浙大改良MELD评分，ACLF患者预后预测提升10%

浙大改良MELD评分，ACLF患者预后预测提升10%

慢加急性肝衰竭（ACLF）是一种严重的肝脏疾病，其预后评估对于临床决策至关重要。近日，浙江大学医学院附属第一医院施毓教授团队在MELD评分基础上，开发了新的CATCH-LIFE-MELD评分系统，显著提高了ACLF患者预后预测的准确性。

CATCH-LIFE-MELDs评分系统的开发背景

终末期肝病模型评分（MELDs和MELD-Nas）广泛用于慢加急肝衰竭（ACLF）的预后评估和肝移植的器官优先级分配。然而，MELDs和MELD-Nas最初是用于预测失代偿肝硬化患者开展经颈静脉肝内门体分流术的疗效，预测ACLF患者的准确性不足。近日，浙江大学医学院附属第一医院施毓教授团队利用荟萃分析、CATCH-LIFE队列和外部队列在MELD评分基础上嵌入ACLF不良结局的其他危险因素，提出CATCH-LIFE-MELD评分，显著提高了预测的准确性。

荟萃分析发掘ACLF不良结局的危险因素

荟萃分析总共纳入32项队列研究（图1），共计13939例ACLF患者。结果显示，除MELDs外，12项因素与ACLF不良结局相关，分别为年龄、国际标准化比值（INR）、感染、血钠、白细胞计数（WBC）、血肌酐、中性粒细胞、总胆红素（TBiL）、消化道出血、腹水、肝性脑病（HE）和肝硬化。

图1. 研究流程图

CATCH-LIFE-MELDs新评分的开发

从中国ACLF前瞻性多中心队列CATCH LIFE（Chinese AcuTe-on-CHronic LIver FailurE）队列纳入751例ACLF患者（图1），对荟萃分析选定的候选变量进行Fine-Gray竞争风险回归分析。排除共线性显著的变量，最终年龄、HE分级、中性粒细胞计数被确定为除MELDs外的ACLF预后新模型的额外参数。CATCH-LIFE-MELDs模型建立如下：R=0.028×年龄+0.3×HE分级+ 0.039×中性粒细胞计数+0.079×MELDs。

CATCH-LIFE-MELDs评分的应用

采用X-tile方法根据CATCH-LIFE-MELDs进行风险分层。根据最佳截断值（3.09和5.04）将ACLF患者分为低危（<3.09）、中危（3.09-5.04）和高危（>5.04），非常好地区分了具有高、中、低死亡风险的人群（图2）。

图2. CATCH-LIFE-MELDs危险分层生存曲线 （A）推导队列（B）验证队列

CATCH-LIFE-MELDs效能评估

模型区分度采用AUROC、C-index、PDF、NRI和IDI进行评估。AuROC曲线显示，与COSSH-ACLF IIs、COSSH-ACLFs、CLIF-C ACLFs、MELDs和MELD-Nas相比，AUROC分别提高了8.4%、10.47%、9.30%、10.3%和12.9%。并且，CATCH-LIFE-MELDs预测ACLF结局的C-index（28天为0.791，90天为0.788）也显著高于其他传统预测模型，且在NRI和IDI方面有显著改善（图3）。PDF分析显示，与其他模型相比，CATCH-LIFE-MELDs的28天和90天结局重叠系数（52.78%/47.91%）显著降低，显示出更显著的区分度。校准图显示（图4），28天和90天时观察到的死亡率与预测的死亡概率具有良好的一致性。

图3. 模型区分度评估 （A）AUROC评估（B）C-Index评估（C）净重新分类指数评估（D）综合改善判别指数评估

CATCH-LIFE-MELDs评分的验证

使用外部的一个单中心大队列（414例ACLF）对模型进行了验证，CATCH-LIFE-MELDs评分均得到了较好的区分度和校准度（图3和图4）。

CATCH-LIFE-MELDs评分的适用人群

根据病因、基础肝病和诊断标准进行亚组分析（图5）。研究显示CATCH-LIFE-MELDs评分无论是在乙肝相关ACLF和非乙肝相关ACLF，肝硬化ACLF和非肝硬化ACLF，以及不同诊断标准下的ACLF亚组中均有稳定、良好的区分度和校准度。

总结

该研究通过使用Meta分析将其他参数纳入MELDs，开发了一种新的预后评分。对于ACLF，新的CATCH-LIFE-MELDs评分的表现优于其他传统评分。CATCH-LIFE-MELDs可用于ACLF患者死亡风险的预测和分层，指导临床移植决策，并为未来新疗法的研究提供指导。然而，该模型的临床效用还需在西方ACLF队列中进一步验证。