摘要
背景：纤维化是代谢相关脂肪肝疾病的严重并发症，对疾病进展构成了重大威胁。尽管肝活检仍是诊断纤维化的金标准，但其侵入性强的特点和高成本突显了寻找可靠的非侵入性替代方法的必要性。
目的：本研究旨在基于墨西哥人群的临床和生化指标，开发一种简单、非侵入性的纤维化风险评分系统。
方法：共纳入295名来自卫生工作者队列研究的参与者。通过瞬时弹性成像（FibroScan）评估纤维化情况，该技术被用作开发 and 验证风险评分的参考标准。参与者根据病毒性肝炎组织学数据荟萃分析（METAVIR）系统进行分类。使用接收者操作特征（ROC）曲线分析评估候选预测因子的诊断性能，并确定纤维化检测的最佳临界值。
结果：针对墨西哥人群开发的纤维化风险评分系统包括了性别、甘油三酯、血糖、腰围、高血压、高密度脂蛋白胆固醇、体重指数（BMI）、天冬氨酸氨基转移酶（AST）、丙氨酸氨基转移酶（ALT）、γ-谷氨酰转移酶（GGT）和胰岛素等指标，其ROC曲线下面积（AUROC）为81.1%（95%置信区间，74.4–87.8）。在具有胰岛素测量数据的子样本中，AUROC值同样显著（79.8，95%置信区间，72.9–86.8）。与现有的纤维化评分方法（如基于BMI、AST/ALT比率和2型糖尿病的BARD评分）相比，新开发的评分在纤维化检测方面表现出更优的准确性。
结论：这种基于常规可获取的临床和生化指标的纤维化风险评分在墨西哥成人人群中显示出了高诊断准确性。作为一种非侵入性工具，它有助于在初级保健环境中早期识别纤维化，从而减少对肝活检的需求。需要在更大范围和更多样化的人群中进行进一步验证。
引言
全球范围内，肥胖、2型糖尿病（T2D）和其他代谢性疾病的发病率上升，使得代谢相关脂肪肝疾病（MAFLD）成为慢性肝病的主要原因（1, 2）。MAFLD涵盖了从肝脏脂肪积聚（脂肪变性）到非酒精性脂肪性肝炎（NASH）的各种肝脏损伤形式。NASH患者进展为纤维化、肝硬化及相关并发症的风险显著增加（2）。非酒精性脂肪肝疾病（NAFLD）是全球最普遍的慢性肝病，估计影响了17–46%的成年人（3）。在墨西哥，超过60%的成年人患有NAFLD（4），其中约52%符合MAFLD的诊断标准（5）。随着NASH的发展，肝脏损伤加剧，导致纤维化的形成，因此准确评估受影响个体的纤维化阶段显得尤为重要。
尽管肝活检仍是纤维化分期的金标准，但其临床应用受多种限制，包括侵入性、患者不适、高成本、采样变异性以及依赖操作者的专业技能（6, 7）。非侵入性成像技术（如瞬时弹性成像（FibroScan）和磁共振弹性成像）虽然具有较高的诊断准确性，但仍不够普及且成本较高（8, 9）。因此，开发非侵入性的纤维化检测方法已成为临床优先事项（10）。
多项研究和生化指标已证实与肝脏纤维化之间存在关联，包括年龄较大、2型糖尿病、代谢综合征、体重指数（BMI）升高、天冬氨酸氨基转移酶（AST）与丙氨酸氨基转移酶（ALT）比值增加（AAR）以及血小板计数减少（11）。这些因素构成了多种非侵入性纤维化评估工具的基础。一些评分系统依赖于简单计算（例如AAR），而另一些系统（如NAFLD纤维化评分、FIB-4和AST/血小板比值指数APRI）则采用了更复杂的算法（11）。尽管这些评分系统已通过肝活检和影像技术进行了验证，但其诊断性能在不同人群和临床环境中存在差异（12–15）。这种差异表明需要针对特定人群开发专用工具，尤其是在难以进行肝活检或高级影像检查的地区（如墨西哥），尤其是NASH发病率较高的情况。
因此，本研究的目标是使用常规可获得的临床和生化指标，开发一种简单的非侵入性纤维化检测评分系统。
材料与方法
研究人群
本研究基于2004年至2006年间启动的卫生工作者队列研究（Health Workers Cohort Study, HWCS）的数据。HWCS的主要目的是为制定有效政策和措施提供证据，以减轻墨西哥人群的慢性疾病负担。研究设计、方案和程序已在其他文献中详细描述（16）。参与者主要为墨西哥社会保障研究所（IMSS）的职工及其家属，居住在莫雷洛斯州的库埃纳瓦卡市。纳入标准包括：年龄大于20岁、具有丙氨酸氨基转移酶（ALT）、天冬氨酸氨基转移酶（AST）和γ-谷氨酰转移酶（GGT）测量数据、有效的FibroScan评估结果以及完整的协变量数据。未进行FibroScan测量的参与者被排除在外。最终纳入分析的参与者共300人，数据收集时间为2017年至2019年。本研究遵循赫尔辛基宣言的原则进行。所有参与者在入组和数据收集前均签署了书面知情同意书，相关机构的伦理委员会批准了所有程序（包括IMSS（12CEI 09006 14）和国家公共卫生研究所（13CEI 17 007 36））。
弹性成像评估
肝脏硬度测量采用瞬时弹性成像（FibroScan® FS402，探头M；Echosens，法国巴黎），该技术被作为本研究中纤维化分类的参考标准。检查在肝脏右叶进行，参与者采用仰卧位，右臂处于最大外展状态。利用A模式超声检查确定厚度至少为6厘米且无大血管结构的肝脏组织，以确保测量的可靠性（17–19）。根据制造商指南，至少获得10个有效测量结果。为保证结果的准确性，要求至少有6个有效测量值，且四分位距不超过肝脏硬度中位数的30%。纤维化分期根据病毒性肝炎组织学数据荟萃分析（METAVIR）评分系统进行划分：F0（无纤维化）、F1（无间隔的门脉纤维化）、F2（少量间隔的门脉纤维化）、F3（多间隔但无肝硬化的情况）和F4（肝硬化）（20, 21）。在本研究中，纤维化状态被分为两类：F0表示无纤维化，F1–F4表示存在纤维化。
基于先前评估瞬时弹性成像对肝脏纤维化诊断性能的研究（9, 22, 23），定义了肝脏硬度的临界值：F1为7.0–7.9 kPa，F2为8.0–9.5 kPa，F3为9.5–13.9 kPa，F4为≥14.0 kPa。
生物标志物和协变量评估
禁食一夜（>8小时）后，从每位参与者身上采集20毫升静脉血样本，所有生化检测均使用Selectra XL分析仪（Randox，爱尔兰北部）按照国际临床化学与实验室医学联合会的规定进行。血清ALT、AST和GGT水平通过基于催化活性的酶法测定，通过乳酸脱氢酶耦合反应监测NADH在340纳米处的吸光度变化来反映。血清葡萄糖浓度采用葡萄糖氧化酶法测定。血清胰岛素水平通过固相直接放射免疫分析法（Coat-A-Count®，Diagnostic Products，美国加利福尼亚州洛杉矶）测定。甘油三酯（TG）在脂酶介导的水解后通过比色酶法测定，高密度脂蛋白胆固醇（HDL-c）通过清除法测定。
体重指数（BMI）计算方式为体重（千克）除以身高（米）的平方。腰围（WC）测量时取肋骨下缘与髂嵴中点之间的距离，精确到0.5厘米。血压由受过培训的护理人员使用自动血压计（OMRON HEM-907，日本京都）测量两次，第一次测量在患者静坐并使主导手臂处于心脏水平后进行；第二次测量在额外休息5分钟后进行。
统计分析
本研究旨在基于常规可获得的临床和生化指标，为墨西哥成年人开发一种简单的非侵入性纤维化风险评分系统。所有建模策略均注重区分度、可解释性和在初级保健环境中的适用性。由瞬时弹性成像定义的纤维化状态作为模型开发和验证的参考标准。连续变量以均值和标准差（SD）表示，分类变量以频率和百分比表示。
首先使用接收者操作特征曲线下面积（AUROC）评估单独预测因子的区分性能，包括胰岛素、BMI、WC、血糖、TG、AST/ALT比值（17）和BARD指数（24–26）。然后评估选定预测因子组合（胰岛素和WC、血糖和WC、TG和WC）的分类性能。对于每对组合，使用标准化预测因子的平均值和多变量Probit回归模型得到的线性预测因子计算AUROC值。通过五折交叉验证样本获得平均AUROC估计值。随后，使用多变量贝叶斯Probit回归模型得到的线性预测因子评估分类性能。在此方法中，纤维化风险评分通过将每个预测因子的后验均值加权来计算。模型包含以下指标变量：TG ≥ 150 mg/dL、血糖 ≥ 100 mg/dL、收缩压（SBP）≥ 135 mmHg或舒张压（DBP）≥ 85 mmHg，以及男性HDL-c < 40 mg/dL或女性HDL-c < 50 mg/dL；腹型肥胖通过WC评估；此外还包括性别、AST/ALT比值、AST、GGT和胰岛素（AST、GGT和胰岛素以标准化变量形式输入）。该模型被称为“饱和模型”。再次进行五折交叉验证以评估模型的样本外分类准确性。由于71名参与者的胰岛素数据缺失，所有分析均在无胰岛素测量的子样本中重复进行。所有代谢预测因子的位置参数均设定为零的均匀半正态先验，反映其与纤维化风险的潜在正相关。模型详细信息和估计程序见附录1。
使用完整分析样本（n = 295），通过既定的优化程序确定纤维化风险评分的最佳临界值（27）。在不同假设的纤维化患病率（15%、30%和50%）和三种误分类成本比例（假阴性与假阳性成本比为1、2和3）下优化临界值。假设纤维化患病率为50%且误分类成本相等时，得到的临界值对应于Youden指数。所有统计分析均使用Stata 18.5版本（StataCorp LLC，美国德克萨斯州）进行。贝叶斯分析使用R语言中的JAGS 4.3.1版本并通过rjags包实现，临界值优化使用R语言中的OptimalCutpoints 4.4.2版本（Free Software Foundation, Inc.，美国波士顿）。
研究人群特征
共纳入300名具有FibroScan数据和完整社会人口学、生物学及临床信息的参与者。5名参与者因缺乏临床、生物学或社会人口学数据而被排除，最终分析样本量为295人。其中85.4%被归类为无纤维化，3.3%为F1，6.0%为F2，4.0%为F3，1.3%为F4（数据未显示）。参与者平均年龄为59.1岁（SD = 12.0），74.9%为女性。67.8%的参与者被归类为超重或肥胖，其中纤维化患者的肥胖率高于非纤维化患者（86% vs 64.7%）。此外，14.6%的参与者患有2型糖尿病（T2D），在患有纤维化的个体中这一比例更高（27.9%）（表1）。表1显示了各变量的统计信息。
变量 总样本数n = 295 无纤维化n = 252 有纤维化n = 43 p-value
年龄（岁） 59.1 (12.0) 58.8 (12.1) 60.8 (11.5) 0.331
性别 男性 74 (25.1%) 63 (25.0%) 11 (25.6%) 0.935
女性 221 (74.9%) 189 (75.0%) 32 (74.4%) 0.935
体质指数（BMI，kg/m²） 28.2 (5.3) 27.6 (4.9) 32.1 (6.2) <0.001
正常 95 (32.2%) 89 (35.3%) 6 (14.0%) <0.001
超重 109 (36.9%) 97 (38.5%) 12 (27.9%) <0.001
肥胖 91 (30.8%) 66 (26.2%) 25 (58.1%) <0.001
腰围（cm） 95.0 (11.9) 93.4 (10.9) 104.2 (13.5) <0.001
无腹部肥胖 117 (39.7%) 111 (44.0%) 6 (14.0%) <0.001
腹部肥胖 178 (60.3%) 141 (56.0%) 37 (86.0%) <0.001
内脏脂肪（kg） 19.2 (12.5) 19.0 (12.6) 20.3 (11.5) 0.509
甘油三酯（mg/dL） 156.4 (76.1) 152.4 (70.8) 179.4 (99.8) 0.031
甘油三酯<150 160 (54.2%) 139 (55.2%) 21 (48.8%) 0.442
甘油三酯≥150 135 (45.8%) 113 (44.8%) 22 (51.2%) 0.442
总胆固醇（mg/dL） 196.0 (42.9) 196.7 (40.9) 191.3 (53.2) 0.442
高密度脂蛋白胆固醇（HDL-c，mg/dL） 52.2 (14.1) 52.8 (14.2) 48.4 (13.1) 0.056
非低HDL-c 179 (60.7%) 161 (63.9%) 18 (41.9%) 0.006
低HDL-c 116 (39.3%) 91 (36.1%) 25 (58.1%) 0.006
低密度脂蛋白胆固醇（LDL-c，mg/dL） 114.2 (41.3) 114.6 (39.4) 111.3 (52.1) 0.636
葡萄糖（mg/dL） 109.2 (34.6) 105.3 (27.0) 132.6 (58.1) <0.001
葡萄糖<100 mg/dL 148 (50.2%) 138 (54.8%) 10 (23.3%) <0.001
葡萄糖≥100 mg/dL 147 (49.8%) 114 (45.2%) 33 (76.7%) <0.001
收缩压（mmHg） 122.9 (19.0) 121.6 (19.0) 130.1 (17.1) 0.006
舒张压（mmHg） 75.7 (9.9) 75.6 (10.0) 75.8 (9.5) 0.898
无高血压 201 (68.1%) 176 (69.8%) 25 (58.1%) 0.128
有高血压 94 (31.9%) 76 (30.2%) 18 (41.9%) 0.128
根据纤维化状态，研究对象的主要特征包括：
- 体质指数（BMI）
- 高密度脂蛋白胆固醇（HDL-c）
- 低密度脂蛋白胆固醇（LDL-c）
- 天冬氨酸氨基转移酶（AST）
- 丙氨酸氨基转移酶（ALT）
- 伽马-谷氨酰转移酶（GGT）
墨西哥纤维化风险评分中的代谢预测因子权重：
用于计算纤维化风险评分的代谢预测因子权重如图1所示。腹部肥胖、AST/ALT比值和低HDL-c的权重最高，而高甘油三酯、胰岛素、GGT和高血压的权重最低。
图1显示了贝叶斯probit模型中预测因子系数的后验均值及其95%置信区间。在模型中纳入性别指标变量后，其系数后验均值为-0.68（95% CI：-1.31, -0.06）。模型probit常数的后验均值（95% CI）在子样本中为-3.15（-4.30, -2.08），在总样本中为-2.79（-3.70, -1.98）。
表2展示了新开发的纤维化风险评分与现有非侵入性指标在纤维化检测中的诊断性能。在完整分析样本中，纤维化风险评分的AUC值为81.1（95% CI：74.4–87.8）。在有胰岛素测量数据的子样本中，AUC值为79.8（95% CI：72.9–86.8）。五折交叉验证的分类准确率为完整样本中的79.0（95% CI：72.1–85.8），子样本中的79.2（95% CI：71.2–87.3）。
与其他现有纤维化评分的比较：
墨西哥纤维化风险评分的诊断准确性与AST/ALT比值和BARD评分进行了比较（图2）。墨西哥纤维化风险评分的AUC值为81.1（95% CI：74.4–87.8），优于BARD评分（AUC值为68.5（95% CI：60.6–76.5）。AST/ALT比值在完整分析样本中显示出较差的区分能力。
纤维化风险评分的优化：
在不同纤维化患病率和误分类成本比率假设下进行的分界值优化结果显示，当纤维化患病率为15%且误阴性成本是误阳性成本的两倍时，从饱和模型得出的最佳分界值为-0.16。在此条件下，模型的阳性预测值为70.3%，阴性预测值为89.8%。特异性显著高于敏感性（分别为97.2%和37.2%），这表明在低患病率环境下优先考虑减少误阳性分类。
总之，本研究基于常规可获得的临床、人体测量和生化变量开发了一种非侵入性纤维化风险评分，其在墨西哥成人中的表现良好。与其他非侵入性指标相比，该评分具有更高的区分能力。重要的是，将多种代谢和生化标志物整合到一个评分系统中可以提高诊断的准确性。在全球范围内，不同人群中的纤维化评分表现各异。本研究的结果强调了将这些因素整合到单一工具中的价值。未来的研究应重点关注在墨西哥独立队列中的外部验证，并探索加入额外的生物标志物或影像学方法是否能够进一步提高诊断准确性。
**结论**
在这项研究中，我们基于墨西哥成年人群中常见的临床、人体测量学和生化指标，开发并内部验证了一种简单的、无创的纤维化风险评分系统。该评分系统在识别通过瞬态弹性成像（FibroScan）评估的纤维化状况方面表现出良好的诊断准确性，其表现优于常用的无创工具（如BARD评分和AST/ALT比值）。由于这些测量指标在初级医疗保健环境中易于获取，这种纤维化风险评分系统有助于早期识别纤维化高风险人群，支持临床决策，并减少对侵入性诊断程序的依赖。尽管研究结果的可靠性得到了内部交叉验证和综合性统计模型的支持，但仍需要在独立且更具多样性的群体中进行外部验证。未来的研究还应评估该工具的临床实用性，并探讨加入额外的生物标志物或补充性影像学方法是否能够进一步提升其预测性能。
