第一部分中国不同民族糖化血红蛋白诊断切点比较研究目的:糖化血红蛋白（HbA1c）已被美国糖尿病学会（ADA）纳入糖尿病诊断流程,并设定诊断标准为HbA1c≥6.5%。我国地域广阔、民族多样,不同民族的基因背景显著不同,至今尚未明确HbA1c在中国人群及各民族中诊断糖尿病的切点。前期研究中,我们探索了HbA1c在中国人群的诊断切点,但数据仅基于眼底摄片的人群,并排除了已诊断糖尿病,存在潜在的选择偏倚。且对糖尿病视网膜病变（DR）的定义缺乏特异性,导致HbA1c诊断切点无法确定。本文将选择全国多区域、多民族的全部横断面数据,重新定义特征性DR,分别以OGTT结果及特征性DR为参考标准,进一步探索并验证中国整体人群的HbA1c诊断切点,同时比较不同民族可能的切点差异。方法:本研究基于国家重点研发计划“重大慢性非传染性疾病防控研究”《糖尿病危险因素早期识别、早期诊断技术与切点研究》（2016YFC1305700）项目,对全国8省共10个地区的20-70岁常住居民进行横断面调查,包括汉族、壮族、傣族、维吾尔族、朝鲜族及哈萨克族六个民族。针对每位调查对象进行OGTT及眼底摄片,同时进行HbA1c、肾功能、血常规、血脂等实验室检测,并采集每位受试者的人口学信息及体格检查（身高、体重、心率、血压、腰围）结果。采用1999年世界卫生组织（WHO）OGTT糖尿病诊断标准和特征性DR患病率为依据计算HbA1c诊断切点。分别以糖尿病视网膜病变早期治疗研究评分（ETDRS）≥20（极轻度非增殖期DR）,ETDRS≥31（轻度非增殖期DR）及ETDRS≥41（中度非增殖期DR）定义特征性DR。数据处理:1)运用随机抽样法,将整体数据按2:1分为训练集及验证集。2)以1999 WHO标准及ETDRS≥31作为参考标准,使用受试者工作特征（ROC）曲线基于最佳约登指数（YI）确定HbA1c的最佳切点,并计算曲线下面积（AUC）、灵敏度、特异度等。亚组分析采用相同的方法,不同ROC曲线的比较采用Hanley&Mc Neil方法。3)绘制不同ETDRS标准下的HbA1c水平与特征性DR患病率变化的折线图,确定HbA1c的拐点。使用logistic回归分析HbA1c拐点与DR患病风险的关系。4)使用多因素线性模型分析影响HbA1c水平的因素。使用logistic回归分析影响漏诊及误诊人群的因素。5)联合诊断模型采用logistic回归联合ROC曲线得出。结果:（一）基线资料共16969例受试者纳入数据分析,分别有11312例及5657例纳入训练集及验证集,其中,有5899例（训练集）及2152例（验证集）接受眼底检查。所有人群中,糖尿病患病率为13.53%（2296名）,糖尿病前期为24.60%（4175名）,糖调节正常组为61.87%（10498名）。（二）以OGTT结果为参考标准的HbA1c切点（1）HbA1c的AUC为0.886（95%CI,0.875-0.896）,最佳切点HbA1c≥6.0%。使用该最佳切点诊断糖尿病,灵敏度为73.14%（95%CI,70.9%-75.3%）,特异度为90.45%（95%CI,89.8%-91.0%）,阳性预测值为54.8%（95%CI,52.6%-56.9%）,阴性预测值为95.5%（95%CI,95.1%-95.9%）。（2）使用最佳切点（HbA1c≥6.0%）诊断糖尿病,年龄越小或低密度脂蛋白胆固醇（LDL-C）水平越低的人群越易出现漏诊。在高龄、超重及肥胖、高LDL-C、傣族、壮族或维吾尔族人群中易出现误诊。（3）除傣族的最佳切点为6.3%以外,汉族、壮族、朝鲜族、维吾尔族及哈萨克族的最佳切点相似并接近于6.0%。（4）按年龄分组时,随着年龄增长,最佳HbA1c切点升高,当年龄>52岁时,最佳切点为6.1%,36岁<年龄≤52岁时,最佳切点为5.9%,年龄≤36岁时,最佳切点为5.7%。（三）以特征性DR为参考标准的HbA1c切点（1）无论以ETDRS≥20、ETDRS≥31或ETDRS≥41定义特征性DR,DR患病率均在HbA1c为6.3%左右有明显的拐点。在校正年龄、性别、BMI水平、民族分类后,当HbA1c水平在6.3%以上时,较3.0%-5.7%区间,罹患DR的风险显著升高[ETDRS≥31:OR 32.01（95%CI,17.79-57.61）,ETDRS≥20:OR 6.71（95%CI,4.91-9.17）]。（2）以ETDRS≥31为参考标准,绘制ROC曲线,HbA1c的AUC为0.862（95%CI,0.810 to 0.913）,最佳切点HbA1c≥6.2%,使用该最佳切点诊断糖尿病,灵敏度为76.19%（95%CI,65.7%-84.8%）,特异度为88.98%（95%CI,88.1%-89.8%）,阳性预测值为6.1%（95%CI,5.1%-8.2%）。阴性预测值为99.6%（95%CI,99.6%-99.8%）。（3）使用ROC所得出的最佳切点（HbA1c≥6.2%）诊断糖尿病,在高龄、女性、超重及肥胖、高LDL-C、傣族或维吾尔族人群中易出现误诊。壮族人群不易出现误诊。（4）汉族的最佳切点为6.1%,傣族为5.9%,维吾尔族为6.8%,朝鲜族为6.9%。壮族、哈萨克族因阳性例数太少无法进行分析。（5）按年龄分组时,年龄>52岁时,最佳切点为6.8%,36岁<年龄≤52岁时,最佳切点为6.2%。按性别分组时,男性HbA1c的最佳切点为6.8%,女性的最佳切点为6.1%。按不同BMI分组时,正常体重组的最佳切点为6.0%,超重及肥胖组的最佳切点为6.2%。（四）联合诊断（1）HbA1c联合空腹血糖（FPG）并联诊断:使用HbA1c≥6.3%和（或）FPG≥7.0mmol/L进行联合诊断,比较其与OGTT诊断能力。并联诊断的AUC为0.788（95%CI,0.750-0.827）,与OGTT的AUC 0.794（95%CI,0.786 to 0.802）相比没有显著差异（P=0.7085）。（2）HbA1c联合FPG复合诊断:诊断糖尿病时,最佳切点为0.00085+1.32*FPG+1.17*HbA1c>14.97。该复合诊断的AUC为0.864（95%CI,0.854-0.874）,显著高于OGTTAUC（P<0.001）,最佳切点的灵敏度为79.73%,特异度为83.42%。（五）不同参考标准下HbA1c的诊断切点及效能比较同一人群中,以特征性DR为参考标准的诊断切点（6.2%）高于以OGTT结果为标准的诊断切点（6.1%）,但两者AUC无显著性差异（P=0.1727）。结论:1)基于OGTT结果为参考标准的HbA1c最佳诊断切点为6.0%。基于特征性DR为参考标准的HbA1c最佳诊断切点在6.3%左右。2)当所有人群使用同一HbA1c诊断切点时,应注意在高龄人群、超重及肥胖人群、高LDL-C人群、傣族或维吾尔族中有误诊的风险。3)当以OGTT结果作为参考标准时,除傣族的最佳诊断切点为6.3%外,壮族、朝鲜族、维吾尔族、哈萨克族、汉族最佳切点接近于6.0%。当以特征性DR作为参考标准时,汉族的最佳切点为6.1%,傣族为5.9%,维吾尔族为6.8%,其余民族需更大样本数据或前瞻性队列研究证实。4)年龄越大,HbA1c最佳切点越高。不同性别、不同BMI水平的诊断切点不同。5)HbA1c联合空腹血糖诊断糖尿病的效能,与OGTT诊断效能一致,将来或可替代OGTT。第二部分人工智能在糖尿病视网膜病变筛查中的应用目的:DR是目前成年人失明的主要原因,早期筛查和规律随访是预防及管理DR的关键。近年来,为了促进DR筛查的高效、可及性和经济效益,人工智能（AI）模式识别系统作为DR筛查的辅助技术应运而生。根据美国、新加坡、中国等多地的研究结果示,AI筛查DR的灵敏度与所选取的系统有关,并不十分稳定,其灵敏度在79%-98%之间。本研究选择了基于深度学习的新型AI系统为研究对象,以ETDRS评分为金标准,评估该新型AI系统在一般人群和糖尿病人群中筛查DR的效能。方法:本研究基于国家重点研发计划“重大慢性非传染性疾病防控研究”《糖尿病危险因素早期识别、早期诊断技术与切点研究》（2016YFC1305700）项目的全国多民族多地区的横断面样本,共纳入9037名参与者的17119张眼底图像进行评分。所有图像均由两名专业眼科医生使用ETDRS评分系统作为诊断DR的金标准进行分级。同时,所有图像还会上传至AI系统进行分级（有或无）。以“有意义的DR（ETDRS>31）”及“任意DR（ETDRS≥20）”分别作为参考变量,绘制ROC曲线,确定AI的筛查效能。结果:在一般人群中,使用AI筛查“有意义的DR”的AUC为0.941（95%CI,0.936-0.946）,灵敏度和特异性分别为98.15%（95%CI,90.1%-100.0%）、90.08%（95%CI,89.4%-90.7%）;筛查“任意DR”时,AUC为0.881（95%CI,0.874-0.888）,灵敏度为83.67%（95%CI,79.4%-87.4%）,特异性为92.52%（95%CI,91.9%-93.1%）。在糖尿病人群中,AI筛查“有意义的DR”时,AUC、灵敏度和特异性分别为0.901（95%CI,0.884-0.916）、98.08%（95%CI,89.7%-100.0%）和82.10%（95%CI,79.9%-84.2%）;对于“任意DR”,AUC、灵敏度和特异性分别为0.903（95%CI,0.886-0.918）、91.57%（95%CI,86.3%-95.3%）、88.98%（95%CI,87.0%-90.7%）。结论:在一般人群和糖尿病人群中,人工智能（AI）模式识别系统均表现出高灵敏度和特异性,可以作为DR筛查的一种辅助手段。