开发并验证一种临床风险评分图，用于区分非结核分枝杆菌感染与结核分枝杆菌引起的肺部疾病

《Journal of Clinical Tuberculosis and Other Mycobacterial Diseases》：Development and validation of a clinical risk score nomogram for distinguishing nontuberculous mycobacteria from Mycobacterium tuberculosis pulmonary disease

非结核分枝杆菌肺炎（NTM-PD）与肺结核（PTB）因症状和影像重叠易混淆，本研究通过回顾性分析构建并验证了NTM-PD与PTB的预测模型，纳入性别、肿瘤、肺结节大小、纵隔淋巴结肿大、支气管扩张、肺蜂窝化等6项独立风险因素，模型在训练组和验证组中C-index分别为0.895和0.855，AUC达0.895和0.855，临床决策曲线分析显示显著净收益，尤其适用于基层医生鉴别诊断。

　　近年来，非结核分枝杆菌肺病（NTM-PD）的发病率显著上升，已成为全球重要的公共卫生问题。由于NTM-PD与肺结核（PTB）在临床表现和影像学特征上存在高度相似性，如慢性咳嗽、咯血和影像学上的空洞病变，这给临床医生在鉴别诊断时带来了极大的挑战。NTM-PD常被误诊为PTB，导致患者接受不针对NTM的抗结核治疗，进而可能加剧抗菌药物耐药性问题。这种误诊不仅延迟了合适的治疗方案的实施，还可能影响疾病的进展，损害患者的预后，并对医疗系统造成不必要的负担，如延长住院时间、重复的诊断检查以及低效的干预措施。

为了提高NTM-PD与PTB的鉴别诊断准确性，本研究采用回顾性分析的方法，收集了北京大学人民医院和北京大学国际医院2021年1月至2024年1月期间确诊为NTM-PD或PTB的患者数据。其中，北京大学人民医院的患者被归入训练组，而北京大学国际医院的患者则作为外部验证组。通过单变量和多变量逻辑回归分析，我们逐步筛选出NTM-PD的独立危险因素，并构建了一个包含具有统计学意义（p < 0.05）和临床相关性的变量的列线图模型。模型的拟合性能和临床价值通过校准曲线和临床决策曲线分析（DCA）进行了评估，同时采用Harrell’s C指数和受试者工作特征曲线（ROC曲线）来衡量模型的预测效果。

研究最终纳入了233名患者，其中训练组有169名，验证组有64名。列线图模型包含了以下预测变量：性别、肿瘤、肺部结节大小、纵隔淋巴结增大（MLOE）、支气管扩张、蜂窝肺、胸膜积液。训练组的列线图C指数为0.895（95% CI: 0.831–0.960），验证组的C指数为0.855（95% CI: 0.760–0.991），显示出模型具有较强的预测能力。此外，ROC曲线分析表明，该模型在训练组中具有较高的区分能力，AUC值为0.895，而在验证组中为0.855，进一步验证了模型的稳健性。

本研究建立的列线图模型在临床实践中展现出重要的应用价值。该模型基于患者的基本临床特征和影像学表现，能够帮助医生更准确地鉴别NTM-PD与PTB，特别是对经验不足的年轻医生而言。研究结果表明，性别、肿瘤、肺部结节大小、MLOE、支气管扩张、蜂窝肺和胸膜积液是NTM-PD的显著标志。这些临床和影像学特征在区分两种疾病时具有重要意义，可以作为重要的参考依据。例如，女性患者在NTM-PD中的比例较高，且在影像学上，胸膜积液在PTB中的发生率显著高于NTM-PD，这为鉴别诊断提供了重要的线索。

在模型的构建过程中，我们使用了多种统计方法，包括单变量和多变量逻辑回归分析，以筛选出最具代表性的预测变量。通过多变量逻辑回归分析，我们最终确定了六个独立的预测变量，包括性别、肿瘤、肺部结节大小、MLOE、支气管扩张和蜂窝肺。这些变量在模型中具有重要的权重，能够有效区分NTM-PD和PTB。同时，模型的预测性能得到了校准曲线和DCA曲线的验证，显示了良好的临床适用性。此外，通过设定最优的列线图截断值，我们能够进一步优化模型的敏感性和特异性，使其在实际应用中更具操作性。

本研究的成果对于临床实践具有重要的指导意义。NTM-PD与PTB的鉴别诊断一直是临床面临的难题，而该列线图模型提供了一种高效、低成本的解决方案。通过整合临床和影像学特征，该模型能够在不依赖复杂的实验室检测或高成本的分子生物学方法的情况下，帮助医生进行初步的诊断判断。这对于资源有限或技术条件不足的地区尤为重要，因为这些地区往往难以进行传统的微生物培养或分子检测，而CT影像作为主要的诊断工具，其普及率相对较高。

然而，本研究也存在一定的局限性。首先，由于是回顾性研究，可能存在选择偏差。其次，样本量相对较小，且训练组与验证组在某些指标上存在差异，这些差异未被纳入模型预测因素中，可能影响模型的预测可靠性。此外，模型依赖于CT影像获取的预测变量，因此在缺乏CT设备的地区，其适用性可能会受到限制。为了应对这一问题，研究团队在稳健性分析中探讨了可能的替代方案，例如使用仅包含临床和实验室变量的简化模型，或采用胸部X线作为影像学替代手段。

总的来说，本研究成功建立并验证了一个能够有效区分NTM-PD与PTB的列线图模型，该模型在临床应用中表现出良好的预测性能和校准能力。这一成果不仅有助于提高诊断的准确性，还能够减少不必要的抗结核治疗，降低抗菌药物耐药性的风险，同时减轻医疗系统的负担。随着更多研究的开展和数据的积累，该模型有望在更广泛的临床场景中得到应用，并为相关疾病的诊断和治疗提供更为科学和有效的工具。