年龄与老年营养风险指数和弥漫性大B细胞淋巴瘤预后之间关联的交互作用

Age interaction in associations between geriatric nutritional risk index and prognosis in diffuse large B-cell lymphoma

作者信息Kei Fujita, Hikaru Tsukasaki, Shin Lee, Tetsuji Morishita, Eiju Negoro, Kana Oiwa, Takeshi Hara, Hisashi Tsurumi, Takanori Ueda, Takahiro Yamauchi
PMID40924177
发布时间2025-11
DOI10.1007/s00277-025-06477-w

实验完整度

中

多中心回顾性队列研究,包含552例患者,采用多变量Cox回归及RCS建模、ROC分析、Kaplan-Meier生存分析等统计方法,无体外或动物实验验证。

主要模型

弥漫性大B细胞淋巴瘤患者队列(552例,来自3家日本三级医疗机构)

重点核对

患者来源于3家日本三级医院(福井大学医院、日本红十字会福井医院、松浪综合医院) 纳入患者年龄≥18岁,新诊断de novo DLBCL,排除中枢神经系统受累、转化型DLBCL、甲氨蝶呤相关DLBCL等 GNRI根据公式计算:14.89 × 白蛋白(g/dL) + 41.7 × (实际体重/理想体重),理想体重=22 × 身高(m)^2,当实际体重超过理想体重时比值设为1 多变量Cox模型调整了年龄、性别、ECOG PS、血清LDH、Ann Arbor分期、结外受累数、CCI和GNRI 年龄阈值设定为65、70、75岁,交互作用P<0.10视为显著

摘要

为了评估年龄是否改变老年营养风险指数(GNRI)与年龄≥18岁新诊断弥漫性大B细胞淋巴瘤(DLBCL)患者总生存期(OS)之间的关联,我们开展了一项纳入552例患者的多中心回顾性研究。多变量Cox回归结合限制性立方样条(RCS)建模显示,GNRI与OS显著相关,但呈非线性关系(非线性P=0.0158)。三维Cox-RCS模型显示,年龄较大与较高的死亡风险相关。较低GNRI与较差OS之间的关联在所有年龄组中一致,包括较年轻患者。在低GNRI(<92)患者中,最常见的营养不良模式涉及正常白蛋白(Alb)和体重指数(BMI)。这一模式约占低GNRI患者的40%,无论年龄组(以65、70或75岁为阈值)如何。生存曲线显示,低GNRI(<92)预示不良预后,无论Alb或BMI是否为主要贡献因素。没有证据表明年龄与GNRI对预后存在交互作用。以GNRI衡量的营养不良对年轻和年长DLBCL患者的生存均有不利影响。

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
年龄是否改变GNRI对弥漫性大B细胞淋巴瘤患者总生存期的预后影响?
核心机制
研究表明,GNRI(由白蛋白和BMI构成)反映的营养不良状态与DLBCL患者较差的总生存期相关,且该关联独立于年龄,但文中未明确涉及具体分子机制。
主要证据
基于552例患者的回顾性队列研究,多变量Cox-RCS模型显示GNRI与OS呈非线性关联,低GNRI(<92)在各年龄组均显著增加死亡风险;3D-Cox-RCS模型显示年龄对死亡风险的影响独立于GNRI,且未发现交互作用。
研究意义
研究表明GNRI的预后价值不局限于老年患者,可作为所有成年DLBCL患者营养风险分层和预后评估的工具,并提示在临床实践中应计算GNRI,而非仅依赖白蛋白或BMI筛查。

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。

1

患者队列构建与数据收集

建立多中心回顾性队列,收集临床和人口学特征,用于分析GNRI与生存的关联。

从三家日本医院纳入2006-2024年诊断的552例新发DLBCL患者,通过医疗记录回顾提取基线特征,包括ECOG PS、LDH、Ann Arbor分期、白蛋白、BMI、GNRI等,并计算CCI。

2

评估GNRI与总生存期的关联

检验GNRI是否为DLBCL患者的独立预后因素,并评估其非线性关系。

使用多变量Cox比例风险模型评估GNRI对OS的影响,并使用多变量Cox-RCS模型检验非线性关系。

3

评估年龄对GNRI预后作用的修饰效应

检验年龄是否改变GNRI与OS之间的关联。

构建三种多变量Cox-RCS模型:按年龄阈值分层的GNRI效应模型、按GNRI分层的年龄效应模型、以及包括年龄和GNRI交互作用的三维Cox-RCS模型。

4

分析低GNRI患者的参数异常模式

探讨年轻和老年低GNRI患者中白蛋白和BMI异常的组合模式是否存在差异。

绘制散点图和密度图展示白蛋白和BMI的分布,并比较不同年龄阈值下低GNRI患者的异常模式。

5

基于GNRI、白蛋白和BMI组合的生存分析

比较基于GNRI的分类与单独基于白蛋白或BMI的预后区分能力。

绘制Kaplan-Meier生存曲线,比较六组不同参数组合的患者的OS。

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。

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
患者队列
患者来源(三家日本医院)、纳入和排除标准、样本量(552例)
阅读提示:Methods: Study population
GNRI计算
公式:14.89 × 白蛋白(g/dL) + 41.7 × (实际体重/理想体重),理想体重=22 × 身高(m)^2,当实际体重超过理想体重时比值设为1
阅读提示:Methods: Calculation of GNRI
统计学分析
多变量Cox模型调整的协变量、RCS节点数、年龄阈值(65/70/75岁)、交互作用显著性水平(P<0.10)
阅读提示:Methods: Statistical analysis
分组比较
GNRI分组(<92 vs ≥92)、Alb分组(>3.0 vs ≤3.0)、BMI分组(>19 vs ≤19)
阅读提示:Results: Survival curve based on the combination of GNRI, alb, and BMI; Figure 4 legend