Wilson病脂代謝異?；颊甙l(fā)生肝纖維化的列線圖預(yù)測模型的建立與驗證

趙晨玲，董 婷，孫倫燕，胡慧冰，王 瓊，田麗偉，江張勝

1安徽中醫(yī)藥大學(xué)，安徽 合肥 230038；2安徽中醫(yī)藥大學(xué)第一附屬醫(yī)院，安徽 合肥 230031

Wilson?。╓D），又名肝豆狀核變性，是一種ATP7B基因突變所致的慢性進行性銅代謝障礙性疾?。?］。肝臟是WD最早、最主要的受累器官，其早期的病理改變可表現(xiàn)為肝細胞脂滴沉積和肝臟脂肪變性，隨病灶擴展，可引起肝臟炎癥反應(yīng)，導(dǎo)致肝纖維化，甚至肝硬化，而肝硬化及其并發(fā)癥是目前WD患者最主要的死亡原因［2］。進一步研究證實，脂代謝異常所造成的大量游離脂肪酸涌入，是導(dǎo)致肝細胞脂滴沉積和肝臟脂肪變性的直接原因［3］。因此，及早發(fā)現(xiàn)WD患者脂代謝相關(guān)指標的異常變化并進行有效干預(yù)，可阻止肝纖維化的病理進程，預(yù)防肝硬化及其并發(fā)癥的發(fā)生。

課題組前期研究發(fā)現(xiàn)，WD脂代謝異常患者更容易引起肝纖維化［4-6］，但脂代謝相關(guān)指標的異常變化是否能夠作為WD肝纖維化的獨立危險因素目前尚未達成統(tǒng)一共識，也缺乏相關(guān)臨床指南的指導(dǎo)。列線圖預(yù)測模型是一種可靠的風(fēng)險評價方法，可直觀地反映出患者發(fā)生某種疾病的概率，對輔助臨床醫(yī)生進行決策具有重要的指導(dǎo)價值，其廣泛應(yīng)用于癌癥相關(guān)領(lǐng)域的研究中［7-9］，目前國內(nèi)外尚未見關(guān)于WD脂代謝異?；颊甙l(fā)生肝纖維化的列線圖預(yù)測模型的相關(guān)報道。

為深入了解安徽中醫(yī)藥大學(xué)第一附屬醫(yī)院腦病科WD脂代謝異?；颊叩呐R床資料特征，探索導(dǎo)致WD肝纖維化的獨立危險因素，建立可靠的WD肝纖維化列線圖預(yù)測模型，為臨床醫(yī)生和WD脂代謝異常患者在醫(yī)療措施干預(yù)和生活方式監(jiān)測方面提供有利指導(dǎo)，故開展本研究。

1 資料和方法

1.1 研究對象

回顧性收集2018年12月～2021年12月就診于安徽中醫(yī)藥大學(xué)第一附屬醫(yī)院腦病科的WD脂代謝異?；颊叩呐R床資料，應(yīng)用隨機數(shù)字表法，按照7∶3的比例將其劃分為建模人群和驗證人群，并依據(jù)是否發(fā)生肝纖維化（《肝纖維化中西醫(yī)結(jié)合診療指南》［10］）對建模人群再分組。本研究已獲得醫(yī)院醫(yī)學(xué)倫理委員會批準（批準號：2018AH-08），可確保所有操作流程符合相關(guān)倫理學(xué)規(guī)定。

1.2 納入和排除標準

納入標準：符合《肝豆狀核變性的診斷與治療指南》中WD的臨床診斷標準［11］；至少滿足《中國成人血脂異常防治指南（2016年修訂版）》中脂代謝異常臨床診斷標準中的其中任意一條［12］；近期未使用調(diào)脂或者影響脂代謝的藥物；18歲≤年齡≤55歲；臨床資料完整。

排除標準：其他原因?qū)е碌母闻K疾?。桓斡不Т鷥斊?；近期正在使用調(diào)脂或者影響脂代謝的藥物；年齡＜18歲，或者＞55歲；妊娠及哺乳期婦女；合并惡性腫瘤或者自身免疫性疾?。慌R床資料不完整。

1.3 臨床資料收集及檢驗方法

一般資料收集包括性別、年齡；生化資料收集包括甘油三酯（TG）、總膽固醇（TC）、高密度脂蛋白膽固醇（HDL-C）、低密度脂蛋白膽固醇（LDL-C）、載脂蛋白A1（Apo-A1）、載脂蛋白B（Apo-B）、脂蛋白A（Lpa）和同型半胱氨酸（Hcy），檢驗方法為在入院次日清晨利用真空枸櫞酸鈉抗凝管對空腹狀態(tài)下的患者進行靜脈采血，并交由醫(yī)院檢驗中心專業(yè)技術(shù)檢驗人員使用全自動生化分析儀完成對上述生化指標的檢測。

1.4 統(tǒng)計學(xué)分析

基于SPSS（v.26.0）軟件和R（v.4.0.3）軟件進行統(tǒng)計學(xué)分析。計量資料用中位數(shù)（四分位數(shù)間距）表示，分析采用Man-WhitneyU檢驗；計數(shù)資料用頻數(shù)（%）表示，組間比較采用χ2檢驗。P＜0.05時認為差異具有統(tǒng)計學(xué)意義。LASSO回歸模型適用于臨床資料特征的縮減，以獲取WD 脂代謝異?；颊甙l(fā)生肝纖維化的危險因素(非零系數(shù))；多因素Logistic回歸方法適用于獨立危險因素的進一步篩選；列線圖預(yù)測模型適用于個體化患病風(fēng)險的預(yù)測；受試者工作特征曲線（ROC）的曲線下面積（AUC）、校準曲線和決策曲線適用于列線圖預(yù)測模型的內(nèi)外部驗證，以判斷其區(qū)分度、校準度和臨床實用性。

2 結(jié)果

2.1 研究對象的臨床資料

本研究共納入500例WD脂代謝異?；颊?，包括建模人群350例和驗證人群150例，兩組人群在臨床資料（包括一般資料和生化資料）比較方面，差異均無統(tǒng)計學(xué)意義（P＞0.05，表1），具有可比性。在建模人群中，根據(jù)是否發(fā)生肝纖維化可分為肝纖維化組62例和非肝纖維化組288例，兩組人群在生化資料比較方面，差異均有統(tǒng)計學(xué)意義（P＜0.001，表2）。

表1 建模人群和驗證人群的臨床資料比較Tab.1 Comparison of clinical data between the modeling group and validation group

表2 肝纖維化組與非肝纖維化組的臨床資料比較Tab.2 Comparison of clinical data between the patients with and without hepatic fibrosis

2.2 LASSO回歸和多因素Logistic回歸分析

在建模人群中，通過LASSO回歸分析，共獲得6個危險因素（非零系數(shù)），分別為TG、TC、LDL-C、HDL-C、Apo-A1和Apo-B（圖1）。應(yīng)用多因素Logistic回歸方法分析上述危險因素，結(jié)果顯示TG、TC、LDL-C和Apo-B為WD脂代謝異?；颊甙l(fā)生肝纖維化的獨立危險因素（表3）。

表3 建模人群的多因素的Logistic回歸分析Tab.3 Result of multivariate logistic regression analysis in the modeling group

圖1 建模人群的LASSO回歸模型危險因素篩選Fig.1 Screening for risk factors in the modeling group using the LASSO binary logistic regression model.A: Selection of the optimal parameters in the LASSO model.The abscissa represents the optimal parameters log(λ),the ordinate represents the regression coefficients,and the curves numbered 1-8 represent TG,TC,LDL-C,HDL-C,Apo-B,Apo-A1,Lpa and Hcy,respectively;B :LASSO coefficient profiles of the 8 features.The abscissa represents the optimal parameters log(λ),and the ordinate represents binomial deviation.

2.3 列線圖預(yù)測模型的建立

將上述4個獨立危險因素納入，并成功建立WD脂代謝異?；颊甙l(fā)生肝纖維化風(fēng)險的個體化列線圖預(yù)測模型（圖2）。通過模型上方的標尺，可以獲得4個獨立危險因素所對應(yīng)的單項得分，將各單項得分相加即為總得分，與總得分相對應(yīng)的預(yù)測概率就是WD脂代謝異?；颊甙l(fā)生肝纖維化的風(fēng)險。

圖2 WD脂代謝異常患者發(fā)生肝纖維化的風(fēng)險列線圖預(yù)測模型Fig.2 Nomogram for risk prediction of liver fibrosis in patients with WD and abnormal lipid metabolism.

2.4 列線圖預(yù)測模型的內(nèi)外部驗證

2.4.1 區(qū)分度 通過繪制兩組人群的ROC曲線，得到AUC 分別為0.9055（95%CI：0.8614～0.9506）和0.9149（95%CI：0.8621～0.9679），AUC值均大于0.9，表明預(yù)測模型具有良好的區(qū)分度（圖3）。

圖3 預(yù)測模型在建模和驗證人群中的ROCFig.3 ROC of the prediction model in the modeling and validation groups.

2.4.2 校準度 校準曲線結(jié)果顯示，兩組人群的平均絕對誤差（MAE）分別為0.0220 和0.0250，均方誤差（MMSE）分別為0.0012 和0.0011（MAE 和MSE 值越小，說明校準度越高），表明預(yù)測模型具有較高的校準度（圖4）。

圖4 預(yù)測模型在建模和驗證人群中的校準曲線Fig.4 Calibration curve of the prediction model in the modeling and validation groups.

2.4.3 臨床實用性 當(dāng)兩組人群決策曲線中的閾概率值分別在3%～90%和1%～99%范圍內(nèi)時，使用該列線圖預(yù)測肝纖維化發(fā)生風(fēng)險的凈獲益較高，表明預(yù)測模型具有良好的臨床實用性（圖5）。

圖5 預(yù)測模型在建模和驗證人群中的決策曲線Fig.5 Decision curve of the prediction model in the modeling and validation groups.

3 討論

流行病學(xué)研究結(jié)果顯示，我國WD的發(fā)病率（1/30000）遠高于世界平均水平（5.87/100 000）［13-15］。肝纖維化作為WD最重要的病理改變之一，若延誤治療，將導(dǎo)致約34%的患者進展為肝硬化，甚至出現(xiàn)嚴重并發(fā)癥［16,17］，而對其進行早期識別及風(fēng)險預(yù)測則有助于指導(dǎo)臨床醫(yī)生制訂更為積極的防范措施和治療策略。進一步研究發(fā)現(xiàn)，脂代謝異常是肝纖維化的關(guān)鍵驅(qū)動因素［18］，其相關(guān)指標的變化，甚至可以對WD患者的臨床結(jié)局產(chǎn)生重要影響。

對于脂代謝異?；颊甙l(fā)生肝纖維化的相關(guān)危險因素研究中，報道較多的是TG、TC、LDL-C、HDL-C、Apo-A1、Apo-B、Lpa和Hcy等［19-23］，但尚未達成統(tǒng)一共識，且目前尚未見關(guān)于WD脂代謝異?；颊甙l(fā)生肝纖維化相關(guān)危險因素的報道?；诖?，本研究通過LASSO回歸、多因素Logistic回歸分析篩選出WD脂代謝異?；颊甙l(fā)生肝纖維化的獨立危險因素包括TG、TC、LDL-C和Apo-B。研究表明，脂代謝異常是導(dǎo)致肝內(nèi)脂質(zhì)過度沉積的重要原因，其過程可能與TG、LDL-C合成分泌增高致膽固醇轉(zhuǎn)運受限有關(guān)［24］。相較于傳統(tǒng)的脂代謝指標，Apo-B因其獨特的分子結(jié)構(gòu)和理化特性不僅能夠更加真實地反映出機體脂代謝的內(nèi)在變化情況，還可以通過增加低密度脂蛋白的顆粒數(shù)量誘發(fā)氧化應(yīng)激和炎癥反應(yīng)［25］。由此可見，TG、TC、LDL-C和Apo-B的高低，與機體脂代謝水平密切相關(guān)。

文獻表明，WD脂代謝異常所造成的肝細胞脂滴沉積和肝臟脂肪變性不是一般性肝功能不全的結(jié)果，而是由肝細胞內(nèi)銅過量蓄積所引起的［26］。在此基礎(chǔ)上所誘發(fā)的炎癥反應(yīng)，可釋放大量的炎癥因子（如TNF-α、IL-6等）［27］，炎癥因子不僅能夠?qū)Υ嬖谟谌槊游⒘：蚅DL中的TG水解過程產(chǎn)生影響，導(dǎo)致其清除受損，還能夠抑制肝細胞內(nèi)Apo-A1的合成和分泌，降低肝臟膽固醇的分解代謝，增加肝臟CH的含量。進一步研究發(fā)現(xiàn)，持續(xù)的炎癥刺激還可活化肝星狀細胞，進而促使細胞外基質(zhì)分泌過多并沉積于肝臟［28,29］。HSC是肝纖維化發(fā)生的核心環(huán)節(jié)［30］，能夠協(xié)同肝細胞代謝和轉(zhuǎn)運脂質(zhì)，當(dāng)其發(fā)生異常時，便會導(dǎo)致TG、TC、LDL-C和Apo-B在肝內(nèi)過度蓄積，誘發(fā)肝細胞線粒體損傷，進而導(dǎo)致肝纖維化乃至肝硬化。由此可見，脂代謝相關(guān)指標的異常變化在WD肝纖維化的形成和演變過程中發(fā)揮了極其重要的作用。

本研究所建立的列線圖預(yù)測模型具有較高的準確性，可在WD脂代謝異常患者發(fā)生肝纖維化的早期識別及風(fēng)險預(yù)測中發(fā)揮重要價值，并為臨床醫(yī)生和WD脂代謝異常患者在醫(yī)療措施干預(yù)和生活方式監(jiān)測方面提供更加有利的臨床指導(dǎo)。該預(yù)測模型雖具有較大的創(chuàng)新意義，但亦存在研究對象和觀察變量納入數(shù)量不足等局限，可對研究結(jié)果產(chǎn)生一定影響，因此有待于后續(xù)臨床的進一步驗證。