目的基于机器学习算法,构建太原市乙型肝炎表面抗原(hepatitis B surface antigen,HBsAg)阳性母亲婴儿乙型肝炎疫苗无/弱应答的风险预测模型,为此类高风险婴儿的早期识别和预防提供参考。方法选取2019年11月—2023年10月在太原市第三人民医院妇产科分娩的HBsAg阳性产妇及其分娩的婴儿作为研究对象,采用问卷调查和病历查阅方式收集数据。采用多因素logistic回归分析模型筛选危险因素,采用5折交叉验证划分数据集,采用合成少数样本过采样方法对训练集数据进行重采样处理后,分别构建logistic回归、极端梯度提升(extreme gradient boosting,XGBoost)、决策树、随机森林模型,并采用受试者工作特性曲线下面积(area under the curve,AUC)评价模型预测性能。结果共收集到HBsAg阳性母婴253对,其中无/弱应答率为10.28%(26/253)。Logistic回归分析模型结果显示,母亲乙型肝炎病毒DNA载量、新生儿髓样分化因子88蛋白百分比、磷酸化核因子κB蛋白百分比、浆细胞百分比是婴儿乙型肝炎疫苗无/弱应答的影响因素。将以上因素纳入预测模型,在验证集中各模型AUC均>0.800,其中以XGBoost算法构建的预测模型效能最佳(AUC=0.919)。结论基于机器学习算法,尤其是XGBoost算法,建立的太原市HBsAg阳性母亲婴儿乙型肝炎疫苗无/弱应答风险预测模型具有较好的效能,有助于预测婴儿乙型肝炎疫苗无/弱应答发生。
目的探讨乙型肝炎(乙肝)表面抗原(Hepatitis B surface antigen,HBsAg)阳性母亲乙肝病毒(Hepatitis B virus,HBV)DNA载量和婴儿出生时线粒体抗病毒信号蛋白(Mitochondrial antiviral signaling protein,MAVS)信号通路对婴儿接种乙肝疫苗(Hepatitis B vaccine,HepB)无/弱应答的影响。方法选择2019年11月至2022年6月太原市某医院分娩的HBsAg阳性母亲及其婴儿,检测母亲HBV DNA载量、婴儿出生时脐血免疫细胞比例和MAVS信号通路蛋白表达百分比、婴儿乙肝免疫球蛋白和HepB全程接种后1-2月血清乙肝表面抗体(Hepatitis B surface antibody,HBsAb)。采用多因素Logistic回归模型分析HBV DNA和MAVS信号通路对婴儿接种HepB无/弱应答的影响。结果婴儿HepB全程接种后无/弱应答率为14.38%(22/153)。多因素Logistic回归分析显示,母亲HBV DNA载量高、脐血MAVS、pIRF3和pNF-κB蛋白表达百分比低、脐血浆细胞比例低的婴儿HepB无/弱应答率高[OR(95%CI):3.94(1.11-14.00)、1.44(1.15-1.73)、4.17(1.16-14.96)、1.94(1.38-2.51)、3.97(1.14-13.79)]。结论HBsAg阳性母亲HBV DNA载量和婴儿出生时MAVS信号通路显著影响婴儿接种HepB的免疫应答;相关检测有助于识别HepB无/弱应答高危人群。
