文摘目的:构建淋巴细胞比值相关免疫-炎症反应评分(immune-inflammatory response score,IRS),并构建预测肝细胞癌(hepatocellular carcinoma,HCC)患者预后风险的网络计算器。方法:回顾性分析2018年1月至2023年12月于上海市公共卫生临床中心进行手术治疗的HCC患者。收集中性粒细胞与淋巴细胞比值(neutrophil-lymphocyte ratio,NLR)、血小板与淋巴细胞比值(platelet-lymphocyte ratio,PLR)、单核细胞与淋巴细胞比值(monocyte to lymphocyte ratio,MLR)和C反应蛋白与淋巴细胞比值(C-reactive protein to lymphocyte ratio,CLR)。使用多因素Cox回归模型构建IRS。采用单因素和多因素Cox回归分析筛选HCC患者死亡风险因素。使用rms、foreign、readxl、Hmisc和rmda等R包构建和评估列线图预测的准确性。使用Dyn Nom包开发HCC患者死亡风险网络计算器。结果:154例患者随访1~60个月,中位随访时间为17个月,其中1年、3年和5年死亡率分别为30.5%、50.6%和61.0%。根据多因素Cox回归模型系数β构建IRS=0.213×NLR+0.005×PLR+0.042×CLR。死亡HCC患者IRS高于生存HCC患者,且差异有统计学意义(P<0.05)。高风险组(IRS≥2.88分)HCC患者总生存率低于低风险组(IRS<2.88分)HCC患者,且差异有统计学意义(P<0.05)。时间-受试者操作特征(receiver operating characteristic,ROC)曲线显示,IRS预测HCC患者1年、3年、5年总生存率的曲线下面积(area under the curve,AUC)分别为0.829[95%置信区间(95%confidence interval,95%CI)为0.760~0.885]、0.901(95%CI为0.842~0.943)和0.898(95%CI为0.839~0.941)。多因素Cox回归分析结果显示,肿瘤最大直径、γ-谷氨酰转移酶(γ-glutamyl transferase,GGT)、碱性磷酸酶(alkaline phosphatase,ALP)、甲胎蛋白(alpha-fetoprotein,AFP)水平和IRS是HCC患者死亡独立风险因素(P均<0.05)。基于IRS构建预测HCC患者1年、3年及5年死亡风险的列线图。校准曲线显示,列线图预测1年、3年和5年死亡风险的C-index分别为0.836(95%CI为0.818~0.912)、0.903(95%CI为0.882~0.961)和0.847(95%CI为0.817~0.932)。时间-决策曲线分析(decision curve analysis,DCA)显示,风险阈值在0~1时,该列线图能提供显著意义临床净收益。网络计算器操作界面见https://nomogramdynamic.shinyapps.io/Dyn Nomapp/。结论:IRS能有效预测HCC患者死亡风险。IRS结合肿瘤最大直径、GGT、ALP、AFP水平构建的HCC患者死亡风险网络计算器有助于指导临床医师为预后较差的HCC患者提供更积极的治疗和临床管理。
