编辑推荐：
慢性阻塞性肺疾病（COPD）防治形势严峻，PRISm 和早期 COPD 预测模型匮乏。研究人员基于 NHANES 2007 - 2012 数据，开发并验证预测长期死亡风险的列线图。结果显示其预测性能良好，有助于早期识别高危人群，为 COPD 防治提供新工具。
在全球范围内，慢性阻塞性肺疾病（Chronic Obstructive Pulmonary Disease，COPD）已然成为危害人类健康的 “隐形杀手”。根据 2019 年全球疾病负担数据报告，COPD 已跃居世界第三大死因。它是一种常见的慢性、进行性、炎症性气道疾病，病程漫长。在疾病早期阶段，若能及时发现并干预，病情是可以得到有效控制的。然而，目前临床上对于 COPD 的早期诊断面临诸多挑战，个体临床表现差异显著，这使得早期精准诊断困难重重。
同时，对于保留比值受损肺活量（Preserved Ratio Impaired Spirometry，PRISm）和轻度至中度 COPD 患者，是否进行早期干预一直存在争议。PRISm 是一种特殊的肺功能异常状态，其第一秒用力呼气容积与用力肺活量比值（FEV1/FVC）≥0.7，但 FEV1＜80% 预测值，虽不符合 COPD 的肺功能诊断标准，却与多种不良临床结局相关，如呼吸困难加重、步行距离缩短、肺气肿、全肺容量减少等，还与呼吸症状加重、全身炎症反应以及死亡率上升密切相关。可并非所有 PRISm 患者最终都会发展为 COPD，在考虑早期干预时，成本效益问题成为了一道难以跨越的障碍 。
此外，现有的 COPD 预后模型大多忽略了 PRISm 和轻度至中度 COPD 患者。一方面，早期 COPD 患者因肺功能尚未出现明显气流受限，在模型开发中常被排除在外；另一方面，PRISm 作为 COPD 的前驱状态，需要长期随访数据来观察死亡率结局，这也增加了研究的难度。目前临床实践中缺乏有效的 COPD 死亡风险早期预警模型，已有的相关研究存在严重的方法学局限，样本代表性不足且缺乏外部验证。
为了攻克这些难题，来自广州国家实验室、广州医科大学附属第一医院等机构的研究人员开展了一项极具意义的研究。他们致力于开发并验证一种列线图（nomogram），用于预测 PRISm 和轻度至中度 COPD 患者的长期死亡风险。
研究人员从美国国家健康和营养检查调查（NHANES，2007 - 2012）中获取数据，并将其与国家死亡索引（NDI）的死亡率随访数据相链接，最终纳入 1043 名 18 - 79 岁的参与者。研究采用 Cox 比例风险模型筛选重要预后风险因素，通过时间依赖性受试者工作特征曲线下面积（time - dependent AUROC）、校准曲线和决策曲线分析（DCA）评估模型的预测能力和临床应用价值 ，还利用有向无环图（DAG）绘制风险因素与死亡率之间的因果关联。
在研究结果部分，首先是参与者的特征。最终纳入研究的 1043 例患者中，包括 PRISm 患者 638 例、轻度 COPD 患者 266 例和中度 COPD 患者 139 例。参与者的中位年龄为 55（42，65）岁 ，超过半数（58.36%）为非西班牙裔白人。中位随访时间为 9.8 年，随访期间全因死亡率为 16.59%，主要死因包括恶性肿瘤、心脏病和慢性下呼吸道疾病。
其次是预测因子的筛选。基于训练数据集，研究人员通过一系列单变量 Cox 回归模型识别出 24 个与死亡率显著相关的候选预测因子，最终经多变量 Cox 回归模型确定，被动吸烟史、年龄、乳酸脱氢酶（LDH）、碱性磷酸酶（ALP）、γ - 谷氨酰转移酶（GGT）和钾是预测死亡率的重要因素。此外，研究还进行了一系列检验，结果表明所选的 6 个预测因子之间不存在明显的共线性。
接着是列线图的开发与验证。研究人员利用上述 6 个预测因子构建了列线图，其计算公式为：Nomogram = Passivesmokinghistory {Yes,15.15No,0+(Age × 1.2 - 1.8)+(ALP × 0.125)+(GGT × 0.099)+(LDH × 0.1836 - 9.18)+(Potassium × 15.32 - 38.3) 。该列线图在训练集和验证集中均表现出良好的预测性能，如在训练集中，5 年、7.5 年和 10 年的 time - dependent AUROC 分别达到 0.767（95% CI，0.693 - 0.841）、0.780（95% CI，0.693 - 0.837）和 0.757（95% CI，0.723 - 0.811）；在验证集中，相应的 time - dependent AUROC 分别为 0.762（95% CI，0.667 - 0.857）、0.804（95% CI，0.667 - 0.869）和 0.776（95% CI，0.739 - 0.843）。校准曲线显示，列线图预测的死亡率与实际观察到的死亡率高度吻合；决策曲线分析表明，该列线图在临床应用中具有明显的净效益，优于基于单一临床实验室指标和人口统计学特征的模型。
然后是列线图在患者风险分层中的表现。研究人员根据列线图的得分将患者分为高风险组和低风险组，结果显示，高风险组患者的死亡风险显著高于低风险组。在训练集中，高风险组与低风险组的风险比（HR）为 6.20（95% CI 4.30 - 8.95）；在验证集中，该比值为 2.25（95% CI 1.29 - 3.94） 。
最后是 COPD 全因死亡率的有向无环图分析。结果表明，被动吸烟与 COPD 患者的死亡风险直接相关，GGT 可能是影响 ALP 与 LDH 关联并增加死亡风险的重要混杂因素，而钾则为 COPD 患者的死亡风险提供了关键的生物学特征和潜在解释。
综上所述，研究人员成功开发并验证了一种简单易用且准确性高的列线图，用于预测 PRISm 和轻度至中度 COPD 患者的长期死亡风险。该列线图具有良好的预测性能和临床应用价值，为早期识别 COPD 高危人群提供了有力工具，有助于推动 COPD 的精准预防和个性化管理策略的发展。不过，该研究也存在一定的局限性，如研究对象仅来自美国人群，种族有限；数据仅涵盖 2007 - 2012 年，可能存在时间趋势偏差；样本量相对较小等。未来需要进一步在不同人群中进行验证和完善，以提高其普适性和可靠性。
研究中，研究人员用到的主要关键技术方法包括：数据获取与处理，从 NHANES 数据库获取数据，对数据进行筛选、填补缺失值等处理；模型构建，运用 Cox 比例风险模型筛选预测因子，构建列线图模型；模型评估，采用 time - dependent AUROC、校准曲线、DCA 等方法评估模型性能；绘制有向无环图，利用 PC 算法绘制 DAG 揭示风险因素与死亡率的因果关系。
