首页 > 文章详情

利用电子健康记录开发胃癌风险预测模型

11月19日

整理：肿瘤资讯

来源：肿瘤资讯

2024年7月14日，国际知名期刊Gastro Hep Advances发表了一篇原创研究文章，该研究开发并评估了一个基于电子健康记录的逻辑回归模型，用于预测非贲门胃癌风险，发现年龄、性别、种族、吸烟、贫血和恶性贫血等因素与患病风险显著相关，模型具有良好的预测性能^[1]。【肿瘤资讯】整理该研究要点，以飨读者。

研究背景

胃癌是全球癌症发病率和死亡率的主要原因，早期发现和治疗对于改善预后至关重要^[2]。虽然一些国家已经实施了全国性的胃癌筛查计划，但在美国，由于发病率较低且筛查成本效益有限，目前尚无针对普通人群的筛查方案^[3,4]。然而，胃癌在美国仍然是一个重要的健康问题，尤其对少数族裔和贫困人口的影响更为严重^[5]。因此，识别高危人群并进行有针对性的筛查具有重要意义。电子健康记录（EHR）包含了大量的临床相关数据，为开发胃癌风险预测模型提供了宝贵资源^[6]。本研究旨在利用EHR数据开发并评估逻辑回归模型在识别非贲门胃癌高风险个体方面的性能，为未来的精准筛查和早期干预提供依据。

研究设计

该研究是一项回顾性病例对照研究，利用克利夫兰诊所的电子健康记录数据库。研究对象为2010年至2021年期间在该诊所接受治疗的40至80岁之间被诊断为非贲门胃癌（NCGC）的患者，以及按1:10比例随机选择的未诊断为NCGC的对照组。研究排除了患有其他类型胃癌或相关疾病的患者，并要求患者在NCGC诊断前有至少12个月的病历记录。模型变量包括社会人口学数据、临床特征和合并症等。缺失数据采用链式方程多重插补法进行处理。逻辑回归模型用于估计NCGC的概率，并使用受试者工作曲线下面积（AUC）和0.632估计量评估模型的判别能力。

研究结果

纳入人群特征

本研究共纳入614名NCGC患者和6331名对照者。NCGC患者组的平均年龄稍高，男性比例更高，黑人和亚裔患者比例也更高。此外，NCGC患者组的吸烟率更高，但消化不良、胃灼热、反流等症状以及多种合并症的发生率较低。两组的贫血情况相当，但NCGC患者组恶性贫血更常见（表1）。

表1.纳入人群基本特征

变量关联分析

多变量逻辑回归分析显示，年龄、男性、黑人或亚洲人种、吸烟史、贫血和恶性贫血均为NCGC的显著预测因素。具体来说，年龄每增加10岁，患NCGC的风险就会增加16%；男性患NCGC的风险是女性的近两倍；黑人或亚洲人患NCGC的风险分别是白人的3倍和4倍以上。此外，有吸烟史、贫血或恶性贫血的患者患NCGC的风险也显著增加。有趣的是，高血压、高胆固醇血症和肝病似乎对NCGC有保护作用，这些患者患NCGC的风险较低。

表2.多变量模型汇总结果

模型性能特征评估

模型性能评估结果显示，10个多重插补数据集的中值0.632估计量为0.731，表明模型具有良好的区分能力。表观校准在每个多重插补数据集中都表现稳健。进一步分析显示，模型在不同阈值下的性能特征存在权衡。当阈值设置为0.028时，模型具有高灵敏度（95.6%），但特异性和阳性预测值较低（分别为20.1%和0.30%）。而当阈值提高到0.172时，灵敏度下降到39.6%，但特异性和阳性预测值显著提高，分别达到90.2%和1.0%，更接近筛查测试的期望值。这表明通过调整阈值，可以根据实际需求在灵敏度和特异性之间取得平衡，以满足不同筛查场景的要求。

表3.阈值对模型敏感性、特异性和阳性预测值的影响

研究讨论

本研究利用大型临床数据集开发了一个基于电子健康记录的逻辑回归模型，用于预测NCGC风险。该模型仅使用简单易得的人口统计学、行为和临床特征，无需事先内窥镜检查，即可准确预测NCGC。研究结果与现有文献一致，确认了年龄、性别、种族、吸烟史、贫血和恶性贫血等因素与NCGC风险的相关性。该模型具有良好的区分能力和较高的特异性，有望为NCGC筛查提供个人层面的风险预测，并有助于识别可能受益于筛查的高危人群。本研究的优势在于使用了大型、多状态的临床数据集，并通过多种措施确保了NCGC诊断的准确性。然而，研究也存在一些局限性，如缺失数据和无法评估HP状态和饮酒等重要因素。未来研究将进一步完善和验证该模型，并探讨其在实际临床应用中的可行性和有效性。

结论

本研究证明了基于电子健康记录的逻辑回归模型在预测非贲门胃癌风险方面具有可行性，该模型使用易于获取的变量，且在特定阈值下具有较高的特异性和阳性预测值。未来研究将进一步验证和完善该模型，以期应用于临床实践。

声明：材料由阿斯利康支持，仅供医疗卫生专业人士参考

审批编码：CN-145423

有效期至：2025-10-24

参考文献

1. Kim MK,et. al. Using the Electronic Health Record to Develop a Gastric Cancer Risk Prediction Model. Gastro Hep Adv. 2024 Jul 14;3(7):910-916.
2. Morgan E, et. al. The current and future incidence and mortality of gastric cancer in 185 countries, 2020-40: A population-based modelling study. EClinicalMedicine. 2022 Apr 21;47:101404.
3. Jun JK, et. al. Effectiveness of the Korean National Cancer Screening Program in Reducing Gastric Cancer Mortality. Gastroenterology. 2017 May;152(6):1319-1328.e7.
4. Xia JY, Aadam AA. Advances in screening and detection of gastric cancer. J Surg Oncol. 2022 Jun;125(7):1104-1109.
5. Adsul, et al. Identifying research practices toward achieving health equity principles within the Cancer Prevention and Control Research Network. Cancer Causes Control 34 (Suppl 1), 15–21 (2023).
6. Knevel R, Liao KP. From real-world electronic health record data to real-world results using artificial intelligence. Ann Rheum Dis. 2023 Mar;82(3):306-311.

责任编辑：肿瘤资讯-SFS
排版编辑：肿瘤资讯-Rex

11月26日

史姝婷

平遥兴康医院 | 肿瘤外科

学习学习学习学习

11月22日

白文秀

平遥兴康医院 | 中医科

感谢分享受益匪浅

11月21日

孙泽辉

唐山市第三医院 | 肿瘤外科

利用电子健康记录开发胃癌风险预测模型