编者按

在肝病诊断的“模型迷宫”中，首都医科大学附属北京地坛医院、北京市感染性疾病研究中心研究实习员文夏杰化身“模型筛选师”，在26个诊断模型的“数据丛林”中开辟出一条精准评价之路。她仿佛数据海洋中的“航海家”，在社区来源的百万级健康数据库里验证了多个非侵入性诊断模型的相关价值，为社区来源人群代谢相关脂肪性肝病（MAFLD）筛查提供“最优”选择。这位把R语言及多种统计软件联合使用的年轻人，不仅用代码写诗，更用真实的数据为临床实践服务。

据文夏杰博士回忆，当接到同学的信息，祝贺她获奖的时候，起初是难以置信，当查询了官方结果后，就是难以抑制的激动心情。这不禁让她回想起2017年上海的APASL会议，接到获得Travel Award奖项时的欣喜。从八年前的在读博士到今天的科研工作者，这些奖项既是对慢性肝病研究工作的重大激励，亦是对她继续科研工作的巨大支持。她特别感谢了APASL会议提供给自己分享观点的机会和荣誉。她表示，未来将继续坚持自己的研究方向，努力做具有实际应用价值的科学研究。

在MAFLD的数据迷宫里“淘金”
 

本次获奖的研究主要聚焦于已发表的关于肝纤维化和肝硬化的非侵入性诊断模型在MAFLD患者中的应用价值。随着生活方式的改变，MAFLD的发病率逐年上升，全球患病率已超过30%，其相关的纤维化、肝硬化及原发性肝癌已成为重要的公共卫生问题。

因此，尽早发现具有疾病进展风险的人群并给予生活方式或药物干预至关重要。然而，目前常用的肝纤维化和肝硬化诊断模型多基于病毒性肝炎队列建立，其在MAFLD患者中的适用性尚不清楚。基于这一临床问题，研究团队采用美国国家健康与营养调查数据库（NHANES），对26种诊断模型进行了系统性评价。

研究过程中，当按性别、年龄、腰围、BMI等特征对患者进行分层分析时，研究发现某些模型仅在特定人群中表现出色，而有些模型则具有普适性，适用于整个社区来源人群。这一发现为后续选择合适的模型来评估特定人群提供了指导意义。

文夏杰表示，该研究灵感源自其阅读的一篇文献。该文献利用慢乙肝队列系统性地评价了基于病毒性肝炎构建的肝纤维化和肝硬化模型，并详细分析了抗病毒治疗前后及不同特征患者对这些模型的适用性。由此联想到MAFLD作为高发且影响广泛的疾病，其现有的肝纤维化和肝硬化模型的适用范围和普适性尚不清楚，基于此认知决定开展相关研究。
 

数据欠缺？从众多模型中“突围”
 

研究团队面临的主要挑战来自NHANES数据库的海量数据规模。在数据整理阶段需运用R语言、SAS或SPSS等工具，且需确保数据合并与清洗环节的绝对准确性，因此需反复核对验证，该过程成为研究工作中工作量最大、最具挑战性的部分。

此外，NHANES数据库部分数据不完整，例如2017年之前的数据缺乏肝脏弹性检测。在研究肝脏弹性与其他疾病状态或指标的相关性时，研究者常使用传统模型，如APRI、FIB-4进行纤维化及肝硬化评价。但该研究发现Hui score，NFS等模型较传统模型具有显著优势，这表明，在使用NHANES数据库特别是2017年之前相关数据时，选取最优的诊断模型将使研究结果更加精确及具有可比性。

随着数据挖掘的深入，当这些结果显现时，更加显示了这些研究的后期应用价值，也成为了印证研究思路正确的关键节点。

研究者简介
 

文夏杰

首都医科大学附属北京地坛医院

研究实习员，

以第一作者发表SCI及中文核心期刊论文9篇，授权发明专利一项（第二申请人），承担北京市自然科学基金青年项目一项。

（来源：《国际肝病》编辑部）

声明：本文仅供医疗卫生专业人士了解最新医药资讯参考使用，不代表本平台观点。该信息不能以任何方式取代专业的医疗指导，也不应被视为诊疗建议，如果该信息被用于资讯以外的目的，本站及作者不承担相关责任。