Diagnostic significance of clinical and laboratory indices in predicting non-alcoholic fatty liver disease during screening studies

Cover Page

Abstract

Aim. To study the significance of clinical and laboratory non-invasive indexes along with the insulin resistance index when carrying out diagnostic assessment of non-alcoholic fatty liver disease (NAFLD) during screening examinations.

Materials and methods. The study involved 348 employees working at oil-production enterprises. An ultrasound scanning of the liver was carried out to assess the criteria of NAFLD. The following indexes were calculated: fatty liver index (FLI), hepatic steatosis index (HSI), lipid accumulation products (LAP), and homeostasis model assessment of insulin resistance (HOMA1-IR). The prognostic significance of these indexes in relation to the probability of NAFLD diagnosis based on ultrasound data was studied using single-factor and multi-factor logistic regression models followed by ROC-analysis.

Results. The FLI, HSI, and HOMA1-IR indexes in single-factor logistic regression models showed a high statistical significance when carrying out diagnostic assessment the NAFLD with good model calibration capability. The percentage of correct binary classification regards the presence/absence of NAFLD amounted to 82.4% for FLI, 79.7% for HSI, and 72.7% for HOMA1-IR (p<0.001). According to the ROC-analysis, the area under the curve (AUC) by the NAFLD diagnostic assessment was 0.917 (95% CI 0.889–0.945); 0.880 (95% CI 0.846–0.915) and 0.849 (95% CI 0.764–0.934), respectively. The multi-factor logistic regression model with the inclusion of FLI and HOMA1-IR 72.7% enabled us to achieve the correct binary classification in terms of NAFLD in 84.2% of cases. When it comes to the ROC-analysis, considering the probabilities predicted in the multi-factor logistic model as the test variable and NAFLD in ultrasound examination as the state variable, it was possible to set the value of AUC 0.933 (95% CI 0.882–0.985).

Conclusion. The studied clinical and laboratory indexes (FLI, HSI, HOMA1-IR) have a high diagnostic significance regarding NAFLD diagnosed using ultrasonographic criteria. The application of the proposed two-factor logistics model makes it possible to predict the presence of NAFLD when examining a large number of patients, without involving additional ultrasound diagnostics specialists in order to use medical resources rationally.

Full Text

В большинстве стран мира неалкогольная жировая болезнь печени (НАЖБП) занимает все большую долю в структуре хронических болезней печени. Рост распространенности данной патологии преимущественно ассоциирован с ростом заболеваемости ожирением и сахарным диабетом 2-го типа [1, 2]. НАЖБП различной степени выявляется у более чем 1/4 населения Европы. Прогрессирование заболевания может приводить у ряда пациентов к тяжелому поражению печени (фиброз, цирроз) с летальным исходом, при этом прогнозируется, что в ближайшем будущем НАЖБП может стать основным показанием к трансплантации печени [1, 3]. Развитие НАЖБП независимо от других факторов связано с увеличением заболеваемости сердечно-сосудистой патологией, хронической болезнью почек, сахарным диабетом 2-го типа [4–6]. Диагностика НАЖБП включает в себя как объективное исследование, так и лабораторно-инструментальные методики с последующей гистологической верификацией заболевания. Большая распространенность НАЖБП в условиях дефицита медицинских ресурсов диктует необходимость поиска и верификации простых в исполнении, экономически доступных показателей, позволяющих с большой степенью вероятности диагностировать НАЖБП без привлечения высокозатратных инструментальных, а также инвазивных методов исследования. Предложенные для таких целей индексы (fatty liver index – FLI, hepatic steatosis index – HSI, lipid accumulation products – LAP) позволяют с определенной вероятностью предсказать наличие НАЖБП при последующих инструментальных исследованиях. Одновременное использование в прогностической модели индекса инсулинорезистентности может повысить информативность модели для диагностики в условиях массовых обследований.

Цель исследования – изучить значимость клинико-лабораторных неинвазивных индексов в сочетании с индексом инсулинорезистентности в диагностике НАЖБП при скрининговых обследованиях.

Материалы и методы

В исследование включены 348 работников нефтедобывающего предприятия. Все работники мужского пола, средний возраст обследованных составил 38,8±10,5 года (с диапазоном возраста от 22 до 60 лет). Критерии исключения: в исследование не включались лица, употребляющие алкоголь в дозе более 30 г в день (в пересчете на этанол), имеющие тяжелую патологию печени (в том числе вирусный гепатит) и почек (хроническая болезнь почек III стадии и более), злокачественные новообразования и принимающие лекарственные препараты, способные вызвать развитие НАЖБП. На момент исследования курили 41,2% обследованных работников.

Артериальное давление (АД) определялось аускультативным методом с точностью до 2 мм рт. ст. двукратно с интервалом 5 мин в положении сидя в покое, для анализа использовали среднюю величину двух измерений. Повышенным АД считали систолическое 140 мм рт. ст. и выше, диастолическое 90 мм рт. ст. и выше. Окружность талии (ОТ) измерялась на уровне пупка, на середине расстояния между верхним краем подвздошной кости и нижним краем реберной дуги. Увеличенной ОТ считали 94 см и более. Определялись натощак уровень глюкозы крови, концентрация холестерина (ХС) липопротеидов низкой плотности (ЛПНП), концентрация ХС липопротеидов высокой плотности (ЛПВП), триглицеридов (ТГ), γ-глютамилтранспептидаза (ГГТ), аланинаминотрансфераза (АЛТ), аспартатаминотрансфераза (АСТ) по стандартным биохимическим методикам. Концентрация С-пептида в крови определялась методом конкурентного твердофазного хемилюминесцентного иммуноферментного анализа (исследование С-пептида проведено у 77 человек).

Метаболический синдром (МС) устанавливался в соответствии с клиническими рекомендациями [7]: основной критерий (ОТ˃94 см), дополнительные критерии (повышение АД 140/90 мм рт. ст. и выше; повышение уровня ТГ˃1,7 ммоль/л, снижение уровня ХС ЛПВП <1,0 ммоль/л, повышение уровня ХС ЛПНП˃3,0 ммоль/л, глюкоза в плазме крови натощак более 6,1 ммоль/л). Наличие у пациента центрального ожирения и 2 дополнительных критериев является основанием для диагностики МС.

В обследованной выборке у 109 человек установлен МС по приведенным критериям диагностики. Кроме того, ОТ˃94 см с количеством дополнительных критериев менее 2 имели дополнительно 77 человек. Из них глюкоза более 6,1 ммоль/л зафиксирована у 2 человек, ЛПНП˃3 ммоль/л – у 21 человека, ЛПВП˂1 – у 3 человек, ТГ˃1,7 – у 14 человек и артериальная гипертензия – у 9 человек.

Ультразвуковое сканирование печени осуществлялось по стандартной методике в утренние часы при соблюдении условия воздержания от приема пищи пациентом в течение 8–12 ч на аппарате экспертного класса VIAMOSSA-640A (Toshiba, Япония) с использованием конвексного мультичастотного датчика с центральной частотой 3,5 МГц. Диагностика НАЖБП проводилась в соответствии с принятыми критериями [8].

Сканирование проводилось в трех плоскостях со стороны эпигастрия и правого подреберья – косой, продольной и поперечной. Использовался также доступ через межреберья по передней подмышечной и срединно-ключичной линиям. Исследование проводилось лежа на спине, левом боку; в различных фазах дыхания – при максимальном вдохе, на выдохе, при нормальном дыхании.


Наличие НАЖБП устанавливалось по следующим критериям: увеличение размеров печени (в большей степени за счет толщины долей), закругленность нижнего края, повышение эхогенности паренхимы печени с возможным наличием участков неизмененной паренхимы в IV, V, I сегментах, снижение звукопроводимости в глубоких отделах, ухудшение визуализации мелких ветвей печеночных вен и/или воротной вены. Важно, что структура печени всегда являлась однородной, отсутствовало изменение внешнего контура и сосудистого рисунка). Критерии НАЖБП по данным ультразвукового исследования (УЗИ) в обследованной выборке имел 201 (57,8%) человек.

Индекс FLI рассчитывался по формуле:

FLI=ey/(1+ey)×100,  (1).

где y=0,953×ln(TГ, ммоль/л)+0,139×ИМТ(кг/м2)+0,718× ln(ГГТ, ед/л)+0,053×ОТ(см)-15,745 (использовался онлайн- калькулятор

Индекс HSI рассчитывался по формуле:

HSI=8×АЛТ(ед/л)/АСТ(ед/л)+ИМТ(кг/м2) (2).

Индекс LAP рассчитывался по формуле:

LAP=(ОТ(см)-65)×ТГ(ммоль/л) (3).

Индекс инсулинорезистентности (HOMA1-IR) рассчитывался с использованием в формуле концентрации С-пептида крови вместо концентрации инсулина по формуле, предложенной X. Li и соавт. [9–12]:

HOMA1-IR=1,5 + глюкоза крови натощак (ммоль/л) × уровень С-пептида натощак (пмоль/л)/2800.

Индекс HOMA1-IR определен у 77 человек, среди которых НАЖБП, согласно ультразвуковым критериям, имелась у 47 человек при отсутствии такового у 30 человек.

Статистическую обработку проводили с помощью программы SPSS 22. Прогностическая значимость изучаемых параметров (МС, FLI, HSI, HOMA1-IR) в отношении вероятности диагностики НАЖБП по данным УЗИ изучена в моделях однофакторной и многофакторной логистической регрессии с последующим выполнением ROC-анализа.

Выполнено построение моделей однофакторной и многофакторной логистической регрессии, описываемой формулой:

ρ=11+e-(b0+bιχ)    (4),

где р – вероятность наличия НАЖБП по данным УЗИ; х – независимый фактор; b0, b1, bi – коэффициенты многофакторной математической модели.

Порогом отсечения при бинарной классификации (наличие/отсутствие критериев НАЖБП) для модели считали вероятность 0,5.

Выполнялось построение ROC (receiver operating characteristic)-кривой для каждого тестируемого фактора, а также для массива прогнозной вероятности, определенной с помощью многофакторной логической модели, с целью оценки качества бинарной классификации. Определялась площадь под ROC-кривой (area under the curve – AUC). Качество модели по AUC оценивали следующим образом:

  • 0,9–1,0 – отличное;
  • 0,8–0,9 – очень хорошее;
  • 0,7–0,8 – хорошее;
  • 0,6–0,7 – среднее;
  • 0,5–0,6 – неудовлетворительное.

Анализ таблиц сопряженности проводился с использованием критерия χ2 Пирсона и V Крамера.

При использовании статистических процедур достаточным уровнем значимости считали р<0,05.

Настоящее исследование выполнено в соответствии с правилами ICHGCP, с соблюдением этических норм, изложенных в Хельсинкской декларации (редакция 2008 г.), Национальным стандартом РФ ГОСТ-Р 52379-2005 «Надлежащая клиническая практика» (ICH E6 GCP). Программа исследования одобрена этическим комитетом ФБУН ФНЦ МПТ УРЗН (протокол №86 от 13.05.2019). Все пациенты информированы о цели проведения исследования, получено добровольное информированное согласие.

Результаты

Данные о выявленных случаях НАЖБП на основании ультразвуковых критериев у лиц с наличием МС и без такового представлены в табл. 1. Наличие МС статистически значимо связано с выявлением случаев НАЖБП при УЗИ (χ2 Пирсона 94,014; р<0,001; V Крамера 0,52; р<0,001), в то же время более 1/3 обследованных имели критерии НАЖБП при отсутствии МС. Этот факт означает, что отсутствие у пациента МС не дает основания исключить наличие НАЖБП и требует применения более чувствительных методик скрининга.

 

Таблица 1. Сопряженность МС и наличия НАЖБП по данным УЗИ

Table 1. The conjugation of metabolic syndrome (MS) and the presence of non-alcoholic fatty liver disease (NAFLD) according to ultrasound data

НАЖБП по ультразвуковым критериям

Всего

 

НАЖБП нет

НАЖБП есть

МС нет, абс. (%)

146 (61,1)

93 (38,9)

239

МС есть, абс. (%)

6 (5,5)

103 (94,5)

109

Всего

152

196

348

 

Параметры модели логистической регрессии вероятности наличия ультразвуковых критериев НАЖБП в зависимости от наличия в клинике МС представлены в табл. 2. Введение МС в качестве бинарной номинальной переменной в модель привело к снижению значения -2Log likelihood с 476,9 до 365,9, а коэффициент детерминации R2 Найджелкерка составил 0,366. Значение χ2 составило 74,6 с уровнем значимости р<0,001. Наблюдалось повышение доли случаев правильной бинарной классификации с 56,3% на шаге 0 до 71,6% на шаге 1 с чувствительностью 52,6% и специфичностью 96%.

Таблица 2. Параметры логистической регрессионной модели вероятности наличия НАЖБП в зависимости от наличия МС

Table 2. Parameters of the logistic regression model of the probability of the presence of NAFLD depending on the presence of MS

 

В

Среднеквадратичная ошибка

Вальд

р

Exp (B)

95% ДИ для Exp (B)

нижняя граница

верхняя граница

МС

3,294

0,440

55,9

<0,001

26,950

11,367

63,892

Константа

-0,451

0,133

11,6

<0,001

0,637

  

 

Параметры модели логистической регрессии вероятности наличия ультразвуковых критериев НАЖБП в зависимости от значения FLI представлены в табл. 3. Введение FLI в модель привело к снижению значения -2Log likelihood с 474,7 до 255,9, а коэффициент детерминации R2 Найджелкерка составил 0,627. Значение χ2 составило 218,8 с уровнем значимости р<0,001. Отмечено повышение доли случаев правильной бинарной классификации с 56,8% на шаге 0 до 82,4% на шаге 1 с чувствительностью 82,2% и специфичностью 82,7%. Проверка согласия Хосмера–Лемешева показала значимость 0,162 (модель хорошо отражает фактические данные).

 

Таблица 3. Параметры логистической регрессионной модели вероятности наличия НАЖБП в зависимости от значения FLI

Table 3. Parameters of the logistic regression model of the probability of the presence of NAFLD depending on the FLI value

 

В

Среднеквадратичная ошибка

Вальд

р

Exp (B)

95% ДИ для Exp (B)

нижняя граница

верхняя граница

FLI

0,077

0,007

106,231

<0,001

1,080

1,064

1,096

Константа

-3,621

0,388

87,092

<0,001

0,027

  

 

Параметры модели логистической регрессии вероятности наличия ультразвуковых критериев НАЖБП в зависимости от значения HSI представлены в табл. 4.

 

Таблица 4. Параметры логистической регрессионной модели вероятности наличия НАЖБП в зависимости от значения HSI

Table 4. Parameters of the logistic regression model of the probability of the presence of NAFLD depending on the HSI value

 

В

Среднеквадратичная ошибка

Вальд

р

Exp (B)

95% ДИ для Exp (B)

нижняя граница

верхняя граница

HSI

0,387

0,042

84,453

<0,001

1,473

1,356

1,600

Константа

-12,307

1,350

83,166

<0,001

0,00

  

 

Введение HSI в модель привело к снижению значения -2Log likelihood с 478,0 до 298,0, а коэффициент детерминации R2 Найджелкерка составил 0,54, значение χ2 – 180,0 с уровнем значимости р<0,001. Повышение доли случаев правильной бинарной классификации составило с 57,1% на шаге 0 до 79,7% на шаге 1 с чувствительностью 82,0% и специфичностью 76,7%. Проверка согласия Хосмера–Лемешева показала значимость 0,336.

Параметры модели логистической регрессии вероятности наличия ультразвуковых критериев НАЖБП в зависимости от значения LAP представлены в табл. 5. Введение LAP в модель привело к снижению значения -2Log likelihood с 478,0 до 312,2, коэффициент детерминации R2 Найджелкерка составил 0,507, а значение χ2 составило 165,9 с уровнем значимости р<0,001. Установлено повышение доли случаев правильной бинарной классификации с 57,1% на шаге 0 до 79,1% на шаге 1 с чувствительностью 76,0% и специфичностью 83,3%. Проверка согласия Хосмера–Лемешева показала значимость 0,013 (р<0,05 свидетельствует о недостаточной калибрационной способности модели вследствие статистически значимых различий между ожидаемыми и наблюдаемыми вероятностями).

 

Таблица 5. Параметры логистической регрессионной модели вероятности наличия НАЖБП в зависимости от значения LAP

Table 5. Parameters of the logistic regression model of the probability of the presence of NAFLD depending on the LAP value

 

В

Среднеквадратичная ошибка

Вальд

р

Exp (B)

95% ДИ для Exp (B)

нижняя граница

верхняя граница

LAP

0,058

0,007

72,177

<0,001

1,060

1,046

1,074

Константа

-2,301

0,288

63,652

<0,001

0,100

  

 

Таблица 6. Параметры логистической регрессионной модели вероятности наличия НАЖБП в зависимости от значения HOMA1-IR

Table 6. Parameters of the logistic regression model of the probability of the presence of NAFLD depending on the value of HOMA1-IR

 

В

Среднеквадратичная ошибка

Вальд

р

Exp (B)

95% ДИ для Exp (B)

нижняя граница

верхняя граница

HOMA1-IR

2,265

0,601

14,184

<0,001

9,629

2,963

31,295

Константа

-6,329

1,724

13,478

<0,001

0,002

  

Примечание. Здесь и далее в табл. 7, 8: HOMA1-IR – индекс инсулинорезистентности с использованием концентрации С-пептида.

 

Параметры модели логистической регрессии вероятности наличия ультразвуковых критериев НАЖБП в зависимости от значения HOMA1-IR представлены в табл. 6. Введение HOMA1-IR в модель привело к снижению значения -2Log likelihood с 102,9 до 70,7, а коэффициент детерминации R2 Найджелкерка составил 0,464, а значение χ2 – 32,2 с уровнем значимости р<0,001. Доля правильной бинарной классификации увеличилась с 61,0% на шаге 0 до 72,7% на шаге 1 с чувствительностью 76,6% и специфичностью 66,7%. Проверка согласия Хосмера–Лемешева показала значимость 0,116.

 

Таблица 7. Результаты ROC-анализа параметров регрессионных моделей

Table 7. Results of ROC-analysis of parameters of regression models

Переменные результата проверки

Площадь под кривой (AUC)

Стандартная ошибка*

р**

Асимптотический 95% ДИ

нижняя граница

верхняя граница

FLI

0,917

0,014

<0,001

0,889

0,945

HSI

0,880

0,018

<0,001

0,845

0,915

LAP

0,878

0,018

<0,001

0,843

0,914

HOMA1-IR

0,849

0,043

<0,001

0,764

0,934

*В соответствии с непараметрическим предположением; **нулевая гипотеза: = действительная площадь = 0,5.

 

ROC-анализ для подтверждения диагностической значимости тестируемых показателей (FLI, HSI, HOMA1-IR) в отношении выявления НАЖБП при УЗИ приведен в табл. 7 и на рис. 1, 2. В табл. 7 не представлен МС, так как его значение носит бинарный характер. Наибольшей диагностической значимостью обладает FLI (качество модели характеризуется как отличное – AUC>0,9), несколько меньшей предсказательной способностью обладают HSI и HOMA1-IR (качество модели характеризуется как очень хорошее – AUC>0,8).

 

Рис. 1. ROC-кривые для индексов FLI, HSI, LAP и НАЖБП по данным УЗИ.

Fig. 1. ROC-curves for FLI, HSI, LAP and NAFLD indices according to ultrasound data.

 

Рис. 2. ROC-кривые для индекса HOMA1-IR и НАЖБП по данным УЗИ.

Fig. 2. ROC-curves for the HOMA1-IR index and NAFLD according to ultrasound data.

 

Согласно матрице ROC-анализа для FLI значение сut-оff=48 в диагностике НАЖБП имело чувствительность 82%, а специфичность – 83% (для традиционно принятых cut-off точек FLI=30 чувствительность составила 96%, специфичность – 59%; для FLI=60 чувствительность – 74%, специфичность – 91%). Для HSI значение сut-оff=32 в диагностике НАЖБП имело чувствительность 80%, а специфичность – 81% (для традиционно принятых cut-off точек HSI=30 чувствительность составила 89%, специфичность – 59%; для HSI=36 чувствительность – 56%, специфичность – 97%).

Для HOMA1-IR по данным ROC-анализа значение сut-оff=2,93 в диагностике НАЖБП имело чувствительность 72%, а специфичность – 87% (для уровня рекомендованного значения cut-off инсулинорезистентности равном 2,5 чувствительность составила 92%, специфичность – 43%).

Одновременное введение в логистическую регрессионную модель двух факторов – FLI (как показавшего наибольшую значимость в диагностике НАЖБП) и HOMA1-IR (как индекса, характеризующего инсулинорезистентность на основании учета нарушений углеводного обмена), привело к снижению значения -2Log likelihood с 101,9 до 46,7, а коэффициент детерминации R2 Найджелкерка составил 0,70. Значение χ2 составило 55,3 с уровнем значимости р<0,001. Повышение доли случаев правильной бинарной классификации составило с 60,5% на шаге 0 до 84,2% на шаге 1 с чувствительностью 87,0% и специфичностью 80%. Проверка согласия Хосмера–Лемешева показала значимость 0,96. Параметры двухфакторной модели логистической регрессии приведены в табл. 8.

 

Таблица 8. Параметры многофакторной логистической регрессионной модели вероятности наличия НАЖБП в зависимости от значения FLI и HOMA1-IR

Table 8. Parameters of the multivariate logistic regression model of the probability of the presence of NAFLD, depending on the value of FLI and HOMA1-IR

 

В

Среднеквадратичная ошибка

Вальд

р

Exp (B)

95% ДИ для Exp (B)

нижняя граница

верхняя граница

FLI

0,068

0,018

13,661

<0,001

1,070

1,032

1,109

HOMA1-IR

1,724

0,841

4,198

0,040

5,606

1,078

29,163

Константа

-8,510

2,700

9,931

0,002

0,001

  

 

Уравнение двухфакторной логистической регрессии вероятности наличия НАЖБП от уровня FLI и HOMA1-IR выглядит следующим образом:

р=1/1+е-(-8,51+0,068×FLI+1,724×HOMA1-IR)

ROC-анализ на основании предсказанных в многофакторной логистической модели вероятностей в качестве тестируемой переменной и НАЖБП при УЗИ в качестве переменной состояния позволил установить значение AUC=0,933 (95% доверительный интервал – ДИ 0,882–0,985) с уровнем значимости р<0,001, что свидетельствует об отличном качестве предложенной диагностической модели (рис. 3).

 

Рис. 3. ROC-кривые для прогнозной вероятности на основе многофакторной логистической модели и НАЖБП по данным УЗИ.

Fig. 3. ROC-curves for predicted probability based on multivariate logistic model and NAFLD from ultrasound data.

 

Обсуждение

Проблема широкого распространения НАЖБП с необходимостью инструментального и гистологического подтверждения диагноза обусловливает большую нагрузку на систему здравоохранения. Большая часть случаев НАЖБП остается в рамках стеатоза печени, только у 10–25% из числа больных НАЖБП выявляется неалкогольный стеатогепатит, а у 20% лиц со стеатогепатитом развивается фиброз печени [3]. Предположение о наличии НАЖБП у клиницистов обычно возникает в отношении пациентов с МС и повышением печеночных ферментов. Однако, по данным J. Browning и соавт., до 80% пациентов с НАЖБП не имеют отклонений в уровнях ферментов [13]. Более того, учитывая большую распространенность НАЖБП в популяции, имеется достаточно большая вероятность, что референсные показатели ферментов печени, используемые в клинической практике, существенно завышены (для пациентов с индексом массы тела – ИМТ<25 кг/м2 нормальным уровнем АЛТ предлагается считать менее 30 ед/л) [14]. Учитывая влияние большого количества факторов на развитие НАЖБП, в клинической практике предложен ряд количественных индексов (FLI, HSI, LAP), включающих в себя как антропометрические, так и лабораторные критерии и позволяющих определить дальнейшую тактику ведения пациентов. Ультразвуковой метод диагностики имеет хорошие чувствительность (85%) и специфичность (95%) по отношению к морфологическому методу в диагностике умеренной и тяжелой НАЖБП, когда более 20–30% гепатоцитов подвержено жировой дистрофии [15], поэтому большинство индексов НАЖБП оценивалось именно в отношении ультразвуковых критериев. FLI и LAP разработаны итальянскими исследователями G. Bedogni и соавт. [16–19], а HSI предложен в Корее J. Lee и соавт. [20]. Исследование D. Cuthbertson и соавт. показало, что FLI и LAP хорошо прогнозируют само наличие НАЖБП, но не обладают способностью предсказывать массовое содержание липидов в печени [21]. На основании популяционных исследований предложены значения данных индексов, подтверждающие либо исключающие наличие НАЖБП: для FLI – значение менее 30 исключает НАЖБП, а более 60 – подтверждает, для HSI такими значениями являются 30 и 36. Значения между ними предложено считать промежуточными и требующими дополнительных методов исследования [19, 20]. В оригинальном исследовании G. Bedogni и соавт. для диагностики НАЖБП AUC для индекса FLI составила 0,85 (95% ДИ 0,82–0,89) для европейской популяции. J. Zhu и соавт. на азиатской популяции (Китай) показали AUC для FLI 0,88 (95% ДИ 0,87–0,89), X. Huang и соавт. – 0,834 (95% ДИ 0,825–0,842), B. Yang и соавт. – 0,827 (95% ДИ 0,822–0,831). В нашем исследовании значение AUC для FLI оказалось выше, чем в приведенных работах, и составило 0,917 (95% ДИ 0,89–0,95). Оптимальное соотношение чувствительности (82%) и специфичности (72%) для FLI по данным G. Bedogni и соавт. установлено при его значении более 40, а по данным J. Zhu и соавт. – при значении 30,4 с чувствительностью 83% и специфичностью 77% [16, 19, 22, 23]. В нашем исследовании оптимальное соотношение чувствительности (82%) и специфичности (83%) достигнуто при значении FLI равном 48.

Для индекса HSI в исследовании J. Lee и соавт. [20] в диагностике НАЖБП AUC составила 0,812 (95% ДИ 0,801–0,824), по данным J. Zhu и соавт. [19] – 0,833 (95% ДИ 0,825–0,841), а в нашем исследовании – 0,880 (95% ДИ 0,845–0,915).

Логистическая регрессионная модель прогноза вероятности наличия НАЖБП в зависимости от значения индекса LAP в нашем исследовании показала недостаточное соответствие предсказанных и фактических данных по критерию Хосмера–Лемешева, что не позволяет использовать ее в практическом аспекте.

Индекс инсулинорезистентности HOMA1-IR, предусматривающий замену в формуле инсулина на С-пептид, предложен в 2004 г. X. Li и соавт. [9] и в дальнейшем использовался в научных исследованиях [10–12]. Использование в формуле именно С-пептида обосновывается тем, что С-пептид не подвергается значимому клиренсу в печени и имеет более стабильную линейную кинетику [11]. В исследовании P. Basukala и соавт. приводятся данные о том, что значение этого индекса более 2,5 характеризует наличие инсулинорезистентности [10]. Поскольку одним из ключевых патогенетических механизмов развития НАЖБП является именно инсулинорезистентность [1], для построения модели многофакторной логистической регрессии в целях прогнозирования наличия НАЖБП нами выбран индекс FLI (как показавший наибольшую прогностическую значимость как по результатам нашего исследования, так и по данным литературы) в сочетании с индексом HOMA1-IR. Модель показала независимую прогностическую значимость каждого параметра (FLI и HOMA1-IR) с хорошей итоговой чувствительностью (87%) и специфичностью (80%) и AUC=0,933, полученной при ROC-анализе, где в качестве тестируемой переменной выступали предсказанные на основе модели вероятности наличия НАЖБП при УЗИ. Результаты исследования позволяют рекомендовать предложенную диагностическую модель для клинической практики в условиях массовых обследований.

Заключение

При скрининговом обследовании сотрудников нефтедобывающего предприятия наибольшая информативность для прогнозирования наличия НАЖБП при УЗИ выявлена для индекса FLI. Введение в прогностическую модель индекса HOMA1-IR дополнительно к FLI повышает предсказательную способность модели в отношении наличия НАЖБП, установленной по ультрасонографическим критериям; качество модели по результатам ROC-анализа характеризуется как отличное. Применение предложенной двухфакторной логистической модели позволяет в условиях массового обследования достаточно точно прогнозировать наличие НАЖБП и проводить профилактические и терапевтические вмешательства без дополнительного широкого привлечения специалистов ультразвуковой диагностики в целях рационального использования медицинских ресурсов.

Конфликт интересов. Авторы заявляют об отсутствии конфликта интересов.

Conflict of interests. The authors declare no conflict of interest.

Список сокращений
АД – артериальное давление
АЛТ – аланинаминотрансфераза
ДИ – доверительный интервал
ИМТ – индекс массы тела
ЛПВП – липопротеиды высокой плотности
ЛПНП – липопротеиды низкой плотности
МС – метаболический синдром
НАЖБП – неалкогольная жировая болезнь печени
ОТ – окружность талии
ТГ – триглицериды
УЗИ – ультразвуковое исследование
ХС – холестерин
FLI (fatty liver index) – жировой индекс печени
HOMA1-IR – индекс инсулинорезистентности
HSI (hepatic steatosis index) – индекс стеатоза печени
LAP (lipid accumulation products) – продукты накопления липидов
×

About the authors

Aleksandr E. Nosov

Federal Scientific Center for Medical and Preventive Health Risk Management Technologies

Author for correspondence.
Email: nosov@fcrisk.ru
ORCID iD: 0000-0003-0539-569X

кандидат медицинских наук, заведующий стационаром (отделение профпатологии терапевтического профиля)

Russian Federation, Perm

Mariia T. Zenina

Federal Scientific Center for Medical and Preventive Health Risk Management Technologies

Email: nosov@fcrisk.ru
ORCID iD: 0000-0001-6623-3075

врач ультразвуковой диагностики

Russian Federation, Perm

Olga Y. Gorbushina

Federal Scientific Center for Medical and Preventive Health Risk Management Technologies

Email: nosov@fcrisk.ru
ORCID iD: 0000-0002-7592-3219

врач-терапевт стационара (отделение профпатологии терапевтического профиля)

Russian Federation, Perm

Anastasiia S. Baidina

Federal Scientific Center for Medical and Preventive Health Risk Management Technologies

Email: nosov@fcrisk.ru
ORCID iD: 0000-0003-3131-5868

кандидат медицинских наук, врач-кардиолог консультативно-поликлинического отделения

Russian Federation, Perm

Elena M. Vlasova

Federal Scientific Center for Medical and Preventive Health Risk Management Technologies

Email: nosov@fcrisk.ru
ORCID iD: 0000-0003-3344-3361

кандидат медицинских наук, заведующий центром профессиональной патологии

Russian Federation, Perm

Vadim B. Alekseev

Federal Scientific Center for Medical and Preventive Health Risk Management Technologies

Email: nosov@fcrisk.ru

доктор медицинских наук, директор

Russian Federation, Perm

References

  1. Jennison E, Patel J, Scorletti E, Byrne CD. Diagnosis and management of non-alcoholic fatty liver disease. Postgrad Med J. 2019;95(1124):314-22. doi: 10.1136/postgradmedj-2018-136316
  2. European Association for the Study of the Liver (EASL); European Association for the Study of Diabetes (EASD); European Association for the Study of Obesity (EASO). EASL-EASD-EASO Clinical Practice Guidelines for the Management of Non-Alcoholic Fatty Liver Disease. Obesity Facts. 2016;9(2):65-90. doi: 10.1159/000443344
  3. Singh S, Allen AM, Wang Z, et al. Fibrosis progression in nonalcoholic fatty liver vs nonalcoholic steatohepatitis: a systematic review and meta-analysis of paired-biopsy studies. Clinical Gastroenterol Hepatol. 2015;13:643-54. doi: 10.1016/j.cgh.2014.04.014
  4. Targher G, Byrne CD, Lonardo A, et al. Non-alcoholic fatty liver disease and risk of incident cardiovascular disease: A meta-analysis. J Hepatol. 2016;65(3):589-600. doi: 10.1016/j.jhep.2016.05.013
  5. Byrne CD, Targher G. NAFLD: A multisystem disease. J Hepatol. 2015;62(1):47-64. doi: 10.1016/j.jhep.2014.12.012
  6. Mantovani A, Zaza G, Byrne CD, et al. Nonalcoholic fatty liver disease increases risk of incident chronic kidney disease: A systematic review and meta-analysis. Metabolism. 2018;79:64-76. doi: 10.1016/j.metabol.2017.11.003
  7. Оганов Р.Г., Симаненков В.И., Бакулин И.Г., и др. Коморбидная патология в клинической практике. Кардиоваскулярная терапия и профилактика. 2019;18(1):5-66 [Oganov RG, Simanenkov VI, Bakulin IG, et al. Comorbidities in clinical practice. Algorithms for diagnostics and treatment. Cardiovascular Therapy and Prevention. 2019;(1):5-66 (in Russian)]. doi: 10.15829/1728-8800-2019-1-5-66
  8. Практическое руководство по ультразвуковой диагностике. Общая ультразвуковая диагностика. Под ред. В.В. Митькова. М.: Видар-М, 2005 [A practical guide to ultrasound diagnostics. General ultrasound diagnostics. Ed. VV Mitkov. Moscow: Vidar-M, 2005 (in Russian)].
  9. Li X, Zhou Z, Qi H, et al. Replacement of insulin by fasting C-peptide in modified homeostasis model assessment to evaluate insulin resistance and islet beta cell function. Journal of Central South University. Medical sciences. 2004;29(4):419-23
  10. Basukala P, Jha B, Yadav BK, Shrestha PK. Determination of Insulin Resistance and Beta-Cell Function Using Homeostatic Model Assessment in Type 2 Diabetic Patients at Diagnosis. Diabetes Metab J. 2018;9(3):790. doi: 10.4172/2155-6156.1000790
  11. Валеева В.Ф., Нуруллина Г.И. Диагностическая ценность С-пептида и модифицированных индексов HOMA при различных нарушениях углеводного обмена на фоне терапии глюкокортикоидами. Мед. вестн. юга России. 2018;9(1):23-31 [Valeeva FV, Nurullina GI. C-peptide and modified HOMA-index in different carbohydrate metabolism disturbances during glucocorticoid therapy. Medical Herald of the South of Russia. 2018;9(1):23-31 (in Russian)]. doi: 10.21886/2219-8075-2018-9-1-23-31
  12. Nurullina G. The role of HOMA-IR and HOMA_ISLET indices in different carbohydrate metabolism disorders during glucocorticoid therapy. Ann Rheum Dis. 2017;76:1161. doi: 10.1136/annrheumdis-2017-eular.5721
  13. Browning JD, Szczepaniak LS, Dobbins R, et al. Prevalence of hepatic steatosis in an urban population in the United States: impact of ethnicity. Hepatology. 2004;40:1387-95. doi: 10.1002/hep.20466
  14. Prati D, Taioli E, Zanella A, et al. Updated deinitions of healthy ranges for serum alanine aminotransferase levels. Ann Intern Med. 2002;137:1-10. doi: 10.7326/0003-4819-137-1-200207020-00006
  15. Ballestri S, Nascimbeni F, Baldelli E, et al. Ultrasonographic fatty liver indicator detects mild steatosis and correlates with metabolic/histological parameters in various liver diseases. Metabolism. 2017;72:57-65. doi: 10.1016/j.metabol.2017.04.003
  16. Bedogni G, Bellentani S, Miglioli L, et al. The Fatty Liver Index: a simple and accurate predictor of hepatic steatosis in the general population. BMC Gastroenterol. 2006;6(33). doi: 10.1186/1471-230X-6-33
  17. Bedogni G, Kahn HS, Bellentani S, Tiribelli C. A simple index of lipid overaccumulation is a good marker of liver steatosis. BMC Gastroenterol. 2010;10(98). doi: 10.1186/1471-230X-10-98
  18. Xia C, Li R, Zhang S, et al. Lipid accumulation product is a powerful index for recognizing insulin resistance in non-diabetic individuals. Eur J Clin Nutr. 2012;66(9):1035-8. doi: 10.1038/ejcn.2012.83
  19. Zhu J, He M, Zhang Y, et al. Validation of simple indexes for nonalcoholic fatty liver disease in western China: a retrospective cross-sectional study. Endocr J. 2018;65(3):373-81. doi: 10.1507/endocrj.EJ17-0466
  20. Lee JH, Kim D, Kim HJ, et al. Hepatic steatosis index: a simple screening tool reflecting nonalcoholic fatty liver disease. Dig Liver Dis. 2010;42:503-8. doi: 10.1016/j.dld.2009.08.002
  21. Cuthbertson DJ, Weickert MO, Lythgoe D, et al. External validation of the fatty liver index and lipid accumulation product indices, using 1H-magnetic resonance spectroscopy, to identify hepatic steatosis in healthy controls and obese, insulin-resistant individuals. Eur J Endocrinol. 2014;171(5):561-9. doi: 10.1530/EJE-14-0112
  22. Huang X, Xu M, Chen Y, et al. Validation of the Fatty Liver Index for Nonalcoholic Fatty Liver Disease in Middle-Aged and Elderly Chinese. Medicine. 2015;94(40):e1682. doi: 10.1097/MD.0000000000001682
  23. Yang BL, Wu WC, Fang KC, et al. External validation of fatty liver index for identifying ultrasonographic fatty liver in a large-scale cross-sectional study in Taiwan. PLoS One. 2015;10(3):e0120443. doi: 10.1371/journal.pone.0120443.

Supplementary files

Supplementary Files
Action
1. Fig. 1. ROC-curves for FLI, HSI, LAP and NAFLD indices according to ultrasound data.

Download (75KB)
2. Fig. 2. ROC-curves for the HOMA1-IR index and NAFLD according to ultrasound data.

Download (64KB)
3. Fig. 3. ROC-curves for predicted probability based on multivariate logistic model and NAFLD from ultrasound data.

Download (63KB)

Statistics

Views

Abstract: 66

PDF (Russian): 25

Dimensions

Article Metrics

Metrics Loading ...

PlumX

Refbacks

  • There are currently no refbacks.

Copyright (c) 2021 Nosov A.E., Zenina M.T., Gorbushina O.Y., Baidina A.S., Vlasova E.M., Alekseev V.B.

Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
 

Address of the Editorial Office:

  • Novij Zykovskij proezd, 3, 40, Moscow, 125167

Correspondence address:

  • Novoslobodskaya str 31c4., Moscow, 127005, Russian Federation

Managing Editor:

 

© 2018-2021 "Consilium Medicum" Publishing house


This website uses cookies

You consent to our cookies if you continue to use our website.

About Cookies