《European Journal of Cancer》：AI Performance for Nodule Volume Doubling Time in the follow-up of the UKLS Lung Cancer Screening Study Compared to Expert Consensus and Histological Validation
编辑推荐：
本研究旨在建立EORTC QLQ-FA12量表中身体、情绪及认知疲劳维度的临床重要性阈值（TCI）。通过结合锚定项目与ROC曲线分析，确定TCI分别为43、28和25。研究显示，这些阈值能有效区分临床重要与非重要疲劳水平，敏感性0.87-0.94，特异性0.67-0.80，AUC≥0.89。结果为临床实践和研究提供了标准化评估依据。
帕特里夏·布利克尔（Patricia Blickle）| 丽莎·M·斯托尔茨（Lisa M. Storz）| 马蒂娜·E·施密特（Martina E. Schmidt）| 詹斯·莱曼（Jens Lehmann）| 米哈·J·皮尔茨（Micha J. Pilz）| 马琳娜·米尔泽（Marlena Milzer）| 伊马德·马图克（Imad Maatouk）| 约翰内斯·M·吉辛格（Johannes M. Giesinger）| 卡伦·施泰因多夫（Karen Steindorf）
德国海德堡德国癌症研究中心（DKFZ）物理活动、癌症预防与生存研究部门
摘要
目的
癌症相关性疲劳是癌症及其治疗中最令人困扰的副作用之一。欧洲癌症研究与治疗组织（EORTC）开发的疲劳问卷（EORTC QLQ-FA12）是一种广泛用于多维度评估疲劳的工具。然而，其分数的解释可能具有挑战性。因此，研究人员为该问卷所评估的三个疲劳维度制定了临床重要性阈值（TCI）。
方法
在确定TCI时采用了标准化方法。除了填写EORTC QLQ-FA12问卷外，不同类型癌症的患者还需完成关于日常生活受限、需要帮助/护理以及对患者本人、其伴侣和/或家人造成困扰的三个锚定项目。通过接收者操作特征曲线（Receiver Operating Characteristic curves）和优登系数（Youden’s J）来确定最合适的TCI。
结果
来自两项观察性研究的1,111名患者（平均年龄67.2±12.6岁，61.2%为女性）的完整数据被纳入分析。物理疲劳、情绪疲劳和认知疲劳得分的TCI分别为43、28和25。按性别和年龄进行的亚组分析结果一致。这些阈值的敏感性范围为0.87至0.94，特异性范围为0.67至0.80，曲线下面积均≥0.89。
结论
本研究确定了EORTC QLQ-FA12三个维度的TCI。这些TCI可用于研究和临床实践中，以便更准确地解读患者在某一时间点的疲劳情况。TCI可以提示哪些患者的疲劳程度需要额外的临床关注。
引言
癌症相关性疲劳是癌症患者最常报告且令人困扰的症状之一[1]。其特征是持续性的极度疲倦感，可能表现为身体、情绪或认知方面的问题，并且无法通过睡眠或休息得到充分缓解。疲劳会严重影响患者的功能表现、情绪和整体健康状况[2][3]，从而导致日常生活能力下降以及癌症治疗依从性降低。
样本
本研究汇总并分析了来自两项纵向观察性研究的患者数据，涵盖了从癌症治疗期到早期康复期的整个疲劳负担过程。参与LIFT研究（“癌症相关性疲劳及其治疗的纵向调查”）的患者在癌症诊断后平均两年通过在线调查或纸质问卷形式完成了EORTC QLQ-FA12问卷及相应的锚定项目。
结果
共有1,111名患者（61.2%为女性；平均年龄67.2岁，标准差12.6岁）被纳入分析。其中约四分之三（73.2%）的患者参与了LIFT研究，即在诊断后约24个月时接受了评估。最常见的癌症类型为乳腺癌（35.4%）、结肠/直肠癌（14.2%）和胰腺癌（11.6%）。患者们在物理疲劳维度上的得分最高。
讨论
为了在临床试验中更直观地解读结果，并在临床实践中提供筛查方法以识别个体患者的疲劳程度，本研究确定了EORTC QLQ-FA12在物理、情绪和认知维度上的TCI。这些TCI可用于指示哪些患者的疲劳状况需要额外关注。
限制与优势
需要注意的是，患者体验疲劳的程度和方式存在差异。此外，由于这是首次针对这些特定维度制定TCI的研究，因此需要外部验证。进一步探讨可能的影响因素（如治疗方式和肿瘤类型）将有助于增强所提出TCI的可靠性。此外，还需注意TCI在实际应用中的有效性。
结论
EORTC QLQ-FA12的TCI应用将有助于医疗专业人员和患者更准确地解读疲劳分数，从而提高该工具在临床研究和日常临床实践中的实用性。此外，TCI能够识别出可能需要临床关注的患者的症状负担。
资助
MERLIN研究部分得到了NCT项目“Spenden gegen Krebs”（癌症捐赠计划）的支持。LIFT研究由德国研究基金会（Deutsche Forschungsgemeinschaft – DFG）资助（资助编号：MA 7865/3-1、SCHM 3423/3-1、STE 1493/6-1，项目编号：438839893）。
作者贡献声明
卡伦·施泰因多夫（Karen Steindorf）：撰写、审阅与编辑、方法学设计、资金申请、概念构建。
约翰内斯·M·吉辛格（Johannes M. Giesinger）：撰写、审阅与编辑、方法学设计、数据分析。
伊马德·马图克（Imad Maatouk）：撰写、审阅与编辑、概念构建。
马琳娜·米尔泽（Marlena Milzer）：撰写、审阅与编辑、数据管理。
米哈·J·皮尔茨（Micha J. Pilz）：撰写、审阅与编辑、方法学设计、数据分析。
詹斯·莱曼（Jens Lehmann）：撰写、审阅与编辑、方法学设计。
马蒂娜·E·施密特（Martina E. Schmidt）：撰写、审阅与编辑。
关于写作过程中使用生成式AI和AI辅助技术的声明
在准备本稿时，作者使用了deepL Write工具来优化学术英语文本。使用该工具后，作者对内容进行了必要的审阅和编辑，并对出版物的内容负全责。
利益冲突声明
作者声明以下财务利益和个人关系可能构成潜在的利益冲突：JL在评估软件开发方面提供咨询服务，并从武田制药（Takeda）获得了针对其所在大学的科研资助，但这些均与本研究无关。其余作者均声明没有利益冲突。
