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]	贾高鹏, 陈秋雨. 老年急性ST段抬高型心肌梗死经皮冠状动脉介入治疗术后心绞痛复发风险预测模型构建和验证：基于CYP2C19相关基因检测[J]. 中国全科医学, 2025, 28(30): 3779-3786.
[2]	徐百川, 王艳, 张彭, 李艺婷, 刘飞来, 谢洋. 慢性阻塞性肺疾病共病肺癌筛查工具分析[J]. 中国全科医学, 2025, 28(30): 3847-3852.
[3]	李玲, 李雅萍, 钱时兴, 聂婧, 陆春华, 李霞. 社区中老年人认知功能影响因素及风险预测研究[J]. 中国全科医学, 2025, 28(30): 3773-3778.
[4]	赵玉晴, 王伟, 陈立沅, 油惠娟, 魏莹, 王清路, 杨风英. 肝脏巨噬细胞极化：运动防治非酒精性脂肪性肝病的新靶向[J]. 中国全科医学, 2025, 28(27): 3456-3465.
[5]	胡洁蔓, 谭斐翔, 袁安新, 陈世宇, 唐楚蕾, 殷月姮, 巴磊, 许勤. 结直肠癌患者术后衰弱变化轨迹及影响因素研究[J]. 中国全科医学, 2025, 28(26): 3276-3282.
[6]	殷佳慧, 杨昕晖, 王京京, 张雅静, 王丽娟, 付佐娣, 孔祥双, 郭光霞, 李玉凤. 腰高比和腰臀比及BMI对代谢综合征的预测价值研究[J]. 中国全科医学, 2025, 28(26): 3258-3263.
[7]	魏姣花, 彭慧如, 彭建业, 谭文婷, 黄金娥, 方立. MOTS-c在心房颤动患者血清中的表达及其与心房重构的相关性研究[J]. 中国全科医学, 2025, 28(26): 3271-3276.
[8]	焦姝婷, 赵亚利. 基于Kano模型的医学生对《全科医学概论》课程的需求分析[J]. 中国全科医学, 2025, 28(25): 3180-3186.
[9]	余孜孜, 刘杜丽, 李熙敏, 阮春怡, 尹向阳, 蔡乐. 农村高血压患病和自我管理现状及影响因素研究[J]. 中国全科医学, 2025, 28(25): 3137-3143.
[10]	牛奔, 朱晓倩, 杨辰, 梁万年, 刘珏. 基于CiteSpace的国内外医疗大语言模型研究热点演进及趋势分析[J]. 中国全科医学, 2025, 28(25): 3200-3208.
[11]	范博阳, 张玉, 孙雯宁, 张慧芳, 王英杰, 张奥, 赵洋, 王海鹏. 基层医生慢性病医防融合服务行为意向及影响因素研究[J]. 中国全科医学, 2025, 28(25): 3144-3150.
[12]	李春生, 王宥匀, 宋明莎, 乔慧. 宁夏回族自治区农村居民卫生服务利用现状及其影响因素研究——基于健康贫困脆弱性视角[J]. 中国全科医学, 2025, 28(25): 3169-3179.
[13]	蒋琪霞, 朱玉玲, 祝文君, 李秀芸, 谢郝婷, 王华军, 袁斯明. "五点"皮瓣温度和"单点"皮瓣温度预测血管危象的准确性及临界值研究[J]. 中国全科医学, 2025, 28(24): 3013-3018.
[14]	丁香, 刘健, 陈晓露, 张先恒. 中草药降低类风湿关节炎合并链球菌感染患者再入院的风险：一项匹配队列研究[J]. 中国全科医学, 2025, 28(24): 3005-3012.
[15]	刘银银, 隋鸿平, 李婷婷, 姜桐桐, 史铁英, 夏云龙. 乳腺癌治疗相关心脏毒性风险预测模型的研究进展[J]. 中国全科医学, 2025, 28(24): 3072-3078.