基于血糖检验指标及聚类分析构建门诊精神分裂症患者分类判别预测模型

摘要：

目的 基于随机空腹血糖(FPG)、糖化血红蛋白(HbA1c)及糖化血清蛋白(GSP)及聚类分析构建门诊精神分裂症(schizophrenia,SP)患者的分类判别预测模型,为SP患者共患糖代谢异常的早期诊治、监测管理和成本控制等策略的优化提供参考.方法 回顾2013年12月01日至2020年05月31于广州医科大学附属脑科医院门诊就诊SP患者的性别、年龄、门诊诊断、FPG、HbA1c及GSP等检验结果等资料,进行聚类及判别分析,并将分类后的数据进行对比分析.结果 (1)共纳入2047例患者的资料,门诊SP中年患者的各类血糖指标异常的比例较高,HbA1c(5.898±1.354),GSP(1.877±1.354),FPG(7.055±430);(2)短期血糖指标监测中,男性升高的比例更高,差异具有统计学意义(P<0.05);(3)可将其聚类分为3类,构建判别分类预测模型,第一类的模型为Y1=-24.477+4.496HbA1c+6.781 GSP+1.641FPG,第二类的模型为Y2=-139.639+6.404HbA1c+8.733GSP+8.592FPG,第三类的模型为Y3=-49.354+5.502HbA1c+6.747GSP+3.831FPG;(4)对基于聚类的三组数据进行组间对比,发现这三类在年龄及HbA1c、GSP、FPG均存在显著差异(P<0.05).结论 门诊SP患者血糖管理普遍较差,尤其是在男性的短期血糖指标管理上;基于血糖指标及聚类法构建的分类判别预测模型效果较好,可利用该结果探讨对门诊SP中年患者实施个体化监测,为此类糖代谢异常患者提供早期诊治.

关键词：随机空腹血糖、糖化血红蛋白、糖化血清蛋白、精神分裂症、预测模型

所属期刊栏目：7

分类号：R473.74;R395.6;R587.1

资助基金：广东省医学科学技术研究项目;国家自然科学基金

在线出版日期：2021-05-31（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：24-29