Введение: прогностический нутриционный индекс (prognostic nutritional index [PNI]) в качестве индикатора состояния питания уже показал ассоциации с различными осложнениями диабета 2 типа. С другой стороны, взаимосвязь PNI с диабетической периферической нейропатией (diabetic peripheral neuropathy [DPN]) остается неясной. В этом исследовании была изучена ассоциация между PNI и DPN с помощью машинного обучения.
Методы: 625 пациентов с диабетом 2 типа (type 2 diabetes [T2D]), у 282 пациентов установлен диагноз DPN. Расчет PNI основывался на концентрации сывороточного альбумина и количестве лимфоцитов. Для прогнозирования DPN с помощью клинических и биохимических данных были разработаны модели рандомного леса (Random forest [RF]) и eXtreme Gradient Boosting (XGBoost). Для определения важности характеристики использовался метод SHapley Additive exPlanations (SHAP). Многомерная логистическая регрессия использовалась для изучения взаимосвязи между квартилем PNI и риском DPN.
Результаты: и RF-модели и XGBoost-модели показали хорошую производительность. RF-модель достигла ответа в 78,4% при специфичности 87.8% и точности 84%, в то время как XGBoost-модели показали ответ в 77.4%, специфичность 92.1% и точность 84.8%. SHAP анализ выявил, что низкое значение PNI является ключевым фактором развития DPN. Многомерная логистическая регрессия выявила, что пациенты с наименьшим квартилем PNI имели много больший риск развития DPN по сравнению с пациентами, у которых значения PNI выше (OR: 3.271, 95% CI: 1.782-6.006, P < 0.001). Также низкие значения PNI несли в себе ассоциацию с нарушениями функции периферических нервов, включая моторную и сенсорную функции.
Выводы: низкие значения PNI показали ассоциацию с ростом риска развития DPN и со снижением функции периферических нервов, что указывает на важность статуса PNI при менеджменте DPN.
Наш сайт работает без рекламы, и мы рады, что вы с нами! Для поддержки проекта и его развития сканируйте QR-код ниже!
