多狀態(tài)Markov模型在糖尿病縱向數(shù)據(jù)轉歸研究中的應用.pdf

1、目的：
　　本研究將多狀態(tài)“疾病-預后”Markov模型應用到2型糖尿病患者慢性并發(fā)癥罹患個數(shù)的動態(tài)轉歸研究中，探討狀態(tài)間傳遞規(guī)律，估量狀態(tài)間的轉移概率、轉移危險及滯留時間，并將其與Logistic回歸結合用以尋找影響狀態(tài)改變的可能因素，從而為2型糖尿病相關慢性并發(fā)癥的防治提供科學依據(jù)。
　　方法：
　　回顧性地收集重慶市3所三甲醫(yī)院2011年1月至2015年5月期間出院，且出院診斷包括2型糖尿病及其慢性并發(fā)癥的患者數(shù)

2、據(jù)。根據(jù)慢性并發(fā)癥的合并數(shù)量，本研究將合并不同數(shù)量慢性并發(fā)癥的2型糖尿病患者分為5個不同的狀態(tài)，并擬合一個連續(xù)時間、離散狀態(tài)的齊次Markov過程。然后引入R3.3.2軟件中的msm軟件包進行多狀態(tài)Markov模型的分析，并估計5狀態(tài)之間的傳遞規(guī)律、轉移風險、轉移概率及滯留時間。與此同時，根據(jù)是否發(fā)生狀態(tài)轉移來篩選Logistic回歸的結局變量，并在SAS9.2軟件中進行簡單統(tǒng)計分析及Logistic回歸分析。
　　結果：

3、　　從msm軟件包的plot圖和Pearson型擬合優(yōu)度檢驗的結果可知，多狀態(tài)Markov模型擬合效果良好。多狀態(tài)Markov模型結果提示患者在狀態(tài)1，狀態(tài)2，狀態(tài)3和狀態(tài)4的總滯留時間分別為3.19月，14.51月23.87月和15.21月。轉移強度矩陣顯示狀態(tài)2轉化為狀態(tài)3的轉移強度是轉化為狀態(tài)1的1.5倍，而狀態(tài)3轉化為狀態(tài)4轉移強度是轉化為狀態(tài)2的接近10倍，而狀態(tài)4轉移到狀態(tài)3的轉移強度約為轉移到狀態(tài)5的242倍。轉移概率矩陣

4、顯示經(jīng)過足夠長的時間，處于狀態(tài)1的個體將向狀態(tài)2轉移，狀態(tài)2的個體將向狀態(tài)3轉移，狀態(tài)3的個體將向狀態(tài)4轉移，狀態(tài)4的個體也將向狀態(tài)3轉移。將單因素Logistic回歸中有影響的變量納入多因素逐步Logistic回歸中分析，結果顯示：高血壓、空腹血糖、尿素、尿微量白蛋白和高密度脂蛋白對狀態(tài)1→狀態(tài)2的轉移有影響；年齡、空腹血糖、空腹胰島素、低密度脂蛋白、總膽固醇、載脂蛋白A1和尿素對狀態(tài)2→狀態(tài)1的轉移有影響；空腹血糖、空腹胰島素、高密

5、度脂蛋白、甘油三酯和游離脂肪酸對狀態(tài)2→狀態(tài)3的轉移有影響；空腹血糖、空腹胰島素、高密度脂蛋白、甘油三酯和游離脂肪酸對狀態(tài)3→狀態(tài)2的轉移有影響；年齡、高密度脂蛋白、甘油三酯、肌酐和游離脂肪酸對狀態(tài)3→狀態(tài)4的轉移有影響；甘油三酯、總膽固醇、肌酐和空腹胰島素對狀態(tài)4→狀態(tài)3對的轉移有影響；空腹血糖、空腹胰島素和甘油三酯對狀態(tài)4→狀態(tài)5的轉移有影響。多因素多狀態(tài)Markov模型分析結果顯示高血壓、糖化血紅蛋白、游離脂肪酸、脂蛋白a、尿白蛋

6、白/尿肌酐比值和尿微量白蛋白對狀態(tài)1→狀態(tài)2的轉移有影響；高血壓、尿白蛋白/尿肌酐比值、年齡、空腹胰島素、低密度脂蛋白、載脂蛋白A1對狀態(tài)2→狀態(tài)1的轉移有影響；高血壓、尿白蛋白/尿肌酐比值、糖化血紅蛋白、游離脂肪酸、脂蛋白a、尿微量白蛋白對狀態(tài)2→狀態(tài)3的轉移有影響；高血壓、游離脂肪酸、載脂蛋白A1、高密度脂蛋白、肌酐、尿素對狀態(tài)3→狀態(tài)2的轉移有影響；高血壓、游離脂肪酸、載脂蛋白A1、入院時情況對狀態(tài)3→狀態(tài)4的轉移有影響；游離脂肪

7、酸、肌酐、尿微量白蛋白、空腹胰島素、甘油三酯對狀態(tài)4→狀態(tài)3的轉移有影響；游離脂肪酸、肌酐、甘油三酯、低密度脂蛋白、空腹血糖對狀態(tài)4→狀態(tài)5的轉移有影響。
　　結論：
　　多狀態(tài)Markov模型和傳統(tǒng)Logistic回歸模型均表明糖尿病慢性并發(fā)癥合并數(shù)量受到年齡、入院時情況、血糖、血脂、血壓和腎功能損害等指標的影響，但不同變量對不同狀態(tài)轉移的影響程度有所差異。多狀態(tài)Markov模型對多結局事件的分析是基于全局的視角，并且考慮