基于真实世界数据构建阿立哌唑总浓度低于治疗阈值的列线图预测模型及其内部验证

《Drug Design, Development and Therapy》:Development and Internal Validation of a Nomogram for Subtherapeutic Total Aripiprazole Concentrations: A Retrospective Real-World Study

【字体: 大 中 小 】 时间:2026年10月15日 来源:Drug Design, Development and Therapy 4.7

编辑推荐:

  背景:目前尚缺乏一种简便易用的工具来预测患者阿立哌唑总浓度是否低于150 ng/mL。本研究识别了影响阿立哌唑总浓度低于治疗阈值的独立危险因素,并构建了列线图预测模型,从而为个体化给药提供参考。 方法:本研究为回顾性队列研究,共纳入409份治疗药物监测(the

  
背景:目前尚缺乏一种简便易用的工具来预测患者阿立哌唑总浓度是否低于150 ng/mL。本研究识别了影响阿立哌唑总浓度低于治疗阈值的独立危险因素,并构建了列线图预测模型,从而为个体化给药提供参考。 方法:本研究为回顾性队列研究,共纳入409份治疗药物监测(therapeutic drug monitoring,TDM)样本。根据既定指南,阿立哌唑及其活性代谢物脱氢阿立哌唑的血浆总浓度推荐范围为150–500 ng/mL。因此,浓度低于150 ng/mL的样本被归入亚治疗浓度组,而处于150–500 ng/mL范围内的样本则被归入治疗浓度组。研究人员采用多因素logistic回归分析识别影响阿立哌唑总浓度低于治疗阈值的独立因素,并构建了列线图预测模型。采用净重分类改善指数(Net Reclassification Improvement,NRI)和综合判别改善指数(Integrated Discrimination Improvement,IDI)评估列线图模型相较于仅含日剂量模型是否具有统计学显著的增量价值。 结果:在409份样本中,94份(22.98%)浓度低于150 ng/mL。多因素logistic回归分析显示,男性(OR = 3.922,95% CI:1.732–9.169,P = 0.0012)、较低日剂量(OR = 0.525,95% CI:0.444–0.608,P < 0.001)以及联合使用丙戊酸盐(OR = 4.360,95% CI:2.013–9.883,P < 0.001)是影响阿立哌唑总浓度低于150 ng/mL的独立因素。基于上述结果,研究人员构建了用于预测阿立哌唑总浓度低于治疗阈值的风险列线图模型。该列线图表现出稳健的预测性能,受试者工作特征曲线下面积(area under the curve,AUC)达0.916。基于1000次bootstrap重采样,一致性指数(concordance index,C-index)为0.924。此外,该模型显示出良好的内部校准能力(校准截距 = 0.00,斜率 = 1.00,Brier评分 = 0.088),决策曲线分析表明其具有良好的临床实用性,阈值概率范围宽(5%–95%)。与仅含日剂量模型相比,完整列线图模型的NRI为0.631(95% CI:0.305–0.930;P < 0.001),IDI为0.0472(95% CI:0.0188–0.0963;P < 0.001)。 结论:本研究首次建立了可视化的列线图模型,用于初步预测阿立哌唑血浆总浓度低于150 ng/mL的风险。未来将开展外部验证以进一步评估该模型的预测性能。
一、研究背景与意义
精神分裂症是一种严重的慢性精神疾病,全球终生患病率约为1%,具有较高的致残率和复发率,给患者及其家庭带来沉重的经济和心理负担。抗精神病药物治疗是管理精神分裂症的基石策略。近年来,阿立哌唑作为第二代抗精神病药物,因其独特的药理机制——对多巴胺D2受体和血清素5-HT1A受体产生部分激动作用——而受到越来越多的关注,目前被推荐为精神分裂症的一线治疗药物。
阿立哌唑主要通过肝脏细胞色素P450酶系统代谢,主要代谢途径为CYP2D6和CYP3A4。口服给药后,阿立哌唑在肝脏代谢形成活性代谢物脱氢阿立哌唑,该代谢物的药理活性约为母体化合物的40%。研究表明,阿立哌唑总浓度(即阿立哌唑与脱氢阿立哌唑之和)与其临床疗效及不良反应的发生之间存在明确的浓度-效应关系。根据AGNP指南,阿立哌唑总浓度推荐参考范围为150–500 ng/mL,警戒阈值为1000 ng/mL。已有研究表明,总浓度超过150 ng/mL的患者相较于低于该阈值的患者更有可能获得临床疗效。因此,识别和预测阿立哌唑总浓度低于150 ng/mL的高危患者具有重要的临床意义。
治疗药物监测被认为是指导个体化用药的金标准,已在精神科领域广泛应用,但TDM在临床实践中存在若干局限性:需要专门仪器和培训人员导致检测成本高,尤其在经济发展落后地区难以常规开展;从采血到获得检测结果通常需要数小时至数天,影响急性期患者的快速剂量调整;此外,TDM通常是在患者用药一段时间后进行,无法在治疗初期识别可能存在血药浓度低于治疗范围风险的患者。因此,建立基于常规临床指标的预测模型,在患者用药前或用药早期识别阿立哌唑总浓度可能低于治疗阈值的患者,具有重要的实用价值。
既往研究已表明多种因素可能显著影响阿立哌唑总浓度,包括年龄、性别、CYP2D6表型或基因型、CYP3A4/CYP2D6抑制剂和诱导剂的联合使用、吸烟、用药依从性、采样时间和剂型等。然而,目前仍缺乏系统整合多种临床指标、针对阿立哌唑总浓度低于150 ng/mL这一具有临床意义的阈值进行预测的模型。本研究旨在通过回顾性收集精神分裂症患者阿立哌唑的临床数据和TDM结果,利用多因素logistic回归分析识别影响阿立哌唑总浓度低于150 ng/mL的独立因素,并构建列线图预测模型,为临床医生提供便捷的决策支持,以提升精神分裂症患者的精准治疗水平。
二、研究设计与主要技术方法
研究人员开展了一项回顾性队列研究,数据来源于西安市精神卫生中心检验科2023年1月至2026年3月期间提交的阿立哌唑常规TDM检测申请。研究共纳入409份TDM样本,其中94份(22.98%)总浓度低于150 ng/mL,归入亚治疗浓度组;315份处于150–500 ng/mL范围内,归入治疗浓度组。研究采用高效液相色谱-串联质谱法(HPLC-MS/MS)测定阿立哌唑和脱氢阿立哌唑的血浆浓度。统计分析方面,研究人员使用IBM SPSS Statistics 22.0和MedCalc 19.6进行单因素和多因素logistic回归分析,使用R软件4.2.1版本及rms包构建列线图预测模型,通过受试者工作特征曲线评估模型区分度,通过校准曲线评估模型拟合优度,通过决策曲线分析评估临床效用,采用Bootstrap重采样进行内部验证,并利用PredictABEL包计算NRI和IDI以评估模型相较于仅含日剂量模型的增量预测价值。此外,采用限制性立方样条(RCS)回归分析日剂量与亚治疗浓度风险之间的关系。
三、研究结果
人口学特征:研究最终纳入409份TDM数据点。患者年龄范围18–76岁,中位年龄32.0岁(IQR:25.0–43.25岁),其中男性103例(25.18%),女性306例(74.82%)。阿立哌唑日剂量中位数为10 mg,对应血浆总浓度中位数为239.60 ng/mL。Spearman相关分析显示日剂量与血浆总浓度呈正相关,相关系数为0.744(P < 0.001)。
亚治疗浓度组与治疗浓度组基线特征比较:单因素分析显示,两组在性别、年龄、BMI、治疗时长、肝功能指标和肾功能指标方面无显著差异(P > 0.05)。阿立哌唑药物剂型使用频率在两组间存在显著差异(P < 0.001)。联合使用丙戊酸盐、氯氮平、利培酮和佐匹克隆在两组间存在显著差异(P < 0.05)。治疗浓度组的日剂量显著高于亚治疗浓度组(P < 0.001)。
单因素logistic回归分析:以亚治疗浓度(是 = 1,否 = 0)为因变量,结果显示剂型、日剂量以及联合使用丙戊酸盐、氯氮平和利培酮与阿立哌唑总浓度低于治疗阈值显著相关。
影响亚治疗浓度的多因素logistic回归分析:在单因素分析中P < 0.05的显著变量以及既往文献提示可能影响阿立哌唑总浓度的变量(包括性别、年龄及CYP2D6/3A4抑制剂帕罗西汀、氟伏沙明和西酞普兰)被纳入多因素分析。最终结果显示,男性(OR = 3.922,95% CI:1.732–9.169,P = 0.0012)、较低日剂量(OR = 0.525,95% CI:0.444–0.608,P < 0.001)以及联合使用丙戊酸盐(OR = 4.360,95% CI:2.013–9.883,P < 0.001)是阿立哌唑总浓度低于治疗阈值的独立预测因素。各变量的方差膨胀因子(VIF)均低于5,表明模型不存在多重共线性。交互作用分析显示日剂量、剂型和联合丙戊酸盐之间无显著交互效应。
列线图预测模型的建立:基于性别、日剂量和联合使用丙戊酸盐三个独立因素构建了预测阿立哌唑总浓度低于治疗阈值的列线图模型。例如,女性得分为70分,日剂量10 mg得分为80分,未联合使用丙戊酸盐得分为70分,累计220分提示阿立哌唑总浓度低于150 ng/mL的概率为6.85%。
列线图预测模型的性能评估:ROC曲线分析显示列线图模型的AUC为0.916(95% CI:0.884–0.947),最佳截断值为19.4%,敏感度为89.4%,特异度为81.6%。基于1000次Bootstrap重采样的内部验证显示C-index为0.924(95% CI:0.894–0.949),表明模型具有强大的判别能力。校准曲线显示模型预测值与实际结果高度一致(校准截距 = 0.00,斜率 = 1.00,Brier评分 = 0.088),确认模型能准确预测阿立哌唑总浓度低于治疗阈值的风险。决策曲线分析显示模型在5%–95%的阈值概率范围内均具有净获益,表明模型包含广泛的预测区间,具有良好的临床实用性。
NRI和IDI分析:与仅含日剂量模型相比,完整列线图模型的NRI为0.631(95% CI:0.305–0.930;P < 0.001),IDI为0.0472(95% CI:0.0188–0.0963;P < 0.001),表明三变量模型具有统计学显著的增量预测价值。
RCS分析:日剂量节点设置在5、10和20 mg。在调整性别和联合丙戊酸盐使用后,RCS分析显示日剂量与亚治疗浓度风险之间存在显著的非线性关系(非线性P = 0.0366,总体关联P < 0.001)。在日剂量5–15 mg范围内,阿立哌唑总浓度低于150 ng/mL的概率随日剂量增加而显著降低;但日剂量超过15 mg后,该概率趋于稳定。
四、讨论与结论
讨论部分指出,本研究首次利用多变量logistic回归分析识别了影响阿立哌唑总浓度低于150 ng/mL的独立因素,并构建了相应的列线图模型。该模型简洁易用,能将复杂的回归方程转化为直观的图表,使临床医生能够更早识别高危患者。关于性别对阿立哌唑浓度的影响,既往研究存在争议,本研究观察到男性是亚治疗浓度的危险因素。年龄方面,本研究未发现年龄与阿立哌唑总浓度低于150 ng/mL的风险存在关联。日剂量方面,研究发现在5–30 mg日剂量范围内,总浓度随日剂量增加而升高,且在5–15 mg范围内增加剂量对减少药物暴露不足获益最大。关于联合使用丙戊酸盐,本研究发现其使阿立哌唑总浓度低于150 ng/mL的可能性增加4.360倍,可能的机制包括蛋白置换竞争和CYP3A4酶诱导。
研究结论:本研究通过多因素logistic回归分析,确定了男性、较低日剂量和联合使用丙戊酸盐是影响阿立哌唑总浓度低于150 ng/mL的关键变量。然而,本研究构建的预测模型仅为经过内部验证的初步构建,仍需进行外部验证。未来将开展纳入更大队列的多中心研究,并收集更多可能影响阿立哌唑总浓度的变量,以验证并强化本研究的初步结果。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号