慢性鼻窦炎伴鼻息肉患者报告结局量表的预测模型构建与临床应用：一项横断面研究

这篇综述通过构建线性回归和随机森林模型，首次系统量化了慢性鼻窦炎伴鼻息肉（CRSwNP）患者四种常用量表（NOSE、SNOT-22、CRS-PRO、NPQ）的预测关系，证实SNOT-22与NPQ相关性最高（r=0.87），线性模型R2达0.76。研究为临床跨量表分数转换提供了可靠工具，尤其适用于生物制剂疗效监测（ΔR2≤0.03）。

　　

背景
慢性鼻窦炎伴鼻息肉（CRSwNP）影响着欧美10-12%人群，其典型症状包括鼻塞、嗅觉丧失和面部疼痛。随着患者报告结局（PRO）量表如NOSE（鼻阻塞症状评估）、SNOT-22（22项鼻窦结局测试）的广泛应用，临床面临多量表数据难以横向比较的困境。

材料与方法
西班牙哈恩大学医院纳入200例符合EPOS 2020标准的CRSwNP患者，采用横断面设计收集NOSE、SNOT-22、CRS-PRO和NPQ（鼻息肉生活质量）数据。通过Pearson相关性分析发现量表间强关联（r=0.61-0.87），随后建立线性回归与随机森林模型，以R2和均方误差（MSE）评估性能，并针对哮喘、鼻部手术史等亚组进行分层分析。

结果
关键发现包括：

1. 模型性能：SNOT-22预测NPQ的线性模型表现最佳（R2=0.76，MSE=81.69），随机森林仅提升0.02 R2；
2. 临床异质性：哮喘患者中NOSE→CRS-PRO预测力提升11%（R2=0.69 vs 0.58），既往手术患者CRS-PRO→NPQ模型R2达0.81；
3. 验证指标：Durbin-Watson值1.85-2.17证实残差独立性，VIF≤1.0排除多重共线性。

讨论
该研究首次实现CRSwNP多量表分数转换，其临床价值体现在：

• 允许通过NOSE分数推算SNOT-22得分（R2=0.74），解决随访中量表更替的数据衔接问题；
• 在生物制剂时代，CRS-PRO作为综合指标可替代SNOT-22监测治疗反应；
• 亚组分析提示合并哮喘或手术史患者更适合采用预测模型。

展望
当前模型需多中心验证，未来可探索机器学习在复杂症状交互中的应用。这项研究为CRSwNP的精准医疗提供了标准化PRO应用框架，尤其有助于优化生物制剂治疗的疗效评估体系。