Child-Pugh分级

    Child-Pugh分级标准是一种临床上常用的用以对肝硬化患者的肝脏储备功能进行量化评估的分级标准，该标准最早由Child于1964年提出，当时Child将患者5个指标（包括一般状况、腹水、血清胆红素、血清白蛋白浓度及凝血酶原时间）的不同状态分为三个层次，分别记以1分，2分和3分，并将5个指标计分进行相加，总和最低分为5分，最高分为15分，从而根据该总和的多少将肝脏储备功能分为A、B、C三级，预示着三种不同严重程度的肝脏损害（分数越高，肝脏储备功能越差）。但由于患者的一般状况项常常不易计分，随后Pugh提出用肝性脑病的有无及其程度代替一般状况，即如今临床常用的Child-Pugh改良分级法。

其具体分级标准如下表：

注意事项编辑

    如果是PBC（原发性胆汁性肝硬化）或PSC（原发性硬化性胆管炎）：

总胆红素（umol/L）：17－68为1分，68－170为2分，>170为3分；

分级：

A级：5－6分 手术危险度小，预后最好，1~2年存活率100%~85%；

B级：7－9分 手术危险度中等，1~2年存活率80%~60%；

C级：≥10分 手术危险度较大，预后最差，1~2年存活率45%~35%。

METAVIR评分系统

MELD评分

终末期肝病的标准编辑

终末期肝病一直以来都没有一个较完善的评分指标来评价其严重程度。自终末期肝病模型(Model for end-stage liver disease，MELD)标准制定以来，因其可对终末期肝病短期、中期死亡率进行有效的预测，并因其评价指标获得简单、客观、易于计算而在肝病诊治中广为应用。

MELD由来及计算公式

    2000年Malinchoc等首先应用MELD来预测终末期肝病行经颈静脉肝内门-体分流术后患者的死亡率，并证实 MELD可以预测终末期肝病的死亡率及术后的生存时间。其计算公式为：R=0.378ln[胆红素(mg/dl)]+1.12ln(INR)+0.95ln[肌酐(mg/dl)]+0.64(病因：胆汁性或酒精性0，其他1)。其R值越高，其风险越大，生存率越低。后为计算方便，Kamath等将公式改良为 R=3.8ln[胆红素(mg/dl)]+11.2ln(INR)+9.6ln [肌酐(mg/dl)]+6.4(病因：胆汁性或酒精性0，其他1)。

MELD的应用

在非移植患者预测肝病死亡率中的应用

因MELD对终末期肝病患者在TIPS中的良好预测能力，Kamath等对不同病因、不同病情的肝硬化患者3个月、半年、1年的生存率进行了大规模的统计分析，证实MELD对终末期肝病生存率的预测是有效的。2004年，Said等在对1611例不同类型的慢性肝病患者研究中，MELD的一年生存率预测C统计值达0.75以上，3个月和6个月的更高。证实MELD也可应用慢性肝病的范畴。国内资料也得出了类似结果。

在肝移植中的应用

因MELD可有效评价移植前患者等待供肝期间的死亡率及预测患者移植术后的死亡率，在2002年2月，美国开始用MELD分配肝源。经有关专家2年多的临床证实，MELD是一个客观、有效评价移植前患者严重程度的系统，对慢性肝病3个月生存率的预测C统计值达0.894 。但对移植后死亡率的评估，Brown等认为效果尚不理想。

在重型肝炎及人工肝中的应用

重型肝炎患者内科治疗效果较差，人工肝及肝移植给这部分患者提供了生存的希望。但血浆的缺乏、昂贵的治疗费用使得是否做人工肝的选择显得非常重要，所以也急需一个评分系统来协助作出决定。MELD的提出给重型肝炎患者也提供了一个有效的评价指标。

MELD的不足

MELD分级中使用的血清肌酐、胆红素、INR等指标，容易受非肝病因素的影响，这将直接影响判断真实的肝病病情。Kamath指出，为了避免肝外因素造成的血清肌酐波动影响MELD分级的准确性，在利用MELD分级判断病情时，应在病人血流动力学稳定和充分补液的基础上使用。如使用血清肌酐清除率代替血清肌酐，将能使MELD分级更准确地反映肝功能变化；凝血酶原活性(PTA)较INR变化更小，如使用PTA代替INR，可能使MELD分级具有更好的统一性。MELD评分尚须纳入更多的观察指标，诸如腹水、出血、肝性脑病等肝硬化门脉高压的并发症可以直接危及患者生命，虽然有资料[2]显示其对MELD分级的判断功能无明显影响，但这与临床实际明显不符。病人的实际预后是否与理论上的统计学分析相吻合，尚需进一步观察和验证。

    从统计学上来看，MELD评分公式是将TBiL、Cr、INR等指标分别取自然对数进行正态化，然后进行Cox比例风险回归或单因素分析，筛选出影响力较大的因子引入多元线性回归分析，最终构建出线性回归方程。但人的疾病是错综复杂的，大多数情况下简单的线性回归并不能满足要求。疾病的各观察指标之间常常会有相关性，这就造成了变量间的共线性问题。在构建线性回归方程时，一般需要把两个相关性较大的变量人为剔除一个，以免相互影响。但这样同时也丢失了此变量的其他重要信息。所以线性回归方程在解决多因素的复杂问题上总是不能尽如人意。解决方法可以采用更为复杂的数学模型，也可以将待评价的目标群进一步分层，分别构建不同的回归方程来适用于不同的情况。但这两种解决方法所面临的最大问题是所需样本量太大，一般科研机构无法完成。因此，构建大型的信息网络，按照统一标准收集相关数据，进行汇总分析，将是构建此类预测模型的方向。

    综上所述，虽然MELD评分系统存在着诸多不足，但它仍是目前最有效的终末期肝病模型之一，在评价肝病严重程度、判断预后方面有重要的临床价值。