赞啊！连发两篇SCI二区，中国学者用中国免费数据库发表两篇预测模型，只有结局不同...

临床预测模型作为比较复杂的统计学方法，一直备受青睐。但不是所有的预测模型都是靠试验数据来开展的，很多学者使用公共数据库做了完整的预测模型分析。

今天，我们向诸位报道两篇近期发表的，使用中国数据库做临床预测模型的文章。值得一提的是，两篇文章出自同一个中国研究者团队，使用的是同一个中国数据库，都发表在二区期刊上，可谓是大丰收了！

一、预测中国中老年2型糖尿病的最佳肥胖和脂质相关指标

2024年5月10日，中国学者用Charls数据库，在期刊《Scientific Reports》（医学二区，IF=4.6）发表题为：“Optimal obesity‑ and lipid‑related indices for predicting type 2 diabetes in middle‑aged and elderly Chinese”的研究论文，探究肥胖和脂质相关指标对中国中老年2型糖尿病(T2D)的筛查和预测能力，以及理想的预测临界值。

研究结果表明，13项肥胖及血脂相关指标可预测中国中老年人群发生T2D的风险，TyG指标对男性和女性T2D的预测效果最好。

1.研究设计

研究团队采用了2011年CHARLS数据库的数据，采用横断面研究设计，探讨T2D与13项肥胖和脂质相关指标的关系，包括体重指数(BMI)、腰围(WC)、腰高比(WHtR)、内脏脂肪指数(VAI)、体型指数(ABSI)、体圆度指数(BRI)、脂质堆积积(LAP)、圆度指数(CI)、中国内脏脂肪指数(CVAI)、甘油三酯-葡萄糖指数(TyG指数)及其相关指数(TyG-BMI、TyG-WC、TyG-WHtR)。

最终纳入9488名年龄45岁及以上的参与者，男性4354例(45.89%)，女性5134例(54.11%)。

• 其中男性患2型糖尿病716人(16.44%)，女性870人(16.95%)。

2.主要结果

（1）TyG指数是男性和女性中T2D的最佳预测因子

首先，研究团队采用受试者工作特征曲线（ROC）来确定13项人体测量指标在筛查T2D方面的实用性，并确定其截断值、灵敏度、特异性和曲线下面积（AUC）。AUC数据越高，越接近1，预测越准确。

研究结果表明，TyG指数是男性(AUC = 0.780, 95% CI: 0.761, 0.799，最佳截止点= 8.838)和女性(AUC = 0.782, 95%CI: 0.764, 0.799，最佳截止值= 8.940)中T2D的最佳预测因子。

图1 各指标预测男性T2D风险的ROC曲线

图2 各指标预测女性T2D风险的ROC曲线

• 在男性中，TyG指数是T2D的最佳预测因子。同时，TyG-WHtR具有相似的预测值。

• 在女性中，TyG指数是T2D最准确的预测因子，其次是TyG- whtr和TyG- wc。

• 13项指标的AUC值均大于0.5，表明它们对中国中老年T2D具有预测价值，即13项肥胖及血脂相关指标可预测中国中老年人群发生T2D的风险。

（2）T2D风险均随着肥胖和脂质相关指数单位的增加而逐渐增加

研究团队将13项肥胖和血脂相关指标根据ROC的最佳截点转化成二分类变量，进行二元logistic回归分析，探究T2D与13项肥胖和血脂相关指标之间的关系。

在矫正混杂因素后，男性和女性的T2D风险都随着肥胖和脂质相关指数单位的增加而逐渐增加。

研究结果表明：

• TyG指数每增加一个单位，男性发生T2D的可能性增加6.643倍，女性发生T2D的可能性增加5.957倍。

• TyG-WHtR每增加一个单位，男性发生T2D的可能性增加3.886倍，女性增加3.314倍。

模型1:未调整。

模型2:调整年龄、受教育程度、婚姻状况、现居住地、吸烟、饮酒、运动、定期锻炼、慢性病等因素。

本文研究思路超级明确，先使用受试者工作特征曲线(ROC)来确定13项肥胖和血脂相关指标对筛查T2D的有用性，并确定其截断值、灵敏度、特异性和曲线下面积(AUC)。再根据截断值将13项指标转化为二分类变量，采用二元logistic回归分析评估13项指标与T2D的相关性。

接下来，我们将继续探讨这位中国学者利用相同数据库发表的第二篇文章。使用了相同的数据库，这篇文章也运用了临床预测模型。

二、预测中国中老年抑郁症状的最佳肥胖和脂质相关指标

2024年5月10日，这位中国学者在另一个二区期刊《Bmc Psychiatry》（医学二区top，IF=4.4）发表了题为：“Obesity and lipid indices as predictors of depressive symptoms in middle-aged and elderly Chinese: insights from a nationwide cohort study”的研究论文，探讨了13项肥胖及血脂相关指标与中国中老年抑郁症状的关系及预测能力。

研究结果表明，在中国中老年人群中，大多数肥胖和脂质相关指标对抑郁症状的预测具有统计学意义，但这些指标的预测准确度较低，可能不是实用的预测指标。

1.研究设计

本文同样使用CHARLS数据库数据，分析包括在2011年CHARLS研究基线时没有抑郁症状并在2013年和2015年成功随访的个体。

最后，短期研究(2011 - 2013年)纳入3790名参与者，长期研究(2011 - 2015年)纳入3660名参与者，年龄均在45岁及以上。

2.主要结果

（1）基线差异

研究者发现女性的平均BMI、WHtR、VAI、ABSI、BRI、LAP、CI、CVAI、TyG指数、TyG-BMI、TyG- wc、TyG-WHtR在短期和长期均高于男性(P<0.05)。

并且男性和女性在年龄、教育水平、婚姻状况、当前吸烟、饮酒和慢性疾病方面存在显著差异（P < 0.05）。由于这些显着差异的存在，我们按性别分别进行了主要分析。

（2）不同性别有和无抑郁症状的研究参与者的基线特征

研究结果表明，短期抑郁症状总发生率为20.79%，长期抑郁症状总发生率为27.43%。

（3）采用二元logistic回归，评价肥胖和脂质相关指标与抑郁症状的相关性

在控制混杂因素后：

• 在男性中，WC、LAP、CVAI、TyG-WC与短期抑郁症状显著相关(P < 0.05)。

• 在女性中，WC、BMI、WHtR、BRI、LAP、CVAI、TyG指数、TyG-BMI、TyG-WC、TyG-WHtR、TyG-WHtR与长期抑郁症状显著相关(P < 0.05)

（4）采用受试者工作特征(ROC)分析检验各指标对抑郁症状的预测能力

• 在控制混杂因素后，男性中，WC [AUC=0.452]、LAP [AUC=0.450]和TyG-WC [AUC=0.451]是短期抑郁症状的弱预测因子(P<0.05)。

• 女性中，BMI [AUC=0.468]、LAP [AUC=0.468]和TyG指数[AUC=0.466]是长期抑郁症状的弱预测因子(P<0.05)。

但ABSI不能预测两期男性和女性的抑郁症状(P>0.05)。

后   记

不难看出，今天分享的两篇文章方法基本是相同的，也很简单。而且只是换了个结局，就发了两篇SCI二区。

研究思路很简单，采用logistic回归进行相关性分析，使用受试者工作特征曲线（ROC）来确定人体测量指标在筛查T2D方面的实用性，并确定其截断值、灵敏度、特异性和曲线下面积（AUC）。

预测模型已经火了很长时间了，现在也是很多学者爱用的统计学方法。老郑完善了我的统计平台，推出了临床预测模型最新版工具！仅需三分钟，实现建模+验证！目前各模块免费使用，助力各位的科研路！

不妨来试一下，教程附上，绝对无脑操作！

临床预测模型工具完整版今天正式上线，Cox+logistic回归，一键搞定预测模型4图3表！

它的网址是www.medsta.cn/（在电脑端浏览器打开，位于“风暴智能统计”模块） 浏览器输入medsta.cn即可或者百度“风暴统计” 本平台上线的所有工具都是免费的, 目前的功能包括： 样本量计算| 正态性检验 | t检验 | 方差分析  秩和检验 | 卡方检验 | 差异性分析带统计量 线性回归分析 | logistic回归 | Cox回归  批量单因素分析 | 先单后多 | 临床预测模型   roc曲线 | 列线图 | 校准图 | DCA曲线

本公众号回复“ 原文”即可获得文献PDF等资料

本公众提供各种科研服务了！

一、课程培训 2022年以来，我们召集了一批富有经验的高校专业队伍，着手举行短期统计课程培训班，包括R语言、meta分析、临床预测模型、真实世界临床研究、问卷与量表分析、医学统计与SPSS、临床试验数据分析、重复测量资料分析、nhanes、孟德尔随机化等10余门课。如果您有需求，不妨点击查看： 发文后退款：2024-2025年科研统计课程介绍 二、数据分析服务 浙江中医药大学郑老师团队接单各项医学研究数据分析的服务，提供高质量统计分析报告。有兴趣了解一下详情： 课题、论文、毕业数据分析   临床试验设计与分析 、公共数据库挖掘与统计