甲状腺癌诊断中的环境暴露背景与晚期阶段：一项基于人群的SEER分析

《Cancers》：Environmental Exposure Context and Advanced Stage at Diagnosis in Thyroid Cancer: A Population-Based SEER Analysis

　　

摘要背景：环境暴露在生物学上被认为是甲状腺癌预后的可能影响因素，但基于人群的证据存在异质性，且常关注发病率而非诊断时分期。目的：本研究旨在评估在大型基于SEER（美国国家癌症研究所监测、流行病学和最终结果计划，Surveillance， Epidemiology， and End Results Program）的队列中，生态学州-年环境指标是否为诊断时晚期甲状腺癌增加预测信息。方法：研究人员对368，726例具有有效合并总结分期的SEER甲状腺癌病例进行了回顾性注册关联分析。晚期定义为区域或远处疾病，共118，509例（32.14%）。环境变量使用诊断前五年移动平均值的州-年指标进行关联。正则化逻辑回归、梯度提升（Gradient Boosting）和极端随机树（Extra Trees）模型评估了增量预测性能。结果：将环境变量添加到人口统计学、社会经济、组织学和侧向性预测因子后，在随机划分中产生了小幅改进。然而，在环境变量之前加入SEER注册后，剩余的环境增量很小。注册组留出验证不支持环境特征集改善地理泛化性。结论：州-年环境指标对晚期甲状腺癌分期的预测信息有限，且大部分信息与注册和地理结构重叠。这些发现阐明了在基于SEER的预测研究中生态学环境关联的潜力和局限性。

**研究背景与问题**
甲状腺癌是常见的内分泌恶性肿瘤，其发病率在过去几十年中显著变化，但晚期诊断（regional或distant disease）仍具有重要临床意义，因为它反映更严重的疾病表现，而非单纯检测增加。环境暴露在生物学上可能影响甲状腺癌结局，但现有基于人群的证据不一致，且多数研究关注发病率而非诊断时分期。此外，环境暴露与地理、社会经济和筛查模式存在空间重叠，使得分析复杂化。因此，研究人员利用大型SEER队列，评估州-年水平的环境暴露上下文指标是否能为晚期诊断提供增量预测信息，并明确其与注册和地理结构的关系。该研究发表在《Cancers》。

**主要技术方法**
研究人员从美国国家癌症研究所SEER计划（22个注册中心，2000–2021年诊断）中提取甲状腺癌病例，最终分析队列包括368，726例具有有效合并总结分期的病例（2004–2021年）。晚期定义为区域或远处转移（118，509例，32.14%）。环境变量来自美国环保署（EPA）数据集，包括空气污染物、重金属释放、二噁英、多氯联苯、碘-131和β辐射等13个指标，按诊断前五年移动平均的州-年水平链接。模型采用正则化逻辑回归、梯度提升和极端随机树三种算法，以ROC-AUC为主要评价指标。特征集分层构建：L1（人口学+社会经济）、L2（L1+组织学+侧向性）、L3（L2+环境变量）、L4（L3+SEER注册）。通过置换重要性评估环境变量的贡献，并进行注册组留出验证以测试地理泛化性。

**研究结果**
**4.1 队列特征与描述性总结**
描述性分析显示，早期（250，217例）与晚期（118，509例）病例在人口学特征上差异较小。环境变量（如臭氧、氮氧化物、PM2.5等）在两组间的标准化均值差异均低于传统阈值，表明单一环境变量不具备强区分能力。

**4.2 模型性能比较**
在随机划分中，添加环境变量（L3 vs L2）使ROC-AUC小幅提升：逻辑回归（0.6945→0.6963）、梯度提升（0.7003→0.7029）、极端随机树（0.6973→0.7001）。然而，先加入SEER注册后再添加环境变量，AUC增量极小（逻辑回归+0.00029，梯度提升约0.00000，极端随机树?0.00046），表明环境信息与注册结构高度重叠。

**4.3 注册调整后的环境特征重要性**
置换重要性分析显示，在逻辑回归中，氮氧化物（NO₂）的AUC下降最大（均值0.0090），其次为二氧化硫（SO₂，0.0032）和重金属释放（0.0024）。但梯度提升和极端随机树的置换下降值极小且不稳定，说明重要性排名依赖于模型形式。

**4.4 敏感性分析**
注册组留出验证中，L3的性能低于L2（逻辑回归：0.6794 vs 0.6840；梯度提升：0.6844 vs 0.6869；极端随机树：0.6839 vs 0.6850），表明环境变量未能改善对未见过注册区域的预测。此外，已知种族亚组和诊断时段亚组分析结果一致，均支持环境信号有限且地理结构化。

**总结与讨论**
本研究在大型SEER甲状腺癌队列中评估了州-年环境暴露上下文对晚期诊断的预测价值。环境变量在随机划分中提供微小增量，但该信息大部分与注册和地理结构重叠，且不能改善地理泛化性。研究优势包括大样本、明确的分期结局、多模型比较和敏感性分析。局限性在于环境变量为生态学指标（非个体暴露），且存在残留混杂（如筛查、医疗可及性）。研究结论指出，州-年环境指标对晚期甲状腺癌分期的预测信息有限，未来研究需采用更精细的暴露链接（如居民历史、县级指标）和因果推断设计。

**研究结论翻译**
本研究使用大型基于人群的SEER甲状腺癌队列（具有有效总结分期），评估了州-年环境暴露上下文变量是否为诊断时晚期分期提供预测信息。环境变量在人口学、社会经济、组织学和侧向性预测因子基础上略微改善了随机划分预测，但在先纳入SEER注册后，其额外贡献极小。研究的主要优势包括大规模人群队列、明确的分期结局、多种模型族、透明的特征集比较、不确定性分析以及注册组留出敏感性分析。研究也存在重要局限性：环境变量以诊断前五年移动平均的州-年水平链接，不代表个体居民历史或个人暴露测量；部分环境数据来源缺乏完整单位文档；分析为预测性和观察性，特征重要性不应解释为因果效应估计；可能存在筛查、医疗可及性、社会经济背景、城乡差异、注册实践和诊断变化等残余混杂；合并总结分期跨越较长研究期，分期可比性可能不完美。未来研究应基于这些发现，采用更详细的暴露链接（包括居民历史和县级或邻里级环境指标）。专注于因果推断的研究可针对特定暴露类别，采用更强设计、更清晰的潜伏期假设和外部验证。对于预测，未来工作应评估环境上下文是否能改善跨地理区域的可迁移模型，而非仅依赖同一注册结构内的患者随机划分。