《Cancer Medicine》：Core Self-Reported Variables for Next-Generation Colorectal Cancer Risk Prediction: An International Expert Consensus Study
编辑推荐：
背景：结直肠癌（colorectal cancer, CRC）仍然是全球主要的健康负担，尽管基于人群的筛查是有益的，但当前项目存在显著的局限性。风险分层筛查已被提出，然而现有预测模型在性能和预测因子的纳入方面各不相同。数据自适应建模（即机器学习，machine
背景：结直肠癌（colorectal cancer, CRC）仍然是全球主要的健康负担，尽管基于人群的筛查是有益的，但当前项目存在显著的局限性。风险分层筛查已被提出，然而现有预测模型在性能和预测因子的纳入方面各不相同。数据自适应建模（即机器学习，machine learning, ML）可能增强风险预测，但依赖于高质量的输入数据。专家共识方法为识别未来工具中具有临床意义的变量提供了一种结构化途径。
目的：就下一代结直肠癌风险预测工具的相关变量选择和自报问卷条目的完善建立专家共识。
方法：开展了一项改良德尔菲研究（modified Delphi study），由17名国际公认的专家参与。该过程包括匿名的、基于电子邮件的多轮调查，旨在完善结直肠癌风险预测问卷。在三个迭代轮次中，专家们对条目的相关性进行评分、提出修订意见并识别缺失领域，同时审阅群体层面的评分和评论摘要。未满足预设阈值的条目被移除，并纳入经过验证的生活方式相关条目。共识定义为17名专家中的15名将条目评定在相似的三点范围内。
结果：全部17名专家完成了所有轮次。最终的I-CRC-RISK问卷包含七个类别的23个条目：人口学、健康状况、家族健康史、饮食模式、体力活动、吸烟和饮酒。19个条目达成了专家共识。
结论：I-CRC-RISK问卷提供了经专家知情的自报变量集，以支持未来的风险预测工作。它为在开展前瞻性数据收集之前进行进一步验证和心理测量学（psychometric）测试提供了结构化基础。这项基础性工作可能通过改善输入数据的一致性和相关性，提高传统方法和机器学习方法的预测性能。
下一代结直肠癌风险预测核心自报变量：基于国际专家共识的研究解读
结直肠癌（colorectal cancer, CRC）是全球第三大常见肿瘤，每年约190万新发病例和93万死亡，且年轻成人发病率上升，凸显有效预防和早期发现的紧迫性。基于人群的筛查虽有获益，但存在明显局限：多数粪便潜血阳性为假阳性，导致不必要结肠镜检查及并发症风险；筛查之间可出现间期癌；不同筛查方法、年龄界限和筛查间隔不统一。风险分层筛查旨在减少过度与不足筛查，但现有CRC风险预测模型性能和规范性不一，预测因子差异大，生活方式变量纳入不均衡。传统统计模型占主导，而机器学习（machine learning, ML）模型虽可能提升预测能力，却严重依赖高质量协变量；注册信息常缺乏生活方式数据，需通过自报问卷前瞻性收集。因此，采用专家共识方法系统遴选和优化自报变量，对发展下一代预测工具具有重要意义。
研究人员运用改良德尔菲法（modified Delphi method），邀请17名国际专家参与。研究始于2023年基于文献构建初始问卷（30个条目），并于2024年9月至2025年5月完成三轮匿名邮件迭代。专家来源包括国际癌症研究机构（IARC）/世界卫生组织（WHO）推荐及雪球抽样。经过评分、修订和反馈，最终形成“I-CRC-RISK问卷”，含23个条目，覆盖人口学、健康状况、家族健康史、饮食模式、体力活动、吸烟和酒精消费七类，其中19个条目达到专家共识。这是首个以国际专家共识为基础、模型无关（model-agnostic）的CRC风险预测自报变量集，为前瞻性数据收集和后续心理测量学验证提供了结构化平台。
主要技术方法方面，研究人员采用了改良德尔菲法，结合定量评分与定性反馈。具体包括：通过IARC/WHO推荐及雪球抽样目标性招募专家；每轮使用5点李克特量表（Likert scale）评价条目相关性，并收集自由文本修订建议；预设条目中位数评分≤3为删除阈值；第二轮后定义共识为17名专家中至少15名的评分落在相邻3点范围内；每一轮将匿名汇总的均值、中位数和评论反馈给全体专家后再进入下一轮。饮食条目采用LifeCRC评分（Aleksandrova等2021年开发，Brenne等2024年修改），体力活动条目采用Saltin-Grimby体力活动水平量表。三轮完成后17名专家全部完成所有轮次，无失访。
研究结果方面：
最终问卷结构：三轮德尔菲后形成的I-CRC-RISK问卷包含23个条目，覆盖七类。专家评分均值4.26（标准差0.50），中位数4.29，范围3.31–5.00。性别、年龄、家族CRC史、已知家族遗传高风险综合征、吸烟和酒精消费获得最高相关性评分。
共识达成情况：19个条目达成共识。专家额外建议纳入“既往参与CRC筛查或既往结肠镜检查”，认为其具有风险相关性，但担心自报信息关于癌前病变细节的准确性。饮食和体力活动条目采用了经过验证的问卷工具。
未达成共识的条目：家庭收入、黑面包、乳制品和红肉四项未达成共识。家庭收入被质疑数据采集可行性和敏感性问题，但也被视为社会经济地位的指标。三项饮食条目被专家质疑是否能充分捕捉预期饮食暴露，并存在证据状态、文化差异和应答负担等考量。
排除的条目：教育水平、长期居住国、女性绝经年龄、激素替代药物（并入药物条目）、心血管病史、综合饮食模式条目、咖啡以及三个原始体力活动条目因未达到阈值或专家推荐被删除或替换。
讨论与结论方面，研究人员指出，既往CRC风险预测模型多基于回顾性队列数据，变量定义不够细致。I-CRC-RISK问卷的优势在于通过归纳式德尔菲过程获得更精确的条目表述和选项，例如用药条目覆盖更多药物类别并明确频率与疗程，生活方式条目采用长期视角捕捉习惯性行为。自报变量固有地易受回忆偏倚、社会期望偏倚和误解影响，需进行严格的心理测量学验证；研究人员建议遵循ISPOR良好实践原则，开展翻译与文化适应、认知访谈和试点测试，并结合注册数据、前瞻性队列及登记链接评估预测效用。研究局限包括专家招募存在潜在选择偏倚、小组规模相对有限、专家主要来自西方国家、各专家专长领域不均等。结论：I-CRC-RISK问卷提供了经专家共识形成的核心自报变量集，为前瞻性数据收集提供结构化基础，可支持后续基于传统模型或ML方法的CRC风险预测工作；但该问卷属于初步工具，必须在心理测量验证、预测性能评估和跨文化适应后方可考虑用于CRC风险预测或筛查项目。作者团队邀请其他研究者使用、完善和验证该问卷，以推进精准筛查领域的发展。
