肝硬化患者消化道出血风险预测模型的系统综述

来源期刊：广州医药 | 277-285 发布时间：2026-03-20 收稿时间：2026/5/6 17:49:37 阅读量：396

作者：: 龙志聪,

揭育胜,

刘爽,

关键词：: 肝硬化消化道出血预测模型系统综述; cirrhosis gastrointestinal bleeding prediction model systematic review

DOI：: 10. 20223 / j. cnki. 1000-8535. 2026. 03. 003

收稿时间：: 2025-07-28
修订日期：
接收日期：
引用总数：: 0

目的汇总分析肝硬化患者消化道出血风险预测模型，为今后模型的建立和优化提供参考。方法系统检索中国知网、维普、PubMed数据库在2025年4月22日前公开发表的所有肝硬化患者消化道出血风险预测模型，按纳入标准筛选文献，对最终纳入文章分析摘录并系统汇总，包括模型特征、危险因素及模型预测评估效果等信息。结果共检索3 603篇预测模型相关研究论文，最终纳入30篇，其中中国27篇、韩国1篇、印度1篇、埃及1篇。22项研究收集了肝硬化病因，其中病毒性肝病最多（72.94%，2 922/4 006），药物性肝病及非酒精性脂肪性肝病最少（均为0.02%，1/4 006）。在研究类型上，有28篇单中心研究，2篇为多中心研究，其中有12个模型未进行验证，只有1个模型进行了外部验证，其余模型只进行了内部验证，曲线下面积（AUC）范围0.680~0.994。根据模型纳入因素特点，分为血常规指标、凝血指标、生化指标、影像学指标、复合指标、其他指标共6种，其中纳入因素最多为影像学指标，最少为凝血指标。在纳入危险因素中，第1位为门静脉直径，第2位为血小板计数，第3位为血红蛋白水平及脾脏硬度，所有因素中与脾脏相关的指标最多。结论肝硬化患者消化道出血风险预测模型研究质量有待提升，影像学指标应用最广，脾脏相关指标重要性突出，门静脉直径、血小板计数、血红蛋白水平及脾脏硬度为最常用的危险预测因素。

Objective To summarize and analyze the prediction models for gastrointestinal bleeding risk in patients with cirrhosis，providing references for the establishment and optimization of future models．Methods A systematic search was conducted in CNKI，VIP，and PubMed for all published prediction models for gastrointestinal bleeding risk in patients with cirrhosis before April 22，2025．Articles were screened according to the inclusion criteria，and the finally included articles were analyzed and summarized，including model characteristics，risk factors，and model prediction evaluation effects．Results A total of 3 603 related research papers on prediction models were initially retrieved，and 30 were finally included，with 27 from China，one from South Korea，one from India，and one from Egypt．Among the 22 studies that collected the etiology of cirrhosis，viral hepatitis was the most common（72.94%，2 922/4 006），while drug-induced liver disease and non-alcoholic fatty liver disease were the least common（0.02%，1/4 006）．In terms of study type，28 were single-center studies and two were multicenter studies．Among them，12 models were not validated，only one model was externally validated，and the rest were only internally validated，with an area under the curve range of 0.680-0.994．According to the characteristics of the factors included in the models，they were divided into six types of indicators：blood routine，coagulation，biochemistry，imaging，composite，and others，among which imaging indicators were the most common and coagulation indicators were the least．In the included risk factors，the first was portal vein diameter，the second was platelets count，and the third was hemoglobin level and spleen stiffness，with the most factors related to the spleen．Conclusions The quality of studies on prediction models for gastrointestinal bleeding risk in cirrhosis patients needs to be improved．Imaging indicators are the most widely used，and spleen-related indicators are of prominent importance，with portal vein diameter，platelets count，hemoglobin level，and spleen stiffness being the most commonly used risk prediction factors．

肝硬化是各种慢性肝病进展至以肝脏弥漫性纤维化、假小叶形成、肝内外血管增殖为特征的病理阶段^［1］，在中国有很高的发病率，而消化道出血是肝硬化患者最严重且最直接的威胁生命的并发症^［2］，有预后差、病死率高的特点，及时找出易发生肝硬化消化道出血的高风险患者人群具有重要临床意义。目前消化道出血筛查主要有内镜、腹部螺旋CT、磁共振血管成像（magnetic resonance angiography，MRA）、肝静脉压力梯度（epaticvenous pressure gradient，HVP）、粪便隐血试验、血红蛋白、血小板计数、凝血酶原时间、纤维蛋白原等，其中内镜是筛查消化道出血的金标准^［3］，但由于其侵入性和价格昂贵的缺点，限制其作为早筛的方法。本文将对已发表的肝硬化引起消化道出血风险预测模型及模型评估文献进行归纳梳理和总结评价，旨在为我国肝硬化人群发生消化道出血风险预测模型的建立和优化提供参考。

1 资料与方法

1.1 文献检索

系统检索2025年4月2 2日前公开发表的、主题为肝硬化患者消化道出血风险的预测模型的文献，中文文献检索基于中国知网和维普两个文献数据库，检索词包括“肝硬化” “肝纤维化” “消化道出血” “食管胃底静脉曲张” “预测”“预警” “评价” “评估” “评分” “模型”。外文文献基于PubMed一个文献数据库，检索词包括“liver cirrhosis” “liver fibrosis” “hepatic fibrosis” “gastrointestinal bleeding” “gastrointestinal hemorrhage”“EGVB” “esophageal variceal bleeding ” “model” “prediction” “assessment” “tool” “score”“rule” “algorithm” “paradigm”。此外，手动检索纳入部分文献的参考文献作为补充。

1.2 纳入标准

（1）基于人群开展的肝硬化患者消化道出血风险预测模型的构建或验证评估研究；（2）模型预测效果评价信息完整；（3）文章语言为中文或英文。

1.3 排除标准

（1）排除会议摘要、学位论文等非正式发表的文献，或综述、评述等非原创性研究及非中文核心期刊的文献；（2）不同语言重复发表的文献。

1.4 信息摘录

制定文献信息摘录表，包括以下项目：（1）模型名称、第一作者、发表年份、人群来源、研究对象纳入条件、研究类型、样本量、模型构建方法等；（2）模型纳入危险因素；（3）模型评价信息，如模型内部或外部验证建模数据样本量、曲线下面积（area under the cure，AUC）等。

1.5 统计学分析

根据检索策略在3个数据库中进行独立检索，采用zotero软件查重并手动剔除重复软件，按文献纳入标准进行筛选，对符合纳入标准的文献进行提取。

2 结果

2.1 文献的检索与筛选

截至2025年4月22日，初检中国知网、维普、PubMed数据库分别获得2 871、490、242篇文献，合计3 603篇，剔除重复及不符合标准的文献共3 573篇，最终纳入30篇文献分析，其中英文文献13篇，中文文献17篇。见图1。

2.2 纳入文献的基本信息

关于肝硬化患者消化道出血预测模型构建研究在2021年开始增多。纳入分析的30项研究来源不同医疗机构，其中中国27项、韩国1项、印度1项、埃及1项。有3项研究对纳入人群无性别分类，其余研究均以男性为主。见表1。

表1 纳入文献的基本信息

序号	国家	研究机构	年份	n（男/女）
1	中国	中南大学湘雅三医院	2025年	467/202
2	中国	南京医科大学第一附属医院	2025年	84/124
3	中国	青岛大学附属医院	2025年	148/76
4	中国	皖南医学院弋矶山医院	2024年	128/75
5	中国	苏州大学附属第一医院	2024年	69/50
6	中国	宁夏医科大学总医院	2024年	139/76
7	中国	山东省公共卫生临床中心	2024年	221/88
8	中国	温州医科大学附属新昌医院	2024年	48/25
9	中国	山西医科大学第一医院	2024年	98/44
10	中国	重庆市妇幼保健院	2024年	89/66
11	中国	川北医学院附属医院	2023年	114/33
12	中国	复旦大学附属中山医院	2023年	109/58
13	中国	兰州大学第一医院	2023年	123/66
14	中国	首都医科大学北京地坛医院	2023年	680/319
15	中国	重庆医科大学第二附属医院	2023年	94/ 55
16	中国	川北医学院附属医院	2023年	100/30
17	中国	中国医科大学附属盛京医院	2022年	—
18	中国	天津市第一中心医院	2022年	85/16
19	中国	联勤保障部队第九〇〇医院	2022年	—
20	中国	陆军军医大学第二附属医院	2022年	589/234
21	中国	中山大学附属第三医院	2022年	288/68
22	中国	天津市第一中心医院	2021年	216/184
23	中国	复旦大学附属中山医院	2021年	68/34
24	中国	四川大学华西医院	2021年	87/64
25	韩国	延世大学附属医院	2019年	165/97
26	中国	西安交通大学第二附属医院	2016年	-
27	中国	潍坊市人民医院	2015年	39/11
28	中国	首都医科大学附属北京友谊医院	2011年	39/19
29	埃及	埃及明亚大学内科部	2011年	115/60
30	印度	圣贾亚甘地医学科学研究所	2007年	87/14

2.3 纳入人群的肝硬化病因分布

有22项研究描述了纳入人群的肝硬化病因，总共4 006例患者，其中病毒性肝病最多，为2 922例（72.94%），药物性肝病及非酒精性脂肪性肝病（nonalcoholic fatty liver disease，NAFLD）最少，均为1例（0.02%）。见图2。

图 2 纳入人群的肝硬化病因分布情况

2.4 模型特征

按文章发表年份排列。研究类型上，有28篇单中心研究，其中回顾性病例对照研究22篇，前瞻性队列研究5篇，前瞻性病例对照研究1篇；2篇为多中心研究，其中回顾性病例对照研究1篇，回顾性队列研究1篇。模型构建方法上，16篇采用Logistic回归模型，11篇采用列线图模型，其中有1篇采用4种建模方法，包括Logistic回归模型、随机森林模型、支持向量机模型、自适应提升算法模型。30个模型中有12个模型未进行验证，只有1个模型进行了外部验证，其余模型只进行了内部验证，AUC范围0.680~0.994。见表2。

表2 纳入模型的特征

第一作者	研究类型	模型名称	建模样本量	AUC	验模方法
Liang[4]	单中心回顾性病例对照研究	列线图模型	669例	0.861	内部验证
Peng[5]	单中心回顾性病例对照研究	Logistic回归	208例	0.956	内部验证
Zhao[6]	单中心回顾性病例对照研究	Logistic回归随机森林模型支持向量机模型 AdaBoost	224例	0.742 0.854 0.719 0.821	—
张成孟[7]	单中心回顾性病例对照研究	列线图模型	203例	0.798	内部验证
李欣忆[8]	单中心回顾性病例对照研究	列线图模型	119例	0.899	内部验证
房延儒[9]	单中心回顾性病例对照研究	列线图模型	215例	0.936	内部验证
白雪[10]	单中心回顾性病例对照研究	Logistic回归	309例	0.802	内部验证
张志远[11]	单中心回顾性病例对照研究	Logistic回归	73例	0.965	—
杨验芬[12]	单中心回顾性病例对照研究	列线图模型	142例	0.969	内部验证
Li[13]	单中心回顾性病例对照研究	列线图模型	145例	0.902	内部验证
谭邦国[14]	单中心前瞻性队列研究	Logistic回归	147例	0.934	内部验证
邱绮璇[15]	单中心回顾性病例对照研究	Logistic回归	167例	0.799	—
申艳[16]	单中心回顾性病例对照研究	列线图模型	189例	0.820	内部验证
Hou[17]	多中心回顾性病例对照研究	人工神经网络模型	999例	0.959	外部验证
Luo[18]	单中心回顾性病例对照研究	列线图模型	149例	0.817	内部验证
Tan[19]	单中心前瞻性队列研究	Logistic回归	130例	0.907	内部验证
孙逸飞[20]	单中心回顾性病例对照研究	Logistic回归	112例	0.924	-
李俊杰[21]	单中心回顾性病例对照研究	列线图模型	101例	0.801	内部验证
谢小华[22]	单中心回顾性病例对照研究	Logistic回归	117例	0.94	-
Liu[23]	单中心前瞻性队列研究	列线图模型	823例	-	内部验证
Liang[24]	单中心回顾性病例对照研究	Logistic回归	356例	0.843	-
门昌君[25]	单中心前瞻性病例对照研究	列线图模型	440例	0.994	内部验证
朱宇莉[26]	单中心回顾性病例对照研究	Pearson线性相关分析	102例	0.950	-
Wan[27]	单中心回顾性病例对照研究	Logistic回归	151例	0.853	-
Heo[28]	多中心回顾性队列研究	Logistic 回归	262例	0.824	内部验证
郭芸蕾[29]	单中心回顾性病例对照研究	Logistic回归	73例	0.840	-
王万鹏[30]	单中心回顾性病例对照研究	Logistic 回归	50例	0.910	-
李琴[31]	单中心回顾性病例对照研究	Logistic 回归	58例	0.680	内部验证
Mona[32]	单中心前瞻性队列研究	Logistic回归	175例	0.940	-
Sharma[33]	单中心前瞻性队列研究	Logistic回归	101例	0.760	-

注：Ada Boost（Adaptive Boosting）指自适应增强，是一种机器学习算法。

2.5 纳入因素分析

所有模型的纳入因素根据其特点分为6种类别，共117个独立危险因素。在所有类别中，最多为影像学指标（41个），最少为凝血指标（8个）。在所有独立危险因素中，门静脉直径被纳入次数最多，共9次，其次为血小板计数，共6次，血红蛋白和脾脏硬度并列第3，均为5次。所有独立危险因素中，与脾脏相关的指标最多，共17个，具体包括脾脏硬度、脾脏面积、脾脏体积、脾脏厚度、脾脏长径、血小板计数/脾双径、血小板计数/脾长径（Plt/S-D）。见表3。

表3 纳入因素

类别	纳入因素（个）	总计/个
血常规指标	白细胞（1）、红细胞（2）、血小板计数（6）、血红蛋白（5）、中性粒细胞百分率（2）、血细胞比容（2）	18
凝血指标	纤维蛋白原（4）、活化部分凝血活酶时间（1）、D-二聚体（1）、凝血酶时间（1）、凝血酶原时间（1）	8
生化指标	总胆红素（2）、总胆汁酸（1）、总胆固醇（2）、血糖（2）、AST（1）、ALT（3）、高密度脂蛋白（2）、C-反应蛋白（1）、白蛋白（3）、总蛋白（1）、球蛋白（1）、尿素（1）、γ-谷氨酰转移酶（1）、CL（1）、Ca（2）	24
影像学指标	肝脏脂肪含量（1）、肝右叶体积（2）、肝硬度（1）、脾脏硬度（5）、脾脏面积（1）、脾脏体积（3）、脾脏厚度（4）、脾脏长径（2）、脾静脉内径（1）、胃左静脉直径（3）、静脉曲张位置和大小（1）、门静脉血栓形成（1）、门静脉直径（9）、门静脉血流峰值（1）、食管周围侧支静脉曲张数量（1）、食管旁侧支静脉直径（1）、奇静脉直径（1）、腹水（4）	41
其他指标	收缩压（1）、性别（2）、年龄（2）、肌少症（1）、病因（2）、吸烟饮酒史（1）、肝硬化失代偿期（1）	9
复合指标	APRI评分（2）、PALBI评分（1）、MAP(ASH)评分（1）、Child-Pugh评分（2）、MELD评分（1）、Rad评分（1）、白球比（A/G）（2）、粒淋比（NLR）（1）、脾静脉内径/淋巴细胞（1）、肝尾状叶体积/总体积（CV/TV）（1）、ASPS评分（声辐射力脉冲成像速率×脾静脉直径）（1）、血小板计数/脾双径（1）、血清腹水白蛋白梯度 (SAAG)（1）、血小板计数/脾长径 (Plt/S-D)（1）	17

注：APRI，天冬氨酸转氨酶和血小板比值指数评分；PALBI，血小板-白蛋白-胆红素评分；MAP(ASH)评分是一种内镜前风险评分；Child-Pugh，肝硬化分期系统评分；MELD，终末期肝病模型评分；Rad，影像组学评分。

3 讨论

近年来，肝硬化患者消化道出血预测模型的研究数量显著增加。本研究经过严格筛选，共纳入30项预测模型研究。其中，27项（占90%）来源于中国，韩国、印度和埃及各1项。在病因构成方面，病毒性肝病（主要为乙型肝炎）占比高达72.94%，而药物性肝病及NAFLD仅占0.02%。这一现象可能与中国肝硬化发病率较高且乙型肝炎为主要病因密切相关^［34-35］。然而，值得注意的是，全球NAFLD的患病率呈持续上升趋势^［36-37］，肝硬化病因谱正经历由病毒性肝病向NAFLD的转变，这可能导致现有预测模型对 NAFLD 人群的预测效能有所下降，未来的研究需要纳入更多其他病因的患者，以进一步优化预测模型，提高其对不同病因患者的适用性。在性别构成方面，除3项未报告性别分布的研究外，其余研究均以男性为主。这可能与雌激素对肝纤维化的预防作用有关^［38］。因此，现有预测模型对女性患者的适用性仍需进一步验证，以确保其在不同性别患者中的准确性和可靠性。

本文研究类型的分析显示，93.3%（28/30）为单中心研究，其中回顾性病例对照研究占比高达73.3%（22/30），而回顾性设计难以避免选择偏倚和混杂因素干扰^［39］。此外，高达40%（12/30）的模型未进行任何形式验证，仅1项多中心回顾性队列研究完成外部验证，这种“重开发、轻验证”的现象，表明目前模型研究存在明显不足，使得模型在真实世界应用中的稳健性存疑，需通过前瞻性多中心协作予以改进。

目前纳入的预测模型的AUC值范围跨度较大，其中门昌君等^［25］基于临床数据及超声内镜检查构建中的模型表现最优（AUC=0.994），但超声内镜作为侵入性操作，存在技术困难、检查成本高等缺点^［40］，不适宜推广，而杨验芬等^［12］通过多维度指标融合构建的模型（性别、血红蛋白、中性粒细胞百分比、血糖、脾脏长径、门静脉内径）预测精度仅次于门昌君等^［25］的研究，在其他依赖单一类别指标的模型的AUC多位于下限区间^{［7，15，31，33］}，表明多模态数据融合对提升预测精度至关重要。值得注意的是，一项采用多种机器学习算法^［6］（随机森林支持向量机AdaBoost）的比较研究显示，集成学习方法（如随机森林）在复杂非线性关系识别上可能优于传统Logistic回归，提示其在预测模型构建的潜力。

在对肝硬化患者消化道出血风险的预测因素研究中，影像学指标在6类预测因素中占比最高，达到35.0%（41/117）。其中，门静脉直径是出现频率最高的影像学预测因素，共出现9次。研究表明，当门静脉直径≥13 mm时，即可提示存在门静脉高压，门静脉高压是导致食管胃底静脉曲张及其破裂出血的重要因素^［41］。此外，脾脏硬度也是重要的影像学预测因素，共出现5次。脾脏硬度的增加反映了脾脏的纤维化和淤血程度，有研究发现，在评估门静脉高压时，脾脏硬度优于肝硬度^［42］，并有学者提议将其作为门静脉高压症的标志物^［43］。本研究发现与脾脏直接相关的预测因素数量最多，总共17例，直接体现了脾脏相关指标在预测肝硬化消化道出血中的重要性。血小板计数是所有模型中排名第2位的预测因素，共出现6次，其降低主要源于脾脏功能亢进致破坏增多^［44］，这进一步验证了脾脏在预测方面的能力。

近年来，随着对肝硬化及其并发症研究的不断深入，除传统指标外，一些新兴标志物也逐渐受到关注。研究表明，血浆YAP1（Yes-associated protein 1）作为一种信号传导分子，在预测肝硬化患者食管静脉曲张方面表现出色，其对食管静脉曲张的预测AUC可达0.944，对于高危食管静脉曲张的预测AUC更是高达0.955^［45］。此外，还有研究发现，肝硬化患者血清sCD163浓度与静脉曲张分级、风险体征呈正相关，当血清sCD163浓度的临界值大于4 mg/L时，其对高风险食管静脉曲张的预测AUC可达0.939，对指数出血风险的预测AUC更是高达0.977^［46］。这些新型标志物的发现，为临床医生在评估肝硬化患者食管静脉曲张风险时提供了更为精准的参考依据，有助于实现早期干预和精准治疗，从而改善患者的预后。

综上所述，近年来肝硬化患者消化道出血风险预测模型的研究取得了显著进展，但仍面临诸多挑战。当前的研究大多集中于病毒性肝炎患者群体，且研究设计多为单中心的回顾性病例对照研究，缺乏对模型的充分验证。未来的研究方向应聚焦于推进前瞻性、多中心合作研究，扩大研究人群的多样性，主动纳入不同病因以及足够比例的女性患者，以开发和验证更具普适性的预测模型。同时，应重视模型的内部验证，尤其是外部验证，以确保模型的可靠性与可推广性。此外，积极探索机器学习等先进算法在挖掘复杂数据关系中的优势，整合多维度数据和新技术，构建更加准确、稳定且实用的预测模型，将为临床实践提供有力支持。

1、YOSHIJI H，NAGOSHI S，AKAHANE T，et al．Evidence-based clinical practice guidelines for liver cirrhosis 2020［J］．J Gastroenterol，2021，56（7）：593-619．

2、ALQAHTANI S A，JANG S．Pathophysiology and management of variceal bleeding［J］．Drugs，2021，81（6）：647-667．

3、FOUAD Y，ALBORAIE M．Computed tomography for the prediction of oesophageal variceal bleeding：A surrogate or complementary to the gold standard?［J］．World J Gastrointest Endosc，2024，16（3）：98-101．

4、LIANG L X，LIANG X，ZENG Y，et al．Establishment and validation of a nomogram for predicting esophagogastric variceal bleeding in patients with liver cirrhosis［J］．World J Gastroenterol，2025，31（9）：102714．

5、PENG J，JIN H，ZHANG N，et al．Development and evaluation of a predictive model of upper gastrointestinal bleeding in liver cirrhosis［J］．BMC Gastroenterol，2025（25）：142．

6、ZHAO H，ZHANG X，HUANG B，et al．Application of machine learning methods for predicting esophageal variceal bleeding in patients with cirrhosis［J］．Eur Radiol，2025，35（3）：1440-1450．

7、张成孟，丁治民，孙宵宇，等．定量CT肝脏脂肪含量联合临床指标预测肝硬化患者食管胃底静脉曲张破裂出血风险的初步研究［J］．放射学实践，2024，39（7）：902-906．

8、李欣忆，李娇娇，李莹莹，等．基于APRI和PALBI构建的列线图对肝硬化并发食管胃底静脉曲张破裂出血的预测价值［J］．临床肝胆病杂志，2024，40（3）：521-526．

9、房延儒，王聪，虎骁龙，等．肝硬化静脉曲张患者上消化道大出血风险的预测模型研究［J］．中华急诊医学杂志，2024，33（5）：671-676．

10、白雪，刘晓艳，杜文军，等．肝硬化合并食管胃底静脉曲张患者发生破裂出血的危险因素分析［J］．安徽医科大学学报，2024，59（1）：149-153．

11、张志远，邓卉．基于超声及实验室参数的Logistic回归模型预测肝硬化食管胃底静脉曲张破裂出血的临床价值［J］．临床超声医学杂志，2024，26（6）：491-495．

12、杨艳芬，史诗，刘晓芳，等．基于无创诊断指标构建乙型肝炎肝硬化上消化道出血的预测模型研究［J］．中国现代医学杂志，2024，34（5）：58-64．

13、LI Z，HE Q，YANG X，et al．A clinical-radiomics nomogram for the prediction of the risk of upper gastrointestinal bleeding in patients with decompensated cirrhosis［J］．Front Med，2024（11）：1308435．

14、谭邦国，王晶，陈小倩，等．基于肝脾及门静脉MRI形态学特征的Logistic回归模型预测乙肝肝硬化继发食管胃底静脉曲张出血风险［J］．国际医学放射学杂志，2023，46（1）：10-15．

15、邱绮璇，艾英杰，钱贤灵，等．基于CT门静脉血管成像的无创模型评估肝硬化门静脉高压患者的食管胃底静脉曲张［J］．复旦学报（医学版），2023，50（4）：494-501．

16、申艳，赵正斌，李潇，等．肝硬化门静脉血栓合并食管胃底静脉曲张破裂出血的危险因素及列线图模型构建［J］．中华肝脏病杂志，2023，31（10）：1035-1042．

17、HOU Y，YU H，ZHANG Q，et al．Machine learning-based model for predicting the esophagogastric variceal bleeding risk in liver cirrhosis patients［J］．Diagn Pathol，2023，18（1）：29．

18、LUO R，GAO J，GAN W，et al．Clinical-radiomics nomogram for predicting esophagogastric variceal bleeding risk noninvasively in patients with cirrhosis［J］．World J Gastroenterol，2023，29（6）：1076-1089．

19、TAN B G，TANG Z，OU J，et al．A novel model based on liver/spleen volumes and portal vein diameter on MRI to predict variceal bleeding in HBV cirrhosis［J］．Eur Radiol，2023，33（2）：1378-1387．

20、孙逸飞，张伟鹏，黄丽萍．脾脏剪切波弹性成像对需要治疗的乙型肝炎肝硬化食管胃底静脉曲张的无创评估［J］．中国医科大学学报，2022，51（6）：529-533．

21、李俊杰，孙岩岩，李将宏，等．乙型肝炎肝硬化上消化道出血的ΔCT特征性表现及预测模型的建立［J］．临床肝胆病杂志，2022，38（5）：1081-1085．

22、谢小华，洪峻峰．超声及血清学指标预测乙肝肝硬化患者食管胃底静脉曲张的诊断价值［J］．中国超声医学杂志，2022，38（12）：1384-1387．

23、LIU C H，LIU S，ZHAO Y B，et al．Development and validation of a nomogram for esophagogastric variceal bleeding in liver cirrhosis：A cohort study in 1099 cases［J］．J Dig Dis，2022，23（10）：597-609．

24、LIANG H，SI H，LIU M，et al．Non-invasive prediction models for esophageal varices and red signs in patients with hepatitis B virus-related liver cirrhosis［J］．Front Mol Biosci，2022（9）：930762．

25、门昌君，张国梁，邵娴．基于超声内镜及临床数据预测肝硬化患者出血风险的列线图模型建立［J］．中华肝脏病杂志，2021，29（8）：759-765．

26、朱宇莉，丁红，付甜甜，等．二维剪切波弹性成像技术联合APRI指数预测中重度食管胃底静脉曲张的临床价值［J］．中国超声医学杂志，2021，37（2）：150-152．

27、WAN S，WEI Y，ZHANG X，et al．CT-derived quantitative liver volumetric parameters for prediction of severe esophageal varices and the risk of first variceal hemorrhage［J］．Eur J Radiol，2021（144）：109984．

28、HEO J Y，KIM B K，PARK J Y，et al．Multicenter retrospective risk assessment of esophageal variceal bleeding in patients with cirrhosis：An acoustic radiation force impulse elastography-based prediction model［J］．Gut Liver，2019，13（2）：206-214．

29、郭芸蕾，鲁晓岚，程妍，等．肝脾硬度联合门静脉宽度评估肝硬化食管胃底静脉曲张出血风险［J］．中华肝脏病杂志，2016，24（1）：56-61．

30、王万鹏，冯静，许蕾，等．肝炎肝硬化患者并发食管胃底静脉曲张破裂出血的预测指标研究［J］．中国全科医学，2015，18（22）：2676-2679．

31、李琴，苏强，王婧，等．无创评估肝硬化患者食管和（或）胃底静脉曲张因素的分析［J］．首都医科大学学报，2011，32（3）：426-430．

32、ABU EL MAKAREM M A，SHATAT M E，SHAKER Y，et al．Platelet count/bipolar spleen diameter ratio for the prediction of esophageal varices：The special Egyptian situation：Noninvasive prediction of esophageal varices［J］．Hepat Mon，2011，11（4）：278-284．

33、SHARMA S K，AGGARWAL R．Prediction of large esophageal varices in patients with cirrhosis of the liver using clinical，laboratory and imaging parameters［J］．J Gastroenterol Hepatol，2007，22（11）：1909-1915．

34、LIU J，LIANG W，JING W，et al．Countdown to 2030：Eliminating hepatitis B disease，China［J］．Bull World Health Organ，2019，97（3）：230-238．

35、LIU Z，LIN C，MAO X，et al．Changing prevalence of chronic hepatitis B virus infection in China between 1973 and 2021：A systematic literature review and meta-analysis of 3740 studies and 231 million people［J］．Gut，2023，72（12）：2354-2363．

36、LI W，ALAZAWI W．Non-alcoholic fatty liver disease［J］．Clin Med，2020，20（5）：509-512．

37、LIU Y B，CHEN M K．Epidemiology of liver cirrhosis and associated complications：Current knowledge and future directions［J］．World J Gastroenterol，2022，28（41）：5910-5930．

38、KASARINAITE A，SINTON M，SAUNDERS P T K，et al．The influence of sex hormones in liver function and disease［J］．Cells，2023，12（12）：1604．

39、ZEALLEY I．Retrospective studies - utility and caveats［J］．J R Coll Physicians Edinb，2021，51（1）：106-110．

40、LESMANA C R A，PARAMITHA M S，GANI R A，et al．The role of endoscopic ultrasound for portal hypertension in liver cirrhosis［J］．J Med Ultrason，2022，49（3）：359-370．

41、SINGH S，CHANDAN S，VINAYEK R，et al．Comprehensive approach to esophageal variceal bleeding：From prevention to treatment［J］．World J Gastroenterol，2024，30（43）：4602-4608．

42、REIBERGER T．The value of liver and spleen stiffness for evaluation of portal hypertension in compensated cirrhosis［J］．Hepatol Commun，2022，6（5）：950-964．

43、RIVA M A，FERRAINA F，PALEARI A，et al．From sadness to stiffness：The spleen’s progress［J］．Intern Emerg Med，2019，14（5）：739-743．

44、PECK-RADOSAVLJEVIC M．Thrombocytopenia in chronic liver disease［J］．Liver Int，2017，37（6）：778-793．

45、ZHAO W，XUE N，CUI P，et al．Plasma YAP1 predicts esophageal varices and the risk of variceal bleeding in liver cirrhosis［J］．Biomark Med，2021，15（15）：1411-1422．

46、TAHER M Y，EL-HADIDI A，EL-SHENDIDI A，et al．Soluble CD163 for prediction of high-risk esophageal varices and variceal hemorrhage in patients with liver cirrhosis［J］．GE Port J Gastroenterol，2021，29（2）：82-95．

1、广东省自然科学基金 - 面上项目（2021A1515012617）()