Page 83 - 《中国药房》2024年22期

1.4 统计学方法 表1 阿帕替尼致蛋白尿的单因素分析结果
2
采用SPSS 23.0软件对数据进行统计分析。符合正 指标 蛋白尿组（n＝32） 非蛋白尿组（n＝88） χ /t/U P
性别（男）/例（%） 21（65.63） 49（55.68） 0.955 0.329
态分布的计量资料以x±s表示，组间比较采用t检验；不
年龄（x±s）/岁 59.34±10.16 61.47±9.88 1.033 0.304
符合正态分布的计量资料以 M（P25，P75 ）表示，组间比较 有吸烟史/例（%） 12（37.50） 17（19.32） 4.233 0.040
采用 Mann-Whitney U 检验。计数资料以例数或率表 有饮酒史/例（%） 7（21.88） 14（15.91） 0.579 0.447
合并基础疾病/例（%）
2
示，组间比较采用χ 检验。检验水准α＝0.05。 高血压 14（43.75） 15（17.05） 9.132 0.003
首先，根据蛋白尿发生情况，将训练集患者分为蛋 糖尿病 5（15.63） 4（4.55） 2.386 0.122
乙型肝炎 7（21.88） 10（11.36） 2.132 0.144
白尿组和非蛋白尿组，对观察指标进行单因素分析，并
检验指标
对 P＜0.05 的指标进行多因素 Logistic 回归分析以构建 WBC[M（P 25，P 75）]（×10）/L －1 3.82（3.22，4.56） 4.25（3.54，5.33） －1.780 0.075
9
NE[M（P 25，P 75）]（×10）/L －1 2.20（1.53，2.85） 2.60（2.00，4.03） －2.189 0.029
9
阿帕替尼致恶性肿瘤患者蛋白尿的风险预测模型。随
PLT[M（P 25，P 75）]（×10）/L －1 145.00（80.00，195.25） 163.00（132.50，209.75） －1.519 0.129
9
后，采用Hosmer-Lemeshow检验对预测模型的拟合度进 Hb（x±s）/（g/L） 111.75±21.50 105.35±17.07 －1.691 0.093
行评价；绘制 ROC 曲线，计算曲线下面积（area under ALT[M（P 25，P 75）]/（U/L） 25.50（13.00，53.25） 15.00（10.00，26.50） －2.741 0.006
AST[M（P 25，P 75）]/（U/L） 29.00（18.75，48.75） 25.00（19.25，34.00） －1.446 0.148
curve，AUC）以评价预测模型的预测价值（0.5＜AUC＜ ALP[M（P 25，P 75）]/（U/L） 107.00（74.00，160.00） 87.00（70.25，119.00） －1.706 0.088
0.7表示预测价值较低，0.7≤AUC＜0.9表示预测价值中 TBil[M（P 25，P 75）]/（μmol/L） 10.80（6.73，17.63） 10.00（6.63，14.65） －0.831 0.406
UA[M（P 25，P 75）]/（μmol/L） 293.00（209.00，346.00） 274.50（227.25，342.50） －0.027 0.979
[6]
等，AUC≥0.9则认为预测价值较高 ），同时取约登指数
BUN[M（P 25，P 75）]/（mmol/L） 5.30（4.08，6.65） 5.36（3.83，6.70） －0.089 0.929
最大时的对应值作为预测指标的最佳截断值。最后，利 CREA[M（P 25，P 75）]/（μmol/L） 63.50（51.25，73.75） 59.00（47.00，73.75） －0.953 0.341
用验证集患者的相关资料，交叉验证模型的准确率。 治疗方案/例（%）
单药 11（34.38） 24（27.27） 0.573 0.449
2 结果 联合免疫 8（25.00） 18（20.45） 0.204 0.651
2.1 纳入患者的基本情况 联合化疗 10（31.25） 33（37.50） 0.399 0.528
联合其他 3（9.38） 13（14.77） 0.592 0.442
共纳入了 154 例患者的临床资料，其中 120 例为训 阿帕替尼日剂量/例（%）
练集，34例为验证集。训练集患者中，有32例检测出蛋 ≥500 mg 4（12.50） 2（2.27） 5.167 0.023
250 mg 24（75.00） 72（81.82） 0.682 0.409
白尿，发生率为26.67%，其中男性21例、女性11例，平均
＜250 mg 4（12.50） 14（15.91） 0.214 0.644
年龄（59.34±10.16）岁；88例未检测出蛋白尿，其中男性 恶性肿瘤类型 /例（%）
a
49例、女性39例，平均年龄（61.47±9.88）岁。验证集患 呼吸系统肿瘤 0（0） 9（10.23） 3.538 0.060
消化系统肿瘤 25（78.13） 56（63.64） 2.246 0.134
者中，有9例患者检测出蛋白尿，发生率为26.47%，其中 泌尿生殖系统肿瘤 3（9.38） 13（14.77） 0.592 0.442
男性 6 例、女性 3 例，平均年龄（61.58±8.44）岁；25 例未 其他肿瘤 4（12.50） 14（15.91） 0.214 0.644
检测出蛋白尿，其中男性 16 例、女性 9 例，平均年龄 a：非蛋白尿组部分患者合并多种恶性肿瘤，故合计值＞88。
（61.85±8.29）岁。 表2 阿帕替尼致蛋白尿的多因素Logistic回归分析结果
2.2 阿帕替尼致蛋白尿风险预测模型的构建 指标 β 标准误 Wald 自由度 P 比值比 95%置信区间
下限 上限
2.2.1 单因素分析 合并高血压 1.610 0.520 9.586 1 0.002 5.005 1.806 13.872
蛋白尿组有吸烟史、合并高血压、阿帕替尼日剂 有吸烟史 1.233 0.525 5.518 1 0.019 5.342 1.227 9.602
常量 －1.483 0.650 5.200 1 0.023 0.227
量≥500 mg的患者比例，以及ALT水平均显著高于非蛋
白尿组，而 NE 水平均显著低于非蛋白尿组（P＜0.05）； 基于上述两个独立危险因素构建风险预测模型，得
两组患者其余指标比较差异均无统计学意义（P＞ 阿帕替尼致蛋白尿发生概率（P）的二元 Logistic 回归模
0.05）。结果见表1。 型方程：LogitP＝1.610XMH+1.233XSH－1.483（若合并高血
2.2.2 多因素Logistic回归分析 压，XMH赋值1；若有吸烟史，XSH赋值1；反之，则分别赋值
2
根据“2.2.1”项下结果，以有吸烟史、合并高血压和 0）。进一步的 Hosmer-Lemeshow 检验结果显示，χ 为
阿帕替尼日剂量≥500 mg患者比例以及NE、ALT水平5 13.230（残差自由度为8，P为0.104），准确度为80.0%，提
个指标作为自变量，进行多因素Logistic回归分析，结果 示该模型的拟合度较好。
（表 2）显示，合并高血压患者的尿蛋白发生风险是未合 2.3 阿帕替尼致蛋白尿风险预测模型的预测价值评价
并高血压患者的 5.005 倍，有吸烟史患者的蛋白尿发生 以训练集患者蛋白尿发生概率（P）为检测变量，绘
风险是无吸烟史患者的5.342倍，提示合并高血压、有吸 制 ROC 曲线，结果（图 1）显示，该曲线的 AUC 为 0.771
烟史是阿帕替尼致恶性肿瘤患者蛋白尿的独立危险因 （95% 置 信 区 间 为 0.675～0.866），最 大 约 登 指 数 为
素（P＜0.05）。 0.474，此时LogitP的最佳截断值为0.159 9，模型的敏感

中国药房 2024年第35卷第22期 China Pharmacy 2024 Vol. 35 No. 22 · 2781 ·