基于Logistic回归的IgA肾病无创预测模型的构建及验证

周丽萍，柳 娟，王 悦，刘婷婷，侯 洁

(吉林大学第一医院 肾病科，吉林 长春130021)

IgA肾病(IgAN)为目前世界范围内最常见的原发性肾小球疾病，我国IgAN占原发性肾小球疾病的40%以上[1-2]。IgAN临床病理表现多种多样，在10-20年内病情可进展至终末期肾脏病[3]。IgAN的早期诊断对延缓疾病的进展具有重要临床意义。病理检查是诊断IgAN的金标准，但该技术是有创操作，易带来出血、感染等并发症，且难以在条件有限的基层医院开展。因此，亟需寻找一种方便、快速的无创诊断IgAN的预测方法。目前，国内外对IgAN疾病进展及预后的风险预测进行了广泛的研究[4-5]，但有关IgAN早期诊断和危险因素识别的研究报道较少。通过特定的数学模型进行IgAN风险预测，将有助于降低IgAN的高发病率，改善患者预后。本研究旨在回顾性分析与 IgAN诊断密切相关的临床信息和实验室指标，筛选出优化指标，并用多因素回归算法构建无创预测模型，并验证其诊断效能，为 IgAN的早期诊断提供科学的参考依据。

1 对象与方法

1.1 研究对象选取 2014 年 10 月 1 日至 2020年 10 月 1 日在吉林大学第一医院经肾活检首诊的原发性肾小球疾病患者，其中分为IgAN组和非IgAN组。排除标准为：入选前已服用免疫调节剂药物治疗者；合并感染、肿瘤和自身免疫性疾病者；估算肾小球滤过率(eGFR)<60 ml·min-1·(1.73 m2)-1。按7∶3比例随机分为训练集及验证集。本研究经吉林大学第一医院伦理委员会审批。

1.2 临床资料收集收集年龄、性别、血压、肾穿刺前实验室检查(包括血生化、免疫学、尿液分析等)等人口学及临床病理资料，计算每例患者血IgA/C3 比值和eGFR。

1.3 统计学处理使用 SPSS 19.0 软件处理数据，进行单因素分析和多因素Logistic回归分析，绘制模型的受试者工作特征曲线，计算灵敏度和特异度，P<0.05为差异有统计学意义。

2 结果

2.1 基本资料本研究共纳入536例原发性肾小球疾病患者，其中，非 IgAN组患者病理改变类型包括膜性肾病、系膜增生性肾小球肾炎、局灶节段性肾小球硬化和微小病变性肾病。IgAN 293例和非IgAN 243例，随机分为训练集384例(IgAN 209例，非IgAN 175例)，验证集152例(IgAN 84例，非IgAN 68例)。训练集与验证集之间基线特征的差异均无统计学意义(均P>0.05)，见表1。

表1 训练集与验证集临床数据之间的比较

2.2 训练集两组临床指标的比较

利用t检验和秩和检验比较训练集IgAN和非IgAN两组临床信息的差异。两组之间差异有统计学意义的因素有：年龄、血尿发生率、血白蛋白、肌酐、血IgA、IgG、IgM及 IgA/C3比值、血补体C3、总胆固醇、甘油三酯、高密度脂蛋白胆固醇、低密度脂蛋白胆固醇、eGFR及24 h尿蛋白量的水平(均P<0.05)；然而，性别、高血压、血红蛋白、血尿素氮和血尿酸在两组之间无明显差异，见表2。

表2 训练集 IgAN组与非 IgAN组的临床数据比较

2.3 多因素Logistic 回归模型建立及验证

将单因素分析有显著统计学意义的变量(年龄、血尿发生率、血白蛋白、血IgA、IgG、IgM及 IgA/C3比值、血补体C3、总胆固醇、甘油三酯、高密度脂蛋白胆固醇、低密度脂蛋白胆固醇、eGFR及24 h尿蛋白)纳入多因素 Logistic 回归方程，得到年龄、血IgA/C3 比值、血白蛋白、血IgA、血IgG、eGFR与是否存在血尿及IgAN的发病关联性比较明显，见表3。绘制训练集模型的ROC曲线，发现ROC曲线下面积(AUC)为0.918(95%CI 0.890-0.946，P<0.001)，对应的灵敏度是79.4%，特异度是90.9%。将验证集患者信息代入预测方程进行内部验证，验证集的AUC为0.89(95%CI 0.83-0.94,P<0.001)，对应的灵敏度是81%，特异度是88.2%，接近训练集的AUC，见图1。

3 讨论

IgAN的诊断依赖于肾组织穿刺的结果，因其有创性和高风险性，其临床应用具有一定的局限性。有文献报道半乳糖缺陷的IgA1是诊断IgAN新的生物学指标[6]，但其操作技术要求高和检测费用昂贵，在临床上难以推广。因此，探讨构建IgAN无创诊断模型，对治疗和预后具有重要的意义。

本研究经过多因素Logistic 回归分析，发现较小的年龄、较高的血白蛋白、血IgA、血IgG和 IgA/C3 比值、较低的eGFR水平和血尿是IgAN发病的独立预测因子。目前大多数学者认可血清IgA/C3比值比单纯血清IgA、C3更有诊断、病情监测的价值[7-8]，故本研究纳入了血清IgA/C3比值，它可以辅助诊断IgAN这一研究结果与先前的相关研究一致[9-10]。IgAN组IgG水平显著高于非IgAN组，与文献报道IgAN患者具有较高的血清IgG水平相符[11]。本文纳入的IgAN患者出现肾病综合征的比例低于非IgAN患者，这解释了IgAN组的血白蛋白水平高的原因。2012年，Gao等纳入了血清IgA、纤维蛋白原和临床表现3个因素建立IgAN诊断模型，但缺点是样本量小、可靠性差[12]。后来Han 等报道年龄、血清 IgA、总胆固醇、D-二聚体联合纤维蛋白原，可用于鉴别IgAN与其他原发性肾脏疾病，但该模型没有进行验证，故其准确性需进一步证实[13]。孟晓辉等在上述数学模型中增加了血白蛋白、血肌酐、纤维蛋白原和IgG联合诊断IgAN[14]。最近郭丹丹等的研究表明，年龄、IgA/C3 比值、血白蛋白、血总胆固醇及肉眼血尿为IgAN诊断的独立危险因素[15]。本研究纳入大量样本，开发并验证了诊断IgAN的无创预测模型，结果与上述大部分文献观点一致，预测方程在模型集与验证集的敏感度、特异性以及曲线下面积等参数基本一致，说明基于多因素Logistic 回归模型对IgAN患病风险具有较好的预测能力。

本研究也具有一定的局限性：(1)可能存在一定的回忆偏倚和信息偏倚；(2)结果来自于单中心队列，应扩大样本进行建模，甚至外部验证。(3)纳入的研究对象是eGFR≥60 ml·min-1·(1.73 m2)-1的IgAN患者，而对于慢性肾脏病3-5期的患者需要进一步研究。

综上所述，所建立的多因素联合诊断模型能够有效区分IgAN与非IgAN患者，具有良好的判别性和准确性，提供一种简便、无创的预测方法。这将有助于评估早期发现高危IgAN患者，从而减少治疗前所需的肾活检术。