非酒精性脂肪性肝病预测模型的特征分析

doi:10.12114/j.issn.1007-9572.2021.00.562

摘要/Abstract

摘要： 作为疾病风险评估的量化工具，疾病预测模型有助于识别高危人群，为健康管理提供参考依据，而非酒精性脂肪性肝病（NAFLD）预测模型研究尚未引起中国肝病健康管理领域研究者的充分关注。本文针对性地在PubMed、Web of Science、中国知网等数据库进行了文献查阅，得到8种NAFLD预测模型，分别是脂肪肝指数（FLI）、肝脂肪变性指数（HSI）、肝脂肪百分比、Framingham脂肪变性指数（FSI）、ZJU指数、NAFLD筛查评分（NSS）、Young Jin Park模型、Mika Aizawa模型。通过归纳上述8种NAFLD预测模型的建模方法、模型的质量表现、模型的表达及应用现状发现，Logistic回归分析是主要的建模方法，模型区分度较好，模型多采取内部验证，NAFLD预测模型的研究还存在较大的开发空间。

关键词: 非酒精性脂肪性肝病, 预测, 模型, Logistic模型

Abstract: As a quantitative tool of risk estimate，the disease prediction model is helpful to identify high-risk groups and provide evidence for health management. However，the research on nonalcoholic fatty liver disease（NAFLD） prediction models has not yet attracted sufficient attention in the field of liver disease management in China. Literature review of the NAFLD prediction model was conducted using PubMed，Web of Science，and CNKI databases. Eight NAFLD prediction models were obtained，which are fatty liver index，hepatic steatosis index，percentage of liver fat，Framingham steatosis index，ZJU index，NAFLD Screening Score，Young Jin Park model，and Mika Aizawa model. Modeling methods，performance assessment，expression and application status of the models are summarized in this paper，where Logistic regression is found to be the main modeling method，as the model discrimination is effective and internal validation is mostly adopted. Overall，the NAFLD prediction model is worthy of further exploration.

Key words: Non-alcoholic fatty liver disease, Forecasting, Model, Logistic models

高小莲,肖明中,陶军秀,等. 非酒精性脂肪性肝病预测模型的特征分析[J]. 中国全科医学, 2021, 24(30): 3888-3892. DOI: 10.12114/j.issn.1007-9572.2021.00.562.
GAO Xiaolian,XIAO Mingzhong,TAO Junxiu, et al. Characteristics Analysis of Predictive Models of Nonalcoholic Fatty Liver Disease　[J]. Chinese General Practice, 2021, 24(30): 3888-3892. DOI: 10.12114/j.issn.1007-9572.2021.00.562.

参考文献

［1］范建高，曾静.非酒精性脂肪性肝病的流行现状与危害［J］．中华消化杂志，2020，40（9）：577-580．DOI：10.3760/cma.j.cn311367-20200526-00349.
FAN J G，ZENG J.Epidemic status and harm of nonalcoholic fatty liver disease［J］．Chin J Dig，2020，40（9）：577-580．DOI：10.3760/cma.j.cn311367-20200526-00349.
［2］ZHOU F，ZHOU J H，WANG W X，et al. Unexpected rapid increase in the burden of NAFLD in China from 2008 to 2018：a systematic review and meta-analysis［J］．Hepatology，2019，70（4）：1119-1133．DOI：10.1002/hep.30702.
［3］ESTES C，ANSTEE Q M，ARIAS-LOSTE M T，et al. Modeling NAFLD disease burden in China，France，Germany，Italy，Japan，Spain，United Kingdom，and United States for the period 2016—2030［J］．J Hepatol，2018，69（4）：896-904．DOI：10.1016/j.jhep.2018.05.036.
［4］范建高.非酒精性脂肪性肝病的临床困境［J］．中国实用内科杂志，2019，39（3）：207-209.
FAN J G.Clinical dilemmas in non-alcoholic fatty liver disease［J］．Chinese Journal of Practical Internal Medicine，2019，39（3）：207-209.
［5］BEDOGNI G，BELLENTANI S，MIGLIOLI L，et al. The Fatty Liver Index：a simple and accurate predictor of hepatic steatosis in the general population［J］．BMC Gastroenterol，2006，6：33．DOI：10.1186/1471-230x-6-33.
［6］LEE J H，KIM D，KIM H J，et al. Hepatic steatosis index：a simple screening tool reflecting nonalcoholic fatty liver disease［J］．Dig Liver Dis，2010，42（7）：503-508．DOI：10.1016/j.dld.2009.08.002.
［7］KOTRONEN A，PELTONEN M，HAKKARAINEN A，et al. Prediction of non-alcoholic fatty liver disease and liver fat using metabolic and genetic factors［J］．Gastroenterology，2009，137（3）：865-872．DOI：10.1053/j.gastro.2009.06.005.
［8］LONG M T，PEDLEY A，COLANTONIO L D，et al. Development and validation of the Framingham steatosis index to identify persons with hepatic steatosis［J］．Clin Gastroenterol Hepatol，2016，14（8）：1172-1180.e2．DOI：10.1016/j.cgh.2016.03.034.
［9］WANG J，XU C，XUN Y，et al. ZJU index：a novel model for predicting nonalcoholic fatty liver disease in a Chinese population［J］．Sci Rep，2015，5：16494．DOI：10.1038/srep16494.
［10］ZHOU Y J，ZHOU Y F，ZHENG J N，et al. NAFL screening score：a basic score identifying ultrasound-diagnosed non-alcoholic fatty liver［J］．Clin Chim Acta，2017，475：44-50．DOI：10.1016/j.cca.2017.09.020.
［11］PARK Y J，LIM J H，KWON E R，et al. Development and validation of a simple index system to predict nonalcoholic fatty liver disease［J］．Korean J Hepatol，2011，17（1）：19-26．DOI：10.3350/kjhep.2011.17.1.19.
［12］AIZAWA M，INAGAKI S，MORIYAMA M，et al. Modeling the natural history of fatty liver using lifestyle-related risk factors：effects of body mass index （BMI） on the life-course of fatty liver［J］．PLoS One，2019，14（10）：e0223683．DOI：10.1371/journal.pone.0223683.
［13］王琦琦，于石成，亓晓，等. logistic族回归及其应用［J］．中华预防医学杂志，2019，53（9）：955-960．DOI：10.3760/cma.j.issn.
WANG Q Q，YU S C，QI X，et al. Overview of logistic regression model analysis and application［J］．Chin J Prev Med，2019，53（9）：955-960．DOI：10.3760/cma.j.issn.
［14］游士兵，徐小婷.统计学方法的发展及其在大数据中的应用［J］．统计与决策，2020（4）：31-35．DOI：10.13546/j.cnki.tjyjc.2020.04.007.
YOU S B，XU X T.The development of statistical methods and their application in big data［J］．Statistics and Decision，2020，36（4）：31-35．DOI：10.13546/j.cnki.tjyjc.2020.04.007.
［15］ALMANSOUR N A，SYED H F，KHAYAT N R，et al. Neural network and support vector machine for the prediction of chronic kidney disease：a comparative study［J］．Comput Biol Med，2019，109：101-111．DOI：10.1016/j.compbiomed.2019.04.017.
［16］黄光成，周良，石建伟，等. 机器学习算法在疾病风险预测中的应用与比较［J］．中国卫生资源，2020，23（4）：432-436．DOI ：10.13688/j.cnki.chr.2020.19608.
HUANG G C，ZHOU L，SHI J W，et al. Application and comparison of machine learning algorithms in disease risk prediction［J］．China Health Resource，2020，23（4）：432-436．DOI ：10.13688/j.cnki.chr.2020.19608.
［17］王俊峰，章仲恒，周支瑞，等. 临床预测模型：模型的验证［J］．中国循证心血管医学杂志，2019，11（2）：141-144．DOI：10.3969/j.issn.1674-4055.2019.02.04.
WANG J F，ZHANG Z H，ZHOU Z R，et al. Clinical prediction models：model validation［J］．Chin J Evid Based Cardiovasc Med，2019，11（2）：141-144．DOI：10.3969/j.issn.1674-4055.2019.02.04.
［18］ALBA A C，AGORITSAS T，WALSH M，et al. Discrimination and calibration of clinical prediction models：users' guides to the medical literature［J］．JAMA，2017，318（14）：1377-1384．DOI：10.1001/jama.2017.12126.
［19］KOEHLER E M，SCHOUTEN J N，HANSEN B E，et al. External validation of the fatty liver index for identifying nonalcoholic fatty liver disease in a population-based study［J］．Clin Gastroenterol Hepatol，2013，11（9）：1201-1204．DOI：10.1016/j.cgh.2012.12.031.
［20］MOTAMED N，FARAJI A H，KHONSARI M R，et al. Fatty liver index （FLI） and prediction of new cases of non-alcoholic fatty liver disease：a population-based study of northern Iran［J］．Clin Nutr，2020，39（2）：468-474．DOI：10.1016/j.clnu.2019.02.024.
［21］KIM J H，KWON S Y，LEE S W，et al. Validation of fatty liver index and lipid accumulation product for predicting fatty liver in Korean population［J］．Liver Int，2011，31（10）：1600-1601．DOI：10.1111/j.1478-3231.2011.02580.x.
［22］CHEN L W，HUANG P R，CHIEN C H，et al. A community-based study on the application of fatty liver index in screening subjects with nonalcoholic fatty liver disease［J］．J Formos Med Assoc，2020，119（1 Pt 1）：173-181．DOI：10.1016/j.jfma.2019.03.016.
［23］HUANG X，XU M，CHEN Y，et al. Validation of the fatty liver index for nonalcoholic fatty liver disease in middle-aged and elderly Chinese［J］．Medicine：Baltimore，2015，94（40）：e1682．DOI：10.1097/md.0000000000001682.
［24］郭芸蕾，阮骊韬，党莹，等. 实时剪切波弹性成像技术测量肝脾硬度联合肝脂肪变性指数在诊断脂肪肝中的应用价值研究［J］．中国临床医学影像杂志，2019，30（6）：416-420．DOI：10.12117/jccmi.2019.06.010.
GUO Y L，RUAN L T，DANG Y，et al. Application value of liver and spleen stiffness measured by real-time shear wave elastography combined with hepatic steatosis index in diagnosis of hepatic steatosis［J］．Chin Clin Med Imaging，2019，30（6）：416-420．DOI：10.12117/jccmi.2019.06.010.
［25］CHEN L D，HUANG J F，CHEN Q S，et al. Validation of fatty liver index and hepatic steatosis index for screening of non-alcoholic fatty liver disease in adults with obstructive sleep apnea hypopnea syndrome［J］．Chin Med J，2019，132（22）：2670-2676．DOI：10.1097/CM9.0000000000000503.
［26］刘捷，王永红，罗蓉，等. ZJU指数筛查对健康体检人群非酒精性脂肪肝患病风险预测的价值评估：一项基于重庆市体检人群的单中心研究［J］．重庆医科大学学报，2017，42（2）：244-248．DOI：10.13406/j.cnki.cyxb.001165.
LIU J，WANG Y H，LUO R，et al. Prevalence of nonalcoholic fatty liver disease in health medical examination participants from Chongqing：a single-center study based on the ZJU index［J］．Journal of Chongqing Medical University，2017，42（2）：244-248．DOI：10.13406/j.cnki.cyxb.001165.
［27］LI L，YOU W，REN W.The ZJU index is a powerful index for identifying NAFLD in the general Chinese population［J］．Acta Diabetol，2017，54（10）：905-911．DOI：10.1007/s00592-017-1024-8.
［28］BENKE K，BENKE G.Artificial intelligence and big data in public health［J］．Int J Environ Res Public Health，2018，15（12）：2796-2805．DOI：10.3390/ijerph15122796.
［29］RONZIO L，CABITZA F，BARBARO A，et al. Has the flood entered the basement？ A systematic literature review about machine learning in laboratory medicine［J］．Diagnostics （Basel），2021，11（2）：372-410．DOI：10.3390/diagnostics11020372.

[1]	周洁, 胡凌娟, 怀晴雨. 基于主成分分析和TOPSIS模型的我国各省份医疗水平评价研究[J]. 中国全科医学, 2023, 26(34): 4254-4260.
[2]	朱文鹏, 韩梦琦, 王雨欣, 王国平. 1990—2019年中国鼻咽癌发病与死亡的趋势及预测研究[J]. 中国全科医学, 2023, 26(34): 4269-4276.
[3]	王瑜, 陈焱, 韩元元, 徐清, 陈胜岳, 吕智博, 卢川, 郑铭鑫, 赵昕. 血小板-淋巴细胞比值可预测老年急性心肌梗死患者住院期间死亡风险[J]. 中国全科医学, 2023, 26(33): 4137-4142.
[4]	王丽娜, 高鹏飞, 曹帆, 葛莹, 颜维, 何岱昆. 不同性别人群非酒精性脂肪性肝病患病现况及影响因素分析[J]. 中国全科医学, 2023, 26(33): 4143-4151.
[5]	王秋实, 李虹伟. CHA₂DS₂-VASc卒中风险评分对冠心病三支血管或左主干病变患者主要不良心血管事件的预测价值研究[J]. 中国全科医学, 2023, 26(33): 4130-4136.
[6]	梁譞, 那飞扬, 秦梦瑶, 杨辉, 郭丽, 郭琪, 任蕾, 陈德, 刘东海, 张蓉芳. 儿童支气管哮喘合并阻塞性睡眠呼吸暂停低通气综合征的临床特征及影响因素研究[J]. 中国全科医学, 2023, 26(33): 4225-4230.
[7]	张继方, 陈芳, 唐佳雯, 李红亮. 肿瘤出芽及肿瘤浸润淋巴细胞对食管鳞状细胞癌淋巴结转移的预测价值研究[J]. 中国全科医学, 2023, 26(32): 4038-4042.
[8]	张娟, 李海芬, 李小曼, 姚苗, 马惠珍, 马强. 糖尿病足溃疡复发风险预测模型的构建：基于Logistic回归和支持向量机及BP神经网络模型[J]. 中国全科医学, 2023, 26(32): 4013-4019.
[9]	温雯, 张凯楠, 陈玉岚, 李瑜, 张向阳. 代谢指数作为预测因子与阻塞性睡眠呼吸暂停的相关性分析[J]. 中国全科医学, 2023, 26(30): 3740-3747.
[10]	马艳艳, 任付先, 王宇, 高登峰. （中性粒细胞+单核细胞）/淋巴细胞比值对心力衰竭患者住院死亡的预测价值研究[J]. 中国全科医学, 2023, 26(30): 3791-3796.
[11]	邓晶晶, 李夏, 薛倩, 邓利华, 王晶桐. 持续正压通气治疗对阻塞性睡眠呼吸暂停合并胃食管反流患者的疗效观察研究[J]. 中国全科医学, 2023, 26(30): 3753-3758.
[12]	王珍, 申国旗, 李亚南, 朱英华, 仇航, 郑迪, 徐通达, 李文华. 急性心肌梗死患者行经皮冠状动脉介入治疗术后发生对比剂急性肾损伤风险预测模型的建立与验证研究[J]. 中国全科医学, 2023, 26(29): 3650-3656.
[13]	何应梅, 贾雪, 朱国军, 刘冰. 血清尿酸纵向轨迹对新发高三酰甘油血症的影响：前瞻性队列研究[J]. 中国全科医学, 2023, 26(29): 3636-3639.
[14]	黄绮娴, 温燕婷, 黄俊, 李伟彬, 徐永能, 林夏仪, 王皓翔, 翁帆, 杨廉平. 社区老年居民血脂异常患病率及其影响因素研究[J]. 中国全科医学, 2023, 26(28): 3520-3525.
[15]	白一彤, 林连捷, 裴冬梅. 代谢相关性脂肪性肝病严重程度与甲状腺结节的相关性研究[J]. 中国全科医学, 2023, 26(27): 3392-3396.