基于代谢相关脂肪性肝病的预测方法、电子设备及存储介质技术

本发明专利技术提供了一种基于代谢相关脂肪性肝病的预测方法、电子设备及存储介质，通过单因素与多因素Logistic回归分析获得与MAFLD风险显著相关的指标，根据所述指标使用nomogram方法评分建立较高准确

【技术实现步骤摘要】
基于代谢相关脂肪性肝病的预测方法、电子设备及存储介质


[0001]本专利技术属于生物信息学分析领域，具体涉及一种基于基于代谢相关脂肪性肝病的预测方法、电子设备及存储介质。

技术介绍

[0002]非酒精性脂肪肝病(NAFLD)是全球性的公共卫生问题，患病率日益增加，NAFLD的现有定义要求排除大量饮酒和慢性肝病的其他继发性病因。然而，脂肪肝病不仅集中在有或没有过度饮酒的患者身上，也可能是其他形式的慢性肝病患者的疾病驱动因素。为了更好地了解脂肪肝疾病，一个来自22个国家的国际专家小组提出了成人NAFLD的新名称和定义，即代谢相关性脂肪肝疾病(MAFLD)。MAFLD影响全球约四分之一的成年人，在超重和肥胖人群中患病率高达50.7％。
[0003]MAFLD患者发生心血管事件的风险明显增加，与MAFLD相关的肝细胞癌(HCC)患者数量也在逐年增加。因此，需要尽可能早地诊断出MAFLD患者，并采取相应的干预措施，防止疾病的进一步发展。MAFLD的诊断标准为：组织学(活检)、影像学或血液生物标志物证实肝脏脂肪堆积(即肝脂肪变性)，并满足以下三个标准中的至少一项：超重或肥胖(高加索人身体质量指数[BMI]≥25kg/m2或亚洲人BMI≥25kg/m2)、2型糖尿病(T2DM)、代谢失调。代谢失调是指至少出现以下代谢危险情形的两种：腰围增加、动脉高血压、高甘油三酯血症、低高密度脂蛋白胆固醇、糖尿病前期、亚临床炎症和胰岛素抵抗。
[0004]MAFLD的诊断较为复杂，对所有疑似患MAFLD的人群使用上述诊断标准进行诊断会花费大量人力物力，也会耽误真正的MAFLD患者得到及时的治疗。而现有的一些用于筛查和诊断MAFLD的模型或生物标志物是在小样本人群中建立的，例如基于BMI和腰围(WC)的MAFLD风险预测模型是在535名超重或肥胖的人群中开发的，不适用于一般人群，且AUC只有0.79。因此，需要建立可用于大规模人群筛查、便于实施的MAFLD预测模型。

技术实现思路

[0005]尽早诊断MAFLD有助于患者及时接受治疗，延缓疾病进展，防止出现严重并发症，但目前仍然缺乏适用于大规模人群、便于实施、准确度高的MAFLD预测模型。本专利技术的目的在于提供一种基于肌酐与胱抑素C比值(CCR)的代谢相关脂肪性肝病的预测模型、构建方法及其应用。本专利技术的目的在于，针对目前所存在的不足，提出了一种基于肌酐与胱抑素C比值的代谢相关脂肪性肝病的预测模型、模型构建方法。
[0006]本专利技术提供了一种基于肌酐与胱抑素C比值的代谢相关脂肪性肝病的预测方法，包括以下步骤:
[0007](1)从数据库获取参与者的以下指标数据：年龄、性别、种族、BMI、T2DM、HbA1c、TG、CHOL、CCR、GG、TAS、ALT，
[0008]其中，各指标的全称分别为：MAFLD：代谢相关脂肪性肝病，BMI：身体质量指数，GGT：谷氨酰转移酶，CCR：肌酐与胱抑素C比值，AST：天冬氨酸转氨酶，ALT：丙氨酸转氨，
T2DM：2型糖尿病，HbA1c：糖化血红蛋白，TG：甘油三酯，CHOL：
[0009]胆固醇；
[0010](2)使用单因素Logistic回归分析每个指标与MAFLD患病风险间的相关度，筛选出与MAFLD患病风险显著相关的指标，使用多因素Logistic分析得到与MAFLD患病风险显著相关的独立危险因素，包括：年龄、性别、BMI、CCR、T2DM、HbA1c、TG、CHOL，其中，选择年龄、性别、CCR、HbA1c、TG、CHOL建立预测模型；
[0011](3)利用列线图nomogram对所述独立危险因素进行评分，各独立危险因素评分公式为：
[0012]CCR评分＝
‑
0.243736557*CCR+48.747311336；
[0013]年龄评分＝
‑
0.09417962*Age+7.063471474；
[0014]性别评分：男性＝12.89266，女性＝0；
[0015]HbA1c评分＝0.711006907*HBA1c
‑
14.220138147；
[0016]TG评分＝0.166666667*TG；
[0017]CHOL评分＝
‑
1.302132565*CHOL+12.370259371；
[0018](4)根据所述评分构建预测模型，所述预测模型的风险评估总分(T)为年龄、性别、HbA1c、TG、CHOL、CCR这六项指标的评分之和；
[0019](5)根据所述风险评估总分得到MAFLD患病风险(R)的计算公式为：
[0020]R＝
‑
5.191e
‑
06
*T3+0.001311815*T2
‑
0.089010605*T+1.792531915；
[0021](6)将检测人群的六项指标数值输入所述预测模型中，得到相应的MAFLD患病风险。
[0022]优选地，在从数据库获取参与者的以下指标的步骤之前，还包括筛选符合条件的参与者的步骤，还包括：
[0023](1)排除因为信息缺失而无法诊断是否患有MAFLD的参与者；
[0024](2)排除研究指标(年龄、性别、种族、BMI、T2DM、HbA1c、TG、CHOL、CCR)信息有缺失的参与者；
[0025](3)由于肌酐与胱抑素C比值的水平受肾功能影响，排除肾小球滤过率低于60ml/min/1.73m2的参与者。
[0026]优选地，单因素Logistic回归分析和多因素Logistic回归分析采用R语言进行数据分析，采用glm函数进行回归分析。
[0027]优选地，使用单因素Logistic回归分析每个指标与MAFLD患病风险间的相关度，通过独立样本t检验、卡方检验或Mann
‑
Whitney U检验来评估基线数据中MAFLD组与非MAFLD组分类或连续变量之间的差异性。
[0028]优选地，当P＜0.05时，表明该指标与MAFLD患病风险显著相关；其中，P为统计学指标，用于判断结果是否具有统计学意义，即相关性是否显著。
[0029]优选地，根据所述风险评估总分得到MAFLD患病风险的计算公式后，进一步包括：绘制受试者工作特征曲线(ROC)，并通过ROC曲线下面积值(AUC)检验预测模型的准确度。AUC也称为C统计量，主要用于评价诊断试验的准确度，或二元回归模型预测的准确度。AUC的范围是0.5
‑
1.0，AUC为0.5对应随机分类，1.0表示完全准确，0.51
‑
0.59代表模型的准确度很差，0.60
‑
0.69表示准确度差，0.70
‑
0.79是准确度中等，0.80
‑
0.89表示准确度好，≥
0.90则是准确度很好。本专利技术建立的预测模型预测MAFLD风险的AU本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于肌酐与胱抑素C比值的代谢相关脂肪性肝病的预测方法，包括以下步骤：(1)从数据库获取参与者的以下指标数据：年龄、性别、种族、BMI、T2DM、HbA1c、TG、CHOL、CCR、GG、TAS、ALT，其中，各指标的全称分别为：MAFLD：代谢相关脂肪性肝病，BMI：身体质量指数，T2DM：2型糖尿病，HbA1c：糖化血红蛋白，TG：甘油三酯，CHOL：胆固醇，CCR：肌酐与胱抑素C比值，GGT：谷氨酰转移酶，AST：天冬氨酸转氨酶，ALT：丙氨酸转氨；(2)使用单因素Logistic回归分析每个所述指标与MAFLD患病风险间的相关度，筛选出与MAFLD患病风险显著相关的指标，使用多因素Logistic分析得到与MAFLD患病风险显著相关的独立危险因素，包括：年龄、性别、BMI、CCR、T2DM、HbA1c、TG、CHOL，其中，选择年龄、性别、CCR、HbA1c、TG、CHOL建立预测模型；(3)利用列线图nomogram对所述独立危险因素进行评分，各独立危险因素评分公式为：CCR评分＝
‑
0.243736557*CCR+48.747311336；年龄评分＝
‑
0.09417962*Age+7.063471474；性别评分：男性＝12.89266，女性＝0；HbA1c评分＝0.711006907*HBA1c
‑
14.220138147；TG评分＝0.166666667*TG；CHOL评分＝
‑
1.302132565*CHOL+12.370259371；(4)根据所述评分构建预测模型，所述预测模型的风险评估总分为年龄、性别、HbA1c、TG、CHOL、CCR这六项指标的评分之和；(5)根据所述风险评估总分得到MAFLD患病风险的计算公式为：R＝
‑
5.191e
‑
06
*T3+0.001311815*T2‑
0.089010605*T+1.792531915，其中，T为风险评估总分；(6)将检测人群的六项指标数值输入所述预测模型中，得到相应的MAFLD患病风险。2.根据权利要求1所述的一种基于肌酐与胱抑素C比值的代谢相关脂肪性肝病的预测方法，其特征在于，在步骤(1)中所述从数据库获取参与者的以下指标的步骤之前，还包括筛选符合条件的参与者的步骤，包括：(1)排除因为信息缺失而无法诊断是否患有MAFLD的参与者；(2)排除研究指标信息有缺失的参与者，其中，所述研究指标包括年龄、性...

【专利技术属性】
技术研发人员：刘莉，肖芦山，王家仁，曾琳，
申请(专利权)人：南方医科大学南方医院，
类型：发明
国别省市：