Page 69 - 南京医科大学学报自然科学版
P. 69

第43卷第3期       卢   英，雍景超，刘 洋，等. 血清甲胎蛋白、γ ⁃谷氨酰转肽酶对肝细胞癌发生微血管侵犯的临床
                  2023年3月                应用价值［J］. 南京医科大学学报（自然科学版），2023，43（3）：357-364                    ·359 ·


                1.3  统计学方法                                        界不清+0.001 45×AFP+0.001 96×GGT
                    所有统计分析均使用 R 统计软件（R 版本 3.6.1                       Model B：logit（MVI）=-3.240 35+0.812 15×肿瘤
                版本.www.r⁃project）进行。不符合正态分布的连续                    外生性生长+0.179 94×肿瘤大小+2.770 83×肿瘤边
                变量以中位数（四分位数）［M（P25，P75 ）］表示，并采                    界不清
                用非参数检验进行分析。分类资料用频率（百分                                 由于血清AFP、GGT水平呈现非正态分布，为了
                比）描述，比较采用 Pearson 卡方检验或 Fisher 精确                 减小偏度，将 AFP 和 GGT 值转换为对数值并写成
                检验。应用单因素和多因素 Logistic 回归模型评估                      logAFP和logGGT，使模型具有较好的鉴别性和拟合
                变量。对单因素分析中P < 0.05的变量进行多因素                        优度。

                分析。绘制受试者工作特征（receiver operating char⁃             2.4  预测模型的验证及诊断性能的评估
                acteristic，ROC）曲线，计算 ROC 曲线下面积（area                   对所构建的两个预测模型的诊断性能进行比
                under curve，AUC），利 用 决 策 曲 线 分 析（decision         较（表3），没有AFP和GGT的模型B的AUC为0.876
                curve analysis，DCA）对不同模型的临床应用进行评                 （0.842~0.909），加入AFP和GGT的模型A的AUC为
                价和比较。采用AUC、DCA和校正曲线对列线图性                          0.902（0.872~0.932）（图 1A）。特异度由 0.758 提升
                能进行评价。C 指数（C⁃index）评价 AFP 和 GGT 对                 至0.857，准确度由0.775提升至0.843。阳性似然比
                HCC患者总生存的预测能力。绘制ROC曲线确定最                          和阳性预测值分别由 3.360 和 0.591 提升至 5.671 和
                佳临界值（cut⁃off），Kaplan⁃Meier曲线分析评估总生存               0.709。诊断的比值比也由 13.589 提升至 25.909。
                期，并通过Log⁃rank检验进行组间比较。所有统计学                       从两个模型的DCA也可以看出Model A的最大净效
                检验均为双侧检验，P < 0.05为差异有统计学意义。                       益优于Model B（图1B）。以上结果表明，Model A预
                                                                  测 HCC 出现 MVI，表现出比 Model B 更好的预测性
                2  结 果
                                                                  能，被选为最终模型。将肿瘤的外生性生长、肿瘤
                2.1  患者的临床特征                                      大小、肿瘤边界、AFP和GGT 纳入模型绘制列线图，
                    共有479例HCC患者被纳入本研究。男402例                       通过图中每个指标数值对应的分数总和获得 MVI
               （83.92%），女77例（16.08%），年龄25~86岁，中位年                 的预测概率（图2）。为了进一步评价预测模型的预
                龄为 56 岁。358 例（74.74%）发生肝硬化。144 例                  测价值，经 Bootstrap 方法重复抽样 1 000次内部验
               （30.06%）患者观察到 MVI 的存在。MVI 阳性组和                     证。校准图中标准曲线与校准曲线拟合良好，表明
                阴性组之间年龄、肿瘤大小、病灶数目（单个病灶）、                          模型对 MVI 的预测值与实际观察值之间有良好的
                外生性生长、肿瘤边界不清、肿瘤中心坏死、AFP、                          符合度，并表现出很好的预测能力（图1C）。
                CEA、AST、GGT、LDH、LY、NE、RDW、PLT、临床分级                2.5  基于AFP和GGT的HCC患者的生存分析
                及 Edmondson⁃Steiner 分级差异均有统计学意义                       计算 GGT 和 AFP 的 C 指数（C⁃index）分别为
               （P＜0.05，表 1），其他指标差异均无统计学意义                         0.675（0.631~0.719）和 0.738（0.699~0.776）。 使 用
               （P > 0.05，表1）。                                     ROC 曲线确定最佳 cut⁃off 值，AFP 为 433.8 ng/mL 取
                2.2  预测MVI的Logistic回归分析                           400 ng/mL，GGT 为 58.7 U/L，绘制 Kaplan⁃Meier 生存
                    如表 2 所示，通过单因素分析发现，年龄、肿瘤                       曲线。结果显示 AFP≥400 ng/mL 的患者生存期明
                病灶数目、肿瘤外生性生长、肿瘤大小、肿瘤边界不                           显短于 AFP<400 ng/mL 的患者，GGT≥58.7 U/L 的患
                清、肿瘤中心坏死、AFP、AST、GGT、LDH、CR、LY、                   者生存期明显短于GGT<58.7 U/L 的患者（图3，P均
                RDW、PLT 是 MVI 的危险因素（P < 0.05）。将单因                 <0.001）。
                素分析结果中 P < 0.05 的因素纳入 Logistic 回归模
                                                                  3  讨 论
                型进行多因素分析，肿瘤外生性生长、肿瘤大小及
                肿瘤边界不清、AFP和GGT是肝癌合并MVI的独立                             目前，许多研究致力于MVI 的精确诊断和风险
                危险因素。                                             评估  ［3-4］ 。然而，MVI 是微小血管的侵犯，只能在手

                2.3  MVI预测模型的建立                                   术后组织病理检查中发现，这限制了MVI在术前管
                    将多因素分析得到的独立危险因素构建方程。                          理决策中的使用。近年来，MVI 预测模型中影像学
                                                                                                      ［7］
                    Model A：logit（MVI）=-3.806 93 +0.858 71×肿瘤     指标最常见     ［5-6］ ，也允许血清标志物加入 。但是目
                外生性生长+0.113 94×肿瘤大小+2.620 44×肿瘤边                  前尚不清楚加入的血清标志物对预测模型的影
   64   65   66   67   68   69   70   71   72   73   74