基于中性粒细胞与淋巴细胞比值及临床病理特征的前列腺癌患者骨转移预测模型的构建与验证

《BMC Cancer》：Bone metastasis in newly diagnosed prostate cancer: development and external validation of a diagnostic prediction model based on inflammatory-immune indices and clinicopathological factors to support imaging decisions

　　

摘要

背景

在新诊断的前列腺癌（PCa）患者中，初始评估时准确识别骨转移对于分期和治疗计划制定至关重要。

方法

我们回顾性分析了前瞻维护的数据库中，来自济西路校区的355例患者作为开发队列，以及来自高新校区的203例患者作为外部验证队列。在开发队列中，采用多变量Logistic回归和限制三次样条曲线分析五种炎症-免疫指标与骨转移之间的关联。通过重复最小绝对收缩和选择算子（LASSO）回归结合逐步Logistic回归进行预测因子选择。采用受试者工作特征曲线下面积（AUC）、校准图、Brier评分和决策曲线分析评估模型性能。分别采用Bootstrap重抽样和分校区队列进行内部和外部验证。

结果

开发队列中有67例患者（18.9%）和外部验证队列中有48例患者（23.6%）被识别出骨转移。经充分调整后，中性粒细胞与淋巴细胞比值（NLR）和系统性免疫-炎症指数仍与骨转移保持关联。转化后指标每增加一个标准差，其比值比（OR）分别为1.58（95%置信区间[CI] 1.12–2.22）和1.44（95% CI 1.03–2.03）。重复预测因子选择保留了经对数转换的前列腺特异性抗原、临床T分期、活检Grade Group分级和NLR。该模型在开发队列中的AUC为0.905（95% CI 0.869–0.941）。乐观校正后的AUC为0.898（95% CI 0.864–0.934），外部验证AUC为0.884（95% CI 0.828–0.941）。在校准和临床净获益方面，内部验证和外部验证均保持一致。添加NLR后，AUC从0.887小幅提升至0.905（ΔAUC = 0.018；P = 0.034）。

结论

我们开发了一个结合临床病理因素与NLR的模型，用于估算个体骨转移概率。NLR提供了适度的补充信息，该模型可能支持对新诊断PCa患者是否需要进一步影像学检查的决策。