无创乙肝肝硬化诊断模型的构建方法及诊断列线图的应用与流程

技术特征：
1.一种乙肝肝硬化诊断模型的构建方法，其特征在于：采用lasso算法从训练队列的临床资料中提取预测因子，通过倍数交叉验证法选取系数非零的参数进行二元logistic回归，得到乙肝肝硬化诊断模型；所述乙肝肝硬化诊断模型＝0.231
×
iii型前胶原 0.011
×
iv型胶原 0.003
×
透明质酸-0.013
×
血小板 0.124
×
肝脏硬度-2.387。2.根据权利要求1所述的乙肝肝硬化诊断模型的构建方法，其特征在于：所述临床资料包括血液学和影像学检查。3.根据权利要求2所述的乙肝肝硬化诊断模型的构建方法，其特征在于：所述血液学的检查指标包括iii型前胶原、iv型胶原、透明质酸和血小板，所述影像学检查为二维剪切波弹性成像得到的肝脏硬度数值。4.一种乙肝肝硬化诊断模型，其特征在于：其由权利要求1所述的构建方法得到。5.一种乙肝肝硬化诊断列线图，其特征在于：其由权利要求4所述乙肝肝硬化诊断模型制作得到。6.如权利要求5所述的乙肝肝硬化诊断列线图在制备评估诊断肝硬化中的应用。7.根据权利要求6所述的应用，其特征在于：将5个临床常用指标iii型前胶原、iv型胶原、透明质酸、血小板和肝脏硬度在乙肝肝硬化诊断列线图中找到相应得分，并计算总分，总分对应的即为该患者患有肝硬化的概率。8.如权利要求5所述的乙肝肝硬化诊断列线图在制备评估肝纤维化中的应用。9.如权利要求5所述的乙肝肝硬化诊断列线图在制备预防及治疗肝硬化中的应用。

技术总结
本发明提供了一种无创乙肝肝硬化诊断模型的构建方法及诊断列线图的应用，该构建方法包括：采用最小绝对收缩与选择算法(Lasso算法)从训练队列的临床资料(如血液学和影像学检查)中提取预测因子，通过倍数交叉验证法选取系数非零的参数进行二元Logistic回归，得到乙肝肝硬化诊断模型＝0.231


技术研发人员：周俭 胡捷 张翔宇 王征
受保护的技术使用者：复旦大学附属中山医院
技术研发日：2021.10.14
技术公布日：2022/1/14