犬浅表性脓皮病评估标准化：严重性评分的提议

《Veterinary Dermatology》：Standardising Assessment of Superficial Pyoderma in Dogs: Proposal of a Severity Score

　　

摘要 背景：浅表性脓皮病在患有特应性皮炎（AD）的犬中较为常见，但目前尚无经过验证且被广泛接受的严重性评分系统。 假设/目标：基于可靠的客观病变定量结合临床医生分配的数值严重性评级，开发一种犬浅表性脓皮病严重性的预测工具。 动物：前瞻性纳入了60只表现出滤泡性丘疹、脓疱、表皮环形皮屑和/或黄色痂皮的客户所有犬。 材料与方法：六名临床医生在基线及最多两次随访访视中评估了病变类型、数值和分类疾病严重程度以及治疗效果。通过对单个丘疹和脓疱进行计数，以及对融合性丘疹/脓疱、表皮环形皮屑和痂皮进行标准化面积测量来量化病变。评估了临床医生之间和临床医生内部的可靠性。随后，利用病变定量和临床医生分配的数值严重性评分开发了脓皮病严重性的预测模型。 结果：特定病变类型的识别和分类严重性评估在临床医生之间显示出较差的一致性，表明严重性评估的可靠性有限。相比之下，联合病变定量显示出良好的临床医生间和临床医生内可靠性，且临床医生分配的数值严重性评分显示出良好的临床医生间可靠性。由此产生的预测模型与临床医生分配的严重性评分表现出良好的一致性，在从0（无脓皮病）到100（可想象的最严重脓皮病）的连续量表上估计脓皮病严重性，每例病例的平均绝对误差约为9个严重性点数。 结论与临床相关性：所提议的评分系统依赖于联合病变定量，无需主观的分类分级。尽管需要进一步验证，但它为客观评估浅表性脓皮病严重性奠定了基础，并引入了一种将联合病变负荷转化为临床医生感知的疾病严重性的数学模型。

论文解读：《Standardising Assessment of Superficial Pyoderma in Dogs: Proposal of a Severity Score》

研究背景

犬浅表性脓皮病（superficial pyoderma）是兽医皮肤病学中一种常见的疾病，尤其常作为特应性皮炎（AD）的继发感染出现。然而，目前的临床研究和实践中缺乏标准化且经过验证的方法来评估该病的严重程度或治疗反应。现有的结局指标存在显著的异质性，大多数研究仍依赖未经验证的评分系统。这种局面的形成可能与浅表性脓皮病复杂的临床表现有关，其病变类型多样（如丘疹、脓疱、表皮环形皮屑等），既可单独出现也可混合发生。随着AD患病率的上升以及抗菌药物耐药性的增加，建立一个稳健且标准化的严重性评估体系对于支持高质量临床试验和实现跨研究比较至关重要。因此，研究人员旨在开发一种基于病变的犬浅表性脓皮病严重性评分系统，该研究分为三个阶段：病变预选与专家验证、客户所有犬的病变定量与严重性评估及可靠性测试、整合病变定量与临床医生评估的严重性预测模型开发。本文发表于《Veterinary Dermatology》。

关键技术方法

本研究采用了前瞻性队列设计，共纳入60只客户所有的犬，这些犬表现为滤泡性丘疹、脓疱、表皮环形皮屑和/或黄色痂皮。研究的关键技术方法包括：首先，通过专家小组调查对预选的病变类型进行内容验证；其次，由多名临床医生（包括专家和初学者）对病变进行定量评估，即使用手持计数器对单个丘疹和脓疱进行计数（上限为90个），并使用标准化显微镜载玻片对融合性病变、表皮环形皮屑和痂皮的面积进行测量（以1/4载玻片为增量）。同时，临床医生对疾病严重性进行0-100的数值评分和4点分类评分（研究者全局疾病严重性评估，IGADS）。随后，通过计算组内相关系数（ICC）和Krippendorff's alpha来评估观察者间和观察者内的可靠性。最后，利用非线性最小二乘优化算法（Levenberg-Marquardt算法）构建预测模型，并通过赤池信息量准则（AICc）和重复训练-测试验证进行模型选择与验证。

研究结果

3.1 第一部分：专家组对预选病变的验证

研究人员邀请了11名获得资质的转诊临床医生对预选的病变类型进行调查。结果显示，球菌和吞噬作用的细胞学证据被认为是必不可少的；活动性黄色痂皮、表皮环形皮屑、滤泡中心性丘疹和滤泡跨越性脓疱也被认为是必要或有用的，并被保留用于评估；而非活动性病变则被认为不是必需的。

3.2 第二部分：病变定量与可靠性测试

本节对病变识别的一致性、定量方法的效率与可靠性、严重性评分的一致性以及现有评分系统的比较进行了详细分析。

3.2.1 临床医生对病变识别的一致性普遍较差

研究人员发现，临床医生在识别病变类型方面的一致性普遍较低。脓疱、丘疹、表皮环形皮屑和痂皮的识别一致性最高仅为85%（表皮环形皮屑），Krippendorff's alpha值均≤0.62。即使将分析限制在专家临床医生中，一致性也仅略有提高。

3.2.2 联合病变定量快速且可靠

病变定量的中位时间为3分14秒，且与临床医生分配的数值严重性评分呈强相关（Pearson r = 0.72）。对于仅计数或仅测量面积的病例，病变计数的观察者间可靠性良好（ICC_1,1= 0.87），面积测量的可靠性亦良好（ICC_1,1= 0.80）。

3.2.3 病变定量具有可重复性

基于同一天进行的评估，病变计数和面积测量的观察者内可靠性极佳（所有ICC_3,1≥ 0.95），表明个体临床医生具有高度的一致性。

3.2.4 数值评分显示了对脓皮病严重性的持续感知

临床医生分配的数值严重性评分的观察者间可靠性良好（ICC_1,1= 0.83），仅考虑专家时略有增加（ICC_1,1= 0.86）。

3.2.5 长毛发会降低可靠性

按毛发长度分层计算数值严重性评分的观察者间可靠性时，短毛和中毛犬的可靠性良好（分别为ICC_1,1= 0.87和0.85），而长毛犬的可靠性降至中等（ICC_1,1= 0.73）。

3.2.6 分类评分显示临床医生之间一致性较差

与数值评分相比，IGADS（无、轻度、中度、重度）的观察者间可靠性较差（Krippendorff's alpha = 0.57）。然而，当将数值评分按相等范围划分为三个类别时，一致性显著提高（Krippendorff's alpha = 0.73）。

3.2.7 两次访视间数值严重性评分的变化与分类治疗疗效相关性较弱，但反映了病变减少

初次访视和复查之间临床医生分配的严重性评分差异与研究者全局治疗疗效评估（IGATE）呈中等关联（ρ = 0.46），而与宠主全局治疗疗效评估（OGATE）的相关性较弱且不显著（ρ = 0.26）。相反，数值评分的变化与病变数量的减少密切相关，支持了其对的临床变化的反应性。

3.2.8 改良Iwasaki评分显示中等可靠性，但与数值严重性相关良好

改良Iwasaki评分的观察者间可靠性为中等（ICC_1,1= 0.54），但其与数值分配评分的相关性良好（Pearson r = 0.71）。

3.3 第三部分：模型开发与验证

基于边际数据分析，研究人员评估了多个候选模型。最终选择的模型结合了受影响面积的平方根依赖性和病变计数的线性依赖性，公式为：预测严重性 = 16.09 × √(受影响面积) + 0.37 × 病变计数。该模型预测值与临床医生分配评分的聚类紧密围绕完美一致性线，平均绝对误差约为9个严重性点数。残差分析显示分布近似对称且接近正态，验证了模型的可靠性。

讨论与结论

在讨论部分，研究人员指出，由于缺乏广泛接受的验证评分系统，且病变形态 inherently variable（固有变异性），导致临床医生对单一病变类型的识别一致性较差。然而，当采用联合病变定量时，可靠性和可重复性显著提高。这表明复合测量比单一形态学评估更为稳健。此外，0-100的数值评分比传统的分类评分（IGADS）更能提高可靠性。关于模型构建，虽然理论上犬的体重可能影响相对疾病程度，但在本研究中，由于临床医生在分配数值评分时已隐含考虑了患犬体型，因此体重未被纳入最终模型变量。研究也存在一定的局限性，例如样本量有限，无法进行更有意义的亚组分层（如受影响的身体区域），且未来需要在更多机构和多样化人群中进一步验证。

结论

研究人员提出，该评分系统提供了一种快速、可靠且客观的评估犬浅表性脓皮病的方法。定量病变评估提高了可靠性，超越了主观的分类分级，并能够根据简单的病变计数和测量计算出标准化的0-100严重性评分。这种方法支持更一致的评估和更清晰的疾病进展监测。这项工作为临床实践和研究中客观的脓皮病严重性评估奠定了基础。未来的研究应侧重于前瞻性验证、与治疗反应的相关性以及在更大规模和更多样化群体中的评估。