基于预后营养指数(PNI)的鼻咽癌患者≥2级放射性口腔黏膜炎预测模型构建与验证

《Frontiers in Oncology》:A prediction model based on the prognostic nutritional index for grade 2 or higher radiation-induced oral mucositis in patients with nasopharyngeal carcinoma

【字体: 大 中 小 】 时间:2026年09月18日 来源:Frontiers in Oncology 3.4

编辑推荐:

  摘要 引言:旨在构建一个基于预后营养指数(prognostic nutritional index, PNI)的鼻咽癌患者≥2级放射性口腔黏膜炎(radiation-induced oral mucositis, RIOM)预测模型,为早期识别高危患者提供依

  
摘要

引言:旨在构建一个基于预后营养指数(prognostic nutritional index, PNI)的鼻咽癌患者≥2级放射性口腔黏膜炎(radiation-induced oral mucositis, RIOM)预测模型,为早期识别高危患者提供依据。

方法:研究人员回顾性纳入2020年5月至2025年12月期间在蚌埠医科大学第一附属医院接受放化疗的192例原发性鼻咽癌患者。患者按7:3比例随机分为训练集(n = 133)和内部验证集(n = 59)。在正态性和方差齐性检验后比较基线特征。采用LASSO、随机森林和支持向量机递归特征消除联合筛选候选变量,随后通过单因素和多因素logistic回归确定与≥2级放射性口腔黏膜炎相关的因素。构建列线图,并使用Firth惩罚似然回归减少小样本偏倚。采用受试者工作特征分析和校准曲线评估模型性能,通过决策曲线分析评估临床效用。随后使用倾向性评分匹配进行敏感性分析。

结果:预后营养指数是≥2级放射性口腔黏膜炎的独立保护因素。训练集的曲线下面积(area under the curve, AUC)为0.842,验证集为0.725。高预后营养指数组患者的风险显著降低(OR = 0.067,P < 0.001),该发现在Firth回归分析中保持一致。在1:1倾向性评分匹配后,该关联仍具有统计学意义(OR = 0.709,P < 0.001;AUC = 0.810)。

结论:预后营养指数是≥2级放射性口腔黏膜炎的独立预测因子,该模型在接受放化疗的鼻咽癌患者中对这一结局显示了有用的预测性能。
鼻咽癌患者放射性口腔黏膜炎预测模型研究解读

一、研究背景与目的

鼻咽癌(nasopharyngeal carcinoma, NPC)是一种好发于咽隐窝及鼻咽侧壁或顶壁的侵袭性恶性肿瘤,在耳鼻咽喉恶性肿瘤中发病率最高,且具有明显的地域分布特征,东亚和东南亚地区尤为高发,其中中国发病率最高。放射治疗是鼻咽癌的主要根治性手段,但不可避免地会对正常组织造成损伤,引发一系列急性毒性反应。放射性口腔黏膜炎(radiation-induced oral mucositis, RIOM)是头颈部肿瘤放疗期间最常见的急性毒性反应之一,荟萃分析显示其在头颈癌人群中的发生率约为94%。RIOM可导致溃疡、疼痛、吞咽困难、营养状况恶化及治疗中断,显著降低患者生活质量。随着RIOM进展,经口摄入受损和营养状态恶化可进一步影响患者对抗肿瘤治疗的耐受性。目前的管理措施多为被动应对,包括镇痛、营养支持、感染控制等。因此,早期识别RIOM高风险患者对于及时采取预防性和支持性干预至关重要。

治疗前风险评估有助于在治疗开始前识别更可能发生临床显著RIOM的患者。常规实验室指标在临床实践中易于获取且可重复测量,为治疗前风险分层提供了实用途径。预后营养指数(prognostic nutritional index, PNI)由血清白蛋白和外周血淋巴细胞计数计算得出,同时反映营养储备和免疫状态。鉴于RIOM与营养恶化之间的关联,PNI可能作为治疗前风险评估的便捷指标具有潜在价值。近年来,PNI作为多种癌症不良结局的预测因子受到越来越多关注,也有研究探讨其与治疗相关毒性的关系。然而,关于治疗前PNI对鼻咽癌患者≥2级RIOM预测价值的证据仍然有限。因此,本研究旨在评估治疗前PNI与鼻咽癌患者≥2级RIOM之间的关联,并构建和内部验证基于PNI的预测模型,为早期风险分层和临床决策提供依据。

二、研究设计与方法概要

研究人员开展了一项回顾性单中心研究,纳入了2020年5月至2025年12月在蚌埠医科大学第一附属医院接受放化疗的192例原发性鼻咽癌患者。根据放疗期间记录的最高分级,将患者分为RIOM < 2级组(n = 75)和≥2级RIOM组(n = 117),总体≥2级RIOM发生率为60.94%。数据集按7:3比例随机分为训练集(n = 133)和内部验证集(n = 59)。研究采用多种机器学习方法进行特征筛选,包括最小绝对收缩和选择算子(least absolute shrinkage and selection operator, LASSO)、随机森林(random forest, RF)和支持向量机递归特征消除(support vector machine recursive feature elimination, SVM-RFE),取三者筛选变量的并集进行单因素和多因素logistic回归分析。为解决小样本和稀有事件导致的估计偏倚,采用Firth惩罚似然回归进行偏差校正,并构建列线图。模型性能通过受试者工作特征曲线下面积(area under the curve, AUC)、校准曲线和决策曲线分析(decision curve analysis, DCA)评估。此外,采用1:1最邻近倾向性评分匹配(propensity score matching, PSM)进行敏感性分析。

三、主要研究结果

3.1 患者基线特征

研究共筛选574例鼻咽癌患者,最终纳入192例。总体≥2级RIOM发生率为60.94%。队列中男性145例(75.52%),女性47例(24.48%),性别分布在两组间无差异(P = 1.000)。平均年龄53.43 ± 13.32岁。年龄、中性粒细胞百分比(NEUT%)、淋巴细胞百分比(LYM%)、红细胞计数(RBC)、红细胞压积(HCT)、胆碱酯酶(ChE)、总胆红素(TBIL)、间接胆红素(IBIL)、总蛋白(TP)、白蛋白/球蛋白比值(A/G)、尿酸(UA)、总钙(Ca)、离子钙(iCa)、超氧化物歧化酶(SOD)及PNI等变量在两组间差异有统计学意义(P < 0.05)。该结果表明存在基线不均衡,后续分析中予以调整。

3.2 基线特征比较

随机分配后,训练集与验证集之间超氧化物歧化酶(SOD)、血糖(GLU)、平均血小板体积(MPV)和血小板大细胞比率(P_LCR)存在显著差异(P < 0.05),其余基线变量差异无统计学意义,表明两数据集总体可比。为控制这些不均衡可能带来的混杂,后续采用1:1倾向性评分匹配进行敏感性分析。

3.3 变量筛选结果

LASSO回归筛选出5个变量,随机森林识别出20个重要性变量,SVM-RFE选出1个核心变量。去除重复后共获得22个独特变量进入后续分析。三种机器学习方法的联合筛选策略综合了不同算法的优势,降低了单一方法可能带来的选择偏倚。

3.4 logistic回归分析结果

对22个变量进行单因素logistic回归分析,其中7个变量与结局显著相关(P < 0.05),包括碳酸氢根(HCO3)、PNI、总蛋白(TP)、钙(Ca)、胆碱酯酶(ChE)、淋巴细胞百分比(LYM%)、总胆固醇(TC)。将7个显著变量纳入多因素logistic回归后,仅PNI保持显著(OR = 0.586,95% CI 0.463–0.741,P < 0.001),表明PNI是≥2级RIOM的独立关联因素,且为保护因素。森林图显示仅PNI的95%置信区间未跨越1,进一步支持其独立预测价值。

3.5 Firth惩罚似然回归校正分析

将训练集PNI按三分位数分为低(≤47.05)、中(>47.05至≤50.05)、高(>50.05)三组,以低PNI组为参照进行Firth惩罚似然回归。结果显示,高PNI组发生≥2级RIOM的风险显著降低(OR = 0.067,95% CI 0.022–0.178,P < 0.001),且随PNI升高风险呈下降趋势,表明PNI作为保护因素的作用在小样本条件下依然稳健。

3.6 列线图构建与模型评价

基于PNI分类构建的列线图在训练集中AUC为0.842,验证集中AUC为0.725,显示出良好的判别能力。校准曲线显示预测概率与观测概率在训练集和验证集中均具有较好的一致性。决策曲线分析表明,在较宽的阈值概率范围内,该模型相比“全部治疗”和“均不治疗”策略可提供更高的净获益。验证集AUC较训练集有所下降,可能与样本量有限及模型开发中的乐观偏倚有关。

3.7 敏感性分析

采用1:1倾向性评分匹配后共纳入150例鼻咽癌患者,两组基线特征达到均衡。在匹配队列中,PNI仍为≥2级RIOM的独立保护因素(OR = 0.709,95% CI 0.627–0.800,P < 0.001),AUC为0.810,与原队列接近,进一步支持了主要结论的稳健性。

四、讨论与结论

本研究发现,低PNI不仅是实验室异常指标,更可能代表一种营养不良、免疫功能障碍和黏膜修复能力受损的复合状态,从而增加≥2级RIOM的易感性。放疗可诱导活性氧(reactive oxygen species, ROS)过度产生,触发氧化应激、DNA损伤、炎症介质释放及黏膜上皮细胞凋亡,最终导致口腔黏膜屏障破坏。同时,放疗诱导的淋巴细胞减少可能损害免疫调节和组织修复能力。血清白蛋白降低通常提示营养储备不足,可能伴随抗氧化防御和组织再生能力受损。因此,低PNI可作为中重度RIOM的重要高危标志物。

研究结论认为,治疗前较高的PNI水平与≥2级RIOM风险降低独立相关,基于PNI的列线图提供了一种个体化风险评估方法,有助于治疗前风险分层和预防性管理。该模型可作为初步风险分层工具,但需通过独立外部验证进一步确认其临床应用价值。研究的局限性包括:回顾性单中心设计、样本量相对有限、未系统纳入化疗方案及放疗剂量-体积参数等治疗相关信息,以及吸烟、饮酒、口腔卫生、预防性牙科干预和抗生素使用等潜在混杂因素未能可靠获取。未来需开展前瞻性多中心研究,系统收集相关变量并进行外部验证,以提升模型的普适性和临床实用性。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号