消化方向SCI最新一区发文方向！公共数据顶刊文献分享（附选题方向整理）

为了帮助大家更好地开展科研工作，本公众号将长期针对医学全科提供SCI顶刊文献剖析，希望能为大家提供一些科研选题灵感。

本期为大家分享的是消化方向最新的公共数据库发文解读，文末我也为大家整理了下一步可以重点关注的选题方向，如果对你有帮助，请不吝啬将好文分享给更多人。

期刊名：Lancet Gastroenterology & Hepatology

影响因子：38.6

中科院分区：1区

自引率：1.3%

年发文量：68篇

期刊名：Clinical Gastroenterology and Hepatology

影响因子：12.0

中科院分区：1区

自引率：3.3%

年发文量：199篇

背景与目标：非酒精性脂肪性肝病（NAFLD）和肌肉减少症可能与晚期肝病有关。我们的目的是评估 NAFLD 患者肌肉减少症与纤维化风险之间的关联。

方法：我们使用了全国健康和营养检查调查（2017-2018）。NAFLD 的定义是短暂弹性成像，没有其他导致肝病或过量饮酒的原因。显著纤维化（SF）和晚期纤维化 （AF）分别定义为肝脏硬度大于 8.0 kPa 和大于 13.1 kPa。肌肉减少症是根据美国国立卫生研究院基金会的定义来定义的。

结果：在整个队列（N = 2422）中，18.9% 患有肌肉减少症，9.8% 患有肥胖性肌肉减少症，43.6% 患有 NAFLD，7.0% 患有 SF，2.0% 患有房颤。此外，50.1%既无肌少症也无 NAFLD，6.3%无 NAFLD 肌肉减少症，31.1%无肌少症 NAFLD，12.5%无肌少症 NAFLD。与没有 NAFLD 或肌肉减少症的个体相比，肌肉减少性 NAFLD 患者的 SF 发生率更高（18.3% vs 3.2%）和 AF（7.1% vs 0.2%）。在没有肌肉减少症的情况下，与没有 NAFLD 的个体相比，NAFLD 患者患 SF 的风险显著增加（比值比，2.18;95%CI，0.92-5.19）。在存在肌肉减少症的情况下，NAFLD 与 SF 风险增加相关（比值比，11.27;95% CI，2.79-45.56）。这种增加与代谢成分无关。归因于 NAFLD 和肌肉减少症相互作用的 SF 比例为 55%（归因比例，0.55;95%CI，0.36-0.74）。增加休闲时间的体力活动与降低肌肉减少症的风险有关。

结论：肌肉减少性 NAFLD 患者有患 SF 和 AF 的风险。增加体力活动和以改善肌肉减少性 NAFLD 为目标的健康饮食可以降低严重纤维化的风险。

 核心结果：

肌少症合并 NAFLD 的患者患显著纤维化和晚期纤维化的风险更高，增加休闲时间的运动和健康饮食可降低严重纤维化的风险。

 下一步研究启示：

• 干预措施：通过干预运动时间，运动强度和饮食质量，探索其对严重纤维化的改善；

• 健康政策：结合寿命与卫生经济学证据，为公共健康策略制定提供支撑。

背景与目标：超加工食品（UPF）可能会对排便习惯产生负面影响。我们旨在评估 UPF 与美国（U.S.）成年人未加工或最低限度加工食品（MPF）摄入量和排便习惯之间的关联。

方法：我们使用国家健康和营养检查调查（2005-2010 年）的数据进行了一项横断面研究。我们使用了两次 24 小时饮食回忆，并根据 Nova 分类计算了 UPF 和 MPF 的摄入量。便秘和腹泻是使用布里斯托尔大便形式量表和大便频率定义的。我们进行了调查加权 logistic 回归和替代分析，以估计比值比（OR）和 95% 置信区间（confidence intervals，CI）。

结果：在 12,716 名美国成年人中，有 1290 例便秘病例和 1067 例腹泻病例。UPF 和 MPF 摄入量的中位数分别占每天总克数的 26.5% 和 66.2%。较多的 UPF 摄入量（以%克/d 为单位）与较高的便秘几率相关（调整后的 OR [aORQ4 vs Q1]，2.20;95% CI，1.76-2.74）（P 趋势 < .001），但腹泻无关（aORQ4 vs Q1,0.82;95% CI，0.62-1.09）（P 趋势 = .12）。MPF 消费量增加与便秘几率降低相关（aORQ4 vs Q1,0.46;95% CI，0.370-0.57）（P 趋势 < .001）。调整饮食质量后，与便秘的关联减弱（aORQ4 与 Q1，UPF，1.53;强积金，0.69）。用同等比例的 MPF 代替 10% 的 UPF 摄入量与较低的便秘几率相关（aOR，0.90;95% CI，0.87-0.93）。

结论：UPF 摄入量与便秘的几率较高相关，而 MPF 摄入量增加的几率较低。食品加工对排便习惯的影响与饮食质量无关。 

 核心结果：

UPF 摄入量较多的便秘率增加约 120%，食品加工对排便习惯的影响与饮食质量无关。

 下一步研究启示：

• 探讨不同人群之间的异质性。

• 针对高UPF摄入人群采用相应的干预措施。

• 探讨运动等行为的作用。

背景：急性肝衰竭（ALF）是一种死亡率高的异质性综合征。目前的预后模型无法捕捉病理生理学异质性，需要精细化的患者分层和个性化的治疗策略。

方法：我们分析了来自六个国际重症监护数据库（MIMIC-IV 作为发现队列，n = 1,227；五个验证队列：MIMIC-III CareVue、eICU、HiRID、NWICU 和 SICdb，n = 1,464）的 2,691 名成年 ALF 患者。我们开发了一种基于多算法共识的急性肝功能衰竭分类 （MCALFC） 方法，集成了十种聚类算法，以根据临床参数、干预措施、合并症和药物识别不同的亚型。我们在数据库中验证了这些亚型，进行了生存分析，使用 XGBoost 进行 SHAP 分析以确定关键的区别特征，并评估了治疗反应的异质性。

结果：出现了三种强大的 ALF 表型：亚型 1 （28.3%） - “严重血流动力学衰竭”，伴有严重的心血管不稳定（MAP 78.9 mmHg，HR 113.5 bpm），最高疾病严重程度（SAPS II：62.0，SOFA：12.2）和器官支持要求;亚型 2 （44.6%） - “心血管功能障碍”伴有严重低血压 （MAP 69.1 mmHg） 但心率低 （84.3 bpm）;亚型 3 （27.0%） - “超急性肝坏死”，血流动力学保留 （MAP 99.4 mmHg） 但严重肝细胞损伤 （ALT 1059.8 U/L，AST 1427.3 U/L）。亚型在一年的随访中表现出不同的生存轨迹（28 天死亡率：亚型 2 HR 0.48,95% CI：0.40-0.59;亚型 3 HR 0.39,95% CI：0.31-0.50 与亚型 1）。治疗反应差异很大：肾上腺素在亚型 1 （OR 1.68） 中有害，但在亚型 2 和 3 中具有保护性 （OR 0.47， 0.34）;右美托咪定有益于亚型 3 （OR 0.26），但伤害亚型 2 （OR 1.47）;肾脏替代治疗在亚型 3 （OR 2.05） 中显示出最高的风险。

结论：ALF 包括三种不同的表型，具有独特的病理生理特征、预后轨迹和治疗反应。这种表型分类在多个国际数据库中得到了验证，为 ALF 管理中的精准医学提供了一个框架，并挑战了当前一刀切的治疗范式。

 核心结果：

探讨 ALF 各亚型的临床特征，为精准医疗提供依据。

 下一步研究启示：

机制深度挖掘、临床转化验证和精准干预策略。

背景：肝切除术后肝衰竭（PHLF），定义为肝切除术后的急性肝功能衰竭，仍然是缺乏早期检测方法的术后死亡率的主要并发症。本研究旨在利用尖端的人工智能（AI）技术，使用围手术期数据进行广泛的时间特征分析，将 PHLF 的检测推进到术后前 24 小时。

方法：这项全国性的多中心回顾性研究对中国六家不同地域医院的 1832 名患者进行了。该中国队列分为 681 个用于训练深度学习模型的案例和 1151 个用于验证的案例。收集每位患者围手术期电子健康记录（EHR）数据，包括术后 24 h 内的基本特征和术前、术中、术后早期因素。纳入来自重症监护医疗信息集市 （MIMIC）-IV 数据库的 242 例病例，主要包括围手术期 EHR 数据有限的白种人患者，以评估西方人群的稳健性。PHLF 在术后第 5 天或之后通过凝血酶原时间/INR 和高胆红素血症同时升高来诊断，并根据国际肝外科研究组标准进行分级。所提出的算法采用强大的基础模型（Bio-Clinical Bidirectional Encoder Representation from Transformers）和上下文感知的 Transformer 模块对围手术期数据进行深入的时间特征调查，以便早期发现 PHLF。将我们的方法与最先进的机器学习和深度学习方法进行了比较。对模型的可解释性进行了 T 分布随机邻域嵌入和 Shapley 加性解释分析。系统地评估了我们的模型在常规临床实践中的多功能性。这项研究已在 ClinicalTrials.gov （NCT06532214） 注册。

发现：我们的模型在术后 24 小时内检测 PHLF 的准确度很高，在中国队列的内部验证中达到 0.952，在外部验证中达到 0.884，优于其他竞争算法。在具有具有挑战性不完整 EHR 数据的 MIMIC-IV 队列中，我们的模型的 AUC 为 0.654，这仍然优于替代算法，表明西方人群具有泛化潜力。可解释性分析表明，该模型能够有效地将所有围手术期因素编码为考虑时间相关性的判别性高维特征嵌入。重要的是，我们的模型具有临床上可接受的可解释性，即模型检测到 PHLF 的患者可能正在经历肝功能衰竭的发作，这些肝功能衰竭的发作完全是由肝体积减少、广泛的手术损伤和潜在的肝病驱动的。进一步的评估表明，我们的模型具有卓越的多功能性，可以支持围手术期与阶段无关的 PHLF 预测、PHLF 的风险分层和不完整的变量输入。重要的是，我们的模型显示出预测临床相关 PHLF 的高能力。与仅临床医生的预测相比，我们模型辅助的临床医生预测有显著改善（AUC = 0.778 vs. 0.637，P = 0.009）。

解释：我们的模型在准确性、通用性、可解释性和多功能性方面取得了最先进的性能，可在手术后前 24 小时内早期检测 PHLF。这种方法有望改变肝切除术的围手术期管理并改善危及生命的 PHLF 的抢救。

 核心结果：

建立早期发现肝切除术后肝衰竭的临床模型以改善其预后。

 下一步研究启示：

研究改善的干预措施的时机、剂量及精细化治疗。

通过本期分享的几篇最新SCI文献，目前消化方向基于临床或人群数据分析的研究选题，可以重点关注以下几个方向：

• 多中心研究：结合公共数据库和自有数据库，提高结果的可靠性和外推性。

• 联合作用：探讨多种因素之间的联合作用；如不同疾病、运动和饮食。

• 饮食模式：热点饮食行为，如超加工食物、含糖饮料等对于肝脂肪变性或肝纤维化间的联系。

• 环境暴露与心血管疾病：空气污染、重金属、噪声等环境因素对肝脂肪变性或肝纤维化的长期影响。