PNI 与 2 型糖尿病周围神经病变的关联：机器学习揭示营养新视角

《Nutrition & Metabolism》：Prognostic nutritional index and diabetic peripheral neuropathy in type 2 diabetes: a machine learning approach

为探究预后营养指数（PNI）与糖尿病周围神经病变（DPN）的关系，研究人员对 625 例 2 型糖尿病患者展开研究。结果显示，较低 PNI 水平与 DPN 风险增加和神经功能受损相关，这对 DPN 的管理有重要意义。

　　在糖尿病的众多并发症中，糖尿病周围神经病变（DPN）是一种极为常见且棘手的存在。它就像一个隐藏在暗处的 “杀手”，悄无声息地影响着近 50% 的糖尿病患者。得了 DPN 的患者，常常会被疼痛、麻木、感觉异常等症状折磨，严重时甚至会失去肢体功能，生活质量直线下降。不仅如此，DPN 还与糖尿病足溃疡、截肢风险增加密切相关，同时，患者心血管疾病和全因死亡的风险也会大大提高。因此，早期发现和干预 DPN 至关重要。

近年来，营养状况在糖尿病并发症发展中的作用逐渐受到关注。预后营养指数（PNI）作为评估营养和免疫功能的指标，与多种疾病的不良预后相关。然而，它与 DPN 之间的关系却一直模糊不清。为了揭开这层神秘的面纱，同济大学医学院附属上海第十人民医院等机构的研究人员开展了一项研究，相关成果发表在《Nutrition & Metabolism》杂志上。

研究人员为了深入探究 PNI 与 DPN 的关系，采用了多种关键技术方法。他们收集了 2022 年 1 月至 2023 年 5 月上海同济医院 806 例住院 2 型糖尿病患者的临床数据，经过严格筛选，最终 625 例患者纳入研究。通过计算 PNI 等多个参数，利用肌电图（EMG）诊断 DPN。同时，运用 Python 构建随机森林（RF）和极端梯度提升（XGBoost）模型，并借助 SHapley Additive exPlanations（SHAP）等工具进行分析。

研究结果如下：

• 临床特征差异：DPN 组患者年龄更大、BMI 更低、糖尿病病程更长，男性和吸烟者比例更高，血糖控制更差，血清白蛋白、肝酶水平较低，肾功能和血脂异常，PNI 也更低，提示营养状况可能与 DPN 有关。
• 模型性能与特征重要性：RF 和 XGBoost 模型预测 DPN 性能良好。RF 模型召回率 78.4%、特异性 87.8%、准确率 84.0% ；XGBoost 模型召回率 77.4%、特异性 92.1%、准确率 84.8%。SHAP 分析表明较低 PNI 是 DPN 的关键因素。
• PNI 与 DPN 风险关系：患者按 PNI 四分位数分组，DPN 患病率随 PNI 升高而下降。Q1 组（≤44.80）DPN 患病率 65.2% ，Q4 组（≥51.49）为 28.8%。多因素 logistic 回归显示，Q1 组患者 DPN 风险是 Q4 组的 3.271 倍。
• PNI 与临床特征相关性：Spearman 相关性分析发现，PNI 与总胆固醇（TC）、低密度脂蛋白（LDL）等正相关，与中性粒细胞与淋巴细胞比值（NLR）、D - 二聚体等负相关，调整相关因素后部分相关性仍显著。
• PNI 与神经功能关系：对比不同 PNI 四分位数患者的周围神经功能，发现 Q1 组患者感觉神经传导速度（SNCV）、运动神经传导速度（MNCV）、感觉神经动作电位（SNAP）和运动神经动作电位（MNAP）显著低于 Q4 组，表明低 PNI 与更严重的周围神经功能障碍有关。

研究结论和讨论部分指出，本研究表明较低的 PNI 与 2 型糖尿病患者 DPN 风险增加和神经功能受损密切相关。这一发现强调了营养状况在 DPN 发生发展中的重要作用，提示改善营养状况可能有助于预防和治疗 DPN。然而，研究也存在局限性，如横断面研究设计无法确定因果关系，样本存在选择偏倚等。未来需要进一步开展前瞻性干预研究，明确 PNI 在临床实践中的应用价值，探索改善营养状况对 DPN 的干预效果，为 DPN 的防治提供更有力的依据。