2型糖尿病患者并发下肢动脉粥样硬化的影响因素分析及列线图模型构建

doi:10.13481/j.1671-587X.20260322

摘要/Abstract

摘要：

目的探讨2型糖尿病（T2DM）患者并发下肢动脉粥样硬化（LEAD）患者的危险因素，并建立列线图预测模型，为早期识别高危人群和制定干预策略提供临床依据。方法收集269例T2DM患者的临床资料，根据是否并发LEAD分为LEAD组（n=197）和非LEAD组（n=72）。采用单因素和多因素Logistic回归分析T2DM患者并发LEAD的危险因素，并利用列线图构建其风险预测模型，使用Boostrap法（B=1 000）进行内部验证，采用受试者工作特征（ROC）曲线、校准曲线和决策曲线（DCA）综合评估模型的预测效能。结果单因素分析，与非LEAD组比较，LEAD组患者年龄、病程、空腹血糖（FBG）、体质量指数（BMI）、甘油三酯（TG）、吸烟史和高血压病史差异有统计学意义（P<0.05）；多因素Logistic回归分析，患者年龄［比值比（OR）=1.082，95%置信区间（CI）：1.039~1.127，P<0.001］、BMI（OR=1.287，95%CI：1.154~1.436，P<0.001）和FBG（OR=1.159，95%CI：1.043~1.288，P=0.006）是T2DM并发LEAD的独立危险因素。Bootstrap内部一致性指数（C-index）为0.841（95%CI：0.793~0.890），表明该模型具有良好的判别效能。校准曲线分析，Brier评分=0.138，预测概率与实际观察概率高度一致，模型校准度良好。DCA标准化净获益值在0.2~0.8范围内，表明该模型具备显著的净获益优势。结论高BMI水平是T2DM患者并发LEAD的重要影响因素，基于危险因素构建的列线图风险模型，具有良好的预测效能。

关键词: 体质量指数, 2型糖尿病, 下肢动脉粥样硬化, 预测模型, 危险因素

Abstract:

Objective To discuss the risk factors in the type 2 diabetes mellitus （T2DM） patients complicated with low extremity atherosclerosis （LEAD）， and to establish a nomogram prediction model， so as to provide clinical basis for early identification of high-risk populations and formulation of intervention strategies. Methods The clinical data of 269 patients with T2DM were collected. The patients were divided into LEAD group （n=197） and non-LEAD group （n=72） according to whether they had concurrent LEAD. Univariate and multivariate Logistic regression analyses were used to analyze the risk factors of T2DM patients complicated with LEAD； the nomogram was used to construct a risk prediction model； the Bootstrap method （B=1 000） was used for internal validation； the receiver operating characteristic （ROC） curve， calibration curve， and decision curve analysis （DCA） were used to comprehensively evaluate the predictive performance of the model. Results The univariate analysis results showed that compared with non-LEAD group， the age， disease duration， fasting plasma glucose （FBG）， body mass index（BMI）， triglyceride （TG）， smoking history， and history of hypertension in the patients in LEAD group had statistically significant differences （P<0.05）. The multivariate Logistic regression analysis results showed that patients’ age ［odds ratio （OR）=1.082， 95% confidence interval （CI）： 1.039-1.127， P<0.001］， BMI（OR=1.287， 95%CI： 1.154-1.436， P<0.001）， and FBG （OR=1.159， 95%CI： 1.043-1.288， P=0.006） were the independent risk factors for T2DM complicated with LEAD. The Bootstrap internal consistency index （C-index） was 0.841 （95%CI： 0.793-0.890）， indicating that the model had good discriminative performance. The calibration curve analysis results showed that the Brier score was 0.138， and the predicted probability was highly consistent with the actual observed probability， indicating good calibration of the model. The DCA standardized net benefit value ranged from 0.2 to 0.8， indicating that the model had a significant net benefit advantage. Conclusion High BMI level is an important influencing factor for the T2DM patients complicated with LEAD. The constructed nomogram risk model based on the risk factors has good predictive performance.

Key words: Body mass index, Type 2 diabetes mellitus, Lower extremity atherosclerosis, Prediction model, Risk factors

中图分类号:

R587.1

于晶,黄胤倬,周中伟,谢雨欣,毛骞. 2型糖尿病患者并发下肢动脉粥样硬化的影响因素分析及列线图模型构建[J]. 吉林大学学报(医学版), 2026, 52(3): 806-812.

Jing YU,Yinzhuo HUANG,Zhongwei ZHOU,Yuxin XIE,Qian MAO. Analysis on influencing factors in type 2 diabetes mellitus patients complicated with lower limb atherosclerosis and construction of nomogram model[J]. Journal of Jilin University(Medicine Edition), 2026, 52(3): 806-812.

图/表 8

表1

表2

表3

表4

图1

图2

图3

图4

参考文献 26

[1]	HANCHINAL S S， SHIVANAL A B， KAMNI S， et al. Efficacy of a pocket pulse oximeter and a digital pulse oximeter as screening tools for type 2 diabetes patients with asymptomatic lower extremity arterial disease［J］. Maedica， 2021， 16（3）： 362-367.
[2]	JOOSTEN M M， PAI J K， BERTOIA M L， et al. Associations between conventional cardiovascular risk factors and risk of peripheral artery disease in men［J］. JAMA， 2012， 308（16）： 1660-1667.
[3]	DINESH SHAH A， LANGENBERG C， RAPSOMANIKI E， et al. Type 2 diabetes and incidence of a wide range of cardiovascular diseases： a cohort study in 1·9 million people［J］. Lancet， 2015， 385（）： S86.
[4]	KAMIL S， SEHESTED T S G， CARLSON N， et al. Diabetes and risk of peripheral artery disease in patients undergoing first-time coronary angiography between 2000 and 2012 - a nationwide study［J］. BMC Cardiovasc Disord， 2019， 19（1）： 234.
[5]	ANTZA C， KOSTOPOULOS G， MOSTAFA S， et al. The links between sleep duration， obesity and type 2 diabetes mellitus［J］. J Endocrinol， 2021， 252（2）： 125-141.
[6]	ROEVER L S， RESENDE E S， DINIZ A L， et al. Abdominal obesity and association with atherosclerosis risk factors： the uberlândia heart study［J］. Medicine， 2016， 95（11）： e1357.
[7]	KANG M K， SONG J E， KWEON Y O， et al. Visceral obesity and its association with severe coronary artery calcification in patients with metabolic dysfunction-associated steatotic liver disease［J］. Diagnostics （Basel）， 2024， 14（20）： 2305.
[8]	史云聪，郭艺芳. 2型糖尿病和动脉粥样硬化性心血管病的关系［J］. 心血管病学进展， 2020， 41（5）： 485-490.
[9]	LI J L， CHEN Y C， OU Z L， et al. Glucose-6-phosphate dehydrogenase deficiency and intracranial atherosclerotic stenosis in stroke patients［J］. Eur J Neurol， 2022， 29（9）： 2683-2689.
[10]	DORE M P， PORTOGHESE M， PES G M. The elderly with glucose-6-phosphate dehydrogenase deficiency are more susceptible to cardiovascular disease［J］. J Atheroscler Thromb， 2021， 28（6）： 604-610.
[11]	中华医学会糖尿病学分会.中国糖尿病防治指南（2024版）［J］.中华糖尿病杂志，2025，17（1）： 16-139.
[12]	中华医学会外科学分会血管外科学组. 下肢动脉硬化闭塞症诊治指南（下）［J/OL］. 中国血管外科杂志（电子版）， 2015， 7（4）： 229-238.
[13]	高永祥，张晋昕. Logistic回归分析的样本量确定［J］. 循证医学， 2018， 18（2）： 122-124.
[14]	中国医师协会超声医师分会. 血管超声检查指南［J］. 中华超声影像学杂志， 2009， 18（11）： 993-1012.
[15]	杨琴. 2型糖尿病患者血红蛋白与动脉粥样硬化相关性研究［D］. 泸州：西南医科大学， 2024.
[16]	BAI W Y， LI S S， LIANG T P， et al. The relationship between body mass index and peripheral artery disease： insights from the national health and nutrition examination survey and Mendelian randomization analysis［J］. J Surg Res， 2025， 306： 407-416.
[17]	XU X Y， WU H Y， WEI Q. Obesity-related indices as predictors of lower extremity arterial disease in type 2 diabetes mellitus［J］. Endocrine， 2025， 87（2）： 554-561.
[18]	AHMED B， SULTANA R， GREENE M W. Adipose tissue and insulin resistance in obese［J］. Biomed Pharmacother， 2021， 137： 111315.
[19]	CAI W M， XU J， WU X， et al. Association between triglyceride-glucose index and all-cause mortality in critically ill patients with ischemic stroke： analysis of the MIMIC-Ⅳ database［J］. Cardiovasc Diabetol， 2023， 22（1）： 138.
[20]	ROY P K， ISLAM J， LALHLENMAWIA H. Prospects of potential adipokines as therapeutic agents in obesity-linked atherogenic dyslipidemia and insulin resistance［J］. Egypt Heart J， 2023， 75（1）： 24.
[21]	HU H J， GARCIA-BARRIO M， JIANG Z S， et al. Roles of perivascular adipose tissue in hypertension and atherosclerosis［J］. Antioxid Redox Signal， 2021， 34（9）： 736-749.
[22]	HUANG Y， XU M， XIE L， et al. Obesity and peripheral arterial disease： a Mendelian Randomization analysis［J］. Atherosclerosis， 2016， 247： 218-224.
[23]	于辉，孙冠媛，丁悦. 超重/肥胖2型糖尿病病人动脉粥样硬化指数升高的危险因素及预警风险模型的建立［J］. 安徽医药， 2025， 29（10）： 2066-2070.
[24]	QIAO Y N， ZOU Y L， GUO S D. Low-density lipoprotein particles in atherosclerosis［J］. Front Physiol， 2022， 13： 931931.
[25]	TONG Y， XU S， HUANG L L， et al. Obesity and insulin resistance： Pathophysiology and treatment［J］. Drug Discov Today， 2022， 27（3）： 822-830.
[26]	付超，张静，董松武. 2型糖尿病病人脂代谢对心脏结构和功能的影响［J］. 安徽医药， 2021， 25（9）： 1735-1738.

Variable	Non-LEAD group (n=72)	LEAD group (n=197)	t/χ²/Z	P
Gender (n/%)
Male	44（61.1）	126（64.0）	0.184	0.668
Female	28（38.9）	71（36.0）
Age（year） [M(P25,P75)]	54（45，60）	60（54，66）	5.099	<0.001
Disease duration （year） [M(P25,P75)]	7.5（3.0，10.0）	10.0（6.5，17.0）	4.653	<0.001
BMI (x±s， kg·m^-2)	23.48±2.92	27.07±4.35	6.486	<0.001
Smoking (n/%)
Yes	23（31.9）	121（61.4）	18.418	<0.001
No	49（68.1）	76（38.6）
Hypertension (n/%)
Yes	20（27.8）	106（53.8）	14.347	<0.001
No	52（72.2）	91（46.2）
WBC [M(P25,P75)，×10⁹L^-1]	6.51（5.40，7.72）	6.52（5.65，7.80）	0.407	0.684
N [M(P25,P75)，×10⁹L^-1]	3.67（2.99，4.70）	3.78（3.24，4.65）	0.906	0.365
L [M(P25,P75)，×10⁹L^-1]	2.03（1.58，2.75）	2.06（1.65，2.55）	0.246	0.806
M [M(P25,P75)，×10⁹L^-1]	0.35（0.29，0.41）	0.36（0.28，0.43）	0.197	0.843
FBG [M(P25,P75)，mmol·L^-1]	8.49（7.05，11.43）	10.46（8.51，14.47）	3.926	<0.001
Cr (x±s，μmol·L^-1)	65.24±14.92	69.13±15.45	1.847	0.066
UA [M(P25,P75)，μmol·L^-1]	307.25（248.93，374.58）	329.00（278.35，394.20）	1.927	0.054
TG [M(P25,P75)，mmol·L^-1]	1.85（1.32，2.54）	2.26（1.51，3.23）	2.677	0.007
TC [M(P25,P75)，mmol·L^-1]	4.87（4.20，5.46）	5.02（4.36，5.09）	1.845	0.065
HDL-c [M(P25,P75)，mmol·L^-1]	1.16（1.01，1.34）	1.13（0.95，1.26）	1.796	0.072
LDL-c (x±s，mmol·L^-1)	2.49±0.70	2.63±0.81	1.315	0.190
HbAlc [M(P25,P75)，n/%]	8.05（7.30，10.88）	8.50（7.40，10.30）	0.340	0.734
C-P [M(P25,P75)，μg·L^-1]	2.48（1.93，3.11）	2.45（1.89，3.10）	0.287	0.774

Variable	Assignmented method
Dependent variable	0=Non-LEAD group； 1=LEAD group
Hypertension	0=No； 1=Yes
Gender	1=Male； 2=Female
Somking	0=No； 1=Yes

Variable	β	SE	Wald χ²	P	OR（95%CI）
Age	0.077	0.015	26.265	<0.001	1.080（1.048-1.112）
Disease duration	0.129	0.028	21.611	<0.001	1.138（1.077-1.201）
FBG	0.150	0.044	11.710	<0.001	1.162（1.066-1.266）
BMI	0.313	0.054	33.836	<0.001	1.367（1.230-1.519）
TG	0.345	0.131	6.925	0.008	1.412（1.092-1.826）
Smoking	1.221	0.292	17.487	<0.001	3.392（1.913-6.013）
Hypertension	1.108	0.299	13.696	<0.001	3.029（1.684-5.446）

Variable	β	SE	Wald χ²	P	OR（95%CI）
Age	0.079	0.021	14.778	<0.001	1.082（1.039-1.127）
BMI	0.253	0.056	20.613	<0.001	1.287（1.154-1.436）
FBG	0.148	0.054	7.537	0.006	1.159（1.043-1.288）
Disease duration	0.068	0.035	3.767	0.052	1.070（0.999-1.146）
TG	0.199	0.155	1.638	0.201	1.220（0.900-1.655）
Smoking	0.532	0.357	2.225	0.136	1.702（0.846-3.425）
Hypertension	0.354	0.370	0.914	0.339	1.424（0.690-2.939）