《Frontiers in Medicine》：Association of systemic inflammatory indices with gastrointestinal tumors: evidence from NHANES and a hospital-based cohort
编辑推荐：
背景：全身炎症在肿瘤发生和发展中起重要作用。研究人员提出了几种基于常规血液检测的炎症相关指数作为潜在的癌症生物标志物。然而，它们与基于大样本人群的胃肠道肿瘤的关联仍未被充分探索。方法：使用国家健康与营养调查（NHANES）的数据来检查九种全身炎症指数与胃肠道肿
背景：全身炎症在肿瘤发生和发展中起重要作用。研究人员提出了几种基于常规血液检测的炎症相关指数作为潜在的癌症生物标志物。然而，它们与基于大样本人群的胃肠道肿瘤的关联仍未被充分探索。方法：使用国家健康与营养调查（NHANES）的数据来检查九种全身炎症指数与胃肠道肿瘤之间的关联。研究人员进行了多变量逻辑回归、倾向评分匹配和限制性立方样条分析。进一步使用Cox回归和Kaplan–Meier方法分析NHANES的死亡率相关数据。使用一个独立的医院队列来验证主要发现。结果：在NHANES中，几种全身炎症指数与胃肠道肿瘤状态显著相关。NLR和RAR显示出特别强的关联，并在机器学习分析中排名为最具影响力的变量。限制性立方样条分析表明存在非线性关联模式，较高的NLR和RAR水平对应更大的胃肠道肿瘤几率。在倾向评分匹配队列中，主要发现基本一致。在医院队列中，胃肠道肿瘤患者也显示出比健康对照更高的全身炎症水平。一个包含CALLY、NLR、RAR和临床变量的列线图显示出良好的区分性能，AUC为0.852。此外，几项基线炎症指数与胃肠道肿瘤患者的全因死亡率独立相关。结论：基于常规血液检测的全身炎症指数与胃肠道肿瘤状态和全因死亡率相关。这些主要发现得到了医院队列的进一步支持。因此，常规炎症相关指数可能为识别肿瘤相关的炎症变化和评估胃肠道肿瘤患者的预后提供有用信息。
**论文解读文章**
**研究背景与问题**
胃肠道肿瘤（GIT）是全球最常见的恶性肿瘤之一，包括食管癌、胃癌和结直肠癌，构成重大公共卫生挑战。尽管筛查和治疗取得进展，许多患者仍被诊断为晚期，限制了治疗效果。因此，识别可及性强的生物标志物以早期识别高危个体至关重要。全身炎症在肿瘤发生和进展中起关键作用，慢性炎症反应通过免疫失调、氧化应激、血管生成和肿瘤微环境重塑等机制促进癌变。近年来，基于常规血检的炎症相关指数（如中性粒细胞-淋巴细胞比值NLR、血小板-淋巴细胞比值PLR、淋巴细胞-单核细胞比值LMR等）被提出作为反映全身炎症状态的替代指标，因其廉价、易得而受到关注。然而，以往研究多聚焦单一指标，难以全面反映炎症的复杂动态性，且在大样本人群中探讨剂量-反应关系的研究有限。因此，本研究旨在利用NHANES数据系统评估九种全身炎症指数与GIT的关联，并构建整合炎症指数与临床变量的模型以区分癌症患者与健康对照。
**研究内容与结论**
研究人员采用双队列设计：基于NHANES的人群数据集（21,521名参与者，包括191例GIT患者）和独立的合肥市第一人民医院医院队列（227例GIT患者及213例健康对照）。通过多变量逻辑回归、倾向评分匹配（PSM）、限制性立方样条（RCS）分析、Cox回归、Kaplan-Meier生存分析及机器学习方法评估关联。主要发现：NLR和RAR与GIT状态显著正相关，CALLY和LMR呈负相关；RCS显示非线性关系；整合CALLY、NLR、RAR及临床变量的列线图AUC达0.852；部分炎症指数（如SIRI、NAR、RAR）与全因死亡率独立相关；医院队列验证了NHANES结果，且肝胆胰肿瘤的炎症评分高于胃肠道肿瘤，提示肿瘤类型间炎症异质性。该研究发表在《Frontiers in Medicine》。
**主要关键技术方法**
1. **数据来源与队列设计**：使用NHANES（美国全国代表性调查）和合肥市第一人民医院医院队列，后者连续纳入2023年1月至2025年12月确诊的消化系统癌症患者及同期健康体检者。
2. **炎症指数计算**：基于外周血参数计算NLR、PLR、LMR、SIRI、SII、PIV、RAR、NAR和CALLY指数。
3. **机器学习与变量重要性**：应用九种算法（随机森林、支持向量机、Boosting等），通过SHAP分析量化各指数贡献。
4. **统计建模**：多变量逻辑回归（逐步调整协变量）、倾向评分匹配（1:4比例）、限制性立方样条（非线性评估）、Cox比例风险回归（生存分析）及主成分分析（PCA）构建复合炎症评分。
**研究结果**
**3.1 基线特征与炎症指数分布**
NHANES中GIT患者较对照年龄更大（>50岁占91.6% vs 42.5%），非西班牙裔白人比例更高，吸烟、糖尿病、高血压患病率更高。GIT患者的中位SIRI、RAR、NLR、PLR、SII、PIV水平显著高于对照组，LMR水平更低，提示全身炎症状态更明显。
**3.2 机器学习模型性能与特征重要性**
多种ML算法在训练集和验证集中表现良好，Boosting模型在验证集AUC最高。SHAP分析显示LMR、RAR和NLR为最具影响力的变量，平衡1:1样本验证了类似结果。
**3.3 炎症指数与GIT的关联**
多变量逻辑回归（逐步调整协变量）：最高四分位数的RAR和NLR与GIT几率显著正相关，CALLY则呈负相关。PSM后结果一致。亚组分析（按性别、年龄、吸烟、饮酒分层）显示粗关联模式相似。
**3.4 剂量-反应关系**
RCS分析：CALLY呈显著负相关（线性）；LMR呈非线性；NLR和RAR呈显著正非线性，高水平对应更高GIT几率。
**3.5 列线图构建与性能**
整合CALLY、NLR、RAR及临床变量的列线图（排除LMR因多重共线性）校准良好，Hosmer-Lemeshow检验P>0.05，ROC曲线AUC=0.852。
**3.6 炎症标志物对GIT患者预后的影响**
Cox回归：RAR最高四分位数与全因死亡率持续正相关。Kaplan-Meier曲线显示SIRI、NAR、RAR四分位数间生存差异显著（log-rank P<0.05），CALLY差异不显著。
**3.7 医院队列验证**
医院队列中，GIT患者NLR、PLR、RAR、SII、SIRI、PIV水平显著高于对照，LMR更低。热图显示胆囊癌炎症模式最突出，食管、胃、结直肠癌聚为一簇，肝癌和胰腺癌为另一簇。
**3.8 医院队列多变量逻辑回归**
调整年龄和性别后，SIRI、RAR、NLR、PLR、PIV高四分位数与GIT几率正相关，LMR负相关，RAR和SIRI关联最强。
**3.9 复合炎症评分构建与验证**
PCA基于RAR、NLR、PLR、LMR、NAR提取第一主成分（PC1）作为复合炎症评分。GIT和肝胆胰肿瘤的评分均显著高于健康对照，肝胆胰肿瘤评分相对更高（P<0.05）。ROC分析显示复合评分对消化系统癌症有良好区分能力（AUC未报告具体值，但图8c显示良好）。
**讨论与结论**
讨论部分指出，本研究系统评估了多种全身炎症指数与GIT的关联，发现NLR、RAR、SIRI升高与GIT几率增加相关，而LMR和CALLY呈负相关，且RCS分析揭示了非线性模式。医院队列验证了结果并发现肝胆胰肿瘤炎症评分更高，可能与慢性炎症背景（如肝炎、肝硬化、胰腺炎）相关。研究优势包括大样本人群、多种指数综合评估、多种分析方法互补及外部验证。局限性包括NHANES中癌症诊断基于自我报告、横断面设计无法推断因果、医院队列为单中心且部分协变量缺失等。**结论**：多种全身炎症指数与NHANES人群中的胃肠道肿瘤显著相关，提示常规血检标志物可反映与肿瘤存在相关的全身免疫改变。这些发现得到医院队列进一步支持，显示肝胆胰肿瘤的炎症评分高于胃肠道肿瘤，突出了肿瘤相关免疫反应的潜在差异。整合关键炎症指数的列线图表现出良好区分性能，具有区分GIT患者与对照的潜在价值。此外，基线炎症指数升高经多变量调整后与全因死亡率增加相关，提示其在个体化风险评估中的潜在应用。总体而言，这些结果强调了全身炎症标志物在理解肿瘤相关免疫变化中的价值，并可能为识别胃肠道癌症的炎症相关特征和预后风险提供有用信息。
