许多预测工具已经被创建来评估未诊断糖尿病的风险和相关结果，如糖耐量受损、前驱糖尿病、未来糖尿病的风险和高胰岛素血症。这些工具大多不适用于电子健康档案的设定，因为它们包含的预测变量不容易以结构化格式提供[ 1- 20.］．不切实际的变量包括腰围、禁食时间、体育活动、系统回顾、饮食、怀孕相关变量和详细的种族。工具通常利用空腹血糖水平作为预测指标，这在实践中很容易获得，但在电子病历中通常缺乏结构化的空腹时间记录。作者确定了两种工具，可以使用EHR中常规出现的结构化变量准确预测糖尿病的存在[ 21， 22］．

美国预防服务工作组(USPSTF)目前的指南建议对40至70岁超重或肥胖的成年人进行血糖异常筛查。USPSTF承认，具有其他高危特征的患者(例如，糖尿病家族史，妊娠期糖尿病个人史)可能需要更早地进行筛查，但这取决于医生的酌情决定[ 23］．美国糖尿病协会(ADA)发布的指南建议对身体质量指数(BMI)升高的成年患者进行血糖筛查;≥25公斤/ m²)加上另一个危险因素(如高血压、缺乏运动、糖尿病家族史)，对所有45岁开始的患者，每隔3年进行一次[ 24］．

目前的方法没有利用先进的统计建模。同时考虑众多自变量和非线性效应的高血糖风险预测在多因素病理的背景下是统计理想的。为临床指南创建严格的个别变量界限或有限数量变量的组合并没有利用现在可以合理实现的目标。USPSTF和ADA指南鼓励医生判断葡萄糖筛查的应用，但没有提供具体的指导。在癌症中使用的简化分类方法在区分高风险和低风险患者方面是出了名的差[ 25］．此外，许多现有的预测高血糖风险的模型也可能通过对连续变量进行分类而降低其预测精度，这降低了粒度，并可能错过连续变量与结果之间潜在的复杂关联。Kattan强调了这个问题[ 26他指出，与分类、回归树和人工神经网络等分类方法相比，采用限制性三次样条来降低线性假设的传统回归技术被发现能产生更准确的风险预测模型。

由于在病程早期缺乏症状，且临床实践中的检测和/或记录不一致(特别是以结构化的方式)，预测高血糖的发病日期是困难的。以往的研究表明，2型糖尿病通常发生在确诊前5年以上[ 27， 28］．相比之下，血液中糖化血红蛋白(HbA_{1 c})提供了一种简单而准确的方法，可以在不禁食的情况下测定过去8至12周的当前平均血糖。HbA_{1 c}根据国家糖蛋白标准化计划(NGSP)规定的规范进行标准化检测。HbA_{1 c}血糖水平是用于指导2型糖尿病管理的主要血液标志物，美国糖尿病协会已经批准了HbA_{1 c}糖尿病筛查测试[ 24］．HbA卡使用的增加_{1 c}作为无前驱糖尿病或糖尿病患者的筛查工具，为从EHR记录中预测建模提供了数据。

作者强烈认为，诊断HbA升高的患者_{1 c}在临床上很重要，尽管之前的研究没有显示出糖尿病筛查对死亡率的好处[ 29］．血糖升高的早期检测还有其他显著的好处:

因此，一种准确的工具可以预测特定患者当前HbA升高的概率_{1 c}这一水平将是发现最可能需要筛查干预的患者的重大进步。为了解决这一差距，我们创建了一个计算器，用于预测没有糖尿病史或血糖升高的给定患者目前HbA升高的概率_{1 c}值(≥5.7%)。之所以选择这个临界值，是因为它符合ADA发布的当前指南，即<5.7%的值被认为是正常的。重要的是，本文中提出的计算器仅限于电子病历中通常可用的结构化变量。这种对常见结构化变量的关注将使该工具能够集成到ehr中实现。

本研究对所有接受过HbA的成年患者进行_{1 c}在发现高血糖(随机血糖≥200mg /dL)、任何与糖尿病相关的诊断代码或开具抗高血糖药物处方之前进行检查。数据提取自北卡罗来纳州温斯顿-塞勒姆维克森林浸信会医疗中心的Epicare EHR，时间为2012年9月至2016年9月。该研究得到了机构审查委员会的批准，并授予了放弃知情同意的权利。数据仅限于位于EHR这些领域的结构化数据:遭遇诊断、问题列表、过去的病史、程序、处方、生命体征、人口统计学、社会史和实验室值。候选预测变量的选择基于其与高血糖的理论关联。 文本框1显示完整统计模型中包含的候选预测变量的列表。

自变量定义为HbA的日期_{1 c}感兴趣的。对于缺失的连续变量(如收缩压)，使用最近的先前值代替。完全缺乏自变量值的患者被排除在外。调查人员没有将缺失的数据归因，因为他们认为归因在执行时不合适。如果患者在第一次HbA卡日期或之前有任何结构化的诊断代码实例，则认为存在合并症_{1 c}．开始日期在HbA卡日期或之前的药物_{1 c}以及结束日期在HbA卡日期上或之后_{1 c}被认为是活跃的。当开始日期缺失时，使用药物订购日期。没有开始和订购日期的药物被排除在外。药物类别(如抗高血糖药物)由First Databank Inc.提供。采用多元逻辑回归对自变量与HbA结果之间的关系进行建模_{1 c}≥5.7%。连续变量采用3节限制性三次样条拟合。同时纳入血清非高密度脂蛋白和高密度脂蛋白时，由于存在共线性，模型无法拟合。因此，将高密度脂蛋白从完整的模型中去除。使用Harrell的模型近似方法对模型进行了约简[ 39］．对于吝啬，在变量选择后去掉了肥胖变量的诊断。该诊断对预测精度影响很小，并且由于BMI也在模型中，因此是冗余的。简化模型与Baan和Griffin创建的计算器进行了正面比较[ 21， 22］．为了计算新模型经偏差调整后的预测精度，使用10倍交叉验证进行了正面比较。预测模型指标包括鉴别(一致性统计量)、校准(校准曲线)和决策曲线[ 40］．统计分析在R版本3.2.5 (R统计计算基础)中使用rms(回归建模策略)包进行。

记录检索确定了22,635例患者进行模型构建和验证，其中26%被发现HbA升高_{1 c}(≥5.7%)。 图1显示模型构建中包括和排除的患者数量。

最终模型包括以下8个从最重要到最不重要的变量:年龄、BMI、随机葡萄糖、种族、血清非高密度脂蛋白、血清总胆固醇、估计肾小球滤过率(eGFR)和吸烟状况。 表1显示了最终模型中由HbA包含的变量的描述性统计数据_{1 c}结果。正如预期的那样，患者发现HbA升高_{1 c}年龄较大，BMI较高，eGFR较低，随机葡萄糖值较高。

这些系数以及计算HbA升高概率的说明_{1 c}(≥5.7%)和2个患者场景的样本计算见 多媒体附件2．

比较了这3个模型根据一致性统计量(c-stat)测量的风险和使用10倍交叉验证的偏倚调整对患者进行准确排序的能力。与Baan (c-stat 0.637, 95% CI 0.633至0.641)和Griffin (c-stat 0.668, 95% CI 0.665至0.672)创建的模型相比，当前模型(c-stat 0.765, 95% CI 0.762至0.769)在歧视方面有统计学上的显著改善。

校准曲线示于 图2揭示了当前的模型是很好的校准。预测的概率倾向于高估分布右尾部的风险，但广泛的置信区间暗示了在这些极端高风险水平上的数据的稀缺性。误差条表示点估计值附近的95%置信区间。

决策曲线显示在 图3并论证了该模型的优越性。我们的模型显示，HbA升高的净收益概率高达0.73_{1 c}(≥5.7%)在此阈值以上无显著净危害。在所有概率阈值下，该模型给出的净效益等于或大于其他模型提供的净效益。