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。
Age interaction in associations between geriatric nutritional risk index and prognosis in diffuse large B-cell lymphoma
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。
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)
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
提炼研究问题、关键发现与证据,快速把握文章的核心贡献。
按研究推进顺序梳理实验设计、验证步骤与关键观察。
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。
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。
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。
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。
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。
按研究目的归类文中使用的方法,便于定位所需技术。
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 |