|
本文“Performance of the Enhanced Liver Fibrosis Score, Comparison with Vibration-controlled Transient Elastography Data, and Development of a Simple Algorithm to Predict Significant Liver Fibrosis in a Community-based Liver Service: A Retrospective Evaluation”在期刊Journal of Clinical and Translational Hepatology上发表。
投稿:2022年7月15日;修回:2022年9月30日;接受:2022年10月26日;上线:2023年2月24日
本文翻译整理:JCTH青年编委马东梅(青岛大学附属医院)
肝脏疾病是英国第三大常见的过早死亡原因。非酒精性脂肪性肝病(NAFLD)占英国人口中30%,是其他非肝脏疾病(如2型糖尿病、心血管疾病、慢性肾脏疾病)的风险因素,会导致发生癌症的风险增加。而肝纤维化是肝硬化、肝细胞癌和终末期肝衰竭的关键危险因素。因此,检测肝纤维化非常重要。美国国家健康与护理卓越研究所(NICE)建议使用增强型肝纤维化(ELF)试验,联合振动控制瞬态弹性成像(VCTE)进行非酒精性脂肪肝患者重度(≥F3)肝纤维化的评估。而在实践中,ELF预测中度(≥F2)纤维化的性能尚不确定。由于ELF尚未广泛使用,因此需要提供一种评估肝病风险患者的可行和有效的方法。
本研究使用了2020年1月至12月期间从英国南安普顿社区招募的回顾性患者队列(衍生队列)和2021年3月至12月之间招募的患者独立队列(验证队列),用于肝纤维化患者算法的研究。在南安普顿社区对肝纤维化患者进行初筛,然后由全科医生对患者进行肝纤维化患者VCTE评估。评估包括:体重指数(BMI)、糖尿病状态、丙氨酸氨基转移酶(ALT)水平、ELF评分,最后根据VCTE的活检验证的纤维化分期。该回顾性评价评估了ELF检测临界值在真实环境中的表现,采用受试者操作曲线下面积(AUROC)比较ALT、BMI、HbA1c 和ELF的诊断准确性,以识别肝纤维化中度(≥F2)和重度肝纤维化(≥F3)。
研究开始即对数据进行了清洗,将不完整的数据排除在本次评估之外。筛选获得的衍生队列中的273/350患者和验证队列中的115/176患者符合回顾性评估的条件(图1)。
图1. 研究总路线图
利用(ROC)曲线分析(1)检验VCTE评估前收集的变量与肝纤维化分期之间的关联性,(2)评估变量的风险预测能力,以识别≥F2和≥F3作为二元结局。受试者曲线下面积(AUROC)用于比较ALT、BMI、HbA1c和ELF的诊断准确性。
作为中度(≥F2/≥8.2 kPa)或重度肝纤维化(≥F3/≥9.7 kPa)的预测因子,ELF表现出了良好的性能,AUC=0.70,95%置信区间CI:0.64-0.76和AUC=0.72,95% CI:0.65-0.79的情况。Youden指数计算得出肝纤维化≥F2的ELF=9.85,肝纤维化≥F3的ELF=9.95(图2)。
图2.用于诊断(A)中度纤维化(≥F2/≥8.2 kPa)和(B)重度纤维化(≥F3/≥9.7 kPa)的增强肝纤维化(ELF)的曲线下面积(AUC)、受试者工作特性(ROC)。
由于每个单独的变量(ALT、BMI和HbA 1c)对于识别肝纤维化没有显示出良好的诊断性能,研究者测试了组合这些变量的诊断性能。当合并ALT、BMI和HbA 1c检测指标时,识别肝纤维化≥F2和≥F3的诊断性能得以改善,这对识别≥F2具有良好的性能(AUC=0.80,95% CI:0.74-0.85),识别≥F3的性能一般(AUC=0.78,95% CI:0.72-0.84,图3A)。将ELF添加到三个变量中,将肝纤维化≥F3的性能提高至良好(AUC=0.82,95% CI:0.76-0.88),亦增加了≥F2的性能(AUC=0.82,95% CI:0.76-0.87,图3B)。
图3.预测中度(≥F2/≥8.2 kPa)和重度肝纤维化(≥F3/≥9.7 kPa)的ROC结果。使用(A)ALT、BMI和HbA1c以及(B)ALT、BMI、HbA1c和ELF的曲线下面积(AUC)及受试者工作特性(ROC)。
将ALBA算法应用于衍生队列以预测≥F2,显示AUC=0.80,95%置信区间:0.69–0.92(图4A)。
将ALBA算法应用于验证队列以预测≥F2,显示AUC=0.75,95%CI:0.66–0.85(图4B)。
将ALBA算法和ELF相结合时,识别≥F2的诊断性均得到改善。衍生队列AUC=0.82,95% CI:0.77-0.88,验证队列AUC=0.76,95% CI:0.67-0.86(图4C、D)。
图4.预测中度肝纤维化(≥F2/≥8.2 kPa)的曲线下面积(AUC)受试者工作特性(ROC),使用ALBA算法对(A)衍生数据和(B)验证数据,并使用ALBA算法和ELF共同预测(C)衍生数据和(D)验证数据的中度肝纤维化(≥F2/≥8.2 kPa)。
本研究表明,在无法进行无创血液检查的情况下,ALBA算法可以预测患者肝纤维化≥F2的概率,该阶段可以使用低剂量的GLP-1受体激动剂来治疗肝纤维化。结果显示肝纤维化≥F2的最佳ELF临界值为9.85,肝纤维化≥F3的最佳ELF临界值为9.95。ALT、BMI和HbA 1c(ALBA算法)可对风险≥F2的患者进行分层,从而指导临床进行治疗。ALBA和ELF两种方法的联合可提高肝纤维化≥F2的风险预测。
引用本文:
Reinson T, Patel J, Mathews M, Fountain D, Buchanan RM, Byrne CD. Performance of the Enhanced Liver Fibrosis Score, Comparison with Vibration-controlled Transient Elastography Data, and Development of a Simple Algorithm to Predict Significant Liver Fibrosis in a Community-based Liver Service: A Retrospective Evaluation. J Clin Transl Hepatol. 2023;11(4):800-808. doi: 10.14218/JCTH.2022.00335.
原文链接:https://www.xiahepublishing.com/2310-8819/JCTH-2022-00335
扫码阅读:
第一作者&通讯作者:
Tina Reinson
南安普顿大学医学院生物医学研究中心
Journal of Clinical and Translational Hepatology简介
Journal of Clinical and Translational Hepatology(JCTH,《临床与转化肝脏病杂志》,pISSN: 2225-0719, eISSN: 2310-8819)是由重庆医科大学附属第二医院主办,Xia & He Publishing Inc. (华誉出版社)出版的英文学术期刊,主要收录肝病领域的临床或转化相关的研究论文、综述、述评等。
2022 Impact Factor: 3.6
2023 CiteScore: 6.4
期刊主题
JCTH于2013年9月正式创刊,主要收录肝病领域临床或转化相关的研究论文、综述、述评等。JCTH收录主题包括但不限于:
临床和基础肝病学新发现
肝病机制
肝病研究与治疗新技术
肝病的流行病学/环境因素
免疫系统功能在肝病中的作用
急性和慢性肝炎
肝硬化
遗传性和代谢性肝病及其并发症
肝胆疾病
肝癌
药物代谢
腹膜结核(伴门脉高压)
主编介绍
任红教授
重庆医科大学附属第二医院,病毒性肝炎研究所
中国,重庆
Prof. George Y. Wu
Department of Medicine, Division of Gastroenterology–Hepatology, University of Connecticut Health Center Farmington
USA
Prof. Harry Hua-Xiang Xia
广东药科大学第一附属医院,消化内科
中国,广州
欢迎投稿
期刊网站:https://www.xiahepublishing.com/journal/jcth
投稿网址:https://mc03.manuscriptcentral.com/jcth
期刊邮箱:jcth@xiahepublishing.com 陈老师
Archiver|手机版|科学网 ( 京ICP备07017567号-12 )
GMT+8, 2024-10-26 07:13
Powered by ScienceNet.cn
Copyright © 2007- 中国科学报社