
-
生物通官微
陪你抓住生命科技
跳动的脉搏
超声衰减参数联合临床特征评估非酒精性脂肪性肝病严重程度的诊断价值
《European Journal of Medical Research》:Predicting NAFLD severity: the diagnostic edge of ultrasound-guided attenuation parameter and key biomarkers
【字体: 大 中 小 】 时间:2026年09月25日 来源:European Journal of Medical Research 4.8
编辑推荐:
摘要目的探讨超声衰减参数(UGAP)联合非酒精性脂肪性肝病(NAFLD)患者临床特征对其病情严重程度的诊断价值。方法回顾性选取我院收治的200例NAFLD患者作为研究对象,选取时间为2022年3月至2024年7月。根据肝脂肪变程度,将患者分为轻度组(变性程度≤33%,93例)
探讨超声衰减参数(UGAP)联合非酒精性脂肪性肝病(NAFLD)患者临床特征对其病情严重程度的诊断价值。
回顾性选取我院收治的200例NAFLD患者作为研究对象,选取时间为2022年3月至2024年7月。根据肝脂肪变程度,将患者分为轻度组(变性程度≤33%,93例)、中度组(变性程度34–66%,68例)和重度组(变性程度≥67%,39例)。采用瞬时弹性成像检查记录患者的UGAP。采用Logistic回归模型分析影响NAFLD患者病情严重程度的因素。将LSM作为纤维化分层的替代指标纳入多因素模型,并基于纤维化风险进行亚组分析。采用Pearson相关检验分析UGAP与临床指标的相关性。采用受试者工作特征曲线(ROC)分析各指标单独及联合对重度NAFLD的预测价值。构建两个独立的Logistic回归模型:模型1纳入临床指标(BMI、ALT、AIP、PAI-1),模型2在模型1基础上增加UGAP。通过比较两个模型间的曲线下面积、净重新分类指数(NRI)和综合判别改善度(IDI)评估UGAP的增量诊断价值。
BMI、ALT、AIP、PAI-1和UGAP均为NAFLD严重程度的独立影响因素(P < 0.05)。经纤维化分层后,UGAP在低纤维化风险组(OR = 1.752,95% CI 1.204–2.550)和高纤维化风险组(OR = 1.841,95% CI 1.276–2.657)中均为独立影响因素。Pearson相关分析证实UGAP与BMI(r = 0.156,P = 0.028)、ALT(r = 0.236,P = 0.001)、AIP(r = 0.314,P < 0.001)和PAI-1(r = 0.577,P < 0.001)呈正相关。ROC曲线分析显示,模型1(临床指标)预测重度NAFLD的AUC为0.824,模型2(临床指标+UGAP)的AUC为0.920,ΔAUC = 0.096(P = 0.018),NRI为0.312(95% CI 0.108–0.516,P = 0.003),IDI为0.087(95% CI 0.034–0.140,P = 0.001)。
BMI、ALT、AIP、PAI-1和UGAP均为NAFLD疾病严重程度的独立影响因素。在临床指标基础上增加UGAP可显著提高对重度NAFLD的预测效能。NRI和IDI均证实了UGAP的增量诊断价值。
探讨超声衰减参数(UGAP)联合非酒精性脂肪性肝病(NAFLD)患者临床特征对其病情严重程度的诊断价值。
回顾性选取我院收治的200例NAFLD患者作为研究对象,选取时间为2022年3月至2024年7月。根据肝脂肪变程度,将患者分为轻度组(变性程度≤33%,93例)、中度组(变性程度34–66%,68例)和重度组(变性程度≥67%,39例)。采用瞬时弹性成像检查记录患者的UGAP。采用Logistic回归模型分析影响NAFLD患者病情严重程度的因素。将LSM作为纤维化分层的替代指标纳入多因素模型,并基于纤维化风险进行亚组分析。采用Pearson相关检验分析UGAP与临床指标的相关性。采用受试者工作特征曲线(ROC)分析各指标单独及联合对重度NAFLD的预测价值。构建两个独立的Logistic回归模型:模型1纳入临床指标(BMI、ALT、AIP、PAI-1),模型2在模型1基础上增加UGAP。通过比较两个模型间的曲线下面积、净重新分类指数(NRI)和综合判别改善度(IDI)评估UGAP的增量诊断价值。
BMI、ALT、AIP、PAI-1和UGAP均为NAFLD严重程度的独立影响因素(P < 0.05)。经纤维化分层后,UGAP在低纤维化风险组(OR = 1.752,95% CI 1.204–2.550)和高纤维化风险组(OR = 1.841,95% CI 1.276–2.657)中均为独立影响因素。Pearson相关分析证实UGAP与BMI(r = 0.156,P = 0.028)、ALT(r = 0.236,P = 0.001)、AIP(r = 0.314,P < 0.001)和PAI-1(r = 0.577,P < 0.001)呈正相关。ROC曲线分析显示,模型1(临床指标)预测重度NAFLD的AUC为0.824,模型2(临床指标+UGAP)的AUC为0.920,ΔAUC = 0.096(P = 0.018),NRI为0.312(95% CI 0.108–0.516,P = 0.003),IDI为0.087(95% CI 0.034–0.140,P = 0.001)。
BMI、ALT、AIP、PAI-1和UGAP均为NAFLD疾病严重程度的独立影响因素。在临床指标基础上增加UGAP可显著提高对重度NAFLD的预测效能。NRI和IDI均证实了UGAP的增量诊断价值。