肌萎缩侧索硬化症中雷帕霉素综合临床试验的多变量生存分析:探索C9orf72携带者的预后因素和生存模式

Multivariate Survival Analysis of a Comprehensive Clinical Trial of Rapamycin in Amyotrophic Lateral Sclerosis Explores Prognostic Factors and Survival Patterns in C9orf72 Carriers

作者信息Alex De Nardi, Alessio Paris, Mario Lauria, Ilaria Martinelli, Elisabetta Zucchi, Cecilia Simonini, Jessica Mandrioli, Luca Marchetti
PMID42760861
发布时间2026-09
DOI10.1111/ene.70756

实验完整度

中

回顾性分析RAP-ALS临床试验纵向数据,采用Cox回归和弹性网变量选择,包含独立队列验证,但缺乏功能验证。

主要模型

RAP-ALS临床试验队列(63例ALS患者) CTRL-C9独立C9orf72突变ALS队列(40例)

重点核对

RAP-ALS队列63例患者,随机分配至安慰剂、1 mg/m2/day雷帕霉素和2 mg/m2/day雷帕霉素组,治疗18周 CTRL-C9独立队列40例C9orf72突变ALS患者,筛选标准为15个月无事件且随访中,排除诊断延迟超过19个月 生存时间定义为死亡或侵入性通气(气管造口术-free生存)的天数 多变量弹性网Cox回归采用α=0.9,5折交叉验证,50次迭代 C9orf72亚组分析:RAP-C9(n=6)与CTRL-C9(n=40)比较,采用log-rank检验和RMST分析

摘要

背景:肌萎缩侧索硬化症(ALS)是一种进行性神经退行性疾病,其生存时间存在相当大的变异性。本回顾性研究旨在通过对RAP-ALS(一项研究雷帕霉素对ALS患者影响的临床试验,n=63)的纵向数据进行全面的生存分析,评估广泛变量的预后价值。 方法:根据风险比将协变量分类为风险或保护因素。使用正则化Cox回归在交叉验证中选择表现最佳的多变量模型。通过将协变量建模为时间依赖性来纳入纵向测量。通过log-rank检验和限制平均生存时间分析进一步研究接受治疗的C9orf72突变携带者(n=6)的生存时间。 结果:单变量分析证实了几个先前建立的预后因素。多变量正则化Cox模型纳入了神经丝蛋白、肌酐、临床评分和免疫激活标志物。此外,纳入时变协变量使我们能够研究晚期风险因素,如中性粒细胞与淋巴细胞比率。另外,分析表明在接受治疗的C9orf72突变携带者中具有保护作用(log-rank检验,p=0.026),在将该治疗亚组与独立的C9orf72+队列(n=40;RMST检验,p=0.04)进行比较后得到证实。 结论:生存分析证实了先前确定的预后因素的作用,同时表明高性能的多变量模型应整合多种ALS病理特征。此外,观察到的C9orf72突变携带者生存期较长与先前的报道形成对比。由于样本量小和潜在的混杂因素,在接受治疗的C9orf72患者中观察到的益处应被视为探索性的,支持在更大规模、遗传分层的试验中进行评估。

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
评估广泛临床和生物学变量对ALS患者气管造口术-free生存的预后价值,并探索雷帕霉素在C9orf72突变携带者中的潜在治疗效应。
核心机制
C9orf72 HRE可能通过mTOR介导的自噬调节通路影响ALS病程,雷帕霉素作为mTOR抑制剂可能增强蛋白清除,但mTOR通路与C9orf72的相互作用仍有争议。
主要证据
单变量Cox回归确认神经丝蛋白、肌酐、DPR和ALSFRS-R为显著预后因素;弹性网多变量模型纳入神经丝蛋白、肌酐、临床评分和免疫激活标志物;C9orf72携带者接受治疗显示保护效应(log-rank p=0.026),与独立队列比较RMST分析显著(p=0.039和p<0.0001)。
研究意义
研究强调了在总体阴性临床试验中进行事后纵向数据分析的价值,整合临床轨迹与分子和遗传测量可识别患者亚组并产生生物学上合理的假设,为未来ALS试验设计提供方法学框架。

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

RAP-ALS临床试验数据收集

获取ALS患者纵向临床和生物学数据以进行生存分析

从7个意大利ALS转诊中心收集63例患者数据,在最多5个时间点(0、8、18、30、54周)采集数据,根据疾病进展率分层后随机分配至安慰剂、1 mg/m2/day雷帕霉素和2 mg/m2/day雷帕霉素组,治疗18周。

2

数据预处理和缺失值处理

标准化数据并处理缺失值以进行生存分析

预测变量标准化为均值0、方差1,生物学变量进行对数归一化,ALSFRS-R评分进行logit转换。对患者时间序列中的缺失数据应用多重插补(50个插补数据集)。对于仅在第0周和第18周测量的CSF生物标志物,将每位患者最后观察值插补到后续时间点。

3

单变量Cox回归分析

评估单个变量对生存的影响并分类为风险或保护因素

使用两种Cox比例风险建模策略:基线Cox模型(时间固定协变量)和纵向Cox模型(时变协变量)。在每个插补数据集内拟合单变量Cox模型,使用Rubin规则合并估计值。风险比显著不同于1(p<0.05)的协变量分类为风险(HR>1)或保护(HR<1)因素,然后使用Benjamini-Hochberg假发现率程序调整p值。

4

弹性网正则化Cox回归变量选择

提取联合信息性协变量集以构建多变量预后模型

使用弹性网拟合正则化Cox回归模型,α=0.9(90% L1惩罚)。在堆叠多重插补数据集的长格式数据集上训练模型,每个观测权重1/50。实施5折交叉验证,计算Harrell's concordance index,选择lambda.1se。进行50次5折交叉验证迭代以减少不稳定性。选定的多变量模型随后使用标准Cox回归重新拟合。

5

C9orf72亚组生存分析

研究C9orf72突变携带者中的潜在治疗效应

在RAP-ALS队列内比较RAP-C9(n=6)和C9ORF72-(n=56)患者的生存结果,使用Kaplan-Meier分析和log-rank检验。将RAP-C9与独立CTRL-C9队列(n=40)比较,使用log-rank检验和限制平均生存时间分析。检查比例风险假设,使用Grambsch-Therneau检验和scaled Schoenfeld残差图。

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
RAP-ALS临床试验
患者纳入排除标准:排除已知SOD1突变、症状 onset早于筛查前18个月或未接受利鲁唑治疗的患者;随机分组:根据疾病进展率分层后随机分配至安慰剂、1 mg/m2/day雷帕霉素和2 mg/m2/day雷帕霉素组;治疗持续时间:18周;数据收集时间点:0、8、18、30、54周。
阅读提示:Methods 2.1 Data Collection
CTRL-C9独立队列
患者来源:Emilia-Romagna ALS登记处(ERRALS)2008-2023年诊断的53例C9orf72突变ALS患者;筛选标准:仅纳入15个月无事件且仍在随访中的患者,排除诊断延迟超过19个月的患者;最终纳入40例患者。
阅读提示:Methods 2.3 Control C9orf72 Data 和 Results 3.5
生存分析
主要结局:气管造口术-free生存时间(死亡或侵入性通气的天数);生存时间计算起点:协变量影响分析从采样日期计算,总体生存比较从估计的症状 onset日期计算;协变量标准化:均值0、方差1;多重插补:50个数据集。
阅读提示:Methods 2.4 Data Preprocessing 和 2.5 Statistical Analysis
弹性网变量选择
α值:0.9;交叉验证:5折,50次迭代;lambda选择:lambda.1se;Harrell's concordance index计算;模型重新拟合:标准Cox回归。
阅读提示:Methods 2.6 Variable Selection
C9orf72亚组分析
亚组样本量:RAP-C9 n=6,C9ORF72- n=56,CTRL-C9 n=40;统计检验:log-rank检验,RMST分析(τ=956天和τ=1832天);比例风险假设检验:Grambsch-Therneau检验。
阅读提示:Results 3.4 和 3.5,Figure 4,Figure 5