Page 82 - 《中国药房》2025年17期

2 结果 表1 DCB组与NDB组患者基线资料的比较结果
2.1 患者基线资料统计结果及分组 指标 总计（91例） NDB组（43例） DCB组（48例） χ /Z P
2
性别/例（%） 0.727 0.394
共纳入 91 例接受 PD-1 抑制剂治疗的晚期 ESCC 患
男 66（72.53） 33（76.74） 33（68.75）
者，入组流程见图 1。根据疗效评价结果，将患者分为 女 25（27.47） 10（23.26） 15（31.25）
DCB组（48例）和NDB组（43例）。与NDB组患者相比， 年龄/例（%） 0.216 0.642
＜65岁 40（43.96） 20（46.51） 20（41.67）
DCB 组 患 者 的 基 线 ECOG PS 评 分 更 低（P＜0.05），
≥65岁 51（56.04） 23（53.49） 28（58.33）
LMR、ALB含量和PNI更高（P＜0.05）；而两组患者的性 BMI结果 /例（%） 1.125 0.575
a
别、年龄、BMI、肿瘤分期、转移灶数量、治疗线数、治疗 低 42（46.15） 18（41.86） 24（50.00）
正常 41（45.05） 20（46.51） 21（43.75）
方案、PD-1抑制剂种类、NLP、PLR、LDH含量和SII的差
超重～肥胖 8（8.79） 5（11.63） 3（6.25）
异均无统计学意义（P＞0.05），详见表1。 ECOG PS评分/例（%） 5.357 0.021
0～1分 78（85.71） 33（76.74） 45（93.75）
接受PD-1抑制剂治疗的Ⅲ～Ⅳ期ESCC患者（n＝340）
≥2分 13（14.29） 10（23.26） 3（6.25）
肿瘤分期/例（%） 0.649 0.420
其中249例患者被排除：
疗程＜2个（n＝40） Ⅲ期 14（15.38） 8（18.60） 6（12.50）
行手术治疗（n＝61）
联合放疗（n＝39） Ⅳ期 77（84.62） 35（81.40） 42（87.50）
未按时规范治疗（n＝12） 转移灶数量/例（%） 0.050 0.975
未通过影像学复查以评估疗效（n＝14）
血常规等实验室检查指标缺失（n＝40） 0个 37（40.66） 18（41.86） 19（39.58）
PD-1 抑制剂治疗尚不足 6 个月，且未出 1个 39（42.86） 18（41.86） 21（43.75）
现疾病进展或死亡（n＝43）
≥2个 15（16.48） 7（16.28） 8（16.67）
纳入本研究患者（n＝91） 治疗线数/例（%） 1.680 0.195
一线 53（58.24） 22（51.16） 31（64.58）
DCB组患者（n＝48） NDB组患者（n＝43）
二线及以上 38（41.76） 21（48.84） 17（35.42）
图1 患者队列筛选的流程图 治疗方案/例（%） 1.420 0.233
免疫单药 10（10.99） 7（16.28） 3（6.25）
2.2 预测模型的构建 免疫联合其他 81（89.01） 36（83.72） 45（93.75）
PD-1抑制剂种类/例（%） 2.819 0.244
将表1中16个因素（指标）作为变量纳入Lasso回归
卡瑞利珠单抗 51（56.04） 27（62.79） 24（50.00）
模型，随着λ值的增大，各变量的回归系数逐渐收缩，部 信迪利单抗 22（24.18） 7（16.28） 15（31.25）
分变量的回归系数最终收缩至 0（图 2A）。通过十折交 其他 18（19.78） 9（20.93） 9（18.75）
LMR[M（Q 1，Q 3）] 2.37（1.67，3.34） 2.14（1.51，2.94） 2.85（1.90，3.85） －3.009 0.003
叉验证法可确定最优λ值为0.052 174 34，此时的均方误
NLR[M（Q 1，Q 3）] 3.24（2.02，4.85） 3.49（2.25，5.49） 3.24（1.79，4.50） －1.236 0.216
差最小，模型的复杂度与拟合效果达到最佳平衡。在该 PLR[M（Q 1，Q 3）] 176.80（126.98，283.33） 189.87（135.48，322.54） 175.80（117.87，266.69） －1.212 0.225
最优λ值下，模型中系数不为0的变量有6个（图2B），分 ALB含量[M（Q 1，Q 3）]/（g/L） 39.20（36.90，41.20） 38.20（34.70，40.30） 40.75（38.93，42.30） －3.848 ＜0.001
LDH含量[M（Q 1，Q 3）]/（U/L） 191.00（169.00，224.00） 190.00（160.00，221.00） 193.00（170.25，229.75） －0.994 0.320
别为 ECOG PS 评分、BMI 结果、LDH 含量、ALB 含量、
SII[M（Q 1，Q 3）] 737.23（391.67，1 192.59） 789.74（470.25，1 255.61） 727.12（376.83，1 087.94） －1.264 0.206
LMR和治疗方案（图2C）。由于BMI结果为非等距有序 PNI[M（Q 1，Q 3）] 45.15（42.20，49.00） 43.10（40.60，47.05） 46.95（44.21，50.09） －3.315 0.001
分类变量，故取各组BMI的中位数重新赋值后进行线性 a：“低”为BMI＜18.5 kg/m ，“正常”为18.5 kg/m ≤BMI＜24 kg/m ，
2
2
2
2
趋势检验，结果显示为非线性趋势（P＝0.303），遂将其 “超重～肥胖”为BMI≥24 kg/m 。
设为哑变量。应用基于似然比统计量的前进法进行多 非零系数的个数 非零系数的个数
16 16 15 14 11 6 2 16 16 16 16 12 11 11 6 3 1
因素Logistic回归分析，结果显示LMR[比值比（odds ra‐ 3 0.50
tio，OR）为 1.97，95% 置信区间（confidence interval，CI） 回归系数 2 1 均方误差 0.40
为 1.15～3.36，P＝0.013）]、ALB 含量（OR＝1.35，95%CI 0 0.30
为1.13～1.60，P＜0.001）、BMI1（正常 vs. 低：OR＝0.28， －1 －8 －7 －6 －5 －4 －3 －2 0.20 －9 －8 －7 －6 －5 －4 －3 －2
95%CI 为 0.09～0.96，P＝0.042）、BMI2（超重～肥胖 vs. log（λ） log（λ）
A. Lasso回归筛选变量的 B. 十折交叉验证时最优λ值
低：OR＝0.08，95%CI为0.01～0.59，P＝0.013）和治疗方 动态过程 的选择过程
案（免疫单药 vs. 免疫联合其他：OR＝0.07，95%CI 为 ECOG PS评分
BMI结果
0.01～0.50，P＝0.008）是晚期 ESCC 患者应用 PD-1 抑制 特征 LDH含量
ALB含量
LMR
剂获得DCB的预测因素。结果见表2。 治疗方案
－0.4 －0.3 －0.2 －0.1 0 0.1 0.2 0.3 0.4 0.5 0.6
基于多因素 Logistic 回归分析筛选出的 DCB 的预 系数
C. 最优λ值下系数不为0的6个变量
测因素（基线BMI、治疗方案、LMR及ALB含量）建立预
图2 Lasso回归筛选预测因素的过程
测模型，可得模型为 logit（p）＝－12.124+0.678×LMR+
0.298×ALB 含量－1.258×BMI1（“低”＝0，“正常”＝ 2.652×治疗方案（“免疫联合其他”＝0，“免疫单药”＝
1）－2.514×BMI2（“ 低 ”＝0，“ 超 重 ～ 肥 胖 ”＝1）－ 1），应用R语言4.3.1软件绘制列线图（图3）。根据列线

· 2156 · China Pharmacy 2025 Vol. 36 No. 17 中国药房 2025年第36卷第17期