《Parkinsonism & Related Disorders》:Evaluating Multivariable Clinical Prediction Models for Parkinson’s Disease Prognosis: A Scoping Review
编辑推荐:
多变量临床预测模型(multivariable clinical prediction model)结合两个或更多患者预测变量,以计算某一临床结局的概率。在帕金森病(Parkinson’s disease, PD)患者中,临床预后模型可用于预测疾病进展或临床事
多变量临床预测模型(multivariable clinical prediction model)结合两个或更多患者预测变量,以计算某一临床结局的概率。在帕金森病(Parkinson’s disease, PD)患者中,临床预后模型可用于预测疾病进展或临床事件的发生。这些模型有助于PD的预后判断,并通过为医疗决策和资源分配提供信息来补充临床判断。在这项从建库至2025年5月的文献范围综述(scoping review)中,研究人员展示了来自74个PD多变量预后模型的数据,并按临床结局进行归类。研究人员还描述了模型的开发、验证和校准(如已开展),并指出了现存的知识空白。通过总结现有的PD多变量临床预后模型,本综述旨在为预后判断提供信息,并推动开发更准确、经过验证的预后模型,以便应用于临床实践。
**研究背景与目的**:帕金森病(Parkinson’s disease, PD)是增长最快的神经退行性疾病,目前缺乏能延缓疾病进展的疾病修饰疗法,且尚无治愈手段。临床医师通常使用验证性量表对PD进行分期并量化运动及非运动症状负荷,但这些量表无法预测个体随时间推移的临床结局(如痴呆或死亡)。多变量临床预测模型(multivariable clinical prediction model)结合多个预测变量来计算未来特定事件发生的概率,可辅助临床判断、个体化治疗决策与资源配置。然而,既往已发表的PD预后模型多为单变量模型,且鲜有文献系统总结多变量模型。为此,研究人员开展本项范围综述(scoping review),旨在系统检索并总结截至2025年5月发表的所有PD多变量预后模型,按临床结局进行分类,并评估其开发、验证与校准情况,以明确当前知识空白、促进更准确且经过验证的模型开发。
**研究方法**:本综述遵循已发表的研究方案,检索PubMed、EMBASE、Web of Science和Scopus数据库,时间范围从建库至2025年5月22日。纳入标准为:使用传统统计方法(如logistic回归、Cox回归)或机器学习方法开发PD预后多变量模型的全文研究;研究对象为人类;以英文发表于同行评审期刊。排除仅报告单个预测因子性能的单变量模型以及只提供效应估计值(如比值比或风险比)的研究。文献筛选采用Covidence平台,分三个阶段进行,由两名研究人员独立筛选标题/摘要及全文,分歧由第三人裁决。数据提取内容包括模型鉴别性能(受试者工作特征曲线下面积[AUC]、决定系数[R
2]、归一化均方根误差[NRMSE])和校准性能(校准曲线、Hosmer-Lemeshow检验、Brier评分)。
**研究结果**:共筛选2107篇文章,最终纳入74篇。现有PD多变量预后模型预测的临床结局分为五大类:运动症状(21篇)、认知衰退(19篇)、总体疾病进展(19篇)、其他非运动症状(11篇)和功能衰退(4篇)。
**运动症状(Motor Symptoms)**:涉及结局包括冻结步态(freezing of gait, FOG)、MDS-UPDRS子量表评分、跌倒、Hoehn和Yahr(HY)分期、运动进展及脑深部电刺激(deep brain stimulation, DBS)术后运动改善。7个FOG模型中,结合人口学、临床特征和MRI生物标志物的模型AUC范围为0.70–0.95;仅3个研究报告了校准指标。4个预测MDS-UPDRS评分的模型未报告AUC,R
2范围为0.09–0.953,均未报告校准。4个跌倒预测模型中,整合非神经科临床变量及唾液生物标志物的模型表现最佳(AUC 0.82,95%CI 0.71–0.92)。3个预测HY 3期的模型中,联合SEADL、LNS和SFT的模型AUC最高(0.812)。2个运动进展预测模型中,基于静息态功能磁共振成像(rs-fMRI)的模型AUC达0.916,但均未外部验证。DBS术后运动改善模型外部验证AUC为0.769。
**认知衰退(Cognitive Decline)**:涉及总体认知衰退、轻度认知障碍(mild cognitive impairment, MCI)和帕金森病痴呆(Parkinson’s disease dementia, PDD)。11个总体认知衰退模型中,结合临床、遗传、脑脊液(cerebrospinal fluid, CSF)及影像数据的模型判别力较好,部分AUC达0.86–0.97;其中2个模型进行了内部和外部验证,6个提及校准。5个MCI模型中,纳入生物标志物和影像数据的模型表现更优(如多组学模型AUC 0.928)。2个PDD预测模型AUC分别为0.791和0.90;1个预测精神病性症状的模型结合认知、遗传及CSF/影像数据后合并AUC为0.770。仅2项研究进行了内部验证,无研究报告校准分析。
**总体疾病进展(General Disease Progression)**:结局涵盖MDS-UPDRS评分、HY分期、CISI-PD评分、MoCA评分、UPSIT评分、SCOPA评分、PDQ-39评分、SEADL评分以及开始对症治疗的时间。预测因子包括人口学、运动及非运动症状、遗传状态、细胞因子水平、肠道菌群、可穿戴传感器数据及MRI/DAT影像。6项研究同时进行了内部与外部验证,8项提及校准。例如,一项预测不良预后(HY≥3或痴呆或死亡)的模型内部验证AUC为0.765,外部验证AUC升至0.85。
**其他非运动症状(Other Non-Motor Symptoms)**:涉及抑郁(3篇)、非运动症状复合评分或组合(2篇)、快速眼动睡眠行为障碍(RBD)(2篇)、淡漠(1篇)、冲动控制障碍(1篇)、误吸(1篇)及DBS术后谵妄(1篇)。抑郁模型AUC介于0.754–0.94;误吸模型经乐观校正后的训练集和测试集AUC分别为0.882和0.950;DBS术后谵妄模型校正后AUC为0.755。
**功能衰退(Functional Decline)**:包括健康相关生活质量(HRQoL)、日常生活活动能力(ADL)、驾驶能力和DBS术后出院去向。HRQoL模型在12个月和24个月的AUC分别为0.89和0.83;预测5年内功能依赖的模型AUC为0.764;驾驶评估模型正确分类率达93.2%;DBS术后出院处置模型AUC为0.853。
**模型开发、验证、校准和临床效用(Model Development, Validation, Calibration, and Clinical Utility)**:在74项研究中,46项(62.2%)仅进行了内部验证,16项(21.6%)同时进行了内部和外部验证,12项(16.2%)未报告任何验证;仅28项(37.8%)报告了校准。31项研究的预测因子可在床旁获取,9项提供了可直接使用的床旁工具(如评分、列线图或方程),但并非所有工具均经过验证。
**讨论总结**:本研究系统总结了PD领域现有的多变量预后模型,覆盖五大类临床结局。纳入的研究普遍选择人口学、临床、遗传、实验室及影像变量的组合进行预测;在许多情况下,AUC>0.8的模型往往纳入了实验室和影像学生物标志物。但超过一半的研究未报告校准指标、未说明缺失数据处理方法,也未评估模型在临床护理中的可用性;外部验证缺乏,导致绝大多数模型尚不能直接用于临床实践。此外,许多重要结局(如运动波动、自主神经功能障碍和死亡)仍缺少预测模型。使用PPMI队列可能引入选择偏倚,且小样本、仅内部验证或高度选择的数据集中的高AUC可能反映过拟合,需谨慎解读。本综述的局限包括检索词可能遗漏部分使用替代术语描述的模型、结局定义异质性较大,以及未使用TRIPOD+AI和PROBAST工具进行正式偏倚风险评估。
**研究结论**:由于PD预后判断仍然困难,临床预后模型有助于辅助临床决策。尽管已发表大量模型,但尚无一个被纳入标准临床实践。未来需要进一步研究,开发并验证更准确、经过外部验证和校准的预后模型,以提升PD护理质量。