《Diagnostics》：Routine Blood-Based Parameters Associated with Invasive Cervical Cancer Versus High-Grade Cervical Intraepithelial Neoplasia: Development of a Retrospective Diagnostic Prediction Model
编辑推荐：
背景/目的：在获得组织病理学结果前，区分浸润性宫颈癌与高级别宫颈上皮内瘤变（high-grade cervical intraepithelial neoplasia，CIN）仍然困难。研究人员评估了常规血液参数在该鉴别中的价值，开发并内部验证了精简预测模型，
背景/目的：在获得组织病理学结果前，区分浸润性宫颈癌与高级别宫颈上皮内瘤变（high-grade cervical intraepithelial neoplasia，CIN）仍然困难。研究人员评估了常规血液参数在该鉴别中的价值，开发并内部验证了精简预测模型，并检验其相对于年龄的增量价值。方法：本研究为采用两阶段（case–control）抽样的回顾性诊断准确性研究。去除重复记录后，研究人员纳入137例经组织病理学确诊的宫颈癌患者与238例高级别CIN患者。研究人员建立四变量模型，包括年龄、癌胚抗原（carcinoembryonic antigen，CEA）、中性粒细胞与淋巴细胞比值（neutrophil-to-lymphocyte ratio，NLR）和血红蛋白，并通过bootstrap乐观校正、校准和决策曲线分析进行内部验证，同时开展年龄匹配及亚组敏感性分析。结果：单变量判别能力最强者为年龄（AUC 0.826）、C反应蛋白（0.805）和白蛋白（0.772）。连续型模型表观AUC为0.859（乐观校正后0.853；校准斜率0.962；Brier 0.136）。较单独年龄模型有统计学显著但有限提升（ΔAUC +0.027；DeLong p = 0.015）。1:1年龄匹配后年龄无判别力（AUC 0.49），而模型仍具中等判别力（AUC 0.686），NLR保持独立。CIN 3与早期癌症比较时性能降低（AUC 0.759）。结论：该模型可提供辅助风险分层信息，但临床实施需在前瞻性队列中外部验证；研究结果属假设生成性质。
研究背景方面，尽管基于人乳头瘤病毒（human papillomavirus，HPV）的筛查与疫苗接种逐步推广，宫颈癌仍是全球女性主要癌症死亡原因。其主要癌前病变为高级别宫颈上皮内瘤变（CIN 2/3），若未治疗可进展为浸润性癌。临床中区分持续性高级别CIN与早期浸润癌十分关键，因为该判断决定手术范围、是否需辅助治疗及患者咨询。组织病理学是参考标准，但属有创检查且存在观察者间差异，因此亟需非侵入性指标在获取组织前提供决策信息。既往宫颈癌研究多关注预后，较少直接比较浸润性癌与高级别CIN；炎症相关血液指标、贫血及复合评分多与生存相关，而CIN研究偏向循环microRNA等非常规分子标记。年龄本身鉴别力强，但是否需将常规实验室参数组合、其较年龄的增量价值尚未被系统评估。因此，研究人员开展本研究，开发并内部验证由常规血液参数构成的精简诊断预测模型。
论文发表于《Diagnostics》。
主要技术方法方面，研究人员采用单中心、回顾性、两阶段（case–control）抽样设计，数据来自土耳其伊斯坦布尔Basaksehir Cam and Sakura City Hospital妇科肿瘤科2020年5月至2024年12月资料。经排除其他恶性肿瘤、感染、自身免疫病、血液病、肝肾病、免疫抑制药使用、妊娠及缺失基线检验者后，去重得到137例浸润性宫颈癌与238例高级别CIN。统计上以单变量ROC、多变量logistic回归、bootstrap乐观校正、校准、决策曲线分析、1:1年龄匹配、条件logistic回归及多重填补敏感性分析为主要方法，未把血小板衍生指标纳入组间比较因癌症队列无血小板字段。
3.1. Baseline Characteristics
研究人员通过比较基线特征发现，癌症组年龄更大、绝经比例更高，鳞癌占多数且多数属晚期（FIGO 2b–4b），说明两组人口学差异显著。
3.2. Laboratory Parameters and Missing Data
研究人员比较19项两组共有参数，18项差异显著，单核细胞计数不显著；C反应蛋白与白蛋白缺失率高且存在选择性开单，故未进多变量模型；癌症队列无血小板计数致PLR、SII、AISI不可算。
3.3. Single-Parameter Discrimination
研究人员作单参数ROC，年龄AUC 0.826最强，其后为C反应蛋白0.805、白蛋白0.772、NLR 0.690、CEA 0.689，说明年龄是最强单变量但炎症与肿瘤标记也有判别信息。
3.4. Multivariable Model
研究人员建立连续四变量logistic模型：logit(P)=?5.40+0.123×年龄?0.002×CEA+0.495×NLR?0.166×血红蛋白，AUC 0.859；二分类近似模型AUC 0.831，四预测因子低共线性。
3.5. Incremental Value over Age and Internal Validation
研究人员用嵌套模型比较，年龄单独AUC 0.832，全模型0.859，较年龄提升ΔAUC +0.027且DeLong p=0.015；bootstrap校正后AUC 0.853、校准斜率0.962、Brier 0.136。决策曲线显示全模型在阈值概率>约0.25时净获益略优。SIRI无增量，多重填补加入C反应蛋白和白蛋白后AUC 0.870，极端值处理下模型稳定。
3.6. Confounding Control and Subgroup Analyses
研究人员作年龄与绝经调整，绝经状态不独立，NLR仍独立；1:1年龄匹配75对后年龄AUC 0.49，模型AUC 0.686且NLR显著。亚组中CIN 3 vs 早期癌AUC 0.759，CIN 3 vs FIGO IA–IB癌0.727，全高级别CIN vs 早期癌0.793，绝经前女性0.808，说明早期浸润场景判别下降。
3.7. Subgroup Analyses Within the Cancer Cohort
研究人员在癌症组内分析，晚期病变更高白细胞、中性粒、纤维蛋白原、C反应蛋白、CEA、CA-125、NLR、MLR且血红蛋白、淋巴、LMR更低；鳞癌炎症谱更明显；脉管侵犯与年龄相关；淋巴结转移与血红蛋白和红细胞压积低相关。
讨论部分总结：研究人员指出模型较年龄有显著但有限增量，年龄贡献大，NLR是最稳定年龄无关信号。结果与既往炎症指标文献一致，NLR单用有限但多变量中有用，CEA弱单变量仍可提供信息，血红蛋白低关联晚期病。临床上皮模型仅作辅助分诊而非替代组织病理；CIN 3与早期癌比较AUC降低，提示整体性能部分来自晚期富集，不能外推早期浸润场景。局限性为单中心、两阶段抽样、缺失非随机、数据驱动切点、缺外部验证、无生存数据、鳞状细胞癌抗原未记录。未来需跨平台外部验证、校准漂移评估、模型更新及工作流程整合；若假设AUC 0.80、95%CI半宽0.05，约需350例（40%癌流行率）、600例（20%）或1140例（10%）。
结论部分翻译：一项由年龄、NLR、CEA和血红蛋白构成、均来自单次常规采血的预测模型，在浸润性宫颈癌与高级别CIN间表现出中等至良好表观及乐观校正判别力，且在开发数据中校准可接受。判别主要由年龄驱动；NLR在本队列中提供最稳定的年龄无关标记信号，全模型较年龄单独的增量价值虽显著但有限。在高级别CIN与早期癌这一临床困难比较中性能较低。该模型可提供辅助风险分层信息，但临床实施需在前瞻性队列中外部验证，理想情况下辅以模型更新和急性期标志物补充。这些假设生成性发现未经此类验证不应外推至早期浸润场景。
