]	Gross JL, de Azevedo MJ, Silveiro SP, et al. Diabetic nephropathy: diagnosis, prevention, and treatment [J]. Diabetes Care, 2005, 28: 164-176.
[19]	Ruggenenti P, Porrini EL, Gaspari F, et al. Glomerular hyperfiltration and renal disease progression in type 2 diabetes [J]. Diabetes Care, 2012, 35: 2061-2068.
[20]	Riccabona M, Fritz GA, Schllnast H, et al. Hydronephrotic Kidney: Pediatric Three-dimensional US for Relative Renal Size Assessment-Initial Experience [J]. Radiology, 2005, 236(1): 276-283.
[21]	Cansu A, Kupeli A, Kul S, et al. Evaluation of the relationship between renal function and renal volume-vascular indices using 3Dpower Doppler ultrasound [J]. Eur J Radiol, 2014, 83(7): 1080-1085.
[22]	Liang S, Zhang XG, Cai GY, et al. Identifying parameters to distinguish non-diabetic renal diseases from diabetic nephropathy in patients with type 2 diabetes mellitus: a meta-analysis [J]. PLoS One, 2013, 8( 5): e64184.
[23]	Wagrowska-Danilewicz M, Danilewicz M. Spectrum of biopsyproven renal diseases in patients with type 2 diabetes mellitus.A single center study [J]. Pol J Pathol, 2015, 66(4): 361-367．
[24]	Prakash J, Gupta T, Prakash S, et al. Non-diabetic renal disease in type 2 diabetes mellitus:Study of renal-retinal relationship [J]. Indian J Nephrol, 2015, 25(4): 222-228．
[25]	Fiorentino M, Bolignano D, Tesar V, et al. Renal biopsy in patients with diabetes: a pooled meta-analysis of 48 studies [J]. Nephrol Dial Transplant, 2017, 32(1): 97-110.
[26]	KDOQI Work Group. KDOQI clinical practice guidelines and clinical practice recommendations for diabetes and chronic kidney disease [J]. Am J Kidney Dis, 2007, 49(2): S12-S154．
[27]	Dong Z, Wang Y, Qiu Q, et al. Clinical predictors differentiating non-diabetic renal diseases from diabetic nephropathy in a large population of type 2 diabetes patients [J]. Diabetes Res Clin Pract, 2016, 121: 112-118.

[1]	刘丹妮, 敖梦, 冉海涛, 李世玉, 秦芳. 三维超声心动图及二维斑点追踪成像对持续性心房颤动复律后双心房逆向重构的评估[J]. 中华医学超声杂志（电子版）, 2023, 20(08): 827-835.
[2]	汪彦阳, 周远洋, 魏雪菲, 陶志嵩, 龚海燕. 基于癌症基因组图谱构建乳腺癌中WAC反义RNA1的加权基因共表达网络和临床预测模型[J]. 中华乳腺病杂志(电子版), 2023, 17(04): 218-228.
[3]	陈永庄, 莫小乔, 谢天. 心血管事件患者术后30 d死亡风险决策树模型的构建与评估——基于少数类样本合成过采样技术算法[J]. 中华危重症医学杂志(电子版), 2023, 16(05): 390-398.
[4]	徐双云, 汪佩林, 卫志文. 轮状病毒阳性肠炎并发惊厥危险因素及相关预测模型构建[J]. 中华实验和临床感染病杂志(电子版), 2023, 17(04): 260-266.
[5]	王迎迎, 谢平. 乙型肝炎病毒感染合并肺结核患者发生肝损伤的危险因素及预测模型构建[J]. 中华实验和临床感染病杂志(电子版), 2023, 17(04): 267-273.
[6]	张俊, 罗再, 段茗玉, 裘正军, 黄陈. 胃癌预后预测模型的研究进展[J]. 中华普通外科学文献(电子版), 2023, 17(06): 456-461.
[7]	李坤河, 寇萌佳, 邝立挺. 肝移植术后二次气管插管的危险因素及预测模型的建立[J]. 中华普通外科学文献(电子版), 2023, 17(05): 366-371.
[8]	唐旭, 韩冰, 刘威, 陈茹星. 结直肠癌根治术后隐匿性肝转移危险因素分析及预测模型构建[J]. 中华普外科手术学杂志(电子版), 2024, 18(01): 16-20.
[9]	王万川, 麦广智, 张晓槟, 冯家豪. 腹腔镜下LAR术治疗低位直肠癌保肛术中钉仓数量与术后LARS的关系[J]. 中华普外科手术学杂志(电子版), 2023, 17(05): 491-496.
[10]	贾成朋, 王代宏, 陈华, 孙备. 可切除性胰腺癌预后术前预测模型的建立及应用[J]. 中华普外科手术学杂志(电子版), 2023, 17(05): 566-570.
[11]	徐伯麒, 陶亮, 章帆, 毛忠琦. 结肠癌患者淋巴结转移预测模型的建立[J]. 中华普外科手术学杂志(电子版), 2023, 17(04): 393-397.
[12]	杨静, 顾红叶, 赵莹莹, 孙梦霞, 查园园, 王琪. 老年血液透析患者短期死亡的影响因素及列线图预测模型的预测作用[J]. 中华肾病研究电子杂志, 2023, 12(05): 254-259.
[13]	程莉, 章晓良. 血尿酸和胱抑素C与糖尿病视网膜病变患者合并糖尿病肾病的关系及影响因素[J]. 中华肾病研究电子杂志, 2023, 12(04): 194-199.
[14]	李飞翔, 段虎斌, 李晋虎, 吴昊, 王永红, 范益民. 急性颅脑损伤继发下肢静脉血栓的相关危险因素分析及预测模型构建[J]. 中华神经创伤外科电子杂志, 2023, 09(05): 277-282.
[15]	王亚丹, 吴静, 黄博洋, 王苗苗, 郭春梅, 宿慧, 王沧海, 王静, 丁鹏鹏, 刘红. 白光内镜下结直肠肿瘤性质预测模型的构建与验证[J]. 中华临床医师杂志(电子版), 2023, 17(06): 655-661.

阅读次数

全文

摘要

选择文件类型/文献管理软件名称

选择包含的内容

Development of a predictive model for diagnosis of diabetic nephropathy based on three-dimensional ultrasound

模态框（Modal）标题

选择文件类型/文献管理软件名称

选择包含的内容

Development of a predictive model for diagnosis of diabetic nephropathy based on three-dimensional ultrasound