老年特发性肺纤维化患者早期死亡风险分层的列线图模型:血清生物标志物与肺功能参数的综合分析

A Nomogram Model for Early Mortality Risk Stratification in Elderly Patients with Idiopathic Pulmonary Fibrosis: An Integrative Analysis of Serum Biomarkers and Pulmonary Function Parameters

作者信息Yingying Zhu, Zhangyan Ke, Tiantian Zhang, Siyu Sun, Xiaoyun Fan
PMID42452584
发布时间2026-07-01
DOI10.3390/jcm15135124

实验完整度

中

回顾性队列研究,包含83例患者,使用多变量Cox回归构建预测模型,并通过自举法进行内部验证,但缺乏外部验证和实验验证。

主要模型

老年IPF患者队列(83例) GAP模型对照 IPF患者临床队列

重点核对

样本来源:安徽医科大学第一附属医院2016年1月至2023年2月收治的IPF患者 结局定义:诊断后12个月内死亡定义为早期死亡 预测因子:年龄、单核细胞计数、球蛋白、DLCO%pre 统计模型:Cox比例风险回归,每变量至少10个事件 内部验证:自举重采样1000次

摘要

背景:特发性肺纤维化(IPF)发病率低但死亡率高。基层医疗中缺乏针对老年IPF患者的简便预后工具。本研究旨在为该人群开发一种可及的列线图。方法:对安徽医科大学第一附属医院的老年IPF患者(2016年1月至2023年2月)进行回顾性分析。早期死亡定义为诊断后12个月内死亡。使用单变量和多变量分析确定的预测因子构建列线图。为尽量减少过拟合,根据每个变量至少10个事件(39个事件)的规则,将预测因子数量限制为四个。使用C指数、校准曲线(包括Hosmer-Lemeshow拟合优度检验)、ROC分析和决策曲线分析(DCA)评估模型性能。使用自举重采样(1000次迭代)进行内部验证。对于缺失数据,排除缺失率>30%的变量;对于缺失率≤30%的变量,应用多重插补。基于列线图评分进行风险分层,并通过Kaplan-Meier分析比较组间生存期。结果:共纳入83例患者。多变量分析确定年龄、单核细胞计数、球蛋白和DLCO%pred为早期死亡的独立预测因子。包含这些因素的列线图C指数为0.846(自举后乐观校正C指数:0.812)。预测1年、2年和3年总生存期的AUC分别为0.879、0.896和0.854。Hosmer-Lemeshow检验显示校准良好(1年、2年和3年分别为p = 0.42、0.38和0.51)。Kaplan-Meier分析证实高危组生存期显著较差(p < 0.0001)。结论:我们开发了一个准确且实用的列线图来预测老年IPF患者的预后,为基层医疗环境提供了一个有用的风险评估工具。然而,在临床实施前,需要在独立的多中心队列中进行外部验证。目前,该模型应被视为产生假说。

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
如何利用常规血清生物标志物和肺功能参数,为老年IPF患者构建一个可及、准确的12个月早期死亡风险预测模型?
核心机制
单核细胞计数升高反映了促纤维化免疫状态(M2巨噬细胞极化),球蛋白升高反映体液免疫激活与免疫失调,DLCO%pre降低反映肺功能损伤,年龄反映生理衰退,这些共同与早期死亡风险相关。
主要证据
基于83例老年IPF患者的回顾性队列,多变量Cox回归确定年龄、单核细胞计数、球蛋白和DLCO%pre为独立预测因子,构建的列线图C指数为0.846,自举校正C指数为0.812,AUC分别为0.879、0.896、0.854(1、2、3年OS)。
研究意义
本研究首次在IPF预后模型中纳入单核细胞计数和球蛋白,为基层医疗提供了简便的风险评估工具,有助于早期识别高危患者并转诊肺移植评估。

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

患者筛选与数据收集

确定符合IPF诊断的老年患者,并收集基线的血清生物标志物、肺功能指标和随访数据。

回顾性筛选2016年1月至2023年2月安徽医科大学第一附属医院的IPF患者,根据2022年ATS/ERS指南确诊,排除恶性肿瘤、肝肾功能不全、血液病、免疫抑制或激素长期使用等,最终纳入83例。收集血常规、肝肾功能、肺功能、肿瘤标志物等。

2

单因素与多因素回归分析

筛选与总体生存期相关的独立预测因子。

采用Cox比例风险回归进行单因素分析,将p<0.05的变量纳入双向逐步多因素Cox回归(进入p<0.1,剔除p>0.15),根据每变量至少10个事件规则,最终确定年龄、M、GLB、DLCO%pre为独立预测因子。

3

列线图模型构建

基于独立预测因子构建预测1年、2年、3年总生存期的可视化列线图。

整合年龄、M、GLB和DLCO%pre,构建列线图。每个预测因子对应分值,总分对应1年、2年、3年OS概率。

4

模型性能评估与内部验证

评估模型的区分度、校准度和临床实用性,并进行内部验证。

计算C指数、AUC、AIC、BIC,绘制校准曲线,进行Hosmer-Lemeshow检验、决策曲线分析(DCA),并通过自举重采样(1000次)计算乐观校正C指数。

5

风险分层与生存分析

基于列线图评分将患者分为高危和低危组,验证模型区分能力。

根据列线图总分中位数将患者分为高风险组和低风险组,采用Kaplan-Meier分析和log-rank检验比较两组总生存期。

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

实验环节名称品牌货号
SPSS软件SPSSversion
R软件--version

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、诊断标准(2022 ATS/ERS指南)、年龄要求、排除标准
阅读提示:Methods 2.2 Study Population
数据收集
采集的指标(血常规、肝肾功能、肺功能、肿瘤标志物)、时间窗(首次就诊7天内)、随访频率(每6个月)
阅读提示:Methods 2.3 Data Collection
结局定义
早期死亡定义(12个月内死亡)、总生存期计算起点(诊断日期)、随访终点(2024年2月)
阅读提示:Methods 2.2 Study Population
统计分析
单因素p<0.05进入多因素,逐步法进入p<0.1剔除p>0.15,每变量至少10个事件,限制4个预测因子,VIF>5视为共线性
阅读提示:Methods 2.4 Model Construction and Statistical Analysis
缺失数据处理
排除缺失>30%的变量,对≤30%的变量采用MICE(5次插补)
阅读提示:Methods 2.2 Study Population