糖尿病研究与内分泌学杂志 开放获取

抽象的

糖尿病 - 内分泌学 2018：使用数学物理医学研究基于代谢指数 (MI) 的心脏病发作或中风的概率 - Gerald C Hsu - eclaireMD 基金会

许志仁

作者利用约 150 万个收集数据，扩展了他为期 8 年的 T2D 研究，以分析代谢记录 (MI)、总体健康状况单位 (GHSU：MI 的 90 天移动平均值) 和心脏病发作或中风可能性之间的关系。材料和方法：2014 年，他开发并构建了 MI 和 GHSU 模型，以了解和量化四种代谢疾病输出和六种生活方式输入之间的各种关联。他排除了遗传影响、个人倾向和过去的健康状况，以便专注于这 10 个数据和输出类别的动态变化，总共约 500 个因素。他使用过去 2,274 天内的 >100 万个数据来分析心脏病发作或中风的可能性。他还分别领导了基于疾病输出和生活方式输入的研究工作。然而，在这项研究中，他进行了一项综合数据/输出研究。他使用 80% 的综合结果来冷静地比较和排除两个结果。结果：比较 2012 年至 2018 年期间的结果，可能性值是：从 74%（2012 年）降低到 33%（2018 年），平均值为 52%（标准化范围：0% - 100%）。结论：数值模拟结果得到了过去健康评估报告的证实。这种使用数学物理方法的大数据动态再现方法将为患有心脏病或中风的慢性病患者提供早期警告。

简介：作者花了八年时间收集和整理了约 150 万条数据，并研究了一名患有三种慢性疾病（高脂血症、2 型糖尿病 (T2D) 和高血压）的患者（他本人）的疾病和生活质量详细信息。1994 年至 2006 年期间，同一个人曾发生过五次心脏病。本文重点关注他因整体代谢和健康状况而发生心脏病发作或中风的风险，这些风险基于三组数据：他自 2000 年以来的临床检查记录；他自 2012 年以来收集的生活质量详细信息；根据作者定义的另一个术语代谢指数 (MI)，该指数将患者的疾病和生活质量详细信息结合在一起，以考虑数据本身及其之间的相互关系。作者是内分泌学、糖尿病和代谢问题领域的研究研究员。他在本文中的重要评估强调了代谢状况与呼吸衰竭或中风的风险可能性之间的定量联系。

方法：首先，作者根据年龄、性别、种族、家族史、不良习惯和腰围建立了一个“静态遗传条件”。

然后，他应用血液动力学概念建立了血液阻塞和路径中断的“动态和全面重建”科学模型。他使用液体成分概念来显示血液阻塞的可能性约为 70% - 80%。他还使用固体力学概念来显示路径中断的可能性约为 20% - 30%。他使用 368,513 条数据来指导他的前两项研究，这些研究在 2,274 天内（2012 年 1 月 1 日 - 2018 年 3 月 25 日）包含 72,893 种代谢情况（肥胖、糖尿病、高血压、高脂血症）和 295,620 种生活方式细节（食物、锻炼、水、睡眠、压力、每日计划）。第三，他使用 2014 年创建的约 1.5M 条消化列表模型数据来指导他的第三项研究。最后，他将它们合并为一个总体风险概率。他还利用不同的加权因素指导了风险运行敏感性分析。

结果：尽管他的三个风险概率在数值上有些不同，但它们的风险随时间下降的模式是相同的，例如所有风险似乎都在逐年下降。基于疾病的风险包括：

（1） 2000 年发生 75%（2001 - 2006 年期间发生 3 次心脏病发作）；

（2） 2012 年该比例为 64%，到 2017 年下降到 26.4%，与 Framingham 研究得出的 26.7% 相符；

（3）不同加权因子导致的数据方差敏感度范围：+/- 10%至+/- 18%。

结论：所确定的风险概率结果得到了 2000 年至 2017 年医院长期健康评估报告的证实。通过这项利用数理医学进行大数据动态再现方法的研究，可以提前警告患者将来是否会发生另一次心脏病发作或中风。