综述：发热性中性粒细胞减少症及其结局的临床预测模型：系统评价

这篇系统评价全面梳理了近十年发热性中性粒细胞减少症（FN）及其并发症预测模型的研究进展，指出现有模型虽在判别能力上展现潜力，但因定义差异、高偏倚风险（ROB）、外部验证不足及队列异质性等问题，尚未实现临床转化。未来需结合机器学习（ML）和电子病历（EMR）整合开发更稳健模型。

　　

Abstract

发热性中性粒细胞减少症（Febrile Neutropenia, FN）是化疗患者致命的并发症，其临床管理依赖风险预测工具。尽管指南推荐使用多国癌症支持治疗协会评分（MASCC）和临床稳定指数（CISNE），但近期证据表明其判别能力有限。本综述系统评估了90项研究，发现当前模型普遍存在高偏倚风险（ROB），且仅8项研究应用机器学习方法。

Introduction

FN在化疗患者中发生率高达20%，死亡率达9.5%，合并休克时升至50%。其定义为体温≥38.3°C或持续≥38.0°C伴中性粒细胞绝对值（ANC）<0.5×10⁹
/L。现有风险分层工具如MASCC和CISNE在初始验证中表现良好，但后续分析显示其安全性不足，需结合临床判断。

Methods

研究遵循PRISMA指南，检索PubMed、Embase等数据库2013-2023年间文献。纳入标准包括成人FN预测模型研究，排除非模型构建或非英文文献。使用预测模型偏倚评估工具（PROBAST）进行风险评估。

Results

共纳入90项研究，其中25项预测FN发生，65项预测FN结局（28项针对死亡率，35项针对微生物学结局）。主要发现包括：

1. FN预测模型：FENCE和^CSR
   FENCE评分在实体瘤患者中表现最佳（Harrel’s C-statistic 0.79），但外部验证时效能下降。
2. 结局预测模型：MASCC和CISNE对严重并发症的敏感性和特异性分别为55.6%/86.0%和78.9%/64.9%。
3. 生物标志物：降钙素原（PCT）、C反应蛋白（CRP）和白细胞介素-6（IL-6）常被用于辅助预测，但单一标志物判别力不足。

Discussion

当前模型的局限性包括：

• 定义不一致：FN的体温和ANC阈值差异影响模型可比性。
• 偏倚风险：90%研究存在高ROB，主要源于分析域未充分评估校准度。
• 技术革新：机器学习模型（如梯度提升树AUROC 0.92）虽未广泛验证，但展现了整合多维度数据的潜力。

Conclusion

未来方向应聚焦于：

1. 采用标准化FN定义；
2. 结合临床-实验室-微生物多参数构建模型；
3. 通过EMR实现实时风险预警。机器学习与电子病历的深度融合可能是突破临床转化瓶颈的关键路径。