慢加急性肝衰竭患者90天死亡的危险因素分析及预测模型构建

孙静; 王婷济; 段志娇; 张丽; 李艳梅

doi:10.12449/JCH260118

慢加急性肝衰竭患者90天死亡的危险因素分析及预测模型构建

DOI: 10.12449/JCH260118

孙静¹,
王婷济¹,
段志娇²,
张丽³,
李艳梅^2, , ,

1.
内蒙古医科大学第一临床医学院，呼和浩特 010059
2.
内蒙古医科大学附属医院消化内科，呼和浩特 010050
3.
呼和浩特市第二医院重症医学科，呼和浩特 010050

基金项目:

内蒙古自治区自然科学基金 (2025ZD009);

内蒙古自治区自然科学基金 (2023QN08061);

内蒙古医科大学青年基金 (YKD2023QN014);

2022年“草原英才”工程高层次培养人才项目

利益冲突声明：本文不存在任何利益冲突。

作者贡献声明：孙静负责收集、分析数据，绘图及文章撰写；王婷济、张丽负责数据整理；段志娇负责论文修改；李艳梅负责研究设计，研究指导，论文审阅。

详细信息

通信作者:
李艳梅， 1218520884@qq.com （ORCID： 0009-0005-4677-4057）

计量
- 文章访问数: 3
- HTML全文浏览量: 2
- PDF下载量: 3
- 被引次数: 0
出版历程
- 收稿日期: 2025-08-18
- 录用日期: 2025-10-14
- 出版日期: 2026-01-25

Risk factors for 90-day mortality in patients with acute-on-chronic liver failure and establishment of a predictive model

1.
The First Clinical Medical College of Inner Mongolia Medical University，Hohhot 010059，China
2.
Department of Gastroenterology，The Affiliated Hospital of Mongolia Medical College，Hohhot 010050，China
3.
Department of Critical Care Medicine，Hohhot Second Hospital，Hohhot 010050，China

Research funding:

Natural Science Foundation of Inner Mongolia Autonomous Region (2025ZD009);

Natural Science Foundation of Inner Mongolia Autonomous Region (2023QN08061);

Youth Foundation of Inner Mongolia Medical University (YKD2023QN014);

High-level Talent Training Program of the “Grassland Elite” Project （2022）

More Information

Corresponding author: LI Yanmei， 1218520884@qq.com （ORCID： 0009-0005-4677-4057）

摘要

摘要: 目的本研究旨在探讨影响慢加急性肝衰竭（ACLF）患者90天死亡的独立预测因子，并构建风险预测模型，评估其与终末期肝病模型（MELD）、MELD-Na、MELD 3.0和中国重症乙型肝炎研究小组慢加急性肝衰竭2.0（COSSH-ACLF Ⅱ）评分的预测效能差异。方法回顾性分析2018年7月—2024年7月内蒙古医科大学附属医院和呼和浩特市第二医院收治的394例ACLF患者临床资料。收集患者一般资料及入院时实验室指标，定量资料两组间比较采用成组t检验或Mann-Whitney U检验，定性资料两组间比较采用χ²检验或校正χ²检验。采用LASSO回归筛选变量，多因素Logistic回归构建预测模型并绘制列线图。通过受试者操作特征曲线（ROC曲线）及曲线下面积（AUC）、校准曲线和临床决策曲线评估模型性能。结果本研究共纳入394例ACLF患者，其中训练集和内部验证集分别为136例和58例，外部验证集200例。全队列年龄（52.9±11.7）岁，男性占72.84%（287/394），HBV感染者占22.33%（88/394），酒精相关占45.94%（181/394），其他原因（包括药物性、自身免疫性等）占31.73%（125/394）。90天总体病死率为27.41%（108/394）。多因素Logistic回归显示，糖尿病［比值比（OR）=5.831， 95%置信区间（CI）： 1.587～21.424， P=0.008］、胱抑素-C（Cys-C）（OR=2.984， 95%CI： 1.501～5.933， P=0.002）和自发性细菌性腹膜炎（SBP）（OR=5.692， 95%CI： 2.150～15.071， P<0.001）均为独立危险因素，并以此绘制列线图。模型在训练集、内部验证集和外部验证集的AUC分别为0.836、0.881、0.878，显示出良好的区分度。校准曲线拟合良好，并有较高的临床净获益。按病因进行亚组分析显示，模型在HBV感染、酒精及其他病因所致ACLF患者中的AUC分别为0.850、0.858和0.908，表明该模型在不同病因人群中均具有良好的区分能力。与传统评分相比，该模型（AUC=0.836）显著优于单独使用MELD（AUC=0.619，Z=3.197，P=0.001）、MELD-Na（AUC=0.651，Z=2.998，P=0.003）、MELD 3.0（AUC=0.601， Z=3.682，P<0.001）和COSSH-ACLFⅡ（AUC=0.719， Z=2.396，P=0.017）评分的预测价值。结论糖尿病、SBP和Cys-C是ACLF患者90天死亡的独立危险因素。与MELD、MELD-Na、MELD 3.0和COSSH-ACLFⅡ评分相比，该模型对ACLF患者90天预后具有更高的预测价值，且适用于多种病因所致的ACLF患者。
- 慢加急性肝功能衰竭 /
- 预后 /
- 危险因素 /
- 列线图
Abstract: Objective To investigate the independent predictive factors for 90-day mortality in patients with acute-on-chronic liver failure （ACLF）， to establish a risk predictive model， and to assess its predictive efficacy in comparison with MELD， MELD-Na， MELD 3.0， and COSSH-ACLF Ⅱ. Methods A retrospective analysis was performed for the clinical data of 394 patients with ACLF who were admitted to The Affiliated Hospital of Inner Mongolia Medical University and Hohhot Second Hospital from July 2018 to July 2024， and general information and laboratory markers on admission were collected from all patients. The independent-samples t test or the Mann-Whitney U test was used for comparison of quantitative data between two groups， and the chi-square test or the adjusted chi-square test was used for comparison of qualitative data between two groups. The LASSO regression analysis was used to identify related variables， and the multivariate logistic regression analysis was used to establish a predictive model and generate a nomogram. The receiver operating characteristic （ROC） curve， the area under the ROC curve （AUC）， calibration curve， and clinical decision curve were used to assess the performance of the model. Results A total of 394 patients with ACLF were included in this study， with 136 patients in the training set， 58 in the internal validation set， and 200 in the external validation set. The cohort had a mean age of 52.9±11.7 years， among whom male patients accounted for 72.84% （287/394）， the patients with HBV infection accounted for 22.33% （88/394）， the patients with alcohol-related causes accounted for 45.94% （181/394）， and the patients with other causes （including drug-induced and autoimmune diseases） accounted for 31.73% （125/394）. The overall 90-day mortality rate was 27.41% （108/394）. The multivariate logistic regression analysis showed that diabetes （odds ratio ［OR］= 5.831， 95% confidence interval ［CI］： 1.587 — 21.424， P=0.008）， cystatin C （Cys-C）（OR=2.984， 95%CI： 1.501 — 5.933， P=0.002）， and spontaneous peritonitis （SBP）（OR=5.692， 95%CI： 2.150 — 15.071， P<0.001） were independent risk factors， and a nomogram was generated based on these factors. This model had an AUC of 0.836 in the training set， 0.881 in the internal validation set， and 0.878 in the external validation set， showing a good discriminatory ability. The calibration curve showed a good degree of fitting， with a relatively high net clinical benefit. The subgroup analysis based on etiology showed that the model had an AUC of 0.850 in the patients with HBV infection， 0.858 in the patients with alcohol-induced ACLF， and 0.908 in the patients with other etiologies， indicating that the model had a good discriminatory ability across the populations with different etiologies. Compared with traditional scores， the model （AUC=0.836） had a significantly better predictive value than MELD （AUC=0.619， Z=3.197， P=0.001）， MELD-Na （AUC=0.651， Z=2.998， P=0.003）， MELD 3.0 （AUC=0.601， Z=3.682， P<0.001）， and COSSH-ACLF Ⅱ （AUC=0.719， Z=2.396， P=0.017） alone. Conclusion Diabetes， SBP， and Cys-C are independent risk factors for 90-day mortality in patients with ACLF. Compared with MELD， MELD-Na， MELD 3.0， and COSSH-ACLF Ⅱ scores， this model has a higher predictive value for 90-day prognosis in patients with ACLF and is suitable for patients with ACLF caused by various etiologies.
- Acute-on-Chronic Liver Failure /
- Prognosis /
- Risk Factors /
- Nomogram

HTML全文

注： a，变量选择路径图；b，10倍交叉验证图。

图 1 基于LASSO回归的变量筛选

Figure 1. Variable selection based on LASSO regression

下载: 全尺寸图片幻灯片

注： Cys-C，胱抑素-C；SBP，自发性细菌性腹膜炎。

图 2 基于训练集构建的列线图

Figure 2. Nomogram constructed based on training set

下载: 全尺寸图片幻灯片

图 3 训练集、内部和外部验证集中预测模型的ROC曲线

Figure 3. ROC curve of prediction model in training set， internal and external validation set

下载: 全尺寸图片幻灯片

注： a，训练集；b，内部验证集；c，外部验证集。

图 4 训练集、内部和外部验证集的校准曲线

Figure 4. Calibration curves of training set， internal and external validation set

下载: 全尺寸图片幻灯片

注： a，训练集；b，内部验证集；c，外部验证集。

图 5 训练集、内部和外部验证集临床决策曲线

Figure 5. The clinical decision curve analysis for the training set， internal and external validation

下载: 全尺寸图片幻灯片

图 6 不同病因ACLF患者亚组分析ROC曲线

Figure 6. Analysis of subgroups in ACLF patients with different etiologies

下载: 全尺寸图片幻灯片

图 7 列线图模型与其他模型评估ACLF预后的ROC曲线

Figure 7. Comparison of ROC curves between Nomogram and other models in assessing ACLF prognosis

下载: 全尺寸图片幻灯片

表 1 训练集和内部验证集基线特征比较

Table 1. Comparison of baseline characteristics between the training set and the internal validation

指标	训练集（n=136）	内部验证集（n=58）	统计值	P值
年龄（岁）	52.45±11.77	52.66±10.49	t=-0.12	0.908
男/女（例）	96/40	48/10	χ²=3.15	0.076
病因［例（%）］
酒精相关	73（53.68）	35（60.34）	χ²=0.73	0.392
HBV感染	17（12.50）	9（15.52）	χ²=0.32	0.572
其他	46（33.82）	14（24.14）	χ²=1.79	0.181
糖尿病［例（%）］	16（11.76）	8（13.79）	χ²=0.15	0.694
高血压［例（%）］	26（19.12）	6（10.34）	χ²=2.27	0.132
肝硬化［例（%）］	116（85.29）	48（82.76）	χ²=0.20	0.655
腹水［例（%）］	99（72.79）	47（81.03）	χ²=1.48	0.223
HE ［例（%）］	54（39.71）	18（31.03）	χ²=1.31	0.252
SBP［例（%）］	32（23.53）	17（29.31）	χ²=0.72	0.396
WBC（×10⁹/L）	7.04（4.48～9.84）	5.96（4.27～9.14）	Z=-1.18	0.237
NEU（×10⁹/L）	5.17（2.96～7.96）	4.19（2.70～7.30）	Z=-0.86	0.391
Hb（g/L）	110.00（88.00～127.75）	107.50（90.75～122.00）	Z=-0.38	0.701
PLT（×10⁹/L）	77.00（53.00～107.00）	74.50（51.75～114.50）	Z=-0.23	0.821
INR	1.84（1.63～2.16）	1.77（1.61～1.98）	Z=-1.31	0.189
PTA（%）	35.10（28.25～41.20）	35.65（32.00～41.70）	Z=-1.03	0.303
ALT（U/L）	37.80（24.43～67.43）	42.60（22.83～82.00）	Z=-0.30	0.763
AST（U/L）	80.00（48.85～127.30）	89.50（53.75～148.08）	Z=-0.95	0.342
PAB（mg/dL）	3.70（2.20～5.58）	5.15（2.75～6.85）	Z=1.93	0.053
Alb（g/L）	26.35（23.03～29.98）	27.20（23.28～29.45）	Z=-0.51	0.613
GLO（g/L）	33.32±10.44	33.51±9.05	t=-0.12	0.906
TBil（μmol/L）	197.00（123.48～383.30）	180.20（124.13～280.95）	Z=-0.73	0.466
Ur（mmol/L）	6.24（3.90～10.10）	5.15（3.40～7.85）	Z=-1.48	0.138
Cr（μmol/L）	68.50（52.00～93.75）	67.50（51.75～100.25）	Z=-0.12	0.908
Cys-C（mg/L）	1.35（1.03～1.76）	1.30（1.00～1.90）	Z=-0.08	0.939
K⁺（mmol/L）	3.70（3.25～4.20）	3.68（3.10～4.17）	Z=-0.55	0.584
Na⁺（mmol/L）	135.00（132.00～137.50）	134.00（131.00～137.00）	Z=-0.86	0.392
GLU（mmol/L）	5.61（4.71～7.28）	5.65（5.08～6.75）	Z=-0.89	0.375
TC（mmol/L）	2.11（1.54～2.88）	2.28（1.71～3.06）	Z=-1.44	0.149
TG（mmol/L）	0.80（0.61～1.35）	0.77（0.56～1.23）	Z=-1.18	0.238
HDL-C（mmol/L）	0.22（0.11～0.45）	0.32（0.15～0.48）	Z=-1.58	0.115
MELD评分（分）	20.00（16.00～25.75）	20.00（16.00～24.00）	Z=-0.52	0.604
MELD-Na评分（分）	22.00（18.00～29.00）	23.00（19.00～27.25）	Z=-0.11	0.914
MELD 3.0评分（分）	26.00（23.00～30.00）	25.00（23.00～29.00）	Z=-0.51	0.612
COSSH-ACLFⅡ评分（分）	7.00（7.00～8.00）	7.00（6.00～8.00）	Z=-1.15	0.251
90天死亡［例（%）］	37（27.21）	14（24.14）	χ²=0.20	0.657
注：HBV，乙型肝炎病毒；HE，肝性脑病；SBP，自发性细菌性腹膜炎；WBC，白细胞计数；NEU，中性粒细胞计数；Hb，血红蛋白；PLT，血小板计数；INR，国际标准化比值；PTA，凝血酶原活动度；ALT，丙氨酸氨基转移酶；AST，天冬氨酸氨基转移酶；PAB，前白蛋白；Alb，白蛋白；GLO，球蛋白；TBil，总胆红素；Ur，尿素；Cr，肌酐；Cys-C，胱抑素-C；GLU，血糖；TC，总胆固醇；TG，甘油三酯；HDL-C，高密度脂蛋白胆固醇。

下载: 导出CSV

表 2 训练集基线特征比较

Table 2. Comparison of baseline characteristics within the training set

指标	生存组（n=99）	死亡组（n=37）	统计值	P值
年龄（岁）	50.74±11.99	57.03±9.93	t=-2.85	0.005
男/女（例）	74/25	22/15	χ²=3.03	0.082
病因［例（%）］
酒精相关	57（57.58）	16（43.23）	χ²=2.23	0.136
HBV感染	11（11.11）	6（16.22）	χ²=0.26	0.610
其他	31（31.31）	15（40.54）	χ²=1.03	0.311
糖尿病［例（%）］	5（5.05）	11（29.73）	χ²=13.51	<0.001
高血压［例（%）］	19（19.19）	7（18.92）	χ²=0.00	0.971
肝硬化［例（%）］	81（81.82）	35（94.59）	χ²=3.51	0.061
腹水［例（%）］	73（73.74）	26（70.27）	χ²=0.16	0.686
HE ［例（%）］	36（36.36）	18（48.65）	χ²=1.70	0.193
SBP［例（%）］	14（14.14）	18（48.65）	χ²=17.82	<0.001
WBC（×10⁹/L）	6.91（4.52～9.82）	7.27（4.40～10.33）	Z=-0.59	0.557
NEU（×10⁹/L）	5.00（2.78～7.59）	5.83（3.26～8.23）	Z=-1.05	0.292
Hb（g/L）	110.00（88.00～129.00）	112.00（83.00～126.00）	Z=-0.37	0.714
PLT（×10⁹/L）	76.00（53.00～107.00）	79.00（54.50～105.00）	Z=-0.52	0.606
INR	1.84（1.64～2.19）	1.81（1.62～2.15）	Z=-0.01	0.996
PTA（%）	35.10（28.40～41.20）	34.90（28.05～42.20）	Z=-0.09	0.930
ALT（U/L）	37.00（24.40～66.00）	41.00（25.00～72.95）	Z=-0.51	0.613
AST（U/L）	80.00（52.00～116.00）	76.00（31.35～160.15）	Z=-0.74	0.459
PAB（mg/dL）	3.70（2.20～5.70）	3.50（2.40～5.10）	Z=-0.24	0.809
Alb（g/L）	26.30（22.30～30.00）	26.50（23.45～30.40）	Z=-0.96	0.335
GLO（g/L）	34.13±10.85	31.14±9.01	t=1.50	0.137
TBil（μmol/L）	186.30（117.10～356.40）	256.80（128.40～414.60）	Z=-1.31	0.192
Ur（mmol/L）	5.80（3.55～8.40）	8.41（4.80～15.04）	Z=-3.48	<0.001
Cr（μmol/L）	63.00（49.00～93.00）	87.00（65.00～118.50）	Z=-2.87	0.004
Cys-C（mg/L）	1.21（0.96～1.55）	1.72（1.31～2.26）	Z=-4.42	<0.001
K⁺（mmol/L）	3.62±0.71	4.06±1.04	t=-2.82	0.006
Na⁺（mmol/L）	136.00（132.00～137.70）	134.00（130.00～137.00）	Z=-1.39	0.164
GLU（mmol/L）	5.60（4.70～7.20）	5.80（4.76～8.30）	Z=-0.65	0.519
TC（mmol/L）	2.11（1.54～2.86）	2.00（1.52～2.99）	Z=-0.03	0.977
TG（mmol/L）	0.81（0.61～1.43）	0.78（0.55～1.28）	Z=-0.78	0.435
HDL-C（mmol/L）	0.25（0.13～0.45）	0.15（0.09～0.49）	Z=-1.36	0.174
MELD评分（分）	20.00（16.00～23.00）	22.00（17.50～28.00）	Z=-2.14	0.032
MELD-Na评分（分）	21.00（18.00～27.00）	28.00（20.50～33.00）	Z=-2.71	0.007
MELD 3.0评分（分）	26.00（22.00～30.00）	28.00（24.00～32.00）	Z=-1.81	0.070
COSSH-ACLFⅡ评分（分）	7.00（6.00～8.00）	8.00（7.00～9.00）	Z=-4.09	<0.001
注：HBV，乙型肝炎病毒；HE，肝性脑病；SBP，自发性细菌性腹膜炎；WBC，白细胞计数；NEU，中性粒细胞计数；Hb，血红蛋白；PLT，血小板计数；INR，国际标准化比值；PTA，凝血酶原活动度；ALT，丙氨酸氨基转移酶；AST，天冬氨酸氨基转移酶；PAB，前白蛋白；Alb，白蛋白；GLO，球蛋白；TBil，总胆红素；Ur，尿素；Cr，肌酐；Cys-C，胱抑素-C；GLU，血糖；TC，总胆固醇；TG，甘油三酯；HDL-C，高密度脂蛋白胆固醇。

下载: 导出CSV

表 3 多因素Logistic回归分析

Table 3. Multi-factor Logisitc regression of training set

指标	β值	SE	Wald	OR（95%CI）	P值
糖尿病	1.763	0.664	7.051	5.831（1.587～21.424）	0.008
Cys-C	1.093	0.351	9.725	2.984（1.501～5.933）	0.002
SBP	1.739	0.497	12.254	5.692（2.150～15.071）	<0.001
注：Cys-C，胱抑素-C；SBP，自发性细菌性腹膜炎；OR，比值比；CI，置信区间。

下载: 导出CSV

参考文献(26)

[1]	Severe Liver Disease and Artificial Liver Group, Chinese Society of Hepatology, Chinese Medical Association; Nutrition and Regeneration in End-Stage Liver Disease Group, Chinese Society of Hepatology, Chinese Medical Association. Guidelines for the diagnosis and treatment of acute-on-chronic liver failure(2025 version)[J]. J Prac Hepatol, 2025, 28( 5): 641- 647. DOI: 1 0.3969/j.issn.1672-5069.2025.05.001. 中华医学会肝病学分会重型肝病与人工肝学组, 中华医学会肝病学分会终末期肝病营养与再生学组. 慢加急性肝衰竭诊治指南(2025年版)[J]. 实用肝脏病杂志, 2025, 28( 5): 641- 647. DOI: 10.3969/j.issn.1672-5069.2025.05.001.
[2]	MEZZANO G, JUANOLA A, CARDENAS A, et al. Global burden of disease: Acute-on-chronic liver failure, a systematic review and meta-analysis[J]. Gut, 2022, 71( 1): 148- 155. DOI: 10.1136/gutjnl-2020-322161.
[3]	LUO JJ, LI JQ, LI P, et al. Acute-on-chronic liver failure: Far to go-a review[J]. Crit Care, 2023, 27( 1): 259. DOI: 10.1186/s13054-023-04540-4.
[4]	MOORE O, MA WS, READ S, et al. The unwell patient with advanced chronic liver disease: When to use each score?[J]. BMC Med, 2025, 23( 1): 413. DOI: 10.1186/s12916-025-04185-w.
[5]	GÜLCICEGI DE, GOESER T, KASPER P. Prognostic assessment of liver cirrhosis and its complications: Current concepts and future perspectives[J]. Front Med, 2023, 10: 1268102. DOI: 10.3389/fmed.2023.1268102.
[6]	LAI RM, CHEN TB, HU YH, et al. Effect of type 2 diabetic mellitus in the prognosis of acute-on-chronic liver failure patients in China[J]. World J Gastroenterol, 2021, 27( 23): 3372- 3385. DOI: 10.3748/wjg.v27.i23.3372.
[7]	LUO WL, ZENG Y, ZHANG XM, et al. Influence of metabolism-related factors on the short-term prognosis of patients with hepatitis B virus-related acute-on-chronic liver failure and establishment of a predictive model[J]. J Clin Hepatol, 2024, 40( 10): 1985- 1991. DOI: 10.12449/JCH241010. 罗文苓, 曾玉, 张雪媚, 等. 代谢相关因素对HBV相关慢加急性肝衰竭患者短期预后的影响及预测模型构建[J]. 临床肝胆病杂志, 2024, 40( 10): 1985- 1991. DOI: 10.12449/JCH241010.
[8]	FU YF, WU KN, YANG SC, et al. Exploring the predictive value of serum lipids for short-term prognosis in patients with acute-on-chronic liver failure[J]. Portal Hypertens Cirrhosis, 2024, 3( 4): 184- 195. DOI: 10.1002/poh2.93.
[9]	CHEN L, DAI JJ, XIE Q, et al. Metabolic risk factors are associated with the disease severity and prognosis of hepatitis B virus-related acute on chronic liver failure[J]. Gut Liver, 2022, 16( 3): 456- 464. DOI: 10.5009/gnl210449.
[10]	SARIN SK, CHOUDHURY A, SHARMA MK, et al. Acute-on-chronic liver failure: Consensus recommendations of the Asian Pacific association for the study of the liver(APASL): An update[J]. Hepatol Int, 2019, 13( 4): 353- 390. DOI: 10.1007/s12072-019-09946-3.
[11]	PIANO S, MAHMUD N, CARACENI P, et al. Mechanisms and treatment approaches for ACLF[J]. Liver Int, 2025, 45( 3): e15733. DOI: 10.1111/liv.15733.
[12]	LAI M, XU MM, WANG X, et al. Prognostic evaluation of liver transplantation for acute-on-chronic liver failure[J]. Organ Transplant, 2025, 16( 3): 482- 488. 赖曼, 徐曼曼, 王鑫, 等. 慢加急性肝衰竭肝移植预后评估[J]. 器官移植, 2025, 16( 3): 482- 488.
[13]	DUSEJA A, DE A, TANEJA S, et al. Impact of metabolic risk factors on the severity and outcome of patients with alcohol-associated acute-on-chronic liver failure[J]. Liver Int, 2021, 41( 1): 150- 157. DOI: 10.1111/liv.14671.
[14]	LIU C, SHEN J, LI J, et al. DiabetesLiver score: A non-invasive algorithm for advanced liver fibrosis and liver-related outcomes in type 2 diabetes mellitus population[J]. Med, 2025, 6( 8): 100700. DOI: 10.1016/j.medj.2025.100700.
[15]	KUMAR A, ARORA A, CHOUDHURY A, et al. Impact of diabetes, drug-induced liver injury, and sepsis on outcomes in metabolic dysfunction associated fatty liver disease-related acute-on-chronic liver failure[J]. Am J Gastroenterol, 2025, 120( 4): 816- 826. DOI: 10.14309/ajg.000000-0000002951.
[16]	YE SY, QIN Y. Research progress on the mechanism of diabetes-induced liver injury[J]. Chin Hepatol, 2023, 28( 6): 737- 739. DOI: 10.14000/j.cnki.issn.1008-1704.2023.06.022. 叶圣莹, 秦燕. 糖尿病致肝损伤机制的研究进展[J]. 肝脏, 2023, 28( 6): 737- 739. DOI: 10.14000/j.cnki.issn.1008-1704.2023.06.022.
[17]	ZHANG J, FAN JG. Expert consensus on the management of diabetes mellitus in patients with liver cirrhosis[J]. J Pract Hepatol, 2022, 25( 5): 761- 775. 张晶, 范建高. 肝硬化合并糖尿病患者血糖管理专家共识[J]. 实用肝脏病杂志, 2022, 25( 5): 761- 775.
[18]	XU Z, ZHANG X, CHEN J, et al. Bacterial infections in acute-on-chronic liver failure: epidemiology, diagnosis, pathogenesis, and management[J]. J Clin Transl Hepatol, 2024, 12( 7): 667- 676. DOI: 10.14218/JCTH.2024.00137.
[19]	HASSAN A, BHATTI R, HAFEEZ A, et al. Prediction of in-hospital mortality in spontaneous bacterial peritonitis patients with advanced liver disease[J]. Pak J Med Health Sci, 2023, 17( 4): 519- 522. DOI: 10.53350/pjmhs2023174519.
[20]	LI SM, LIU J, WU J, et al. Immunological mechanisms and effects of bacterial infections in acute-on-chronic liver failure[J]. Cells, 2025, 14( 10): 718. DOI: 10.3390/cells14100718.
[21]	PHILIPS CA, AUGUSTINE P. Gut barrier and microbiota in cirrhosis[J]. J Clin Exp Hepatol, 2022, 12( 2): 625- 638. DOI: 10.1016/j.jceh.2021.08.027.
[22]	de OLIVEIRA COBERLLINI JACQUES R, SILVA MASSIGNAN L DA, WINKLER MS, et al. Acute-on-chronic liver failure is independently associated with lower survival in patients with spontaneous bacterial peritonitis[J]. Arq Gastroenterol, 2021, 58( 3): 344- 352. DOI: 10.1590/s0004-2803.202100000-58.
[23]	MAIWALL R, SINGH SP, ANGELI P, et al. APASL clinical practice guidelines on the management of acute kidney injury in acute-on-chronic liver failure[J]. Hepatol Int, 2024, 18( 3): 833- 869. DOI: 10.1007/s12072-024-10650-0.
[24]	SAHA R, SHARMA S, MONDAL A, et al. Evaluation of acute kidney injury(AKI) biomarkers FABP1, NGAL, cystatin C and IL-18 in an Indian cohort of hospitalized acute-on-chronic liver failure(ACLF) patients[J]. J Clin Exp Hepatol, 2025, 15( 3): 102491. DOI: 10.1016/j.jceh.2024.102491.
[25]	IQBAL R, GADDAM M, MOUSTAFA A, et al. The clinical utility of cystatin C in detecting renal dysfunction in cirrhosis: overcoming the limitations of serum creatinine[J]. AAnn Med Surg, 2024. DOI: 10.1097/MS9.0000-000000002822.
[26]	AUMPAN N, LIMPRUKKASEM T, PORNTHISARN B, et al. Plasma cystatin C level is a prognostic marker of morbidity and mortality in hospitalized decompensated cirrhotic patients[J]. J Med Invest, 2021, 68( 3.4): 302- 308. DOI: 10.2152/jmi.68.302.