相关实验视频
Updated: Jul 17, 2025
09:36
Assessment of Child Anthropometry in a Large Epidemiologic Study
Published on: February 2, 2017
27.1K
在学校年龄的超重/肥胖儿童中查MAFLD的新预测模型和指数
Yunfei Xing1, PingPing Zhang2, Xueying Li1
1Department of Maternal and Child Health, School of Public Health, Peking University, No. 38 Xueyuan Road, Haidian District, Beijing, 100191, China.
European journal of pediatrics
|August 30, 2023
概括
新模型使用常规指标预测儿童的代谢相关脂肪肝疾病 (MAFLD). 这些发现支持早期查和识别有风险的年轻人,以便及时干预.
科学领域:
- 儿科胃肠病学 儿科胃肠病学
- 肝病学 肝病学是一种肝病学.
- 代谢障碍 代谢障碍 代谢障碍
背景情况:
- 儿科代谢相关脂肪肝疾病 (MAFLD) 的当前预测因素通常依赖于非酒精性脂肪肝疾病 (NAFLD) 的指标,尽管诊断标准不同.
- 基于常规体检和MAFLD血液检查的预测因子的诊断准确性有限.
研究的目的:
- 开发新的预测模型,并确定在学龄儿童中MAFLD的新预测因子.
- 增强未来儿童群体MAFLD查计划的可行性和有效性.
主要方法:
- 从中国宁波招募了331名超重/肥胖的学龄儿童.
- 使用受控减弱参数 (CAP) 和肝硬度测量 (LSM) 来评估肝硬化和纤维化.
- 采用机器学习技术,包括随机森林 (RF) 和物流回归 (LR),以构建预测模型.
主要成果:
- 患有MAFLD的儿童表现出更明显的代谢障碍,包括更高的人类指标,氨酸转移酶,禁食血葡萄糖和炎症标志物.
- 对所有受试者来说,RF识别的最佳预测因素是氨酸转移酶,尿酸,胰岛素和体重指数 (BMI).
- LR模型表现出强大的预测性能,曲线下的面积 (AUC) 值为男性0.758,女性0.642. 像LnAI-BMI,LnAI和LnAL-WHtR这样的新指数显示出令人满意的表现.
结论:
- 开发了后勤回归模型和性别特异指数,用于预测超重/肥胖儿童的MAFLD.
- 这些模型和指数显示出广泛查和早期识别MAFLD高风险儿童的潜在实用性,促进及时治疗.
