Risk factor analysis and predictive model construction and evaluation of fractional uric acid excretion in Chinese inpatients with Type 2 Diabetes

기술 요약: 중국 제2형 당뇨병 입원 환자의 요산 배설 분율에 대한 위험 요인 분석 및 예측 모델 구축

문제 정의
요산 배설 분율(FEUA)은 신병증의 중요한 위험 요인이자 요산 배설량(UAE)의 정밀한 지표로 점점 더 주목받고 있다. 그러나 FEUA의 정확한 측정은 2주간의 엄격한 약물 중단 기간과 5일간의 퓨린 제한 식단을 동반한 24시간 소변 수집을 필요로 하므로 임상적으로 매우 까다롭다. 이러한 요구 사항은 일상적인 임상 적용을 제한하며, 특정 소변 변수가 결여된 공공 데이터베이스를 활용한 대규모 연구를 저해한다. 또한, 현재까지 쉽게 접근 가능한 임상 데이터를 기반으로 FEUA 수준을 예측하는 모델은 존재하지 않는다. 본 연구는 요산 대사 조절 장애 및 신장 손상에 취약한 인구 집단인 제2형 당뇨병 환자(T2DM)를 대상으로 FEUA를 추정할 수 있는 간단하고 신뢰할 수 있는 방법을 제공하고자 한다.

연구 방법론
본 연구는 북경대학교 인민병원에서 제2형 당뇨병 환자 2,301명을 대상으로 진행된 단일 센터 후향적 연구이다.

• 데이터 소스: 2017년부터 2025년 사이에 입원한 환자들의 병원 정보 시스템(HIS)에서 데이터를 추출하였다.
• 코호트 분할:
  • 훈련/내부 검증 세트 (n=1,510): 2018년부터 2024년 사이에 입원한 환자들.
  • 외부 검증 세트 (n=791): 서로 다른 시기 간의 견고성을 테스트하기 위해 2017년 및 2025년에 입원한 환자들(시계열 검증).
• 선정 및 제외 기준: 악성 종양, 특정 내분비 또는 신장 질환이 있는 환자, 임신부, 또는 요산 대사에 영향을 미치는 것으로 알려진 약물(예: 이뇨제, SGLT2 억제제, ARB, ACEI, 요산 저하 요법)을 복용 중인 환자는 제외하였다. 혈청 크레아티닌(SCr), 공복 혈당(FPG), 또는 혈청 요산(SUA)의 극단값 또한 제외되었다.
• 통계적 접근:
  • 변수 선택: 단변량 분석을 통해 유의미한 요인을 식별하였다. 다변량 후진 단계적 선형 회귀 분석을 수행하였다.
  • 변환: 왜도(skewness)를 교정하기 위해 FEUA, $\beta_2$-마이크로글로불린, 그리고 요로 알부민-크레아티닌 비율(UACR)에 자연 로그 변환을 적용하였다.
  • 편향 교정: 로그 예측값을 원래 척도로 다시 변환할 때 발생하는 재변환 편향을 교정하기 위해 Duan의 Smearing Factor를 적용하였다.
  • 검증: 모델은 내부 검증(5-겹, 10-겹 및 leave-one-out 교차 검증)과 외부 시계열 검증을 거쳤다. 성능은 RMSE, MAE, Spearman 상관계수, ROC 곡선, 교정 곡선(calibration plots) 및 결정 곡선 분석(DCA)을 사용하여 평가되었다.

주요 기여 및 모델 구축
본 연구는 네 가지의 일상적으로 사용되는 혈청 및 인구 통계학적 변수를 사용하여 FEUA를 예측하는 선형 회귀 모델을 성공적으로 개발하였다: 성별, 혈청 요산(SUA), 혈청 크레아티닌(SCr), 공복 혈당(FPG).

$\ln(\text{FEUA})$에 대한 최종 예측 공식은 다음과 같다:
$$\ln(\text{FEUA}) = 1.9408 + 0.1462 \times \text{Gender} - 0.0031 \times \text{SUA} + 0.00112 \times \text{SCr} + 0.0068 \times \text{FPG}$$
(여기서 성별은 남성=1, 여성=2로 코딩됨; SUA 단위는 $\mu$mol/L; SCr 단위는 $\mu$mol/L; FPG 단위는 mmol/L임)

예측된 FEUA는 다음과 같이 계산된다:
$$\text{Predicted FEUA} = \exp(\ln(\text{FEUA})) \times 1.0265$$
(1.0265는 Duan의 Smearing Factor임)

결과

• 내부 검증: 모델은 관찰된 FEUA와 예측된 FEUA 사이에 강력한 일치도를 보였다.
  • 상관관계: Spearman 상관계수는 0.7870 ($P < 0.001$)이었다.
  • 오차 지표: RMSE는 1.690%였으며, 관찰값과 예측값 사이의 평균 차이는 무시할 수 있는 수준(-0.005%)이었다.
  • 분류 정확도: 높은 FEUA($\ge 11\%$)를 예측하는 데 있어 모델은 94.70%의 전체 정확도를 달m했다. AUC는 0.9552 (95% CI: 0.9413–0.9691)였다. 8.0257%의 절단점(cut-point)에서 민감도는 95.41%, 특이도는 82.73%였다.
  • 안정성: 교차 검증 지표(5-fold, 10-fold, LOO)는 안정적이었으며, RMSE 값은 1.6898에서 1.7081 사이를 유지하였다. 하위 그룹 분석(신장 기능 및 혈당 상태에 따른 분류)에서도 ROC 값이 0.949 이상으로 일관된 성능을 보였다.
• 외부 검증: 모델은 독립적인 시계열 데이터셋(2017년 및 2025년)에서도 견고한 성능을 유지하였다.
  • 상관관계: Spearman 상관계수는 0.7451 ($P < 0.001$)이었다.
  • 분류: 높은 FEUA를 예측하는 AUC는 0.8946 (95% CI: 0.8545–0.9347)이었으며, 전체 정확도는 94.18%였다.
  • 교정: 교정 곡선 및 결정 곡선은 모델의 임상적 유용성과 예측 확률 및 실제 결과 간의 일치성을 확인시켜 주었다.

의의 및 주장
저자들은 본 연구가 네 가지 일반적인 임상 지표만을 사용하여 제2형 당뇨병 환자의 FEUA를 예측하는 최초의 효과적이고 실용적인 모델을 제공한다고 주장한다. 본 연구의 의의는 다음과 같다:

1. 임상적 유용성: 번거로운 24시간 소변 수집 및 약물 중단 프로토콜에 대한 비침습적이고 편리한 대안을 제공하여, 의사가 높은 FEUA(신장 손상의 위험 요인)를 가진 환자를 식별하고 고요산혈증 및 당뇨병성 신병증에 대한 예방적 또는 치료적 조치를 안내하도록 돕는다.
2. 연구 확장성: 표준 혈청 데이터를 통해 FEUA를 추정할 수 있게 함으로써, 기존에 소변 변수가 부족했던 대규모 공공 데이터베이스의 활용을 용이하게 하여 요산 대사 및 신장 질환에 관한 연구 범위를 확장할 수 있다.
3. 기전적 통찰: 본 연구는 FEUA와 그 예측 인자들(예: SUA와의 음의 상관관계, SCr 및 FPG와의 양의 상관관계) 간의 관계를 강화하며, 산화 스트레스 제거, 신장 수송체 조절, 호르몬 영향과 같은 잠재적인 생리학적 메커니즘을 논의한다.

저자들은 본 연구의 한계점을 겸허히 인정하며, 본 연구가 후향적, 단일 센터, 단면 연구라는 점을 명시하였고, 더 넓은 인구 집단에 대한 일반화 가능성을 확인하기 위해 향-다기관 외부 검증이 필요함을 언급하였다.