本项目研究主要分为两个部分：一是建立一种简单、方便的慢性乙肝患者无创肝纤维化诊断模型，二是通过肝活检证实慢性乙肝患者脂肪变程度样本的临床数据，开发一种用于鉴别慢性乙型肝炎患者NAFLD的列线图模型。我们将所建立的模型应用于广大慢性乙肝及慢性乙肝合并脂肪肝的患者，实现了无创、简便、快速地进行患者肝脏病变的评估。

       慢性乙型肝炎病毒（HBV）感染可能诱发慢性肝炎、肝硬化和肝细胞癌（HCC），全球约有2.5亿慢性HBV感染者。慢性HBV感染是一个动态过程，HBV感染的个体可能会经历不同的临床阶段，显示出不同水平的ALT、HBV DNA和HBV抗原水平。ALT和HBVDNA水平以及肝纤维化的严重程度是长期结局的重要预测指标以及治疗开始和反应评估的指标 。然而，对于ALT水平持续处于正常或轻度升高的HBV感染者，建议行肝活检（评估肝纤维化和炎症的“金标准”）以明确诊断。肝活检是一种有创性检查、成本高，患者不易接受，且为了监测疾病进展或指导治疗行多次肝脏活检更加困难。因此，使用无创参数评估肝纤维化的程度尤为重要。目前已有方法大多用于HCV感染和/或HCV/HIV合并感染中的肝纤维化评估。在显示ALT水平持续正常的HBV感染患者的肝纤维化方面，通过瞬态弹性成像（一种非侵入性技术）进行的肝纤维化测量（LSM）优于APRI和FIB-4。然而，在ALT<2×ULN的HBeAg阳性患者中，其他非侵入性人口统计学、临床和实验室参数的价值，尤其是它们与LSM的结合，需要进一步阐明。因此，本研究旨在开发一种无创方法，将LSM和常规可用的无创参数纳入分析中，以评估ALT<2×ULN的HBeAg阳性患者的肝纤维化，其依据是肝活检的纤维化分期。结果还与讨论最多的模型APRI和FIB-4以及新开发的GPR进行了比较。对290例ALT<2×ULN的HBeAg阳性患者用于无创肝纤维化模型的建立及验证，实验组（n=203）、验证组（n=87）。根据 METAVIR分期，实验组患者分为无显著性纤维化（F0-1）和显著性纤维化（F2-4）。进行Logistic回归分析以确定肝纤维化的因素，并建立评分系统。通过受试者操作特征曲线（ROC）和ROC下面积（AUROC）值显示评分识别纤维化严重程度的能力。多因素logistic回归分析显示，HBeAg（样本与临界值的比值（S/CO））和肝硬度测量（LSM；kPa）是肝纤维化的独立因素。通过分别为不同的HBeAg和LSM水平分配1、2或3分，开发了一个由HBeAg和LSM组成的评分系统。HBeAg和LSM总分的2-3分、4分和5-6分分别表示无显著性、不确定性和显著性纤维化。该评分系统的AUROC为0.880。在验证组患者和整个患者组中，识别显著和非显著纤维化的准确率分别为77.14%和71.26%。结果表明该评分系统在预测HBeAg阳性慢性乙型肝炎患者肝纤维化方面优于大多数使用的模型APRI和FIB-4以及新开发的GPR。该评分系统不仅灵敏度高、特异性高、诊断准确率高、重现性好，而且计算简单、使用方便，具有良好的病人接受度和较快的无创性结果可得性。该评分可特别用于肝纤维化的动态评估，并可减少肝活检的需要，使HBeAg阳性且ALT≤2×ULN的患者的临床护理更安全、更方便。

       慢性乙型肝炎 (CHB) 患者合并非酒精性脂肪肝 (NAFLD) 较为常见，CHB/NAFLD患者的肝纤维化程度增加，肝硬化和肝细胞癌的风险较高。早期发现肝脂肪变性对CHB患者具有重要意义。目前，肝活检仍是肝脂肪变性的金标准。考虑到侵袭性和取样误差，且不能常规用于CHB患者肝脂肪变性的筛查和动态监测。影像学检查（US、CT、TE）的费用较高或肝脏脂肪变性诊断效能低（US诊断时肝细胞脂肪变性＞20%），限制了其普遍使用。本研究旨在建立非侵入性列线图以准确检测慢性乙型肝炎者的NAFLD。本研究包括535例肝活检证实的慢性乙型肝炎患者，伴或不伴NAFLD。多因素Logistic回归分析确定NAFLD的独立危险因素是体重指数、血清尿酸、低密度脂蛋白胆固醇水平和糖尿病。然后将危险因素纳入列线图。结合这4个因素的列线图ROC曲线下面积(AUC) 为0.864，预测患者NAFLD的一致性指数为0.864，校正曲线拟合良好。本研究所建立的肝脂肪变性列线图（HSN）模型的优点如下。首先，本研究开发了一个基于临床病理学的列线图模型，而不是其他一些研究中的US或CT。其次，HSN模型由列线图表示，列线图是一种将临床参数的分析和图形方法与诊断联系起来的方法。医生可以很容易地与患者讨论病情，患者可以通过使用本研究的列线图更好地了解病情。第三，该模型在诊断慢性乙型肝炎患者NAFLD方面优于FSI、HSI、SIHBV和US。第四，该模型包含常规检查中容易获得的关键指标。然而它仍然有一些局限性。首先，这项研究是基于单个中心的数据进行的。第二，与其他模型相比，我们的模型更好，但我们的研究没有设立验证组。我们将继续积累数据以确认该模型的有效性，并尝试在未来与其他医院合作进行外部验证。综上所述，本研究通过结合BMI、SUA、LDL和DM建立了一种简单、无创、有效和方便的模型。该模型可以很容易地用于鉴别慢性乙型肝炎患者的NAFLD，从而促进患者的管理。