Page 101 - 南京医科大学自然版

第45卷第8期 徐鹤翔，王 鹏，郑袁如，等. MELD 3.0评分对肝硬化失代偿期患者预后的评估价值［J］.
2025年8月 南京医科大学学报（自然科学版），2025，45（8）：1148-1158，1185 ·1157 ·

分类的患者被重新归类为更高的分数，9.5%的原 MELD 3.0引入的新变量（如性别、白蛋白）可能有助
MELD⁃Na 患 者 被 上 分 类 ；在 Yoo 等 ［19］ 研究中， 于更好地进行风险分层，这一点通过 NRI 和 IDI 的
MELD 3.0将 22.61%被原始 MELD 分类的病例重新 改善得以体现，尤其是当新模型能够更好地捕捉风
分类为更高的区间。这表明 MELD 3.0 在风险分层 险分布的细微差异时。NRI 和 IDI 的改善表明，
上具有更高的敏感性，将更多患者重新归类为较高风 MELD 3.0可能提供更准确的风险分层，这对于临床
险区间，从而准确地识别高风险患者，更有利于等待 决策（如肝移植优先级排序）具有重要价值。然而，
肝移植患者的优先级排序，有助于临床医师个体化医 我们也认为这些改进的临床实用性仍需在更大规
疗管理，优化医疗资源的配置，改善患者预后。 模的多中心研究中进一步验证。
校准曲线、IDI、NRI、DCA 通常被用作评价不同 本研究的优势在于 MELD 3.0 在 NRI、IDI 分析
模型的常用方法。3种模型在预测死亡的预测概率 上优于传统指标，为肝硬化失代偿期患者精准风险
和实际概率方面的相似的趋势，值得注意的是在预 分层提供依据，尤其在肝移植优先级分配中，更准
测3个月死亡时3种评分校准曲线预测概率和实际 确的风险分层可以减少移植等待期间的死亡率。
概率均存在非线性关系，这与Yoo等 ［19］ 研究类似，说 本研究仍存在一定的局限性。首先，研究采用单中
明在低概率区域，模型预测的死亡发生概率比实际 心回顾性设计，未在多中心或独立队列中验证结
概率偏高，而在高概率区域，模型预测的发生概率 果，可能因人群异质性和地域性差异影响模型的普
略低于实际概率。NRI 和 IDI 常用于评估新模型相 适性。其次，由于排除了接受白蛋白输注的患者，
比旧模型的改进程度的统计指标，在预测 3 个月死 可能导致研究人群偏向病情较轻的个体。白蛋白
亡率上，与MELD比较，NRI为0.240，说明MELD 3.0 输注通常用于重症肝硬化患者，因此这一排除可能
相比MELD能够将24%的患者更准确地重新分类到 低估MELD 3.0在高风险人群中的预测效能，进而影
正确的风险区间；在预测 1 年死亡率上，MELD 3.0 响其在重症患者中的临床适用性。再次，本研究未
的 IDI 和 NRI 分别为 0.201 和 0.032，提示 MELD 3.0 评估MELD 3.0评分的动态变化（如治疗干预后的评
能够将20.1%的患者更准确地重新分类到正确的风 分波动），未来需通过纵向数据探索 MELD 3.0 评分
险区间，且在整体判别能力上有3.2%的提升。DCA 随时间或治疗干预的变化规律，以建立动态预后预
曲线发现在预测 1 年死亡率时，MELD 3.0 略优于 测模型。最后，本研究中样本量有限，尤其是亚组
MELD⁃Na 和 MELD，表明其在临床决策中能够提供 分析中（如 Child C 级、非病毒性肝硬化）样本量较
更高的净收益。针对不同性别、Child分级和不同病 小，可能导致统计效能降低，未来需进一步扩大样
因的亚组分析显示，不论在男性和女性患者，病毒 本量，验证 MELD 3.0 在不同亚组中的预测性能，从
性还是非病毒性肝硬化，Child B级和Child C级患者 而更全面地评估其适用性。
中，MELD 3.0 的 AUC 值略高于 MELD⁃Na 和 MELD 总之，本研究首次在中国肝硬化失代偿人群中
评分，但均未体现出显著的统计学差异，这可能与 验证了MELD 3.0评分的预后预测价值，发现MELD
亚组的样本量较小有关。 3.0 评分在 NRI 和 IDI 显著优于传统模型，提示其在
AUC 主要反映模型区分阳性结果和阴性结果 风险分层中的潜在优势，为肝硬化失代偿患者的精
的能力（例如死亡与生存），评估风险预测的整体排 准风险管理提供更可靠的决策依据。
序能力，但对风险重新分类的改进不够敏感，尤其 利益冲突声明：
是在模型之间差异较小的情况下。NRI 和 IDI 则更 本文不存在任何利益冲突。
关注模型在风险分类上的改进能力，NRI 量化了被 Conflict of Interests：
正确重新分类到更高或更低风险类别中的患者比 There is no conflict of interests.
作者贡献声明：
例，IDI 衡量了事件和非事件之间风险评分分离的
徐鹤翔、郑吉顺负责研究设计、撰写论文；徐鹤翔、王
改善程度。在本研究中，NRI 和 IDI 的改善表明
鹏、郑袁如负责数据收集与分析；徐鹤翔、郑吉顺负责整理数
MELD 3.0能够更好地区分患者的风险类别，尽管其 据及数据分析、图表绘制；郑吉顺负责指导研究设计，稿件修
整体区分能力（AUC）与其他模型相比并未显著提 改并最终定稿。
高，可能是 MELD 3.0 和其他模型（如 MELD⁃Na 和 Author’s Contributions：
MELD）在预测死亡率方面已经具有较高的区分能 XU Hexiang and ZHENG Jishun were responsible for re⁃
力（AUC 均>0.8），AUC 的提升空间有限。然而， search，design，and writing papers；XU Hexiang，WANG Peng，