颈部淋巴结肿大恶性风险评估的精炼：LASSO-LAP评分系统的开发（新型临床评分系统第2版）

《European Archives of Oto-Rhino-Laryngology》：Refining malignancy risk stratification in cervical lymphadenopathy: development of the LASSO-LAP score (novel clinical scoring system version 2)

　　

摘要

背景

准确术前鉴别颈部淋巴结肿大仍然是临床上的一大挑战。尽管全身免疫炎症指数具有一定的预后价值，但对其进行同时诊断评估时往往受到多重共线性的阻碍。本研究旨在将全面的血液学和营养学标志物与已建立的临床影像学预测因子相结合，采用惩罚性机器学习方法，优化我们此前开发的恶性风险评分。

方法

回顾性分析了420例因颈部淋巴结肿大而行切除活检的患者的队列。最初对14个候选预测因子进行了基线特征评估。然而，为避免因源自相同全血细胞计数（CBC）参数的指数而产生数学同义反复，排除了8个结构性冗余指数。随后，对优化后的6个预测因子池采用最小绝对收缩和选择算子（LASSO）逻辑回归进行最终变量选择和正则化。在此基础上构建了一个加权多参数临床评分系统，并通过受试者工作特征（ROC）分析评估其诊断性能。

结果

最终开发队列共纳入420例患者（240例非恶性，180例恶性）。通过LASSO回归筛选出6个无多重共线性的独立变量：年龄、男性性别、圆形指数、融合、V区受累以及中性粒细胞与淋巴细胞比值（NLR）。所得的11分制风险评分内部验证曲线下面积（AUC）为0.859（95%置信区间（CI）：0.822–0.895），显示出高度的辨别能力。在一个由57例患者组成的独立时间验证队列中，该模型正确地将患者分类为低恶性风险组（11.1%）、中风险组（35.7%）和高风险组（85.0%），保持了较强的预测准确性（AUC：0.867）。根据匹配的DeLong检验结果，该简化的基于NLR的模型与此前开发的更复杂的指数模型之间在诊断上无统计学显著差异（p = 0.566）。

结论

该11分制临床评分系统为颈部淋巴结肿大的术前恶性风险分层提供了一种稳健且实用的方法。研究表明，一个简化的整合NLR的模型能够达到与复杂综合指数相同的诊断准确性水平。该工具避免了数学同义反复，并为常规实践中活检的最佳时机提供了可及的、循证的指导。