筛查MAFLD的预测图

理清SCI论文脉络，从创新点、方法、结果等角度出发，基于大量的临床数据、流行病学研究以及遗传因素的分析，用于评估个体患MAFLD的风险。

筛查MAFLD的预测图

• 创新
  • 加入TyG，与其他已有模型进行比较，根据人口统计学、实验室因素、人体测量学和合并症创建一种新的列线图，以准确检测美国人群中的MAFLD
• 研究方法
  • 数据来源
    • NHANES数据库
  • 研究对象
    • 具有有效振动控制瞬态弹性成像值的人群，纳入排除后，入组7300
  • 纳入变量
    • 人口统计学（年龄，性别和种族），人体测量学（臂围、腰围、BMI和臀围）、生活方式（吸烟）、合并症（高血压和糖尿病），和实验室指标如白色血细胞（WBC）、血红蛋白（HB）、血小板（PLT）、淋巴细胞（LYM）、中性粒细胞（NEU）、空腹血糖（FPG）、总胆红素（TBIL）、天冬氨酸转氨酶（AST）、丙氨酸转氨酶（ALT）、ALT/AST比值、碱性磷酸酶（ALP）、γ-谷氨酰转肽酶（GGT）、甘油三酯（TG）、总胆固醇（TC）、高密度脂蛋白胆固醇（HDL-C）、总蛋白（TP）、球蛋白（GLB）、白蛋白（ALB）、估计肾小球滤过率（eGFR），血尿素氮（BUN）、肌酐（CRE）和高敏C反应蛋白（hsCRP）
    • 分类变量：种族分为六类（非西班牙裔白色，非西班牙裔黑人，其他西班牙裔，墨西哥裔美国人，非西班牙裔亚洲人和其他），并将吸烟分为三组（从未，以前和现在）
    • 诊断
      • 本研究中的肝脏脂肪变性由通过VCTE（FibroScan®）获得的受控衰减参数（CAP）定义，这是一种用于测量脂肪肝受试者脂肪变性的有效工具，CAP ≥ 268 dB/m定义为显著的肝脂肪变性
      • 如果肝脂肪变性伴沿着以下任何一种情况，则诊断为MAFLD：超重或肥胖、糖尿病和代谢功能障碍。存在代谢功能障碍至少需要两个条件：1）男性WC ≥ 102 cm，女性WC ≥ 88 cm; 2）高血压; 3）高脂血症（TG ≥ 1.70 mmol/L或正在接受降脂治疗）; 4）男性HDL-C < 1.0 mmol/L，女性< 1.3 mmol/L; 5）糖尿病前期; 6）hsCRP > 2 mg/L
    • 统计学
      • caret包7:3分列；glmnet包LASSO回归，采用10倍交叉验证。选Lambda.lse，因为它具有最好的性能，但变量数量最少；rms包构建多变量logistic回归模型（从LASSO中筛选）；pROC包构建ROC，并与现有模型进行比较；由于AUC增量的含义不直观，因此本研究根据相应的公式计算NRI和IDI；terms”软件包计算校准曲线和Brier评分，用于评估新构建的诺模图的校准；price包构建DCA曲线。样本量：每个变量（EPV）至少应该有10个结局事件。研究人员预期稳健的估计，因为研究的样本量和结局事件远远大于EPV方法
  • 几个比较变量
    • 脂肪肝指数（FLI）在各种人群中对NAFLD的诊断具有良好的诊断准确性
    • 内脏肥胖指数（VAI） 是“内脏脂肪功能”和胰岛素敏感性的重要指标
    • 肝脂肪变性指数（HSI）一种NAFLD简单的筛查工具
    • 弗雷明汉脂肪变性指数（FSI）识别肝脂肪变性患者
    • ZJU 指数：预测中国人群非酒精性脂肪肝的新模型
    • TyG指数：响应胰岛素抵抗的变量
• 结果
  • 研究对象特征
    • MAFLD/non-MAFLD;训练集/验证集
  • 变量筛选
    • LASSO回归不能处理无序的多类变量，先转换为几个二分类变量，如果LASSO回归筛选出任何分裂变量，则本研究将该变量的原始无序多类别变量纳入多变量logistic回归以构建模型，筛选出9个
  • 构建列线图
    • 静态一个，动态一个
  • 比较MPN在AUC、重新分类及校准曲线中的性能
    • 比较MPN、FLI、HSI、VAI、FSI、ZJU、TyG等模型的特异性、敏感性、PPV、NPV、NRI、IDI指数（由于AUC增量的意义不直观，为了进一步评估MPN的识别能力）
    • 进行亚组分析：男性和女性、60岁以下和60岁以上、伴和不伴高血压、伴和不伴糖尿病的MPN AUC仍然高于其他现有模型，敏感度，特异度，NPV，PPV，截点值
  • 校准曲线
    • 尽可能接近对角线的校准曲线（P > 0.05，Brier评分< 0.25）表示更准确的预测，作者评估了MPN
  • 临床获益
    • 在训练集和验证集中，MPN显示出比其他六个模型（FLI、HSI、AVI、FSI、ZJU和TyG）更高的净效益