肝硬化患者肝性腦病風險評估量表模型構建與預測價值研究

陳麗娜，潘陳為，劉敏歐，易麗云

·論 著·

肝硬化患者肝性腦病風險評估量表模型構建與預測價值研究

陳麗娜，潘陳為，劉敏歐，易麗云

溫州醫(yī)科大學附屬第二醫(yī)院 育英兒童醫(yī)院感染內(nèi)科，浙江溫州 325027

探討肝硬化患者肝性腦病發(fā)生的危險因素，構建風險評估量表模型并分析其預測價值。回顧性分析溫州醫(yī)科大學附屬第二醫(yī)院2021年9月至2022年9月收治的123例單純肝硬化患者（對照組）與85例肝硬化伴肝性腦病患者（研究組）資料，比較兩組患者的一般資料，經(jīng)二元Logistic回歸分析肝性腦病的影響因素，并構建風險評估模型，應用受試者操作特征曲線（receiver operator characteristic，ROC曲線）模型評價肝性腦病患者發(fā)生的預測價值。單因素與二元Logistic回歸分析結果顯示，年齡、肝功能Child Pugh分級C級、總膽紅素（total bilirubin，TBIL）、尿素氮（blood urea nitrogen，BUN）是肝硬化患者肝性腦病發(fā)生的影響因素（<0.05）；依據(jù)二元Logistic回歸分析結果構建風險評估模型，曲線下面積為0.781（95%：0.718～0.844，<0.05），最大約登指數(shù)時肝性腦病發(fā)生概率為0.694，對應敏感度與特異性分別為0.694和0.756。年齡、肝功能Child Pugh分級C級、TBIL、BUN是肝硬化患者肝性腦病發(fā)生的影響因素，以上述因素為基礎構建風險評估模型對肝性腦病發(fā)生風險預測價值優(yōu)異。

肝硬化；肝性腦病；風險評估量表模型；模型構建；預測價值

肝性腦病為門靜脈–體循環(huán)分流障礙或肝功能異常等原因?qū)е碌募膊。颊邥霈F(xiàn)不同程度神經(jīng)異常以及代謝紊亂，依據(jù)患者病情嚴重程度劃分為輕微型肝性腦病和有癥狀型肝性腦病，及時發(fā)現(xiàn)肝性腦病發(fā)生并予以針對性治療有助于控制并延緩患者病情進展[1-3]。因此有必要探討肝硬化患者肝性腦病發(fā)生的風險評估工具，幫助醫(yī)護人員進行評估，并為患者的后續(xù)治療及預后改善提供指導依據(jù)。盡管目前針對肝硬化肝性腦病影響因素研究較多[4-7]，但是以此為基礎構建風險評估模型相對較少。因此，本研究旨在探討肝硬化患者肝性腦病發(fā)生危險因素，構建風險評估量表模型并分析其預測價值，為肝硬化肝性腦病患者風險評估及管理提供參考依據(jù)。

1 資料與方法

1.1 一般資料

回顧性分析溫州醫(yī)科大學附屬第二醫(yī)院2021年9月至2022年9月收治的123例單純肝硬化患者與85例肝硬化伴肝性腦病患者資料。納入標準：①患者肝硬化病情由相關診斷標準[7]進行診斷，且由臨床、生化指標、影像檢查以及肝活檢等證實；②患者年齡20～82歲；③診斷依據(jù)《肝硬化肝性腦病診療指南》[8]；④患者資料完整。排除標準：①其他類型腦病如腦梗死、代謝性腦病、腦出血、中毒性腦病、自身免疫性腦病以及顱內(nèi)感染患者；②合并嚴重肺或心血管異常者；③合并惡性腫瘤者；④資料不全者。入選患者均經(jīng)溫州醫(yī)科大學附屬第二醫(yī)院倫理委員會審批通過（倫理審批號：202102834）。

1.2 方法

收集患者的一般資料、病情資料、實驗室檢查及影像學檢查資料，一般資料主要包括性別、年齡、體質(zhì)量指數(shù)、吸煙史、飲酒史等，病情資料主要包括病因、分期、合并疾病、并發(fā)癥、肝功能Child Pugh分級等，實驗室檢查主要包括血常規(guī)如中性粒細胞百分比、白細胞計數(shù)、血小板計數(shù)、紅細胞計數(shù)、血紅蛋白、總蛋白、白蛋白、淋巴細胞百分比，肝功能指標如丙氨酸氨基轉(zhuǎn)移酶（alanine aminotransferase，ALT）、總膽紅素（total bilirubin，TBIL）、天門冬氨酸氨基轉(zhuǎn)移酶（aspartate aminotransferase，AST），腎功能指標如肌酐（reatinine，CRE）、尿素氮（blood urea nitrogen，BUN）、胱抑素C（cystatin C，Cys C），影像學資料主要包括超聲檢查獲得脾靜脈與門靜脈直徑。

1.3 統(tǒng)計學方法

2 結果

2.1 兩組患者各項資料比較

研究組與對照組患者性別、體質(zhì)量指數(shù)、吸煙史、飲酒史、病因、合并高血壓、合并糖尿病、并發(fā)癥（腹膜炎、腹水、消化道出血）、中性粒細胞百分比、白細胞計數(shù)、血小板計數(shù)、紅細胞計數(shù)、血紅蛋白、總蛋白、白蛋白、淋巴細胞百分比、AST、CRE、Cys C、脾靜脈直徑與門靜脈直徑等資料比較，差異無統(tǒng)計學意義（>0.05），兩組患者的年齡、肝功能Child Pugh分級、ALT、TBIL、BUN等比較，差異有統(tǒng)計學意義（<0.05），見表1。

2.2 肝硬化患者肝性腦病發(fā)生風險影響因素的二元Logistic回歸分析

二元Logistic回歸分析結果顯示，年齡、肝功能Child Pugh分級C級、TBIL、BUN是肝硬化患者肝性腦病發(fā)生的影響因素（<0.05），而肝功能Child Pugh分級B級、ALT不是肝硬化患者肝性腦病發(fā)生的影響因素（>0.05），見表2。

2.3 肝硬化患者肝性腦病發(fā)生風險評估模型構建與評估價值分析

將是否發(fā)生肝性腦病作為狀態(tài)變量，將值作為檢驗變量繪制ROC曲線，曲線下面積為0.781（95%：0.718～0.844，<0.05），最大約登指數(shù)時肝性腦病發(fā)生概率為0.694，對應敏感度與特異性分別為0.694和0.756。

3 討論

國內(nèi)外指南均提出慢性肝病患者需要接受腦影像學、神經(jīng)心理學及神經(jīng)電生理檢查以確定是否出現(xiàn)肝性腦病，但是這些檢查項目均不適用于肝硬化患者群體常規(guī)檢查及長時間隨訪觀察[9-11]，因此，需要探討更為方便、簡捷的肝性腦病篩查工具，以便使研究者更為迅速地發(fā)現(xiàn)肝性腦病高危患者，進而指導治療。

本研究中二元Logistic回歸分析結果顯示，年齡是肝硬化患者肝性腦病發(fā)生的影響因素，分析認為其可能與高齡患者肝臟代償能力不佳，肝細胞再生能力下降，不能有效清除患者體內(nèi)毒素，一定程度上會增加患者肝性腦病發(fā)生的風險[12]。另本研究中單因素分析結果顯示，年齡是肝性腦病的影響因素，該研究發(fā)現(xiàn)相對于≥45歲患者，青年患者發(fā)生輕型肝性腦病風險相對較高，但該研究發(fā)現(xiàn)，52歲中位年齡患者各項指標回歸分析結果顯示年齡不是輕型肝性腦病發(fā)生危險因素，針對此結果該研究認為輕型肝性腦病發(fā)生的關鍵因素還是肝功能異常，而年齡是輕型肝性腦病發(fā)生影響因素，考慮可能是受到選擇偏倚的影響[13]。

肝功能損傷是肝性腦病發(fā)生的病理基礎，肝功能Child Pugh分級為評估患者肝功能障礙的常用工具，其用于評估肝硬化患者預后價值優(yōu)異[14]。國外研究者發(fā)現(xiàn)肝功能Child Pugh分級為預測輕型肝性腦病發(fā)生獨立指標，相對于肝功能Child Pugh分級A級患者，B級與C級患者輕型肝性腦病發(fā)生風險明顯上升，與本研究中肝功能Child Pugh分級C級是肝硬化患者肝性腦病發(fā)生危險因素結論一致[15]。肝硬化患者本身即存在肝功能損傷，血清TBIL上升顯示患者肝功能損傷加重，肝臟組織功能減退，對膽紅素攝取、利用及排泄能力異常，機體代謝毒素累積過多，最終導致肝性腦病的發(fā)生，因此TBIL是肝性腦病發(fā)生[16]的危險因素。談軍濤等[17]研究顯示，BUN是肝硬化相關肝性腦病發(fā)生的重要影響因素（=1.063，95%：1.022～1.105），該研究認為肝硬化患者多存在腎功能損傷，其會導致患者出現(xiàn)氮質(zhì)血癥，其具體臨床表現(xiàn)為BUN升高，發(fā)生腦水腫，是患者肝性腦病發(fā)生的主要原因之一，本研究結果也證實BUN是肝硬化患者肝性腦病發(fā)生的影響因素，與上述研究結論一致。

表1 兩組患者各項資料比較

表2 肝硬化患者肝性腦病發(fā)生風險影響因素的二元Logistic回歸分析

圖1 肝硬化患者肝性腦病發(fā)生風險評估模型ROC曲線

研究者認為疾病評估模型主要用于疾病防控領域，其并不需要準確地進行疾病診斷，而是需要將存在高風險患者從群體中篩查出來，然后接受對癥檢查以明確診斷[18]。本研究中以二元Logistic回歸分析篩選出對肝硬化患者肝性腦病發(fā)生的影響因素，進而構建風險評估模型，本研究應用ROC曲線分析構建風險評估量表模型以評估其價值，曲線下面積為0.781（95%：0.718～0.844），顯示構建模型評估價值具有一定的臨床應用價值。不同于本研究應用二元Logistic回歸分析篩選肝性腦病發(fā)生的危險因素。王旭春等[19]應用基于ElasticNet和貝葉斯網(wǎng)絡模型分析肝硬化并發(fā)肝性腦病發(fā)生的影響因素，該研究也顯示貝葉斯網(wǎng)絡模型有助于提示肝硬化并發(fā)肝性腦病與各相關因素之間關系，也有助于對肝硬化并發(fā)肝性腦病進行針對性預防控制。

綜上，年齡、肝功能Child Pugh分級C級、TBIL、BUN是肝硬化患者發(fā)生肝性腦病的危險因素，基于上述因素構建風險評估模型評估價值優(yōu)異，具有一定臨床意義。

[1] ROSE CF, AMODIO P, BAJAJ JS, et al. Hepatic encephalopathy: Novel insights into classification, pathophysiology and therapy[J]. J Hepatol, 2020, 73(6): 1526–1547.

[2] RUDLER M, WEISS N, BOUZBIB C, et al. Diagnosis and management of hepatic encephalopathy[J]. Clin Liver Dis, 2021, 25(2): 393–417.

[3] MORAN S, LóPEZ-SáNCHEZ M, MILKE-GARCíA MDP, et al. Current approach to treatment of minimal hepatic encephalopathy in patients with liver cirrhosis[J]. World J Gastroenterol, 2021, 27(22): 3050–3063.

[4] BUREAU C, THABUT D, JEZEQUEL C, et al. The use of rifaximin in the prevention of overt hepatic encephalopathy after transjugular intrahepatic portosystemic shunt: A randomized controlled trial[J]. Ann Intern Med, 2021, 174(5): 633–640.

[5] 樊亞楠, 紀童童, 梁榮月, 等. 肝硬化合并顯性肝性腦病危險因素的回顧性分析：一項單中心病例對照研究[J]. 中華肝臟病雜志, 2021, 29(2): 133–136.

[6] 王娜, 李娟, 李霞, 等. 肝硬化患者肝性腦病發(fā)生風險的回顧性研究[J]. 第三軍醫(yī)大學學報, 2019, 41(9): 885–890.

[7] 中華醫(yī)學會肝病學分會. 肝硬化診治指南[J]. 臨床肝膽病雜志, 2019, 35(11): 2408–2425.

[8] 中華醫(yī)學會肝病學分會. 肝硬化肝性腦病診療指南[J]. 臨床肝膽病雜志, 2018, 34(10): 2076–2089.

[9] BUTTERWORTH RF. Ammonia removal by metabolic scavengers for the prevention and treatment of hepatic encephalopathy in cirrhosis[J]. Drugs R D, 2021, 21(2): 123–132.

[10] 張麗, 李潔, 王黎, 等. 簡化版肝性腦病心理測試評分量表對輕微型肝性腦病轉(zhuǎn)歸的預測價值[J]. 臨床神經(jīng)病學雜志, 2019, 32(2): 99–103.

[11] STREBEL H, HALLER B, SOHN M, et al. Role of brain biomarkers s-100-beta and neuron-specific enolase for detection and follow-up of hepatic encephalopathy in cirrhosis before, during and after treatment with l-ornithine-l-aspartate[J]. GE Port J Gastroenterol, 2020, 27(6): 391–403.

[12] 錢珠萍, 楊艷. 肝硬化患者發(fā)生輕微型肝性腦病現(xiàn)狀及影響因素研究[J]. 中華護理雜志, 2020, 55(6): 872–876.

[13] 唐艷芳, 劉旭東, 王文鑫, 等. 肝硬化合并輕微型肝性腦病的臨床特點以及相關影響因素分析[J]. 傳染病信息, 2022, 35(4): 316–320.

[14] LIU J, ZHOU C, WANG Y, et al. The combination of Child Pugh score and quantitative CT-based spleen volume could predict the risk of hepatic encephalopathy after transjugular intrahepatic portosystemic shunt creation[J]. Abdom Radiol (NY), 2021, 46(7): 3464–3470.

[15] BALE A, PAI CG, SHETTY S, et al. Prevalence of and factors associated with minimal hepatic encephalopathy in patients with cirrhosis of liver[J]. J Clin Exp Hepatol, 2018, 8(2): 156–161.

[16] 王娜, 李娟, 李霞, 等. 肝硬化患者肝性腦病風險預測模型的構建及應用研究[J]. 中華護理雜志, 2019, 54(6): 805–811.

[17] 談軍濤, 許曉梅, 何雨芯, 等. 基于機器學習算法的肝硬化相關肝性腦病預測模型的構建[J]. 解放軍醫(yī)學雜志, 2021, 46(4): 354–360.

[18] 劉思琴, 李霞, 梁露文, 等. 肝硬化隱匿型肝性腦病篩查平臺的建立及應用研究[J]. 護理學雜志, 2021, 36(21): 81–84.

[19] 王旭春, 宋偉梅, 翟夢夢, 等. 基于ElasticNet和貝葉斯網(wǎng)絡模型的肝硬化并發(fā)肝性腦病相關因素分析[J]. 現(xiàn)代預防醫(yī)學, 2021, 48(9): 1705–1709.

Construction of risk assessment model for hepatic encephalopathy in patients with liver cirrhosis and its predictive value

Department of Infectious Disease, the Second Affiliated Hospital of Wenzhou Medical University, Yuying Children’s Hospital, Wenzhou 325027, Zhejiang, China

To investigate the risk factors of hepatic encephalopathy in patients with liver cirrhosis, construct a risk assessment model, and analyze its predictive value.The data of 123 patients with simple liver cirrhosis and 85 patients with liver cirrhosis and hepatic encephalopathy who were admitted to the hospital from September 2021 by September 2022 were retrospectively analyzed. The general information of two groups of patients were compared, binary Logistic regression analysis was performed to screen the influencing factors of hepatic encephalopathy, and a risk assessment model was constructed based on these factors. The predictive value of this model for hepatic encephalopathy was analyzed using the receiver operator characteristic (ROC) curve.Univariate analysis and binary logistic regression analysis results showed that age, Child Pugh grade C, total bilirubin (TBIL), and blood urea nitrogen (BUN) were influencing factors of hepatic encephalopathy (<0.05). The area under the curve (AUC), maximum Youden index, sensitivity, and specificity of the model for predicting hepatic encephalopathy were 0.781 (95%: 0.718～0.844,<0.05), 0.694, 0.694, and 0.756, respectively.Age, Child Pugh grade C, TBIL, and BUN are influencing factors of hepatic encephalopathy in patients with liver cirrhosis. The risk assessment model constructed based on these factors helpful for risk prediction of hepatic encephalopathy.

Liver cirrhosis; Hepatic encephalopathy; Risk assessment scale model; Model construction; Predictive value

R576；R735.7

A

10.3969/j.issn.1673-9701.2023.18.007

（2022–10–19）

（2023–05–22）

溫州市科研項目（Y2020630）

陳麗娜，電子信箱：764991051@qq.com