引用本文： 邵美琳, 任梅梅, 張文怡, 楊卓妍, 吳一丹, 王建明, 王麗君. 基于列線圖模型及系統性發病危險因素預測視網膜靜脈阻塞發生風險的研究. 中華眼底病雜志, 2023, 39(5): 381-386. doi: 10.3760/cma.j.cn511434-20230110-00017 復制
視網膜靜脈阻塞（RVO）是僅次于糖尿病視網膜病變的常見視網膜血管疾病，患眼視力易于受損甚至因并發癥而致盲。我國基線時40歲及以上人群的10年發病率為1.9%[1]。早期風險評估可幫助識別高危人群、降低RVO發病率及致盲率。RVO系統性危險因素在不同研究中仍不明確且結果不一。Leoncini等[2]發現血小板過度聚集性可能是RVO發展的重要因素；Sofi等[3]研究表明高脂蛋白a水平與RVO風險增加有關；其他研究者亦提出導致動脈粥樣硬化的風險因素與RVO之間存在關聯[4-5]。但目前缺乏一種方便的定量工具，快速識別RVO高危人群，使其進行早期干預。列線圖模型（Nomogram）是一種在多因素分析基礎上能夠整合多個預測指標并能個體化且精準預測某結果事件發生概率的模型，因其可視化及簡捷實用的優勢，已廣泛用于多種腫瘤疾病的預測[6]。基于此，本研究擬在單因素分析和多因素logistic回歸分析基礎上建立并驗證RVO發生風險預測列線圖模型，旨在為臨床對RVO的預防和干預提供一定的參考和依據。現將結果報道如下。
1 對象和方法
回顧性臨床研究。本研究經西安交通大學第二附屬醫院醫學倫理委員會審批[批文號：2022242]；遵循《赫爾辛基宣言》原則，患者均獲知情并簽署書面知情同意書。
2017年1月至2022年4月于西安交通大學第二附屬醫院眼科檢查確診的RVO患者162例（RVO組）和同期白內障患者162例（nRVO組）作為建模集。RVO患者162例中，男性82例（50.62%，82/162），女性80例（49.38%，80/162）；年齡（56.91±11.35）（22～88）歲。白內障患者162例中，男性68例（41.98%，68/162），女性94例（58.02%，94/162）；年齡（58.12±10.16）（28～84）歲。RVO組、nRVO組患者間性別構成比（χ2=2.433）、年齡（Z=1.006）比較，差異無統計學意義（P=0.120、0.320）。選取2022年1月至2023年2月于西安市第四醫院檢查確診的視網膜分支靜脈阻塞（BRVO）患者45例、視網膜中央靜脈阻塞（CRVO）患者45例、白內障患者45例作為驗證集。
RVO納入標準：初次發病且符合RVO診斷標準（包括BRVO和CRVO）[7]。排除標準：（1）患有除RVO以外的其他眼部疾病，如虹膜睫狀體炎、青光眼、老年性黃斑變性、中心性漿液性脈絡膜視網膜病變和視神經病變者；（2）患有全身性炎癥疾病及除糖尿病、高血壓、冠心病及腦梗死以外的其他可能影響血液指標的系統性疾病者；（3）臨床資料及信息不全者。白內障納入標準：眼部檢查未見眼底異常的白內障患者。排除標準：（1）患有RVO、糖尿病視網膜病變、高血壓性視網膜病變等眼底疾病者；（2）患有全身性炎癥疾病及除糖尿病、高血壓、冠心病及腦梗死以外的其他可能影響血液指標的系統性疾病者；（3）臨床資料及信息不全者。驗證集RVO組及白內障組納入、排除標準同建模集。
詳細收集患者臨床資料，包括年齡、性別、血常規[白細胞計數（1×109個/L）、血紅蛋白濃度 （g/L）、血小板計數（1×109個/L）、中性粒細胞計數（1×109個/L）、單核細胞計數（1×109個/L）、淋巴細胞計數（1×109個/L）、紅細胞比容（%）、平均血小板體積（fl）、血小板體積分布寬度（%）]、凝血四項[凝血酶原時間（s）、活化部分凝血活酶時間（s）、纖維蛋白原（mg/dL）、凝血酶時間（s）]、尿酸（μmol/L）、血脂[總膽固醇（mmol/L）、三酰甘油（mmol/L）、高密度脂蛋白 （mmol/L）、低密度脂蛋白（mmol/L）、脂蛋白a（mg/dL）]、高血壓史、糖尿病史、冠心病史、腦梗死病史。計算中性粒細胞/淋巴細胞比值（NLR）、血小板/淋巴細胞比值。
采用R 4.2.0及RStudio軟件進行統計分析。應用Readr包讀取數據，Tableone包繪制臨床基線表，Plyr、Rms、EpiDisplay包行批量單因素logistic回歸分析，MASS包行逐步回歸分析，Rms包行多因素logistic回歸分析及列線圖和校準曲線繪制，ResourceSelection包對擬合優度進行判斷，pROC包行受試者工作特征（ROC）曲線分析及繪制。
計量資料根據是否服從正態分布采用均數±標準差（
）或中位數和百分位數表示；計數資料采用例數和百分位數描述。正態分布和方差齊性的計量資料組間比較用t檢驗，非正態分布和方差齊性的計量資料組間的比較采用KrusKal Wallis秩和檢驗；計數資料采用χ2檢驗和Fisher精確檢驗。單因素logistic回歸分析評估RVO發病與臨床參數之間的關聯，選取其中P＜0.1的變量納入逐步回歸法對變量進行篩選，將AIC值最小的變量組合納入預測模型，建立風險預測列線圖。應用Bootstrap方法重復抽樣1 000次進行內部、外部驗證，分別采用H-L擬合優度檢驗和ROC曲線評估列線圖模型的校準度和區分度。P＜0.05為差異有統計學意義。
2 結果
根據單因素logistic回歸分析結果，將尿酸、三酰甘油、高密度脂蛋白、脂蛋白a、纖維蛋白原、白細胞計數、血紅蛋白濃度、血小板計數、中性粒細胞計數、單核細胞計數、淋巴細胞計數、紅細胞比容、NLR、高血壓、糖尿病納入逐步回歸分析（P<0.1）（表1）。逐步回歸法基于AIC信息準則篩選的最優子集包含高密度脂蛋白、脂蛋白a、中性粒細胞計數、紅細胞比容和高血壓、糖尿病等6個變量，但當P=0.05時，脂蛋白a、紅細胞比容及糖尿病的回歸系數Pr均不顯著，因此納入最終模型的變量為高密度脂蛋白、中性粒細胞計數、高血壓等3個變量（表2）。
表1
RVO發生風險的單因素logistic回歸分析結果
表2
RVO發生風險的逐步回歸分析結果
構建列線圖預測模型（圖1）：根據繪制出的列線圖模型，各條評分線段左側端點均對應0分，右側端點自高密度脂蛋白指標起依次為90.0、100.0、49.5分，總分239.5分。其中，高密度脂蛋白每降低0.2 mmol/L、中性粒細胞計數每增加0.5×109個/L分別增加7.5、7.1分的影響權重；患有高血壓為49.5分的影響權重，各因素積分之和對應的預測概率即為RVO發生風險值。列線圖模型總分越高，相對應的RVO發生風險越高。
圖1
預測患者視網膜靜脈阻塞（RVO）發生風險的列線圖預測模型建立
RVO發生預測列線圖模型驗證：建模集和驗證集H-L擬合優度檢驗的χ2值分別為0.711、4.230，P值分別為0.701、0.121，C-index分別為：0.741[95%可信區間（CI）0.688～0.795]、0.741（95%CI 0.647～0.835），提示列線圖模型具有較好的預測準確度（圖2）；列線圖模型預測建模集和驗證集的ROC曲線下面積分別為0.741（95%CI 0.688～0.795）和0.741（95%CI 0.646～0.836），提示列線圖模型具有較好的區分度（圖3）。
圖2
列線圖模型預測視網膜靜脈阻塞（RVO）發生的校正曲線 2A示建模集；2B示驗證集
圖3
列線圖模型預測視網膜靜脈阻塞發生風險的受試者工作特征曲線 AUC：曲線下面積。3A示建模集；3B示驗證集
3 討論
新近流行病學統計，全球30歲以上人群RVO發病率為0.77%，5、10年累計發病率分別為0.86%、1.63%[8]。若能早期篩查出高患病風險的潛在RVO患者，及時采取臨床干預，可避免患者的視力惡化，降低經濟成本。
與其他模型比較，本研究所建立的RVO風險預測列線圖模型，能夠通過整合多種預后影響、量化風險來生成臨床事件的個體概率[9-10]，采用賦分的方式體現各項危險因素的貢獻率，更簡潔、直觀，適合用于臨床的個體化評估。近年，列線圖在糖尿病視網膜病變、葡萄膜黑色素瘤的風險評估和預后預測中已得到應用[11-13]。但目前國內外尚未見有關個體化、定量化評估RVO發生風險的相關文獻報道，本研究首次將列線圖模型用于預測RVO的發生風險。
本研究結果顯示，高密度脂蛋白水平、中性粒細胞計數及高血壓與RVO密切相關。其中高血壓與RVO的關聯在多項研究及共識中已得到了證實[14-16]。高密度脂蛋白水平與RVO發展風險之間的關聯雖仍然存在爭議[3, 17-18]，但新近韓國一項全國性、基于人群的隊列研究顯示低高密度脂蛋白水平是RVO發展的獨立危險因素[19]。高密度脂蛋白與RVO發展之間的機制仍未明了，研究表明高密度脂蛋白可通過多種機制預防動脈粥樣硬化[20-21]。此外，炎癥可能通過影響動脈粥樣硬化及高凝狀態而在RVO的發展中發揮作用，中性粒細胞計數可作為慢性炎癥的可靠指標[22]，近年研究也肯定了其與RVO的關聯[23]。RVO作為一種多因素疾病，英國皇家眼科醫師學院最新指南提出RVO主要關聯因素為導致動脈粥樣硬化的危險因素[24]。因此，我們推測上述三種危險因素或可通過影響動脈粥樣硬化從而促進RVO的發展。本研究所建立的列線圖可視化揭示了每個危險因素對RVO發展的影響程度，從而有助于臨床識別需要更多關注的指標。
本研究采用多種驗證方法對列線圖模型的預測效能進行了系統評估，多角度證實其具有良好的預測效能。臨床可根據列線圖模型中的各單項指標的不同狀態對患者RVO風險進行動態評估，并以降低總分為目標制定相應干預措施。此外，本研究涉及的血液檢查在臨床上作為常規檢查項目，廉價且易獲得，十分便于在體檢人群中篩查分析。該列線圖可能是非眼科專家快速識別RVO高危人群并將其轉移給眼科醫生進行早期干預的便捷工具。
本研究存在局限性：（1）單中心回顧性研究且樣本量較小，有待今后進行多中心前瞻性研究；（2）由于原始數據所限，納入的危險因素不夠全面，如血同型半胱氨酸等可能與RVO發病相關的變量并未納入研究中，可能影響本模型的診斷符合率，有待于將來進一步完善。
視網膜靜脈阻塞（RVO）是僅次于糖尿病視網膜病變的常見視網膜血管疾病，患眼視力易于受損甚至因并發癥而致盲。我國基線時40歲及以上人群的10年發病率為1.9%[1]。早期風險評估可幫助識別高危人群、降低RVO發病率及致盲率。RVO系統性危險因素在不同研究中仍不明確且結果不一。Leoncini等[2]發現血小板過度聚集性可能是RVO發展的重要因素；Sofi等[3]研究表明高脂蛋白a水平與RVO風險增加有關；其他研究者亦提出導致動脈粥樣硬化的風險因素與RVO之間存在關聯[4-5]。但目前缺乏一種方便的定量工具，快速識別RVO高危人群，使其進行早期干預。列線圖模型（Nomogram）是一種在多因素分析基礎上能夠整合多個預測指標并能個體化且精準預測某結果事件發生概率的模型，因其可視化及簡捷實用的優勢，已廣泛用于多種腫瘤疾病的預測[6]。基于此，本研究擬在單因素分析和多因素logistic回歸分析基礎上建立并驗證RVO發生風險預測列線圖模型，旨在為臨床對RVO的預防和干預提供一定的參考和依據。現將結果報道如下。
1 對象和方法
回顧性臨床研究。本研究經西安交通大學第二附屬醫院醫學倫理委員會審批[批文號：2022242]；遵循《赫爾辛基宣言》原則，患者均獲知情并簽署書面知情同意書。
2017年1月至2022年4月于西安交通大學第二附屬醫院眼科檢查確診的RVO患者162例（RVO組）和同期白內障患者162例（nRVO組）作為建模集。RVO患者162例中，男性82例（50.62%，82/162），女性80例（49.38%，80/162）；年齡（56.91±11.35）（22～88）歲。白內障患者162例中，男性68例（41.98%，68/162），女性94例（58.02%，94/162）；年齡（58.12±10.16）（28～84）歲。RVO組、nRVO組患者間性別構成比（χ2=2.433）、年齡（Z=1.006）比較，差異無統計學意義（P=0.120、0.320）。選取2022年1月至2023年2月于西安市第四醫院檢查確診的視網膜分支靜脈阻塞（BRVO）患者45例、視網膜中央靜脈阻塞（CRVO）患者45例、白內障患者45例作為驗證集。
RVO納入標準：初次發病且符合RVO診斷標準（包括BRVO和CRVO）[7]。排除標準：（1）患有除RVO以外的其他眼部疾病，如虹膜睫狀體炎、青光眼、老年性黃斑變性、中心性漿液性脈絡膜視網膜病變和視神經病變者；（2）患有全身性炎癥疾病及除糖尿病、高血壓、冠心病及腦梗死以外的其他可能影響血液指標的系統性疾病者；（3）臨床資料及信息不全者。白內障納入標準：眼部檢查未見眼底異常的白內障患者。排除標準：（1）患有RVO、糖尿病視網膜病變、高血壓性視網膜病變等眼底疾病者；（2）患有全身性炎癥疾病及除糖尿病、高血壓、冠心病及腦梗死以外的其他可能影響血液指標的系統性疾病者；（3）臨床資料及信息不全者。驗證集RVO組及白內障組納入、排除標準同建模集。
詳細收集患者臨床資料，包括年齡、性別、血常規[白細胞計數（1×109個/L）、血紅蛋白濃度 （g/L）、血小板計數（1×109個/L）、中性粒細胞計數（1×109個/L）、單核細胞計數（1×109個/L）、淋巴細胞計數（1×109個/L）、紅細胞比容（%）、平均血小板體積（fl）、血小板體積分布寬度（%）]、凝血四項[凝血酶原時間（s）、活化部分凝血活酶時間（s）、纖維蛋白原（mg/dL）、凝血酶時間（s）]、尿酸（μmol/L）、血脂[總膽固醇（mmol/L）、三酰甘油（mmol/L）、高密度脂蛋白 （mmol/L）、低密度脂蛋白（mmol/L）、脂蛋白a（mg/dL）]、高血壓史、糖尿病史、冠心病史、腦梗死病史。計算中性粒細胞/淋巴細胞比值（NLR）、血小板/淋巴細胞比值。
采用R 4.2.0及RStudio軟件進行統計分析。應用Readr包讀取數據，Tableone包繪制臨床基線表，Plyr、Rms、EpiDisplay包行批量單因素logistic回歸分析，MASS包行逐步回歸分析，Rms包行多因素logistic回歸分析及列線圖和校準曲線繪制，ResourceSelection包對擬合優度進行判斷，pROC包行受試者工作特征（ROC）曲線分析及繪制。
計量資料根據是否服從正態分布采用均數±標準差（）或中位數和百分位數表示；計數資料采用例數和百分位數描述。正態分布和方差齊性的計量資料組間比較用t檢驗，非正態分布和方差齊性的計量資料組間的比較采用KrusKal Wallis秩和檢驗；計數資料采用χ2檢驗和Fisher精確檢驗。單因素logistic回歸分析評估RVO發病與臨床參數之間的關聯，選取其中P＜0.1的變量納入逐步回歸法對變量進行篩選，將AIC值最小的變量組合納入預測模型，建立風險預測列線圖。應用Bootstrap方法重復抽樣1 000次進行內部、外部驗證，分別采用H-L擬合優度檢驗和ROC曲線評估列線圖模型的校準度和區分度。P＜0.05為差異有統計學意義。
2 結果
根據單因素logistic回歸分析結果，將尿酸、三酰甘油、高密度脂蛋白、脂蛋白a、纖維蛋白原、白細胞計數、血紅蛋白濃度、血小板計數、中性粒細胞計數、單核細胞計數、淋巴細胞計數、紅細胞比容、NLR、高血壓、糖尿病納入逐步回歸分析（P<0.1）（表1）。逐步回歸法基于AIC信息準則篩選的最優子集包含高密度脂蛋白、脂蛋白a、中性粒細胞計數、紅細胞比容和高血壓、糖尿病等6個變量，但當P=0.05時，脂蛋白a、紅細胞比容及糖尿病的回歸系數Pr均不顯著，因此納入最終模型的變量為高密度脂蛋白、中性粒細胞計數、高血壓等3個變量（表2）。
表1
RVO發生風險的單因素logistic回歸分析結果
表2
RVO發生風險的逐步回歸分析結果
構建列線圖預測模型（圖1）：根據繪制出的列線圖模型，各條評分線段左側端點均對應0分，右側端點自高密度脂蛋白指標起依次為90.0、100.0、49.5分，總分239.5分。其中，高密度脂蛋白每降低0.2 mmol/L、中性粒細胞計數每增加0.5×109個/L分別增加7.5、7.1分的影響權重；患有高血壓為49.5分的影響權重，各因素積分之和對應的預測概率即為RVO發生風險值。列線圖模型總分越高，相對應的RVO發生風險越高。
圖1
預測患者視網膜靜脈阻塞（RVO）發生風險的列線圖預測模型建立
RVO發生預測列線圖模型驗證：建模集和驗證集H-L擬合優度檢驗的χ2值分別為0.711、4.230，P值分別為0.701、0.121，C-index分別為：0.741[95%可信區間（CI）0.688～0.795]、0.741（95%CI 0.647～0.835），提示列線圖模型具有較好的預測準確度（圖2）；列線圖模型預測建模集和驗證集的ROC曲線下面積分別為0.741（95%CI 0.688～0.795）和0.741（95%CI 0.646～0.836），提示列線圖模型具有較好的區分度（圖3）。
圖2
列線圖模型預測視網膜靜脈阻塞（RVO）發生的校正曲線 2A示建模集；2B示驗證集
圖3
列線圖模型預測視網膜靜脈阻塞發生風險的受試者工作特征曲線 AUC：曲線下面積。3A示建模集；3B示驗證集
3 討論
新近流行病學統計，全球30歲以上人群RVO發病率為0.77%，5、10年累計發病率分別為0.86%、1.63%[8]。若能早期篩查出高患病風險的潛在RVO患者，及時采取臨床干預，可避免患者的視力惡化，降低經濟成本。
與其他模型比較，本研究所建立的RVO風險預測列線圖模型，能夠通過整合多種預后影響、量化風險來生成臨床事件的個體概率[9-10]，采用賦分的方式體現各項危險因素的貢獻率，更簡潔、直觀，適合用于臨床的個體化評估。近年，列線圖在糖尿病視網膜病變、葡萄膜黑色素瘤的風險評估和預后預測中已得到應用[11-13]。但目前國內外尚未見有關個體化、定量化評估RVO發生風險的相關文獻報道，本研究首次將列線圖模型用于預測RVO的發生風險。
本研究結果顯示，高密度脂蛋白水平、中性粒細胞計數及高血壓與RVO密切相關。其中高血壓與RVO的關聯在多項研究及共識中已得到了證實[14-16]。高密度脂蛋白水平與RVO發展風險之間的關聯雖仍然存在爭議[3, 17-18]，但新近韓國一項全國性、基于人群的隊列研究顯示低高密度脂蛋白水平是RVO發展的獨立危險因素[19]。高密度脂蛋白與RVO發展之間的機制仍未明了，研究表明高密度脂蛋白可通過多種機制預防動脈粥樣硬化[20-21]。此外，炎癥可能通過影響動脈粥樣硬化及高凝狀態而在RVO的發展中發揮作用，中性粒細胞計數可作為慢性炎癥的可靠指標[22]，近年研究也肯定了其與RVO的關聯[23]。RVO作為一種多因素疾病，英國皇家眼科醫師學院最新指南提出RVO主要關聯因素為導致動脈粥樣硬化的危險因素[24]。因此，我們推測上述三種危險因素或可通過影響動脈粥樣硬化從而促進RVO的發展。本研究所建立的列線圖可視化揭示了每個危險因素對RVO發展的影響程度，從而有助于臨床識別需要更多關注的指標。
本研究采用多種驗證方法對列線圖模型的預測效能進行了系統評估，多角度證實其具有良好的預測效能。臨床可根據列線圖模型中的各單項指標的不同狀態對患者RVO風險進行動態評估，并以降低總分為目標制定相應干預措施。此外，本研究涉及的血液檢查在臨床上作為常規檢查項目，廉價且易獲得，十分便于在體檢人群中篩查分析。該列線圖可能是非眼科專家快速識別RVO高危人群并將其轉移給眼科醫生進行早期干預的便捷工具。
本研究存在局限性：（1）單中心回顧性研究且樣本量較小，有待今后進行多中心前瞻性研究；（2）由于原始數據所限，納入的危險因素不夠全面，如血同型半胱氨酸等可能與RVO發病相關的變量并未納入研究中，可能影響本模型的診斷符合率，有待于將來進一步完善。
