综述：开箱iBox：对其用于预测肾移植失败指标的测量特性的批判性评估

《Kidney Medicine》：Unboxing iBox: A Critical Appraisal of Its Measurement Properties for Predicting Kidney Allograft Failure

iBox模型通过整合人口统计、功能、免疫学和组织学变量，准确预测肾移植术后3、5、7年移植物失败风险，已获监管认可为替代终点，但其数据获取和解释性仍需优化。

　　肾脏移植是大多数肾衰竭患者首选的替代治疗方式，相较于透析，它显著提升了患者的生存率、生活质量以及治疗的经济性。然而，即便如此，预期的移植器官存活率仍然存在不足，并且在不同地区之间存在差异。因此，改进对移植器官失败风险的预测对于优化治疗策略、实施肾脏保护措施以及提升临床试验设计具有重要意义。准确的风险分层不仅有助于对高风险患者进行强化治疗，还能在低风险患者中实现更安全的免疫抑制最小化。

为了满足这一临床需求，iBox风险预测模型于2019年被开发出来。该模型通过整合八项人口学、功能、免疫学和组织学变量，预测移植器官的死亡后器官功能丧失（DCGF）风险。DCGF被明确定义为需要重新透析或再次移植的情况。iBox模型经过外部验证，适用于前瞻性与回顾性队列、不同地理区域以及成人和儿童群体。它还被应用于随机对照试验中的模拟研究，显示出良好的预测性能。相较于之前缺乏移植特异性变量或预测能力较弱的模型，iBox是一个重要的进步。

iBox模型在临床应用中表现出色，其预测能力通过C指数约为0.81的判别能力得到了验证。该模型在不同子群体和设置中的表现一致，显示出较强的稳健性。然而，其在资源有限地区的适用性尚未完全确立，且某些预测因子反映了晚期病理状态，这可能限制了早期干预的机会。此外，模型的某些输入如移植后活检结果和供体特异性抗体（DSA）水平可能存在获取难度或测量挑战。这些因素可能影响模型的推广和应用。

iBox模型的开发基于一项法国多中心的前瞻性队列研究，包括了4000名连续的成人受者，他们在2005年至2014年间接受了尸体或活体供体的肾脏移植。该队列排除了移植后器官功能未恢复或数据缺失的受者。数据收集在各中心标准化，并每年进行审核以确保质量，随后在2018年用于分析。风险评分的评估发生在进行活检以评估移植器官状态之前，这一时间点对于确定预测结果至关重要。

在模型的开发过程中，研究者对75个候选变量进行了评估，并通过单变量Cox回归分析筛选出与DCGF相关的变量。最终的多变量模型包含了8个预测因子，包括移植后的时间、估算肾小球滤过率（eGFR）、蛋白尿、DSA的平均荧光强度（MFI）以及组织学特征如间质纤维化/肾小管萎缩（IFTA）、微循环炎症（g+ptc）、间质炎症和肾小管炎（i+t）以及移植肾小球病（TG）。尽管在模型开发过程中缺乏对临床或统计筛选标准的详细描述，但通过预设的敏感性分析，研究者发现完整的iBox模型在判别能力上优于简化的版本。

iBox模型的评分和加权过程基于多变量Cox回归分析得出的危险比（HR）。所有预测因子都与更高的风险相关，除了eGFR，其较高的值意味着较低的风险。更严重的组织学和免疫学参数类别显示出逐渐增加的危险比。高水平的DSA（MFI≥6000）是最重要的个体预测因子之一，但并未在模型中占据主导地位。对于最终用户而言，iBox的评分可以通过一个公开的在线界面进行简化，使得临床医生能够方便地输入数据并获得预测结果。

尽管iBox模型具有广泛的适用性，但其在不同地区和医疗环境中的实施仍面临挑战。例如，某些关键输入如活检结果和DSA水平在资源有限的地区可能难以获得，这可能加剧不同医疗环境之间的不平等。此外，模型中的某些预测因子可能反映了晚期病理状态，这在临床实践中可能限制了早期干预的可能性。因此，需要进一步的研究来探讨这些变量的获取途径和测量一致性，以确保模型的广泛适用性。

iBox模型的评分和权重设计使其易于理解和使用，其输出形式为绝对的DCGF风险百分比，这种形式对于临床医生来说非常直观。然而，目前尚未建立明确的风险等级阈值（如“低风险”、“中等风险”或“高风险”），这可能影响医生对风险的解读和处理。此外，关于患者或护理人员如何理解和使用iBox预测的风险信息的研究也较少，这可能导致在缺乏适当背景下的误解。

为了进一步提升iBox模型的临床价值，需要对其可靠性、反应性和可解释性进行正式评估。可靠性方面，尽管模型使用了客观的实验室和组织学数据，但不同实验室或病理学家之间的评分差异可能会影响结果的一致性。反应性方面，虽然iBox可以用于纵向风险评估，但尚未有正式的研究评估其在检测有意义变化方面的表现。可解释性方面，尽管模型输出易于理解，但缺乏明确的评分变化阈值可能会影响其在临床决策中的应用。因此，需要更多的研究来探索这些方面，以确保iBox模型在临床实践中的有效性和适用性。

总的来说，iBox模型是一个重要的进展，它为肾脏移植后的风险分层提供了可靠的工具。通过整合多种临床变量，该模型在不同人群和临床情境中的表现良好。然而，为了更广泛地应用于临床实践和研究，需要进一步完善其测量属性的评估，特别是在资源有限地区和不同医疗环境下的适用性。此外，关于模型的反应性和可解释性的研究也将有助于其在临床决策中的进一步应用和推广。iBox模型的持续发展和优化将有助于提升肾脏移植的治疗效果和患者预后。