了解慢性乙型肝炎患者体内HBsAg在血清中持续消失的现象，对于制定有效的抗病毒治疗方案极为关键。不过，目前使用的预测模型存在诸多缺陷，而新近研发的模型能否有效解决这些问题，还需进一步观察和验证。
研究背景
CHB是全球公共卫生领域的一大挑战，治疗上主要依靠抗病毒疗法。在制定治疗方案时，准确预测HBsAg的长期血清学清除情况显得尤为关键。但现有的预测模型存在一些缺陷，比如样本量不够、未纳入肝硬化患者群体、仅关注短期预测等，这些问题对治疗决策的准确性及实际效果造成了严重影响。
研究对象与数据
韩国天主教大学管理的四家医疗机构中，共有2032名HBeAg检测为阴性的慢性乙型肝炎患者，他们尚未接受抗病毒治疗，并参与了本次研究。这些患者的年龄、性别以及病情状况均有所不同。在随访期间，依照CHB诊疗指南和韩国的医疗保险规定，我们实施了抗病毒治疗，同时对病毒学指标进行了定期的检测，这些做法确保了研究数据的高度准确性和丰富性。
分组依据
在为期两年的基线观察阶段，依据HBV DNA的检测结果，患者被分成了LLV组、HLV组和IHV组三个不同的类别。在LLV组里，有超过一半的患者，即53.0%，他们的HBV DNA水平始终维持在较低状态；相对的，在IHV组中，这一比例降至31.8%，HBV DNA水平出现了起伏；至于HLV组，仅占15.2%，其成员的HBV DNA水平却持续保持在较高状态。这种分组可以有的放矢地实施，便于我们对不同病毒血症的级别进行详尽分析；此外，它还能协助我们探究这些级别对HBsAg血清清除作用的具体影响。
主要结局指标
主要目标是实现HBsAg血清的清除，规定检测需相隔至少六个月进行两次，且两次检测结果都必须为阴性，方算达标。这一标准既严谨又科学，能精确展现HBsAg血清清除的研究情况，为后续分析和模型构建提供了稳固的依据。
模型构建与验证
研究人员构建了两个预测模型，一个是HepBLOSS-1，另一个是简化版的HepBLOSS-2。HepBLOSS-1模型是以HBV DNA分组、年龄分组、性别以及HBsAg水平为依据来构建的，而HepBLOSS-2模型在构建过程中则排除了性别这一变量。这两个模型分别对753例患者的独立队列进行了内部验证、外部验证和敏感性分析，分析结果显示，它们在预测患者5年、10年和15年的血清学清除情况时，均显示出良好的预测能力。其C指数和时间依赖性AUROC值位于0.81至0.89的区间内，且时间依赖性AUROC值超过了0.80，表明模型在预测血清学清除率方面与实际观察到的清除率高度一致。
研究意义
这项研究确定了血清学清除的几个重要预测因素，比如HBV DNA的含量、患者的年龄、性别以及HBsAg的浓度等。据此，研究者们建立了一个名为HepBLOSS的模型，该模型能够有效地预测病人在接下来的15年内实现血清学清除的几率。这种评估结果为慢性乙型肝炎患者提供了更科学的抗病毒治疗方案选择依据，有助于提高治疗效果，并有望改善他们的预后情况。
您认为这样的综合考量多方面因素的预测模型，未来是否会在医疗治疗中广泛使用？期待各位点赞并分享，同时热烈欢迎大家积极留言，展开讨论！
