基于Peg-IFN的治疗后HBsAg血清清除预测模型的开发和验证:一个多中心研究
Hui-Hui Liu1, Xue-Mei Jiang2, Chao Cui3
1Department of Hepatology, Qilu Hospital of Shandong University, Jinan, Shandong, People's Republic of China.
Drug design, development and therapy
|November 13, 2025
概括
一个新的模型预测了接受Peg-IFN治疗的慢性乙型肝炎 (CHB) 患者的HBsAg血清清除. 基线因素如年龄,HBsAg水平和ALT有助于识别可能达到HBsAg血清清除的患者.
科学领域:
- 肝病学 肝病学是一种肝病学.
- 病毒学 病毒学
- 临床预测建模模型
背景情况:
- 乙型肝炎病毒 (HBV) 感染仍然是一个全球性的健康问题.
- 预测HBsAg血清清除对于优化慢性乙型肝炎 (CHB) 治疗策略至关重要.
- 基于pegylated干扰素 (Peg-IFN) 的治疗为CHB患者提供了潜在的治疗选择.
研究的目的:
- 开发和验证HBsAg血清清除的预测模型.
- 为了确定与Peg-IFN治疗后HBsAg血清清除相关的基线参数.
- 帮助基于Peg-IFN的治疗在病毒抑制的HBeAg阴性CHB患者的临床决策.
主要方法:
- 追溯招募377个核同类抑制,HBeAg阴性CHB患者,接受48周的Peg-IFN治疗.
- 在229名患者的队列中开发多变量考克斯回归模型.
- 在148名患者的独立队列中验证模型.
主要成果:
- 在开发队列中,HBsAg血清清除率为17.9%,在验证队列中为20.27%.
- 预测模型包括年龄,基线HBsAg和氨酸转移酶 (ALT).
- 该模型表现出强大的预测性能 (AUC 0.842 在开发中,0.852 在验证中) 并确定了不同血清清除发生率的患者子组.
结论:
- 成功构建了HBsAg血清清除的强大预测模型.
- 该模型使用易于获得的基线参数进行临床应用.
- 该工具可以指导有效使用基于Peg-IFN的疗法在CHB管理中.
