Page 124 - 南京医科大学自然版

第46卷第7期
·1070 · 南 京 医 科 大 学 学 报 2026年7月

100 肿瘤负荷有关，可能有助于改善机体整体免疫状
态，从而降低感染发生风险 ［32-33］ 。但金剑英等 ［10］ 研
80
究提示多药联合化疗会引起骨髓抑制（如白细胞减
（%） 少），增加肺部感染风险，提示在临床应用中需权衡
Sensitivity 60 既往研究提示，C 反应蛋白（C⁃reactive protein，
疗效与不良反应，并加强血液学指标监测。
40
CRP）、降钙素原（procalcitonin，PCT）可在感染早期

20 升高，有助于早期识别潜在感染 ［34-35］ 。本研究中白
SCLC⁃PIR seoring model 细胞计数相关指标在单因素 Logistic 回归分析中无
AUC=0.896
0 统计学意义，且P值>0.1，未达到进入多因素回归模
0 20 40 60 80 100
100-Specificity（%） 型的标准，因此未能纳入最终评分系统。但本研究
图4 验证集中SCLC⁃PIR评分模型的ROC曲线 为回顾性研究，部分患者仅在出现感染症状或临床
Figure 4 ROC curve of the SCLC⁃PIR scoring model in 疑似感染后才检测 CRP 和 PCT，检测时点及检测完
the validation set
整性不完全一致，因此未将其纳入预测模型。未来
研究应在前瞻性队列中标准化采集CRP、PCT、白细
100
胞计数及其动态变化情况，并进一步验证其对模型
预测性能的增量价值。
（%） 80 模型具有变量数量少、结构简洁及易于计算等优
与复杂的 Nomogram 模型相比，SCLC⁃PIR 评分
Aetual probability 40 势，更适合临床床旁应用。通过简单的评分即可实
60

现对患者感染风险的快速分层，有助于在化疗早期

20 Ideal 识别高风险人群，从而指导个体化干预策略，如加
Bias⁃correeted 强感染监测、优化营养支持及呼吸道管理等。同
Apparent 时，该模型也有助于合理配置医疗资源，提高临床
0
0 20 40 60 80 100 管理效率。在风险分层方面，本研究发现不同评分
Predieted probability（%）
图5 验证集中SCLC⁃PIR评分模型的Bootstrap校准曲线 层级患者的实际感染发生率差异明显，提示该评分
Figure 5 Bootstrap calibration curve of the SCLC ⁃ PIR 模型能够较好地区分不同风险人群。对于高风险
scoring model in the validation set 患者，可加强感染监测、营养支持及呼吸道管理；对
于低风险患者，则可进行常规随访和健康宣教。
这在既往研究中也被反复提及。胸腔积液常提示 综上，本研究通过分析发现吸烟史、胸腔积液、
疾病进展及胸膜受累，可能导致肺受压不张与通气 声音嘶哑、单药化疗方案及化疗后白蛋白<35 g/L是
受限，从而影响气道廓清并增加继发呼吸道感染风 小细胞肺癌患者化疗期间肺部感染的独立危险因
险 ［25-26］ ，恶性胸腔积液的规范评估与处理有助于改 素，并构建 SCLC⁃PIR 评分模型，该模型在训练集和
善肺复张和呼吸症状，并支持后续抗肿瘤治疗的连 验证集中均表现出良好的预测效能，具有一定的临
［27］
续性 。 床应用价值。
低白蛋白血症作为营养不良及炎症状态的表 本研究存在一定局限性。首先，本研究为单中
现，已被多项研究证实与感染风险密切相关 ［28-30］ 。 心研究，样本量相对有限，可能存在选择偏倚。其
应值得注意的是，本研究发现白蛋白<35 g/L即显著 次，本研究未对病原菌分布及耐药情况进行分析，
增加感染风险，提示其风险阈值可能高于传统定义 限制了对感染机制的进一步探讨。变量筛选和白
标准（30 g/L），在临床实践中应引起重视。在化疗 蛋白截断值确定均基于本研究数据，存在一定的数
管理过程中可对白蛋白水平进行动态监测，并及时 据驱动特征，因此可能存在一定过拟合风险。本研
［31］
进行营养支持治疗 。 究与既往 Nomogram 模型比较时，既往模型主要基
在化疗方案方面，本研究中联合化疗患者的肺 于NSCLC或肺癌混合人群建立，因此不同研究对象
部感染风险较低，这可能与联合化疗能够有效控制 之间可能存在一定人群异质性偏倚。训练集和验