建立推导队列和验证队列
收集符合研究标准的患者数据，用于开发并验证预测模型。
纳入2013年至2023年10月期间在Mayo Clinic和University of Minnesota进行肾活检的单克隆丙种球蛋白病合并慢性肾脏病患者，排除需要化疗的血液病、肾移植或透析依赖者。共纳入推导队列280例，验证队列109例。
关于丁香通
公司信息
个人用户
企业机构
无忧采购 轻松科研
- 移动端
Mayo MGRS 预测工具可计算单克隆丙种球蛋白病患者肾活检中发现具有肾脏意义的单克隆丙种球蛋白病的风险
The Mayo MGRS Prediction Tool calculates the risk of finding monoclonal gammopathy of renal significance in a kidney biopsy in patients with monoclonal gammopathy
实验完整度
中研究为临床预测模型开发与验证，包含多变量逻辑回归、内部bootstrap验证及外部队列验证，但缺乏功能或机制实验。
主要模型
Mayo Clinic 队列（n=280） University of Minnesota 验证队列（n=109）
重点核对
患者纳入标准：2013年至2023年10月期间，经肾活检的单克隆丙种球蛋白病患者 排除标准：需要化疗的血液病（如多发性骨髓瘤）、肾移植或透析依赖者 预测因子：糖尿病、受累/未受累游离轻链比值、尿蛋白（g/d）、UPEP/uIF阳性、血清肌酐、C3水平（mg/dL）、血尿、收缩压 模型性能：AUC 0.896（内部），乐观校正AUC 0.836，外部验证AUC 0.861 阈值：0.25（敏感性88.0%，特异性70.2%），0.10（敏感性98.9%，特异性50.5%）
摘要
背景：具有肾脏意义的单克隆丙种球蛋白病（MGRS）日益被认为是肾衰竭的重要原因。肾活检仍然是一项重要的诊断措施。然而，肾活检并非没有风险。在此，我们设计了 Mayo MGRS 预测工具，以评估患有慢性肾脏病和单克隆丙种球蛋白病（MG）的患者中发现 MGRS 的概率。方法：我们纳入了 2013 年至 2023 年 10 月期间在 Mayo Clinic 接受肾活检的患者，排除了因肿瘤负荷而需要特定治疗（如多发性骨髓瘤）的血液病患者。结果：在 280 名患者中，92 名（32.9%）患有 MGRS 病变，其中淀粉样轻链或原发性淀粉样变性是最常见的病变，有 38 名患者（41.3%）。我们进行了多变量逻辑回归，并采用前向变量选择来拟合模型。最终模型包括八个预测因子：糖尿病、受累/未受累游离轻链比值、尿蛋白（克/24小时）、尿蛋白电泳或免疫固定电泳阳性、血清肌酐、C3 水平（mg/dL）、血尿和收缩压。计算得出的曲线下面积和经乐观校正的曲线下面积分别为 0.896 和 0.836。决策曲线分析显示，该模型在所有阈值下均提供净获益。阈值概率为 0.10 时，敏感性为 98.9%，特异性为 50.5%；阈值概率为 0.25 时，敏感性为 88.0%，特异性为 70.2%。该模型使用来自明尼苏达大学的 109 名患者的外部队列进行了验证，表现良好。结论：我们的 Mayo MGRS 预测工具有助于临床医生预测在肾活检中发现 MGRS 病变的概率。
实验结论
提炼研究问题、关键发现与证据，快速把握文章的核心贡献。
- 研究问题
- 在单克隆丙种球蛋白病合并慢性肾脏病的患者中，哪些因素可以预测肾活检发现MGRS病变的概率？
- 核心机制
- 多变量逻辑回归模型，包含糖尿病、受累/未受累游离轻链比值、尿蛋白、UPEP/uIF阳性、血清肌酐、C3水平、血尿和收缩压八个预测因子，用于计算MGRS的预测概率。
- 主要证据
- 基于280例Mayo Clinic患者队列，模型AUC为0.896，经bootstrap校正后为0.836；外部验证队列（109例）的AUC为0.861，显示模型具有良好的预测性能。
- 研究意义
- 该预测工具可以帮助临床医生在单克隆丙种球蛋白病合并慢性肾脏病患者中识别肾活检可能发现MGRS病变的风险，辅助临床决策。
研究路径
按研究推进顺序梳理实验设计、验证步骤与关键观察。
肾活检评估和MGRS分类
确定肾活检病理结果，区分MGRS和非MGRS病变。
由Mayo Clinic肾病理医生审查所有病理切片，对于外部活检病例重新阅片。根据病理结果将患者分为MGRS和非MGRS组。
候选预测变量选择和数据预处理
确定用于模型构建的候选预测因子，并处理缺失数据。
基于单变量分析和临床相关性选择22个变量作为候选预测因子，包括年龄、性别、种族、收缩压、舒张压、糖尿病、血红蛋白、C3、C4、血清肌酐、尿蛋白、肾病范围蛋白尿、血尿、畸形红细胞尿、重链类型、血清M峰阳性、尿M峰阳性、UPEP/uIF阳性、SPEP/sIF/MALDI-TOF MS阳性、受累/未受累FLC比值、血清轻链类型、克隆性。使用多重插补（MICE）处理缺失数据，连续变量中非正态分布的经过对数转换。
建立多变量逻辑回归预测模型
构建预测MGRS概率的模型。
使用前向选择的多变量逻辑回归模型，基于AIC进行变量选择，最终模型包含8个预测因子。模型系数通过Rubin方法合并，计算MGRS预测概率。
模型性能评估和内部验证
评估模型的区分度和校准度，并估计乐观校正后的性能。
使用ROC曲线和AUC评估区分度，校准斜率和截距评估校准度。通过bootstrap乐观校正过程进行内部验证，重复进行多重插补和变量选择。
外部验证
评估模型在独立人群中的泛化性能。
使用推导队列的模型计算验证队列中患者的MGRS概率，构建ROC曲线并计算AUC、敏感性、特异性等指标。
决策曲线分析和敏感性分析
评估模型的临床净获益和在不同患者亚组中的性能。
使用决策曲线分析评估模型在不同阈值下的净获益。进行亚组敏感性分析，包括蛋白尿≤1 g/d的患者亚组、无明确活检指征的患者等。
研究方法
按研究目的归类文中使用的方法，便于定位所需技术。
产品清单
关键环节
汇总复现实验时建议重点确认的条件及原文阅读提示。
| 环节 | 核对要点 |
|---|---|
| 患者纳入与排除 | 纳入标准：2013年至2023年10月期间接受肾活检的单克隆丙种球蛋白病（MG）患者；排除标准：需要化疗的血液病（如多发性骨髓瘤）、肾移植或透析依赖、单克隆检测后超过12个月未行肾活检等。 阅读提示：Methods: Study Population |
| 预测因子定义 | 各预测因子的具体定义和测量方法，如糖尿病、受累/未受累FLC比值（正常范围依eGFR）、尿蛋白（24小时或估计）、UPEP/uIF阳性、血清肌酐、C3水平、血尿、收缩压。 阅读提示：Methods: Study Population, Table 1, Table 2 |
| 统计分析方法 | 多重插补参数（50次插补、预测均值匹配、逻辑回归）、变量选择标准（至少80%数据集）、模型拟合细节（前向选择、AIC）、bootstrap优化校正方法。 阅读提示：Methods: Statistical analysis, Model selection, Internal Validation |
| 外部验证 | 外部验证队列的纳入标准、研究期间、数据收集方式，以及模型应用时是否需要重新校准。 阅读提示：Methods: External validation, Discussion |
| 阈值选择 | 阈值0.1和0.25的选择依据，以及敏感性、特异性、PPV、NPV等指标。 阅读提示：Results: Decision curve analysis and model performance, Table 4 |