残余胆固醇炎症指数预测乳腺癌新辅助治疗病理完全缓解：一项多中心外部验证研究

Remnant cholesterol inflammatory index for predicting pathological complete response to neoadjuvant therapy in breast cancer: A multicenter external validation study

作者信息Galip Can Uyar, Kadriye Başkurt, Ahmet Oruç, Nargiz Majidova, Orhun Akdoğan, Enes Yeşilbaş, Kadriye Bir Yücel, Melek Karakurt Eryılmaz, Osman Sütcüoğlu, Ömür Berna Çakmak Öksüzoğlu, Mustafa Altınbaş

PMID42777557

期刊Breast

发布时间2026-09-22

DOI10.1016/j.breast.2026.104936

来源查看原文

实验完整度

中

多中心回顾性队列，含训练与独立外部验证，评估区分度和校准，但无体内或功能机制验证。

主要模型

422例接受NAT的浸润性乳腺癌女性患者训练队列299例（Etlik City Hospital）外部验证队列123例（多中心）

重点核对

主要结局pCR定义：ypT0/is, ypN0，允许残留导管原位癌；由本地最终手术病理报告判定，无中心病理复审 RCII计算：RC（总胆固醇−HDL胆固醇−LDL胆固醇，mg/dL）× CRP（mg/L），并自然对数转换为log-RCII 两个预设多变量logistic回归模型：Model 1和Model 2的变量组成及训练队列系数直接应用于外部验证队列且不重新校准外部验证校准评估：校准斜率、校准截距、平均绝对校准误差，200次bootstrap重采样多重插补敏感性分析：链式方程多重插补生成20个插补数据集，预测均值匹配，Rubin's rules合并

摘要

背景：新辅助治疗（NAT）后病理完全缓解（pCR）与乳腺癌（BC）的长期结局相关。残余胆固醇炎症指数（RCII）整合了脂质相关和炎症相关成分，但其在pCR预测中的作用尚不明确。方法：这项多中心回顾性研究纳入2022年1月至2026年1月期间接受NAT的浸润性BC女性。在训练队列中建立预设的多变量logistic回归模型，纳入基线炎症、代谢和临床病理变量，并在独立外部验证队列中不重新校准进行评估。使用区分度和校准指标评估模型性能。结果：在422例患者中，157例（37.2%）达到pCR。在临床校正模型中，三阴性BC（OR 7.56，95% CI 2.74–20.86）、HER2阳性BC（OR 4.13，95% CI 2.15–7.92）和较低的log-RCII（OR 0.48，95% CI 0.33–0.69）与pCR独立相关。外部验证的AUC为0.84（95% CI 0.76–0.91）。校准斜率为0.94，而校准截距为−0.60，提示对pCR概率存在系统性高估。敏感性和内部验证分析支持主要发现的稳健性。结论：log-RCII与pCR独立相关，并在标准临床病理因素之外提供了增量预测信息。该模型在外部验证队列中显示出良好的区分度，但系统性高估提示在临床实施前需要进一步前瞻性验证和潜在重新校准。

研究设计与队列构建

建立训练队列和独立外部验证队列以开发并验证pCR预测模型

多中心回顾性纳入2022年1月至2026年1月接受NAT的乳腺癌患者；筛选587例，最终422例纳入分析，训练队列299例，外部验证队列123例

基线临床、病理和实验室数据收集

获取用于模型开发和验证的预测变量及结局数据

从电子健康记录和存档医疗文件中收集基线人口学、临床、病理和实验室数据，包括血脂参数和CRP用于RC计算

炎症和代谢指数计算

计算NCR、PALR、RC和RCII作为候选预测标志物

使用预处理值计算NCR、PALR和RC，RCII为RC和CRP的乘积，并进行自然对数转换

pCR和Miller–Payne反应评估

确定主要结局pCR和次要探索性终点MP反应

从最终手术病理报告本地判定pCR；MP反应二分为4–5级（有利）与1–3级（不利）

多变量预测模型开发

在训练队列中开发pCR预测模型

进行单变量logistic回归后建立两个预设多变量logistic回归模型（Model 1和Model 2）

模型性能评估与外部验证

评估模型区分度、校准和临床效用

在训练和外部验证队列中评估AUC、PR-AUC、Brier评分、校准斜率和截距、平均绝对校准误差；进行bootstrap内部验证和DCA

敏感性和探索性分析

评估主要发现的稳健性并探索亚组表现

进行多重插补敏感性分析、治疗异质性调整、增量预测价值比较、亚型交互作用分析和MP终点评估

环节	核对要点
研究设计与队列构建	研究期间：2022年1月至2026年1月；筛选587例，最终纳入422例；训练队列299例，外部验证队列123例；纳入和排除标准见Methods 阅读提示：Methods 2.1 Study design and patient population；Fig. 1 Study flow diagram
pCR定义与评估	pCR定义：ypT0/is, ypN0，允许残留导管原位癌；病理反应由本地判定，无中心病理复审，无研究特异性设盲阅读提示：Methods 2.2 Clinical, pathological, and laboratory data collection
RCII计算	RC = 总胆固醇 − HDL胆固醇 − LDL胆固醇 (mg/dL)；RCII = RC × CRP；log-RCII为自然对数转换；NCR和PALR按每100单位增加缩放阅读提示：Methods 2.3 Calculation of inflammatory and metabolic indices
多变量模型构建	Model 1变量：NCR、PALR、log-RCII、肿瘤亚型、年龄；Model 2额外变量：ECOG、临床T分期、临床N分期、组织学分级；化疗骨架未纳入；训练队列系数直接应用于外部验证，不重新校准阅读提示：Methods 2.4 Statistical analysis；Table 3脚注
外部验证校准评估	校准评估仅在外部验证队列进行；200次bootstrap重采样；Model 2校准斜率0.94，校准截距−0.60，平均绝对校准误差0.037；Model 1校准截距−0.52 阅读提示：Methods 2.4 Statistical analysis；Table 3；Supplementary Fig. 4
敏感性分析和治疗调整	多重插补：20个插补数据集，预测均值匹配，Rubin's rules合并，缺失仅限于一个年龄值；治疗调整模型纳入298例，122个pCR事件，13个预测参数阅读提示：Methods 2.4 Statistical analysis；Results 3.5 Sensitivity analyses；Supplementary Tables 5–7

环节

核对要点

研究设计与队列构建

研究期间：2022年1月至2026年1月；筛选587例，最终纳入422例；训练队列299例，外部验证队列123例；纳入和排除标准见Methods

阅读提示：Methods 2.1 Study design and patient population；Fig. 1 Study flow diagram

pCR定义与评估

pCR定义：ypT0/is, ypN0，允许残留导管原位癌；病理反应由本地判定，无中心病理复审，无研究特异性设盲

阅读提示：Methods 2.2 Clinical, pathological, and laboratory data collection

RCII计算

RC = 总胆固醇 − HDL胆固醇 − LDL胆固醇 (mg/dL)；RCII = RC × CRP；log-RCII为自然对数转换；NCR和PALR按每100单位增加缩放

阅读提示：Methods 2.3 Calculation of inflammatory and metabolic indices

多变量模型构建

Model 1变量：NCR、PALR、log-RCII、肿瘤亚型、年龄；Model 2额外变量：ECOG、临床T分期、临床N分期、组织学分级；化疗骨架未纳入；训练队列系数直接应用于外部验证，不重新校准

阅读提示：Methods 2.4 Statistical analysis；Table 3脚注

外部验证校准评估

校准评估仅在外部验证队列进行；200次bootstrap重采样；Model 2校准斜率0.94，校准截距−0.60，平均绝对校准误差0.037；Model 1校准截距−0.52

阅读提示：Methods 2.4 Statistical analysis；Table 3；Supplementary Fig. 4

敏感性分析和治疗调整

多重插补：20个插补数据集，预测均值匹配，Rubin's rules合并，缺失仅限于一个年龄值；治疗调整模型纳入298例，122个pCR事件，13个预测参数

阅读提示：Methods 2.4 Statistical analysis；Results 3.5 Sensitivity analyses；Supplementary Tables 5–7

大家都在搜

大家都在搜