体形指数与甘油三酯-葡萄糖指数联合预测代谢相关脂肪性肝病：基于NHANES与机器学习的创新模型

本研究针对代谢相关脂肪性肝病（MASLD）诊断生物标志物需求，通过分析NHANES数据发现体形指数（BRI）与甘油三酯-葡萄糖指数（TyG）联合使用显著提升预测效能（AUC=0.797），机器学习模型中随机森林表现最佳（AUC=0.918），为MASLD个性化干预提供有效工具。

　　

代谢相关脂肪性肝病（MASLD）作为一种与肥胖和代谢综合征密切相关的疾病，迫切需要有效的生物标志物来辅助诊断和临床管理。最新研究通过整合体形指数（Body Roundness Index, BRI）和甘油三酯-葡萄糖指数（Triglyceride-Glucose Index, TyG），探索了二者在预测MASLD中的协同作用。

研究人员基于美国国家健康与营养调查（NHANES 2017–2018）的横断面数据，对1,211名无肝炎及过量饮酒史的个体进行分析。通过逻辑回归模型评估了BRI、体重指数（Body Mass Index, BMI）、TyG与MASLD之间的关联，并采用机器学习技术构建预测模型，辅以列线图（Nomogram）进行可视化。验证手段包括净重分类指数（Net Reclassification Index）、综合判别改善指数（Integrated Discriminant Improvement Index）、受试者工作特征曲线（Receiver Operating Characteristic Curve）、决策曲线分析（Decision Curve Analysis）及校准曲线分析（Calibration Curve Analysis）。

结果揭示BRI、BMI与TyG同MASLD发病率之间存在显著非线性关系及明显的相加交互作用（所有p?

该研究表明，BRI与TyG的组合可作为管理MASLD的有效替代生物标志物，不仅有助于推动个性化干预策略制定，更显著提升了临床预后预测能力。