炎症指标对原发性肺癌手术术后并发症的预测作用有限

《International Journal of General Medicine》：Limited Predictive Utility of Inflammatory Indices for Postoperative Complications in Primary Lung Cancer Surgery

本研究回顾性分析68例肺切除术患者，发现术前及术后第一日计算的PIV、SII、SIRI指标均未显著预测术后30天并发症（AUC 0.447-0.612）。但并发症组病理类型异质性显著高于对照组（p=0.039），提示肿瘤生物学特征可能影响术后并发症风险。结论：现有炎症指标单独使用对预测术后并发症价值有限，需结合多维模型。

　　肺部癌症仍然是全球癌症相关死亡的主要原因之一，每年导致约180万例死亡。尽管在手术技术、围术期护理和患者筛选方面取得了显著进步，但术后并发症仍然对患者的康复、住院时间和医疗成本产生重大影响。因此，早期识别那些术后并发症风险较高的患者，对于优化围术期管理、提高手术成功率具有重要意义。近年来，一些基于常规血液检查参数的系统性炎症指标，如Pan-Immune Inflammation Value（PIV）、Systemic Immune-Inflammation Index（SII）和Systemic Inflammation Response Index（SIRI），因其简便的计算方式和经济的成本效益，受到了广泛的关注。这些指标整合了多种血液细胞类型，如中性粒细胞、淋巴细胞、单核细胞和血小板，从而提供了更全面的系统性免疫-炎症平衡评估。理论上，这些指标可以反映宿主的系统性炎症和免疫状态，这在肿瘤进展、术后恢复和免疫调节中扮演着关键角色。然而，这些指标在预测肺部癌症手术后早期并发症方面的有效性尚未得到充分验证。

本研究旨在评估PIV、SII和SIRI在肺部癌症手术患者中的预测和预后价值，特别是在术后并发症的识别方面。通过回顾性分析2019年1月至2025年1月期间在SBU Antalya Research and Education Hospital接受肺部切除术的68名患者，研究者获取了术前和术后第一天的血液检查数据，并通过统计分析和受试者工作特征（ROC）曲线评估这些炎症指标与术后并发症之间的关系。结果显示，14.7%的患者（共10人）出现了术后并发症，包括肺不张、气漏延长、支气管漏、气胸、心力衰竭、脑血管事件和恶性神经药物综合征等。然而，无论是术前还是术后，PIV、SII和SIRI的值在并发症组和无并发症组之间均无显著差异。ROC曲线分析进一步表明，所有炎症指标的预测能力均较低，其曲线下面积（AUC）值在0.447至0.612之间，说明这些指标在临床预测中具有有限的价值。尽管术后SIRI的AUC值最高，但其预测效果仍被认为不足。

此外，研究还发现患者肿瘤组织学类型存在显著差异。并发症组中有50%的患者被归类为“其他”类型，而无并发症组仅为15.5%（p=0.039）。这一结果提示，肿瘤生物学特征可能在术后并发症的发生中起到了一定作用。例如，鳞状细胞癌和不常见的非小细胞肺癌（NSCLC）亚型，如腺鳞癌和肉瘤样癌，通常与更高的系统性炎症反应和较差的预后相关。因此，肿瘤组织学类型的差异可能是导致并发症发生率较高的潜在原因。这也意味着，研究中发现的炎症指标与并发症之间无显著关联，可能部分归因于肿瘤生物学的异质性，而非炎症本身与并发症无关。

在方法学方面，本研究采用了回顾性队列设计，数据来源于医院的电子病历系统。所有患者均接受了肺部切除术，手术方式包括解剖性肺叶切除术、肺切除术、段切除术或楔形切除术，具体取决于肿瘤的位置、分期和患者个体情况。围术期管理遵循统一的标准化流程，包括预防性抗生素的使用、术后胸部物理治疗和术后监测等。研究者通过术前和术后第一天的全血细胞计数（CBC）数据计算了PIV、SII和SIRI，并对其与术后并发症的关系进行了分析。值得注意的是，由于研究是回顾性的，部分关键临床信息，如吸烟史、合并症和营养状况等，未能在分析中得到充分纳入，这可能对术后并发症的发生率产生一定影响。

在统计分析方面，研究者对连续变量和分类变量分别采用了相应的统计检验方法，如Student’s t检验、Mann–Whitney U检验、卡方检验和Fisher精确检验。通过ROC曲线分析，研究者评估了这些炎症指标的预测能力，并计算了曲线下面积、敏感度、特异度和最佳截断值。结果显示，这些指标的预测能力普遍较低，敏感度和特异度均未能达到理想的临床标准。例如，尽管某些指标的敏感度可达70%，但其特异度仅为43%至52%，表明这些指标在区分高风险和低风险患者方面存在较大局限。

研究的局限性主要体现在其回顾性设计和较小的样本量上。回顾性研究可能导致数据收集的不完整性，从而影响研究结果的准确性。此外，样本量较小（仅68名患者）限制了研究的统计效力，使得某些潜在的关联可能未能被检测到。因此，研究中发现的炎症指标与术后并发症之间无显著关联的结果需要谨慎解读。同时，由于样本量限制，无法对不同手术方式（如开胸手术与胸腔镜手术）对炎症指标的影响进行分层分析或匹配比较。这表明，未来的研究需要在更大规模的前瞻性队列中进一步探讨这些指标的潜在作用。

研究还指出，尽管这些炎症指标在肿瘤生物学和长期预后方面具有重要意义，但在预测术后早期并发症方面可能缺乏足够的敏感性和特异性。这表明，这些指标可能更适合用于评估肿瘤本身的生物学行为，而不是用于围术期风险分层。此外，研究强调了报告负性结果的重要性，即在某些情况下，即使指标在其他领域具有预测价值，但在特定临床情境下可能并不适用。这种负性结果的报告有助于防止对这些指标的过度依赖，同时为未来研究提供方向，即探索其他更具预测能力的生物标志物或建立包含多种参数的多模式预测模型。

从临床角度来看，尽管这些炎症指标的计算方式简便且易于获取，但在肺部癌症手术的围术期管理中，它们并不能单独作为可靠的预测工具。因此，未来的研究应着重于构建更加全面的预测模型，结合临床变量、影像学特征和功能评估等多维度信息。例如，有研究表明，在胃癌患者中，单一的血液学指标可能仅具有中等的预测能力，而将这些指标与营养相关指标（如蛋白营养指数PNI）相结合，可以显著提高预测的准确性。这种多参数模型的构建不仅有助于提高预测能力，还能更全面地反映患者的综合健康状况，从而为临床决策提供更有价值的参考。

此外，研究还强调了围术期并发症的复杂性。这些并发症的发生可能受到多种因素的影响，包括手术方式、患者个体差异、术前健康状况和术后护理质量等。因此，仅依赖于炎症指标可能无法全面捕捉这些复杂的因素，从而导致预测能力受限。未来的研究应考虑将炎症指标与其他临床和生物学参数相结合，以构建更具临床实用性的风险评估工具。这不仅可以提高预测的准确性，还能帮助医生更好地制定个体化的围术期管理策略，从而降低并发症的发生率和严重程度。

综上所述，尽管PIV、SII和SIRI在肿瘤学领域已被广泛认可为重要的预后指标，但在肺部癌症手术的围术期并发症预测中，它们的表现并不理想。这一发现提醒临床医生在使用这些指标时应保持谨慎，尤其是在样本量较小或存在临床变量不平衡的情况下。未来的研究需要在更大的样本规模和更全面的参数整合基础上，进一步探索这些指标的潜在作用，并评估其在多模式预测模型中的应用价值。通过这种方式，不仅可以更准确地识别高风险患者，还能为肺部癌症手术的围术期管理提供更加科学和有效的指导。