基于肺量计指标构建预测模型：精准预判 PRISm 向 COPD 的进展

慢性阻塞性肺疾病（COPD）发病率和死亡率高，其前期状态 PRISm（Preserved Ratio Impaired Spirometry）易进展为 COPD。研究人员针对此开展构建预测模型的研究。结果显示模型性能良好，有助于早期识别高危人群，为及时干预、延缓疾病进展提供依据。

　　慢性阻塞性肺疾病（COPD）如同潜伏在人体肺部的 “隐形杀手”，悄无声息地威胁着全球众多人的健康。它不仅有着较高的发病率和死亡率，还因其气流受限和慢性呼吸道症状，严重影响患者的生活质量。而肺量计比值受损（PRISm）作为 COPD 的前期特殊亚型，正逐渐走进人们的视野。PRISm 患者的肺功能处于一种微妙的失衡状态，他们有着发展为 COPD 的风险，但这个转变过程充满了不确定性。目前，关于 PRISm 患者发展为 COPD 的具体发病率鲜见报道，针对 PRISm 进展的风险因素研究也较为匮乏，这就如同在黑暗中摸索，让医生们难以精准地对患者的病情进行预判和干预。因此，找到一种能够提前预测 PRISm 向 COPD 进展的方法，成为了医学领域亟待解决的关键问题。

为了攻克这一难题，四川大学华西医院的研究人员挺身而出，开展了一项极具意义的研究。他们从海量的医疗数据中寻找线索，对 PRISm 患者的临床特征进行深入剖析，试图找出那些隐藏在背后的进展风险因素，并构建出预测模型，从而为早期干预提供有力支持，阻止患者肺功能出现不可逆的下降。最终，研究人员成功构建出了预测模型，且该模型表现出良好的性能，能较好地预测 PRISm 患者向 COPD 的进展。这一成果意义重大，它为医生们提供了一双 “慧眼”，让他们能够提前识别出肺功能恶化的高危人群，及时采取干预措施，延缓疾病的发生和发展，为患者的健康保驾护航。该研究成果发表在《Scientific Reports》上。

在研究过程中，研究人员运用了多种关键技术方法。他们从四川大学华西医院 2012 年 1 月至 2020 年 7 月期间至少进行过两次肺功能测试的 14534 例住院患者的电子病历中提取数据，通过严格的筛选和排除标准确定研究对象。之后，运用 LASSO 回归和多变量逻辑回归等统计分析方法，对数据进行深度挖掘，找出影响 PRISm 进展的关键因素，进而构建预测模型，并利用校准曲线、受试者工作特征曲线（ROC）、决策曲线分析（DCA）和临床影响曲线（CIC）等对模型进行评估 。

下面来看具体的研究结果：

1. 基线人口统计学特征：研究最终纳入 283 例患者，其中 134 例疾病进展，149 例未进展。进展组患者相比未进展组，年龄更大、BMI 更高、吸烟比例更高、预测 FEV₁ 、FEV₁/FVC 比值和预测 VC 更低，呼吸疾病家族史、呼吸并发症、慢性肾病的发生率更高，肺气肿 CT 征象出现频率也更高，且两组在白蛋白、葡萄糖等多项实验室指标上存在显著差异12。
2. 特征选择：利用 LASSO 回归算法从 35 个相关特征变量中筛选出 8 个潜在预测因子，确定了最合适的调整参数 λ 为 0.0253。
3. 风险预测因素分析及模型构建：对 8 个保留变量进行多变量逻辑回归分析，发现高龄、呼吸困难、合并呼吸疾病、红细胞计数较高与肺功能进展呈正相关；较高的预测 FEV₁和 FEV₁/FVC 比值则与肺功能进展风险较低相关 。基于 6 个变量构建了列线图预测模型4。
4. 模型性能评估：模型校准曲线与 Y=X 线几乎重合，表明校准良好。训练队列和验证队列的 ROC 曲线下面积（AUC）分别为 0.869 和 0.792 ，训练队列灵敏度为 0.835，验证队列灵敏度为 0.960，特异性在两个队列分别为 0.771 和 0.613。DCA 和 CIC 结果显示模型具有良好的临床应用价值和较大的临床净获益56。

研究结论和讨论部分进一步强调了研究的重要意义。研究证实了 PRISm 很可能进展为 COPD，且明确了高龄、呼吸困难、较低的 FEV₁pred、较低的 FEV₁/FVC、呼吸并发症和红细胞计数升高与 PRISm 进展相关。该预测模型为临床医生提供了一个便捷有效的工具，能够快速识别出高风险的 PRISm 患者，以便及时进行干预。不过，研究也存在一些局限性，如合并症收集不详细、缺乏肺功能恶化的具体时间间隔等。未来需要更多的多中心纵向研究，进一步探索风险因素，完善对合并症的评估，从而提高研究结果的普遍性和可靠性。总体而言，这项研究为 COPD 的早期防治开辟了新的道路，让我们在与这一 “隐形杀手” 的斗争中迈出了重要一步。