Page 111 - 《中国药房》2025年5期
P. 111

全球癌症第二，并约有 66.6 万人因乳腺癌而死亡，在全                       要、新闻报道等非正式发表的文献；（4）综述、述评等文
                                  [1]
          球癌症死亡原因中位列第四 。                                     献；（5）动物、细胞和分子水平的研究；（6）无法从公开渠
              乳腺癌的治疗方法包括手术、化疗、放疗和内分泌                         道获取全文的文献；（7）病例报告。
          激素治疗，其中化疗在乳腺癌治疗中占据核心地位。尽                           1.3 文献检索策略
          管化疗在控制疾病进展方面发挥着重要作用，但同时也                               使用主题词与自由词相结合的方式对中国知网、维
          伴随着一系列副作用，其中骨髓抑制是肿瘤化疗中最常                           普网、万方数据库、PubMed、Web of Science、Cochrane
                            [2]
          见且严重的毒性反应 ，通常表现为贫血、中性粒细胞减                          Library、Embase、Scopus共8个数据库进行系统检索，检
          少、血小板减少和/或淋巴细胞减少              [3―4] 。由此产生的感        索时限均为建库至2024年5月7日。中文数据库以中国
          染、贫血和潜在自发性出血会增加死亡风险，甚至因其                           知网为例，检索策略如下：（（主题：乳腺癌） OR （篇关
          相关并发症而导致患者死亡。化疗所致骨髓抑制会导                            摘：乳腺癌+乳腺肿瘤）） AND （（主题：骨髓抑制） OR
          致化疗剂量减少、治疗延迟或中断抗肿瘤治疗，从而影                          （篇关摘：骨髓抑制+中性粒细胞减少+白细胞减少+血小
          响治疗效果和患者的生存质量 。有研究报告指出，4级                          板减少+贫血+血三系减少+血红蛋白减少+血液毒性））
                                    [5]
                                        [6]
          骨髓抑制相关病死率可达4%～12% 。                                AND （（主题：预测） OR （篇关摘：预测+风险评估+风险
              风险预测模型能够帮助医务工作者识别高风险患                          评分+模型+列线图+预测因子+风险预测+诊断模型+临
          者，提前预测疾病发生的可能性，从而实现早期干预和                           床预测模型+风险因素+筛查模型+预测因素+筛查工
          预防，提高患者的生存质量 。因此，早期利用风险预测                          具））。英文数据库以 PubMed 为例，检索策略如下：
                                 [7]
          模型识别骨髓抑制高风险患者并及时采取相应的预防                           （“breast  neoplasms”[MeSH  Terms]  OR “breast  cancer”
          和治疗措施，不仅能提高肿瘤治疗的有效性，还能显著                           [Title/Abstract]  OR “breast  neoplasm*”[Title/Abstract]
                                      [8]
          减轻相关并发症带来的疾病负担 。在医疗大数据的推                           OR “breast  carcinoma”[Title/Abstract]  OR “breast  tu‐
          动下，国内外研究者开始关注如何利用临床数据构建预                           mor*”[Title/Abstract]） AND （“myelosuppression”[Title/
          测模型来评估乳腺癌患者化疗所致骨髓抑制的风险。                            Abstract] OR “bone marrow suppression”[Title/Abstract]
          然而，目前缺乏对该类模型的系统性评价研究，且现有                           OR “neutropenia”[MeSH  Terms]  OR “neutropenia*”
          的预测模型在构建方法、预测效能以及泛化能力方面存                           [Title/Abstract] OR “leukopenia”[MeSH Terms] OR “leu‐
          在差异，缺乏系统梳理。为此，本研究拟系统地评价乳                           kopenia*”[Title/Abstract]  OR “leukocytopenia*”[Title/
          腺癌化疗所致骨髓抑制风险预测模型的偏倚风险及适                            Abstract]  OR “thrombocytopenia”[MeSH  Terms]  OR
          用性，旨在为临床医疗工作者选择或开发有效预测模型                          “thrombocytopenia*”[Title/Abstract]  OR “thrombope‐
          提供参考依据。                                            nia*”[Title/Abstract]  OR “anemia”[MeSH  Terms]  OR
          1 资料与方法                                           “anemia*”[Title/Abstract]） AND （“predict* model”[Title/
          1.1 研究问题的确立                                        Abstract] OR “prognos* model”[Title/Abstract] OR “risk
              根据PICOTS原则明确研究问题。P（patient）：确诊                 predict*”[Title/Abstract] OR “risk assessment”[Title/Ab‐
          为乳腺恶性肿瘤，并接受化疗的患者；I（intervention）：所                 stract] OR “predictive factor*”[Title/Abstract] OR “nomo‐
          有已开发、可用于预测骨髓抑制的风险预测模型；C                            gram”[Title/Abstract]  OR “machine  learning”[MeSH
         （comparator）：不适用；O（outcome）：骨髓抑制；T（timing）：         Terms] OR “deep learning”[Title/Abstract] OR “machine
          化疗前预测；S（setting）：任何环境。本项研究已在国际                     intelligence”[Title/Abstract]）。
          系统综述平台注册，注册号为CRD42024607602。                       1.4 文献筛选与资料提取
          1.2 文献纳入与排除标准                                          由2名经过系统化循证伦理学习培训过的研究者独
              纳入标准包括：（1）研究对象为接受化疗的乳腺恶                        立筛选文献、提取资料并交叉核对，发生分歧时，寻求第
          性肿瘤患者；（2）研究内容为骨髓抑制风险预测模型的                          三方仲裁裁决。资料提取依据预测模型系统评价的严
          构建、验证；（3）研究类型为队列研究、病例对照研究、横                        格评估和数据清单（critical appraisal and data extraction
          断面研究或随机对照研究；（4）干预措施为不同的化疗                          for  systematic  reviews  of  prediction  modeling  studies，
                                                                       [9]
          方案等；（5）结局指标包括白细胞计数、中性粒细胞计                          CHARMS） 制定标准化表格，主要内容包括第一作者、
          数、血小板计数、血红蛋白含量，其中之一即可；（6）对重                        发表年份、国家、数据来源、预测变量数、结局信息等。
          复发表的文章，只纳入发表日期最近的1篇；（7）中文或                         1.5 纳入文献的偏倚风险与适用性评价
          英文发表的文章。                                               由2名研究者独立使用预测模型研究的偏倚风险评
              排除标准包括：（1）研究对象为同时接受化疗、放疗                       价 工 具（prediction  model  risk  of  bias  assessment  tool，
                                                                       [10]
          或内分泌治疗的乳腺恶性肿瘤患者；（2）只进行相关危                          PROBAST） 对纳入的模型进行质量评价，若评价结果
          险因素分析，未建立具体预测模型的研究；（3）会议摘                          存在分歧，则咨询第三方研究人员。PROBAST 旨在评


          中国药房  2025年第36卷第5期                                                 China Pharmacy  2025 Vol. 36  No. 5    · 613 ·
   106   107   108   109   110   111   112   113   114   115   116