代谢相关脂肪性肝病肝纤维化风险预测模型的构建

摘要

目的:构建代谢相关脂肪性肝病(MAFLD)患者肝纤维化的风险预测模型。方法:选取2017年1月至2020年12月于郑州大学第一附属医院确诊为MAFLD的2 161例患者,按7∶3随机分为训练集(n=1 513)与测试集(n=648)。在训练集中采用LASSO回归方法筛选变量,构建梯度提升(CatBoost)、随机森林、逻辑回归3种模型,与天冬氨酸转移酶与血小板比率指数的评估结果进行比较。通过AUC、G-mean、准确率、精确度、召回率、F1分数等指标评估模型性能,并采用SHAP法分析最优模型的关键影响因素。结果:最终筛选出8个预测变量,按特征重要性排序分别为γ-谷氨酰转移酶(GGT)、内脏脂肪面积(VFA)、高密度脂蛋白胆固醇(HDL-C)、空腹血糖、丙氨酸氨基转移酶、体质量指数、碱性磷酸酶和腰围。CatBoost模型在训练集和测试集中的AUC(95%CI)分别为0.777(0.745～0.808)和0.719(0.664～0.774),表现最优,且G-mean值最高(训练集为0.700,测试集为0.680)。SHAP法分析结果显示GGT、VFA、HDL-C、FBG、ALT是预测肝纤维化的核心因素(SHAP值为0.025、0.024、0.019、0.017和0.016)。结论:基于上述8项指标构建的CatBoost预测模型具有良好的性能,可用于MAFLD患者肝纤维化的早期筛查与干预决策。

关键词

代谢相关脂肪性肝病 / 肝纤维化 / 预测模型构建