今日动态 返回首页
会员注册 登录 生物通快讯免费订阅
  • 首页 今日动态 人才市场 新技术专栏 中国科学人 云展台
    BioHot
    • 定制我的BioHot
    • 进入我的BioHot
    • 进入我的集采
    • 肿瘤癌症研究
    • 免疫/基因/细胞疗法
    • 神经生物学
    • 健康与疾病
    • 衰老机制与长寿
    • 单细胞技术
    • 基因编辑-CRISPR
    • RNA研究
    • 肠道菌与人体微生态
    • 细胞代谢
    • AI生物信息学
    • COVID
    云讲堂直播 会展中心 特价专栏 技术快讯 免费试用

  • 生物通官微
    陪你抓住生命科技
    跳动的脉搏

生物通首页  >  今日动态  >  正文

基于生化代谢、人体测量与体成分指标的中老年人群MASLD多模态识别模型构建与性能评估

《BMC Endocrine Disorders》:Development and internal validation of an interpretable model for MASLD identification using metabolic and body composition indicators in middle-aged and older adults

【字体: 大 中 小 】 时间:2026年10月14日 来源:BMC Endocrine Disorders 3.7

编辑推荐:

   摘要背景代谢功能障碍相关脂肪性肝病(MASLD)与代谢功能障碍、胰岛素抵抗、血脂异常、肥胖和体成分改变密切相关。在中老年人群中,与年龄相关的脂肪分布和骨骼肌状态变化可能进一步改变MASLD的代谢表型。方法本单中心回顾性横断面研究纳入了1,267名年龄≥45岁的体检受试者(48

  

摘要

背景

代谢功能障碍相关脂肪性肝病(MASLD)与代谢功能障碍、胰岛素抵抗、血脂异常、肥胖和体成分改变密切相关。在中老年人群中,与年龄相关的脂肪分布和骨骼肌状态变化可能进一步改变MASLD的代谢表型。

方法

本单中心回顾性横断面研究纳入了1,267名年龄≥45岁的体检受试者(488例MASLD,779例非MASLD)。收集人口学、代谢、生化、人体测量学和体成分数据。构建四个增量模型,随后使用相关性、共线性、弹性网络回归和Bootstrap稳定性筛选进行变量选择。比较了八种算法,并通过AUC、Brier评分、校准斜率、决策曲线分析和SHAP解释评估模型性能。

结果

增量建模显示,添加生化参数和人体测量参数分别使AUC从0.648增加到0.839和0.873。进一步添加BIA指标使AUC略微提高到0.877(p = 0.604),尽管敏感性、特异性和校准略有改善。通过弹性网络稳定性筛选确定的12个变量用于构建多个以筛查为导向的识别模型,其中logistic回归模型表现出最佳整体性能(验证AUC = 0.869,敏感性 = 0.836,特异性 = 0.755)。SHAP分析显示,TyG-BMI、ALT、AST、dASMI、ALB、LDL-C、UA、代谢疾病史、dPhaseAngle、HDL-C、年龄和WHtR是主要贡献变量。敏感性分析表明,非诊断重叠变量模型仍保留了相当大的诊断能力,表明最终模型并非完全依赖于与MASLD诊断标准相关的变量。在基于额外标准的分析中,添加8个非重叠预测因子使AUC从0.749增加到0.809(ΔAUC = 0.060,p = 0.0003),表明在代谢标准之外存在增量判别能力,但潜在的纳入偏倚无法消除。

结论

传统的生化、代谢和人体测量指标为当前MASLD识别提供了大部分判别信息。添加基于BIA的体成分变量并不能在常规变量之外实质性地改善模型判别能力。由于若干预测变量与MASLD定义组成部分重叠或近似,全模型的判别能力部分依赖于定义。最终的logistic回归模型应被视为内部验证的辅助分类模型,临床实施前需要进行外部验证。

临床试验编号

不适用。

背景

代谢功能障碍相关脂肪性肝病(MASLD)与代谢功能障碍、胰岛素抵抗、血脂异常、肥胖和体成分改变密切相关。在中老年人群中,与年龄相关的脂肪分布和骨骼肌状态变化可能进一步改变MASLD的代谢表型。

方法

本单中心回顾性横断面研究纳入了1,267名年龄≥45岁的体检受试者(488例MASLD,779例非MASLD)。收集人口学、代谢、生化、人体测量学和体成分数据。构建四个增量模型,随后使用相关性、共线性、弹性网络回归和Bootstrap稳定性筛选进行变量选择。比较了八种算法,并通过AUC、Brier评分、校准斜率、决策曲线分析和SHAP解释评估模型性能。

结果

增量建模显示,添加生化参数和人体测量参数分别使AUC从0.648增加到0.839和0.873。进一步添加BIA指标使AUC略微提高到0.877(p = 0.604),尽管敏感性、特异性和校准略有改善。通过弹性网络稳定性筛选确定的12个变量用于构建多个以筛查为导向的识别模型,其中logistic回归模型表现出最佳整体性能(验证AUC = 0.869,敏感性 = 0.836,特异性 = 0.755)。SHAP分析显示,TyG-BMI、ALT、AST、dASMI、ALB、LDL-C、UA、代谢疾病史、dPhaseAngle、HDL-C、年龄和WHtR是主要贡献变量。敏感性分析表明,非诊断重叠变量模型仍保留了相当大的诊断能力,表明最终模型并非完全依赖于与MASLD诊断标准相关的变量。在基于额外标准的分析中,添加8个非重叠预测因子使AUC从0.749增加到0.809(ΔAUC = 0.060,p = 0.0003),表明在代谢标准之外存在增量判别能力,但潜在的纳入偏倚无法消除。

结论

传统的生化、代谢和人体测量指标为当前MASLD识别提供了大部分判别信息。添加基于BIA的体成分变量并不能在常规变量之外实质性地改善模型判别能力。由于若干预测变量与MASLD定义组成部分重叠或近似,全模型的判别能力部分依赖于定义。最终的logistic回归模型应被视为内部验证的辅助分类模型,临床实施前需要进行外部验证。

临床试验编号

不适用。

相关新闻
生物通微信公众号
生物通新浪微博
微信
新浪微博
我要投稿
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热搜:代谢功能障碍相关脂肪性肝病|体成分|机器学习预测模型|代谢表型|弹性网络回归|中老年筛查

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号