编辑推荐：
为解决瘦型代谢功能障碍相关脂肪性肝病（MAFLD）早期诊断难题，余姚人民医院研究人员开展相关研究，构建列线图模型，有助于早期识别高危人群，提升医疗服务水平。
一、研究背景
在当今快节奏的生活中，人们的健康面临着诸多挑战，代谢相关疾病的发病率不断攀升。代谢功能障碍相关脂肪性肝病（MAFLD），曾被称为非酒精性脂肪性肝病（NAFLD），作为一种涉及多系统的代谢紊乱疾病，正逐渐成为危害人类健康的重要因素。
MAFLD 与代谢综合征（MetS）紧密相连，肥胖、高血压、高血脂、慢性肾病和心血管疾病等都是其常见的 “伙伴”。全球范围内，MAFLD 在成人中的患病率处于 25.2% - 29.8%，在中国，这一比例也在 6.3% - 27% 之间且呈上升趋势。它就像一个隐匿的 “杀手”，悄无声息地从简单的肝脂肪变性，逐步发展为非酒精性脂肪性肝炎（NASH）、肝纤维化、肝硬化，甚至肝癌，严重时可导致死亡，未来还有望成为肝移植的主要适应症。
在 MAFLD 患者群体中，有这样一部分特殊人群值得关注 —— 瘦型 MAFLD 患者。他们的体重指数（BMI）正常甚至偏低，但却深受疾病困扰。与超重 MAFLD 患者相比，瘦型 MAFLD 患者的代谢功能障碍情况存在争议，有的研究表明其代谢功能障碍较少，而有的研究则显示更为常见。但不可忽视的是，他们的预后往往更差，疾病进展更快，死亡率也更高。
目前，瘦型 MAFLD 的发病机制尚不明确，可能与多种因素有关，如高雄激素血症、内脏脂肪堆积、肌肉萎缩、不良饮食习惯、肠道微生物群失调和遗传易感性等。而且，由于这类患者 BMI 正常，早期诊断困难重重。现有的一些精准诊断方法，如 FibroScan 和磁共振成像 - 质子密度脂肪分数（MRI - PDFF），虽然准确性高，但并不适用于常规筛查。此外，也缺乏专门针对瘦型 MAFLD 早期检测的指南和诊断标准。因此，开发一种简单、无创且有效的临床预测模型迫在眉睫，这对于及时发现和干预疾病、减少并发症具有重要意义。
二、研究概况
为了解决这些问题，余姚人民医院的研究人员挺身而出，开展了一项极具意义的研究。他们的研究成果对于深入了解 MAFLD，尤其是瘦型 MAFLD，有着重要的推动作用，相关研究发表在BMC Gastroenterology期刊上。
在研究过程中，研究人员主要运用了以下几种关键技术方法：
- 数据收集与分组：收集了 2019 年 6 月 13 日至 2022 年 12 月 14 日在余姚人民医院进行体检且肝脏超声数据完整的 4363 名参与者的信息。根据 MAFLD 的诊断标准，将研究人群分为非 MAFLD、瘦型 MAFLD（BMI < 25 kg/m2）和超重 MAFLD（BMI ≥ 25.0 kg/m2）三组。
- 统计分析：运用 SPSS 软件（版本 26.0）、RStudio 软件及其相关包进行统计分析。包括删除无关变量、填补缺失值，对数据进行正态性和方差齐性检验，运用限制立方样条曲线（RCS）回归分析探索非线性关系，通过单因素和多因素逻辑回归分析筛选预测因素，构建列线图模型，并使用受试者工作特征（ROC）曲线分析、k 折交叉验证（k = 5）和决策曲线分析（DCA）评估模型性能。
三、研究结果
- 参与者特征：研究共纳入 4363 名参与者，其中瘦型 MAFLD 患者 849 名（19.46%），超重 MAFLD 患者 1410 名（32.32%），非 MAFLD 患者 2104 名（48.22%）。与非 MAFLD 参与者相比，MAFLD 患者的高密度脂蛋白胆固醇（HDLC）水平更低，血压、尿酸（UA）和空腹血糖（FPG）更高，这表明 MAFLD 患者中代谢综合征更为普遍。为确保结论的可靠性，研究人员将瘦型 MAFLD 和非 MAFLD 参与者按 7:3 的比例随机分为训练队列（n = 2067）和验证队列（n = 886）。
- MAFLD 与风险因素的非线性关系：
- 多因素逻辑回归分析：通过多因素逻辑回归分析发现，年龄、BMI、糖化血红蛋白 A1c（HbA1c）、甘油三酯葡萄糖指数（TyG）、收缩压（SBP）、UA 和丙氨酸氨基转移酶（ALT）是瘦型 MAFLD 和超重 MAFLD 的常见风险因素。其中，TyG 对瘦型 MAFLD 的影响尤为显著，每增加 1 mg/dl，瘦型 MAFLD 的风险增加 4.03 倍，超重 MAFLD 的风险增加 3.041 倍。
- 非线性关联：运用 RCS 回归分析发现，年龄、HbA1c、SBP、ALT、UA、总胆固醇（TCHO）、甘油三酯（TG）和 TyG 与 MAFLD 之间存在显著的非线性剂量关系（非线性检验，P < 0.05），仅 HbA1c 与瘦型 MAFLD 呈线性关系（P = 0.07）。而且，瘦型 MAFLD 和超重 MAFLD 在这些风险因素的截断值上存在差异。例如，瘦型 MAFLD 患者在年龄 45 岁以下时，发病风险相对较低且稳定，45 岁以上则迅速增加；超重 MAFLD 患者在 33 岁以下时风险较低，33 - 44 岁或 44 岁以上时风险显著增加。此外，瘦型 MAFLD 患者的 HbA1c、SBP、ALT、UA、TCHO、TG 和 TyG 指数的截断值相对较低，而 HDLC 的截断值较高。
- 瘦型 MAFLD 的列线图模型：基于逐步多因素逻辑回归，研究人员构建了用于预测瘦型 MAFLD 的列线图模型，该模型纳入了 HbA1c、血清铁蛋白（SF）、ALT、UA、BMI、TyG 指数和年龄这七个独立预测因子。通过这个列线图，医生可以根据患者的各项指标得分，直观地估计其患瘦型 MAFLD 的概率。
- 瘦型 MAFLD 诊断的准确性：在训练队列中，该模型的 ROC 曲线下面积为 0.869（95% CI 0.852 - 0.885，P < 0.001），截断值为 0.22，敏感性和特异性分别为 86.2% 和 72%，阳性预测值（PPV）和阴性预测值（NPV）分别为 54.7% 和 93.3%。在验证队列中，ROC 曲线下面积为 0.866（95% CI 0.842 - 0.890，P < 0.001），敏感性和特异性分别为 83.8% 和 76.6%，PPV 和 NPV 分别为 63.3% 和 90.8%。五折交叉验证的平均 ROC 曲线下面积为 0.866，校准曲线显示模型预测值与实际值吻合良好。
- 临床实用性：通过决策曲线分析评估列线图模型的临床实用性发现，在训练集和验证集中，当预测风险值在 5% - 92% 和 5% - 78% 之间时，该模型能带来净收益。据此，可将瘦型 MAFLD 风险分为低（<5%）、中（5 - 78%）、高（> 78%）三个等级，医生可根据风险评估结果制定个性化治疗方案。
四、研究结论与意义
这项研究成功识别了瘦型 MAFLD 的风险因素，并构建了有效的预测模型。研究发现，瘦型 MAFLD 和超重 MAFLD 在代谢特征上存在明显差异，瘦型 MAFLD 患者的疾病风险可能被低估，而该列线图模型为医生提供了一个实用的评估工具，有助于早期识别瘦型 MAFLD 高危人群，包括 BMI 正常但存在代谢风险、血脂、血糖、尿酸或转氨酶水平异常的患者。这不仅能辅助临床诊断，还能加强社区和医疗筛查中心的筛查工作，使患者能够得到更及时有效的医疗服务，对降低 MAFLD 相关疾病风险、改善患者预后具有重要意义。
然而，该研究也存在一些局限性，如研究为回顾性、单中心和横断面研究，可能无法充分代表更广泛的人群；MAFLD 的诊断依赖超声，可能遗漏部分轻度患者；缺失值采用分层均值填补，可能影响模型准确性；缺乏外部验证和生活方式信息，削弱了模型的推广能力。
未来的研究需要加强多中心合作，扩大样本量，收集更多不同临床人群的数据，开展队列研究和纵向研究，通过外部验证评估模型的准确性和可靠性，并根据新数据和临床实践变化定期更新列线图模型，以进一步提高对 MAFLD 的预防、诊断和治疗水平，减轻相关疾病的风险和负担。
