技术特征：
1.一种t2dm全因死亡风险预测模型，其特征在于，采用如下步骤进行构建：s10，获取样本的多个属性数据和肌肉分布数据；s20，采用cox比例风险回归法，以样本是否发生全因死亡为因变量，利用多个属性数据和肌肉分布数据为自变量建立cox回归模型，并得到与t2dm全因死亡风险相关的独立预测因子；s30，根据步骤s20获取的独立预测因子建立列线图，即所述t2dm全因死亡风险预测模型。2.根据权利要求1所述的t2dm全因死亡风险预测模型，其特征在于，所述多个属性数据包括样本的基础信息、临床数据；所述肌肉分布数据包括样本的全身肌肉量、躯干肌肉量、上肢肌肉量、下肢肌肉量、android肌肉量、gynoid肌肉量、android/gynoid肌肉量比数据。3.根据权利要求1所述的t2dm全因死亡风险预测模型，其特征在于，所述步骤s20得到的独立预测因子包括样本的年龄、性别、android/gynoid肌肉量比、下肢肌肉量、目前饮酒情况、egfr、hba1c、血白蛋白恶性肿瘤史数据。4.根据权利要求1所述的t2dm全因死亡风险预测模型的构建方法，其特征在于，所述步骤s30建立的列线图为普通列线图或动态列线图。5.一种t2dm全因死亡风险预测模型构建方法，其特征在于，包括以下步骤：s100，获取样本的多个属性数据和肌肉分布数据；s200，采用cox比例风险回归法，以样本是否发生全因死亡为因变量，利用多个属性数据和肌肉分布数据为自变量建立cox回归模型，并得到与t2dm全因死亡风险相关的独立预测因子；s300，根据步骤s20获取的独立预测因子建立列线图，即所述t2dm全因死亡风险预测模型。6.根据权利要求5所述的t2dm全因死亡风险预测模型的构建方法，其特征在于，所述步骤s200中还包括在进行cox比例风险回归时在赤池信息准则最小值的基础上采用向后逐步消除的cox回归分析方法简化模型。7.根据权利要求5所述的t2dm全因死亡风险预测模型的构建方法，其特征在于，由步骤s300构建所述预测模型后，还包括对预测模型进行验证的验证步骤；所述验证步骤为采用bootstrap方法进行对预测模型进行内部验证。8.一种t2dm全因死亡风险预测模型的构建系统，其特征在于，包括：数据获取模块，用于获取样本的多个属性数据及肌肉分布数据；独立预测因子获取模块，采用cox比例风险回归法，以样本是否发生全因死亡为因变量，利用多个属性数据和肌肉分布数据为自变量建立cox回归模型，得到与t2dm全因死亡风险相关的独立预测因子；模型构建模块，根据独立预测因子获取模块所得独立预测因子构建动态列线图，即所述t2dm全因死亡风险预测模型。9.一种计算机可读取储存介质，其特征在于，该存储介质上存储有计算机程序；所述计算机程序被处理器执行时，实现权利要求5-7任一项所述的全因死亡风险预测模型的构建方法。10.一种信息数据处理终端，其特征在于，用于实现权利要求5-7任一项所述的全因死
亡风险预测模型的构建方法。
技术总结
本发明提供一种T2DM全因死亡风险预测模型及其构建方法和应用，该模型的构建方法包括：获取样本的多个属性数据和肌肉分布数据；采用Cox比例风险回归法，以样本是否发生全因死亡为因变量，利用多个属性数据和肌肉分布数据为自变量建立Cox回归模型，并得到与T2DM全因死亡风险相关的独立预测因子，根据独立预测因子建立列线图，即得到T2DM全因死亡风险预测模型。本发明风险预测模型中纳入了T2DM样本肌肉分布数据，具有较高的准确性，辅助医护人员在临床应用中精准、快速地进行患者个体化预测，进行临床分析和调整治疗方案，应用前景广泛。泛。泛。
技术研发人员：丁莉 刘铭 范雨鑫
受保护的技术使用者：天津医科大学总医院
技术研发日：2022.10.18
技术公布日：2023/1/19