基于肌少癥的慢加急性肝衰竭患者90天死亡風險預測模型的建立及驗證

摘要：目的旨在結合肌少癥及其他臨床指標，構建并驗證一個慢加急性肝衰竭（ACLF）患者死亡風險的新預測模型，以提高對ACLF患者預后評估的準確性。方法選取2019年1月—2022年1月于首都醫科大學附屬北京佑安醫院住院的ACLF患者380例，采用分層隨機抽樣法按照6：4的比例將其分為訓練組（ ?-228 ）和測試組 [n=152] 。在訓練組中，通過CT圖像測量第三腰椎骨骼肌面積，計算第三腰椎骨骼肌指數（L3-SMI）。肌少癥的診斷依據前期多中心研究建立的中國北方正常成年人L3-SMI參考值。采用單因素和多因素 Cox 回歸分析，構建結合肌少癥及臨床風險因素的“肌少癥-ACLF模型”，并通過列線圖展示。采用受試者操作特征曲線下面積（AUC）評估模型的預測效能，使用校準曲線評估模型的校準度，使用決策曲線分析（DCA）評估其臨床應用價值。計量資料兩組間比較采用成組 Φ_t 檢驗或Mann-Whitney U 檢驗。計數資料兩組間比較采用 χ² 檢驗。采用Kaplan-Meier方法繪制生存曲線，組間比較使用Log-rank檢驗。不同模型間AUC的差異比較采用DeLong檢驗。結果根據多因素 Cox 回歸分析結果，將肌少癥 （HR=1.962，95%CI=1.185～3.250，P=0.009） 、總膽紅素 （HR=1.003 =95%CI_：1.002～1.005 = Plt;0.001 ）、國際標準化比值 （HR=1.997，95%CI=1.674～2.382，Plt;0.001） 和乳酸 {HR=1.382，95%CI 1.170～1.632，Plt;0.001） 納入肌少癥-ACLF模型。訓練隊列中，肌少癥-ACLF模型預測ACLF患者90天死亡風險的AUC為0.80，較MELD-Na評分的AUC（O.73）有所提高 （Z=1.97，P=0.049 ）。測試隊列中，肌少癥-ACLF模型的AUC為O.79，顯著高于MELD評分（ AUC=0.69 0 ?Z=2.70，P=0.007 和MELD-Na評分（ AUC=0.68 ） 1Z=2.92，P=0.004） 。校準曲線顯示該模型具有良好的校準能力，預測的死亡風險與實際觀察結果之間一致性較好。DCA結果顯示，在一定的閾值概率范圍內，訓練隊列和測試隊列中的肌少癥-ACLF模型均表現出較MELD評分和MELD-Na評分更高的凈收益。結論本研究開發的肌少癥-ACLF模型為預測ACLF患者90天死亡風險提供了更準確的工具，可支持臨床決策和優化治療策略。

關鍵詞：慢加急性肝功能衰竭；肌減少癥；預后

基金項目：高層次公共衛生技術人才建設項目（學科帶頭人-01-12）；北京市醫院管理中心“登峰\"計劃專項（DFL20221501）；北京市科技新星計劃（20220484201）；北京自然科學基金項目（7232081）

Establishmentand validation of arisk predictionmodel for90-daymortalityin patients with acute-on-chronic liver failure based on sarcopenia

CHEN Huina ^I，2，3 ， KONG Ming ^2，3 ， ZHANG Siq ^?2，3 ， XU Manman ^2，3 ，CHEN Yu^2，3 ， DUAN Zhongping2，3 1.BeijingTiantanHospital，CapitalMedicalUniversity，BeijingOo7o，China；2.FourthDepartmentofLiverDiseaseCenter， Beijing YouAn Hospital，CapitalMedicalUniversity，BeijingOo9，China;3.Beijing MunicipalKeyaboratoryofLverilure and Artificial Liver TreatmentResearch，Beijingooo69，China Corresponding author： DUAN Zhongping，duan2517@163.com （ORCID： 0000-0002-8455-0426） Abstract：ObjectiveToestablishandvalidateanewpredictionmodelfortheriskofdeathinpatientswithacute-on-chronicliver

KeyWords：Acute-On-ChronicLiverFailure;Sarcopenia；Prognosis

Researchfunding：Construction Projectof High-level TchnologyTalentsinPublic Health（Discipline leader-01-12）；Beijing HospitalsAuthority’sAscentPlan（DFL20221501）；BeijingNovaProgram（20220484201）；Beijing Natural ScienceFoundation （7232081）

營養不良是由于營養攝入不足、吸收障礙或代謝異常導致的機體營養素缺乏狀態，在慢性疾病患者中尤為常見[1]。研究表明，營養不良會顯著增加患者的并發癥發生率、延長住院時間并提高病死率，對疾病預后產生不利影響[2-3]。肌少癥是營養不良的直接表現之一，指骨骼肌量和肌力的進行性、全身性減少，導致身體功能受損、生活質量下降和死亡風險增加[4-5]。

目前，肌少癥的診斷和評估可基于肌肉質量、肌力和肌肉功能等參數。雙能X線吸收法和生物電阻抗分析是評估全身肌肉量的常用手段。然而，在臨床實踐中，計算機斷層掃描（CT）因其高精度和可重復性，已成為評估肌肉質量的金標準[6-7]。利用CT圖像測量第三腰椎骨骼肌面積（L3-SMA），并計算第三腰椎骨骼肌指數（L3-SMI），此方法已被應用于肌少癥的診斷[8]。本研究采用的肌少癥診斷標準基于本課題組前期開展的一項多中心、回顧性、橫斷面研究[9，該研究建立了中國北方正常成年人L3-SMI的參考值，將低于第5百分位數的L3-SMI作為低肌肉含量的臨界值，即男性 L3-SMIlt;40.2cm²/m² ，女性L3-（204號 SMIlt;31.6cm²/m² 。

近年來，肌少癥已成為各類疾病研究的熱點，廣泛涉及心血管疾病、腫瘤和肝病等領域[10-12]。在心血管疾病中，肌少癥被認為是心力衰竭患者再入院和死亡的獨立預測因素[13];在腫瘤患者中，肌少癥與化療毒性增加、生存期縮短密切相關[14];在肝病領域，肌少癥與肝硬化患者的預后不良、高并發癥發生率和病死率相關[15]

慢加急性肝衰竭（ACLF）是指在慢性肝病基礎上，由各種誘因導致的急性肝功能失代償，伴有高短期病死率[16]。在ACLF患者中，肌少癥的患病率較高，且對預后有重要影響[17]。早期準確預測ACLF患者的預后對于臨床決策和患者管理具有重要意義，可指導治療策略的選擇，如肝移植時機的確定，從而改善患者預后。

目前，臨床上常用的預測ACLF預后的工具主要是終末期肝病模型（MELD）評分和MELD-Na評分。然而，有研究表明這兩個評分在預測ACLF患者預后時存在局限性，其預測準確性有限，如MELD和MELD-Na評分主要基于肝功能和腎功能指標，并未納入炎癥反應、多個器官功能衰竭等關鍵預后因素，可能導致對患者死亡風險的低估[18]。此外，MELD和MELD-Na評分在不同人群中的預測效能存在差異，對亞洲人群的適用性可能較低[19]

鑒于肌少癥對ACLF預后的重要影響，將肌少癥納入預后預測模型可能提高預測的準確性。因此，本研究旨在構建并驗證一個結合肌少癥及其他臨床變量的ACLF患者預后預測模型，并與傳統的MELD評分進行比較，以期為改善ACLF預后提供新策略。

1資料與方法

1.1研究對象回顧性收集2019年1月—2022年1月在首都醫科大學附屬北京佑安醫院住院的ACLF患者資料。納人標準：（1）符合亞太肝病學會定義的ACLF診斷標準[16；（2）年齡 ?20 歲；（3）在住院第1周內完成可供分析的腹部CT掃描。排除標準：（1）合并肝癌或其他惡性腫瘤；（2）嚴重的肝外器官疾病，如呼吸衰竭或心力衰竭；（3）其他消耗性疾病，如結核病或甲狀腺功能亢進；（4）神經肌肉疾病或長期臥床狀態；（5）長期皮質類固醇治療；（6隨訪期間接受肝移植的患者；（7）無身高和體質量數據的患者；（8）隨訪中失訪的患者。采用分層隨機抽樣法按照6：4的比例將納入患者分為訓練組和測試組。

1.2臨床數據收集與隨訪收集的數據包括患者的人□學信息，如性別、年齡、身高和體質量；病史，包括主訴、現病史、既往史、家族史及并發癥（如腹水、肝性腦病、感染和急性腎損傷）；基線實驗室檢查結果，包括總膽紅素、白蛋白、血清肌酐、血清鈉、乳酸、國際標準化比值、白細胞計數、血紅蛋白和血小板計數。計算患者的MELD評分和MELD-Na評分。由于ACLF患者常伴有水腫和腹水等液體潴留現象，因此需根據臨床評估的腹水量對體質量進行校正，計算干體質量。具體扣除比例為：輕度腹水扣除實測體質量的 5% ，中度腹水扣除10% ，重度腹水扣除 15% ；若存在外周水腫則額外扣除5%^[20] 。身體質量指數（BMI）的計算公式為： BMI=Γ 干體質量 （kg） /身高的平方 （m²） 。根據中國的BMI評估標準，BMI≥24kg/m² 被認為是肥胖。通過電子病歷和電話隨訪評估患者的預后，主要關注患者入院后90天內的生存情況。

1.3CT影像獲取所有患者均采用仰臥位進行腹部CT掃描，使用LightSpeed64排CT掃描儀（GEHealthcare，美國）。掃描參數設置如下：管電壓 120kV ，管電流 380mA ，探測器準直寬度為 0.625mm ，掃描層厚和重建層厚均為5mm ，螺距為 5mm 。獲得的CT影像以DICOM（醫學數字成像和通信）格式導出并保存，用于測量L3-SMA。

1.4肌少癥的診斷 使用SliceOmatic5.0軟件（TomoVision公司，加拿大Magog，網址：http：//www.tomovision.com）測量L3-SMA（圖1）。在“RegionGrowing\"模式下，利用“Grow2D\"和\"Paint”工具，設置肌肉組織的放射密度范圍為 -29～150HU ，進行半自動分割。將測得的L3-SMA除以身高的平方，計算L3-SMI。根據前期研究確定的肌少癥診斷標準（男性 L3-SMIlt;40.2cm²/m²， 女性L3-SMIlt;31.6cm²/m²）^[9] ，判斷患者是否存在肌少癥。

注：a和b分別代表男性和女性的橫斷面圖像;紅色區域為使用SliceOmatic軟件測量的SMA。

1.5模型構建與驗證在訓練組中，首先對可能影響ACLF預后的臨床變量進行單因素 Cox 回歸分析。隨后，將這些因子納入多因素Cox模型，采用雙向逐步回歸法，并以Akaike信息準則（AIC）作為模型選擇標準[21]，最終建立了包含肌少癥和臨床風險因素的預測模型。在此基礎上，繪制可視化列線圖。受試者操作特征曲線下面積（AUC）用于評估模型的準確性，并采用DeLong檢驗比較不同模型間AUC的差異。繪制校準曲線以評估模型的校準度，采用決策曲線分析（DCA）評估模型的臨床實用性。1.6統計學方法應用R軟件（版本4.0.3）進行統計學分析。正態分布的計量資料以 表示，兩組間比較采用成組 Φ_t 檢驗；非正態分布的計量資料以 M（P₂₅～P₇₅） 表示，兩組間比較采用Mann-Whitney U 檢驗。計數資料兩組間比較采用 χ² 檢驗。采用Kaplan-Meier方法繪制生存曲線，組間比較使用Log-rank檢驗。 Plt;0.05 為差異有統計學意義。

2結果

2.1ACLF患者的基線特征共納入380例ACLF患者，其中訓練組228例，測試組152例。兩組在臨床特征方面差異均無統計學意義（ P 值均 gt;0.05 （表1）。ACLF患者年齡主要集中在 40～60 歲，占比為 59.5%（226/380） 。隨訪期間，兩組間的90天生存率亦無統計學差異（ 67.5% VS71.1%，P=0.39 。

2.2肌少癥對ACLF患者預后的影響訓練隊列中，肌少癥患者共有44例（ 19.3% ）；測試隊列中，肌少癥患者共有31例 20.4% ）。90天生存曲線結果顯示，在兩個隊列中，肌少癥患者的生存率均顯著低于非肌少癥患者 （χ² 值分別為 11.70，8.90，P 值分別為lt;0.001、0.003）（圖2）。

2.3預測模型的建立與驗證通過對訓練隊列進行單因素Cox回歸分析，共篩選出11個與預后顯著相關的變量 P 值均 lt;0.05 ）（表2）。將上述變量納入多因素 Cox 回歸模型，最終確定了4個獨立預測因子：肌少癥（ HR= 1.962，95%CI：1.185＼～3.250， P=0.009 ）、總膽紅素（ HR= $1 . 0 0 3 ， 9 5 ＼% C I ＼colon 1 . 0 0 2 ＼sim 1 . 0 0 5 ， P { lt; } 0 . 0 0 1 ＼$ 、國際標準化比值（HR=1.997，95%CI：1.674～2.382，Plt;0.001） 和乳酸（ HR= 。基于上述指標，建立ACLF患者90天死亡風險的預測模型，即肌少癥-ACLF模型，并以列線圖的形式呈現（圖3）。

通過AUC評估模型的預測性能，結果顯示，訓練隊列中，肌少癥-ACLF模型的AUC為O.80，較MELD-Na評分的AUC有所提高，差異有統計學意義 （Z=1.97，P=0.049） 。測試隊列中，肌少癥-ACLF模型的AUC為0.79，顯著高于MELD評分（ Z=2.70 P=0.007 和MELD-Na評分（ 2.92，P=0.004， 的AUC（表3）。

2.4預測模型的性能評價校準曲線結果顯示，在訓練隊列和測試隊列中，肌少癥-ACLF模型預測的生存概率與實際觀察值之間具有良好的一致性（圖4）。DCA評估結果顯示，在一定的閾值概率范圍內，訓練隊列和測試隊列中的肌少癥-ACLF模型均表現出比MELD評分和MELD-Na評分更高的凈收益（圖5），表明肌少癥-ACLF模型在臨床決策中具有更大的應用價值。

3討論

本研究成功構建了一個結合肌少癥和其他臨床變量的ACLF患者90天死亡風險預測模型。結果顯示，該模型在訓練集和測試集中均表現出較好的預測性能，優于傳統的MELD和MELD-Na評分，對于ACLF患者的預后評估和臨床管理具有重要意義。

本研究發現，肌少癥是影響ACLF患者預后的獨立危險因素，肌少癥患者的90天生存率顯著低于非肌少癥患者。該結果強調了在預后評估中納入肌少癥的重要性。肌少癥在肝硬化和肝衰竭患者中普遍存在，其高發病率與長期營養不良、炎癥反應和代謝紊亂密切相關[22-23]。通過影響蛋白質代謝、促進炎癥介質釋放和改變能量代謝等機制，肌少癥可能加速疾病進展，增加患者的死亡風險[24]。因此，在ACLF患者的管理中，應重視肌少癥的評估和干預。

在模型構建中，將肌少癥與總膽紅素、國際標準化比值和乳酸水平相結合，建立了肌少癥-ACLF模型。上述指標反映了肝功能損傷和全身代謝狀態是預后評估的重要參數。總膽紅素和國際標準化比值是評估肝病預后的經典指標，已被廣泛應用[25]；乳酸水平升高可能反映組織低灌注和代謝紊亂，預示不良預后[26]。此外，肝外器官衰竭數量在單因素分析中與預后顯著相關，但在多因素分析中未表現為獨立影響因素，可能是由于變量間存在共線性或樣本量限制[27]。因此，在臨床評估中，仍需重視肝外器官衰竭對患者預后的潛在影響。

本研究中，年齡在單因素和多因素分析中均未表現為ACLF預后的獨立影響因素，且與肌少癥的發生無顯著統計學關聯。這可能是由于研究對象的年齡主要集中在40～60歲，年齡分布相對集中；此外，ACLF患者病情嚴重，疾病的急性進展和多器官功能障礙可能對預后起主導作用，掩蓋了年齡的影響。盡管如此，臨床實踐中仍需關注年齡較大患者的管理，因其可能伴隨更多的合并癥和較差的生理儲備能力。

在臨床實踐中，利用腹部CT掃描評估L3-SMA，計算L3-SMI，已被廣泛應用于評估肌肉質量[28-29]。ACLF患者常規進行腹部CT檢查，因此無需額外的檢查和費用[30]。通過定量測量肌肉質量，臨床醫生可以早期識別高?；颊?，制訂個體化的營養支持和康復計劃，以改善預后。

此外，營養不良對ACLF患者的預后有重要影響，脂肪組織的變化同樣值得關注。脂肪組織不僅是能量儲備，還具有內分泌和免疫調節功能[31]。研究表明，脂肪消耗與不良預后相關，皮下脂肪減少可預測感染和多器官衰竭的發生[32]。因此，在評估患者的營養狀態時，應綜合考慮肌肉和脂肪的變化，建立包含多種營養指標的綜合預測模型，可能進一步提高預測準確性。

然而，本研究也存在一定的局限性。首先，作為一項回顧性研究，僅通過影像學測量肌肉面積，未能評估肌肉質量和功能，可能無法全面反映肌少癥的程度。肌肉功能的評估，如握力和步速等，對于全面了解肌少癥的影響具有重要意義[4]。其次，本研究為單中心研究，樣本量有限，可能存在選擇偏倚，影響結果的外推性。需要開展多中心、大樣本的前瞻性研究，以驗證模型的穩定性和可推廣性。此外，肌少癥的診斷標準尚未完全統一，不同地區和種族的人群可能需要調整閾值[33]。未來的研究可以應用影像組學技術，從CT影像中提取更全面的肌肉質量特征，包括肌肉密度和紋理等參數，以進一步提高評估的準確性和可比性[34]。

綜上所述，本研究構建的結合肌少癥的ACLF預后預測模型，具有較高的準確性和實用性。肌少癥在ACLF患者的預后評估中具有重要作用，應引起臨床重視。加強對肌少癥的評估和干預，可能為改善ACLF患者的預后提供新的策略。

倫理學聲明：本研究方案于2023年9月15日經由首都醫科大學附屬北京佑安醫院倫理委員會審批，批號：京佑科倫字[2020]140號。

利益沖突聲明：本文不存在任何利益沖突。

作者貢獻聲明：陳慧娜、孔明負責采集數據，分析數據，撰寫論文，二者對本文貢獻等同，同為第一作者；張思琪、徐曼曼、陳煜參與論文修改；段鐘平負責擬定寫作思路，指導撰寫文章并最終定稿。

參考文獻：

[1]BARKER LA，GOUT BS，CROWE TC.Hospital malnutrition：Prevalence，identification and impact on patientsand the healthcaresystem[J].IntJEnvironResPublic Health，2011，8（2）：514-527.DOI： 10.3390/ijerph8020514.

[2]CORREIA MI，WAITZBERG DL. The impact of malnutrition on morbidity，mortality，lengthofhospitalstayandcostsevaluatedthrougha multivariatemodelanalysis[J].ClinNutr，2003，22（3）：235-239.DOl： 10.1016/s0261-5614（02）00215-7.

[3]ALLARD JP，KELLER H，JEEJEEBHOYKN，etal.Malnutritionat hospitaladmission-contributorsand effect on length of stay：Aprospective cohort study from the Canadian malnutrition task force[J]. JPENJParenterEnteralNutr，2016，40（4）：487-497.DOI：10.1177/ 0148607114567902.

[4]CRUZ-JENTOFT AJ，BAHAT G，BAUERJ，et al. Sarcopenia： Revised European consensus on definition and diagnosis[J].Age Ageing， 2019，48（1）：16-31.DOl：10.1093/ageing/afy169.

[5]CEDERHOLMT，BARAZZONIR，AUSTINP，et al.ESPEN guidelines ondefinitionsand terminology of clinical nutrition[J].Clin Nutr，2017， 36（1）：49-64.DOl：10.1016/j.clnu.2016.09.004.

[6]Chinese Society of Hepatology，Chinese Medical Association;ChineseSociety of Gastroenterology， Chinese Medical Association.Clinical guidelinesonnutrition inend-stage liver disease[J].JClin Hepatol， 2019，35（6）： 1222-1230.DOl： 10.3969/j.issn.1001-5256.2019.06.010. 中華醫學會肝病學分會，中華醫學會消化病學分會.終末期肝病臨床營 j.issn.1001-5256.2019.06.010.

[7]GENG N，KONG M，CHEN Y，et al.Value of L3 skeletal muscle index innutritional diagnosis of end-stage liver disease[J]. J Clin Hepatol，2021，37（10）：2493-2496.DOl：10.3969/j.issn.1001-5256. 2021.10.050. 耿楠，孔明，陳煜，等.第三腰椎骨骼肌指數在終末期肝病營養診斷中的 應用價值[J].臨床肝膽病雜志，2021，37（10）：2493-2496.DOI：10. 3969/j.issn.1001-5256.2021.10.050.

[8]KAMACHI S，MIZUTAT，OTSUKAT，etal.Sarcopenia isa risk factor forthe recurrence of hepatocellular carcinomaafter curative treatment[J].Hepatol Res，2016，46（2）：201-208.DOl：10.1111/hepr. 12562.

[9]KONG M，GENG N，ZHOUY，et al.Defining reference values for low skeletal muscle indexat the L3vertebra level based oncomputed tomography in healthyadults：Amulticentrestudy[J].ClinNutr，2022， 41（2）：396-404. DOl： 10.1016/j.clnu.2021.12.003.

[10]CURCIO F，TESTA G，LIGUORl I， et al. Sarcopenia and heart failure [J].Nutrients，2020，12（1）： E211. DOl： 10.3390/nu12010211.

[11]SHACHAR SS，WILLIAMS GR，MUSS HB，et al.Prognostic value of sarcopenia in adults with solid tumours：A meta-analysisand systematic review[J].Eur J Cancer，2016，57：58-67.DOl：10.1016/j. ejca.2015.12.030.

[12]KIM G，KANG SH，KIM MY，et al.Prognostic value of sarcopenia in patients with liver cirrosis： A systematic review and meta-analysis [J].PLoS One，2017，12（10）： e0186990. DOl： 10.1371/journal.pone. 0186990.

[13] SPRINGER J， SPRINGER JI， ANKER SD. Muscle Wasting and sarcopenia in heart failureand beyond：Update 2017[J].ESC Heart Fail， 2017，4（4）：492-498.DOl：10.1002/ehf2.12237.

[14]JOGLEKAR S，ASGHAR A，MOTT SL，et al. Sarcopenia is an independent predictorof complications followingpancreatectomy foradenocarcinoma[J].JSurg Oncol，2015，111（6）： 771-775.DOl：10.1002/ jso.23862.

[15]O'BRIEN A，WILLIAMS R. Nutrition in end-stage liver disease：Principlesand practice[J].Gastroenterology，2008，134（6）：1729-1740. DOI： 10.1053/i.gastro.2008.02.001.

[16]SARIN SK，CHOUDHURY A，SHARMA MK，et al. Acute-on-chronic liver failure： Consensus recommendations of the Asian Pacific association for the study of the liver（APASL）：Anupdate[J].Hepatol Int，2019，13（4）：353-390. DOl： 10.1007/s12072-019-09946-3.

[17]CAREY EJ，LAI JC，WANG CW，etal.A multicenter study to define sarcopenia in patients with end-stage liver disease[J].Liver Transpl， 2017，23（5）：625-633.DOl：10.1002/lt.24750.

[18]SHI Y，YANG Y， HU YR，et al. Acute-on-chronic liver failure precipitatedby hepatic injury is distinct from that precipitatedbyextrahepatic insults[J].Hepatology，2015，62（1）：232-242.DOl：10.1002/ hep.27795.

[19]LI H，CHEN LY，ZHANG NN，et al.Characteristics，diagnosis and prognosis of acute-on-chronic liver failure in cirrhosisassociated to hepatitis B[J].Sci Rep，2016，6： 25487.DOl： 10.1038/srep25487.

[20]NISHIKAWA H，SHIRAKI M，HIRAMATSU A，et al. Japan Society of Hepatologyguidelinesforsarcopeniain liverdisease（ 1^st edition）： Recommendation from the working group for creation of sarcopenia assessmentcriteria[J].HepatolRes，2016，46（10）：951-963.DOl： 10.1111/hepr.12774.

[21]AKAlKE H.A new look at the statistical model identification[J]. IEEETrans AutomContr，1974，19（6）：716-723.DOl： 10.1109/TAC. 1974.1100705.

[22」MONTANO-LOZAAJ，MEZA-JUNCOJ，PRADO CMM，etal.Muscle wastingis associated with mortality in patientswith cirrhosis[J]. Clin Gastroenterol Hepatol，2012，10（2）：166-173.DOl： 10.1016/j.cgh. 2011.08.028.

[23]HANAI T，SHIRAKI M，WATANABE S，et al.SarCOpenia predicts minimal hepaticencephalopathyinpatientswithlivercirrhosis[J]. HepatolRes，2017，47（13）：1359-1367.DOl：10.1111/hepr.12873.

[24]DASARATHY S. Cause and management of muscle wasting in chronic liverdisease[J].CurrOpinGastroenterol，2016，32（3）：159-165.DOl： 10.1097/MOG.0000000000000261.

[25]KAMATH PS，WIESNER RH，MALINCHOC M，et al.A model to predict survival in patients with end-stage liver disease[J]. Hepatology， 2001，33（2）： 464-470.DOl： 10.1053/jhep.2001.22172.

[26]BERNALW，DONALDSON N，WYNCOLL D，et al.Blood lactate as anearlypredictor of outcome inparacetamol-induced acute liver failure：A cohort study[J].Lancet，2002，359（9306）：558-563.DOI： 10.1016/S0140-6736（02）07743-7.

[27]HERNAEZR，SOLAE，MOREAUR，etal.Acute-on-chronic liver failure： An update[J].Gut，2017，66（3）： 541-553.DOl：10.1136/gutjnl2016-312670.

[28]MOURTZAKIS M，PRADO CMM，LIEFFERS JR， et al.A practical and precise approachto quantification ofbody composition in cancer patientsusingcomputedtomographyimagesacquiredduringroutine care[J].Appl Physiol NutrMetab，2008，33（5）：997-1006.DOl：10. 1139/H08-075.

[29]SHEN W，PUNYANITYA M，WANG ZM，et al.Total body skeletal muscle and adipose tissue volumes：Estimation from a single abdominal cross-sectional image[J].JAppl Physiol （1985），2004，97 （6）：2333-2338.DOl：10.1152/japplphysiol.00744.2004.

[30]PRADO CMM，HEYMSFIELD SB. Lean tissue imaging：AneW era for nutritionalassessmentand intervention[J].JPENJParenterEnteral Nutr，2014，38（8）：940-953.D0l：10.1177/0148607114550189.

[31]CLEMENTE-SUAREZVJ，REDONDO-FLOREZL，BELTRAN-VELASCO Al，etal.The role of adipokines in health and disease[J].Biomedicines，2023，11（5）：1290.DOl：10.3390/biomedicines11051290.

[32]EBADI M，MONTANO-LOZA AJ. Clinical relevance of skeletal muscle abnormalities in patientswith cirrhosis[J].Dig Liver Dis，2019，51 （11）：1493-1499. DOl： 10.1016/j.dld.2019.05.034.

[33]CHENLK，WOO J，ASSANTACHAI P，et al.Asian Working group for sarcopenia：2019 consensus update on sarcopenia diagnosisand treatment[J].JAmMedDirAssoc，2020，21（3）：300-307.DOl：10. 1016/j.jamda.2019.12.012.

[34]PETOUSI N， TALBOT NP，PAVORD I， et al. Measuring lung function inairways diseases：Current and emerging techniques[J].Thorax， 2019，74（8）：797-805.DOl：10.1136/thoraxjnl-2018-212441.

收稿日期：2024-10-07：錄用日期：2024-11-19本文編輯：葛俊

引 證 本 文： CHEN HN，KONG M，ZHANG SQ，et al.Establishmentandvalidationofariskpredictionmodel for90-daymortality inpatientswithacute-on-chronicliverfailurebasedonsarcopenia[J].JClin Hepatol，2025，41（6）：1135-1142.

陳慧娜，孔明，張思琪，等.基于肌少癥的慢加急性肝衰竭患者90天死亡風險預測模型的建立及驗證[J].臨床肝膽病雜志，2025，41（6）：1135-1142.