Обзор 18 работ: модели диагностики жировой болезни печени при диабете 2 типа без внешней валидации

Исследователи из аффилированной больницы Цзянсуского университета (Чжэньцзян, Китай) опубликовали систематический обзор многофакторных диагностических моделей MAFLD и родственных фенотипов жировой болезни печени у взрослых с диабетом 2 типа. Статья вышла в Frontiers in Endocrinology 13 ноября 2026 года (doi.org/10.3389/fendo.2026.2012376). Обзор охватывает 18 диагностических исследований, в которых описаны 52 различные спецификации моделей. Ни одно исследование не представило чёткой независимой внешней валидации frontiersin.orgdoi.orgfrontiersin.orgОткрыть источник ↗.

Поиск и методы

Авторы искали работы в восьми базах данных, четырёх международных и четырёх китайских, с момента их создания до мая 2026 года. Два рецензента независимо отбирали исследования и извлекали данные по схеме CHARMS. Риск смещения и применимость оценивали по PROBAST. Из-за существенной клинической и методологической неоднородности результаты обобщили описательно, без объединения.

По определению заболевания исследования распределились так: 7 по MAFLD, 8 по NAFLD и 3 по MASLD. MAFLD был заранее заданным основным исходом. Работы по NAFLD и MASLD рассматривали как косвенные подтверждающие данные, их показатели не объединяли и напрямую не сравнивали с моделями MAFLD. Подходящих прогностических исследований и моделей для новых случаев болезни найдено не было.

Валидация и предикторы

Одно исследование, Feng Leyi и соавторов (2024), использовало выборки из одной больницы в разное время, но период валидации предшествовал периоду разработки. Независимость участников подтвердить не удалось, поэтому работу не отнесли к независимой внешней валидации. Остальные исследования сообщали о результатах на выборке разработки или о внутренней валидации frontiersin.orgdoi.orgfrontiersin.orgОткрыть источник ↗.

Чаще всего в модели входили ИМТ, триглицериды (TG) и холестерин ЛПВП (HDL-C). По словам авторов, эта повторяемость носит описательный характер и не доказывает устойчивость эффектов предикторов или клиническую пользу. Значения AUC нельзя напрямую сравнивать между разными популяциями, определениями исхода и категориями валидации, поэтому суммарный диапазон AUC не рассчитывали.

PROBAST показал высокий общий риск смещения, в основном из-за ограничений в домене анализа. Недостаточное описание само по себе не приравнивали к высокому риску смещения. Авторы заключают, что модели демонстрируют различающую способность в условиях своих исследований, а перенос между диагностическими системами не обоснован.

Авторы призывают разрабатывать прогностические модели новых случаев, планировать размер выборки и применять методы работы с пропусками, полно описывать модели и калибровку, оценивать клиническую пользу и проводить строгую внешнюю валидацию в репрезентативных популяциях. Обзор зарегистрирован в PROSPERO под номером CRD420261439469 frontiersin.orgdoi.orgfrontiersin.orgОткрыть источник ↗.