优化基于TREC和KREC的新生儿筛查：风险分层算法显著减少转诊

背景：通过定量检测T细胞受体切除环（TREC）和/或κ缺失重组切除环（KREC）进行的新生儿筛查（NBS）能够早期发现严重的T细胞和/或B细胞淋巴细胞减少症。然而，这两种标志物的特异性有限，常导致不必要的转诊。我们比较了不同风险分层策略的效果，旨在减少转诊，同时避免漏诊和不必要的延误。 方法：我们利用瑞士NBS项目前6年的综合真实世界数据集，对多种基于TREC和KREC的NBS算法的效果进行了建模。分层方法包括调整截断值以及整合临床数据，如胎龄（GA）、经后年龄（PMA）、住院与门诊状态、家族史和母体免疫抑制。 结果：仅降低截断值就使TREC和KREC的异常结果分别减少了42%和64%。最有效的TREC算法基于早产儿的确切TREC水平和经后年龄，将转诊率降低了61%（p < .0001），但漏诊了近一半的非SCID T细胞淋巴细胞减少症，并延迟了2/3最终需要免疫学评估的门诊患者的转诊。整合家族史和临床体征在某些情况下减轻了延误。对于KREC，结合胎龄、母体免疫抑制和住院状态的信息，可将转诊率降低10倍以上（p < .0001），同时仍能识别出除两例λ5缺陷外的所有确诊的无丙种球蛋白血症病例。 结论：整合现成临床数据的风险分层、多步骤NBS算法可以大幅减少不必要的转诊，同时保持对目标疾病的检出能力。对于KREC，简单的算法调整即可在诊断损失最小的情况下显著提高特异性。