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