楊薈圓 路 明 閆麗儒 侯文宜 張迎媚 周 晉

隨著分化治療藥物的出現(xiàn)和臨床應用，急性早幼粒細胞白血病(APL)已經(jīng)從一種病死率較高的白血病轉變?yōu)橐环N幾乎可以治愈的白血病，初發(fā)患者完全緩解率已高達90%～95%，但早期死亡(ED)發(fā)生率仍高達5%～29%[1～7]。目前ED已成為APL患者治療失敗最主要的原因，也是進一步提高APL患者預后的最大障礙，如何降低ED率一直是近些年來備受關注的難題。關于ED發(fā)生風險因素的報道較多[1,8～10]，但不同中心的研究結果并不一致。目前國內(nèi)未發(fā)現(xiàn)有關對APL患者ED發(fā)生風險分級的報道。找到簡單有效的ED風險分級方法，及時識別出ED風險高的患者并加以充分干預，對改善APL患者的預后尤為重要。本研究回顧性分析了筆者醫(yī)院近8年收治的初發(fā)APL患者誘導治療的臨床資料，創(chuàng)建了初發(fā)APL患者誘導治療期間發(fā)生ED風險的分級法。

資料與方法

1.研究對象：本研究收集了2008年11月～2016年3月在哈爾濱醫(yī)科大學附屬第一醫(yī)院血液內(nèi)科診治的所有初發(fā)APL患者臨床資料。共有338例連續(xù)的患者，其中285例伴有t (15;17) 和(或)PML-RARα融合基因，并且接受了單藥亞砷酸(ATO)誘導治療，這些患者被納入本研究。誘導治療方案：ATO 0.16mg/(kg·d)(最大劑量10mg/d)，緩慢靜脈滴注(每日靜脈滴注時間需維持至少18h)，待分化階段過后恢復常速靜脈滴注。給藥直至白血病的癥狀和體征消失并達到骨髓形態(tài)學緩解，最大給藥天數(shù)最多不超過60天。該研究經(jīng)哈爾濱醫(yī)科大學附屬第一醫(yī)院醫(yī)學倫理學委員會批準。

2.結局定義及變量的納入依據(jù)：(1)骨髓形態(tài)學緩解：骨髓無APL細胞，骨髓原始粒+早幼?！?%，無Auer小體，紅細胞及巨核細胞系正常。(2)ED：自入院開始30天內(nèi)由于任何原因發(fā)生的死亡。(3)變量的納入依據(jù)：各變量必須可以迅速獲??；參照既往相關文獻[3,8]；本研究中患者各變量的檢測情況。最終9個變量納入本研究，詳見表1。

3.統(tǒng)計學方法：少許缺失數(shù)據(jù)(<4%)以中位數(shù)來代替。為方便臨床評估，所有連續(xù)變量均進行二分類轉化，年齡、白細胞(WBC)計數(shù)、血小板(PLT)計數(shù)、血漿纖維蛋白原(FIB)和D-二聚體水平5個變量的二分類臨界點的設置依據(jù)文獻[4,8]，而血漿谷草轉氨酶(AST)、谷丙轉氨酶(ALB)、肌酐(Cr)水平的二分類臨界點設在正常值和異常值之間。285例患者隨機抽取55例組成驗證集，其余230例患者組成訓練集，兩組患者的數(shù)量比約為4∶1。用訓練集數(shù)據(jù)創(chuàng)建患者ED風險分級法，用驗證集數(shù)據(jù)對創(chuàng)建的分級法的預測效果進行外部驗證。訓練集和驗證集各變量間的比較采用Pearson′sχ2檢驗或Fisher′s確切檢驗。訓練集各個變量與ED之間相關性的單因素分析和多因素分析均采用Logistic回歸模型。經(jīng)單因素分析P<0.2的變量進一步進行多因素分析。在多因素分析中，基于Akaike信息準則采用 stepwise后退法對各變量進行篩選，以確定最佳的擬合模型[11]。分別在訓練集和驗證集中，使用Hosmer-Lemeshow檢驗對模型擬合度進行檢測，采用受試者工作特征(ROC)曲線下面積對模型的預測效能進行評估，以對構建的模型進行內(nèi)部和外部驗證[12]。分別在訓練集和驗證集中，采用單因素Logistic回歸模型評估構建的ED風險分級法對APL 患者ED風險的預測作用。應用SPSS 19.0統(tǒng)計學軟件和R語言3.5.2軟件對數(shù)據(jù)進行統(tǒng)計分析，以P<0.05為差異有統(tǒng)計學意義。

表1 訓練集和驗證集患者臨床特征比較

結 果

1.患者ED發(fā)生情況分析：訓練集和驗證集患者入院時的臨床特征及比較結果詳見表1，除PLT計數(shù)≥30×109/L的患者數(shù)在驗證集偏多(P=0.037)外，其余各特征在兩組患者間的分布差異均無統(tǒng)計學意義(P>0.05)。訓練集和驗證集APL患者發(fā)生ED的情況詳見表2。全部患者的總ED率為17.9%(51/285)。訓練集和驗證集患者的ED率分別為18.7%(43/230)和14.6%(8/55)，ED的中位發(fā)生時間分別為5(1～28)天和13(1～30)天。全部患者ED原因依次為出血(37/51)、分化綜合征(DS)(12/51)、感染(8/51)和其他原因(5/51)(表2)。本研究有10例APL患者的臨床死亡原因比較復雜，很難將患者的死因歸結于某一特定原因。其中7例患者死因為2個，2例患者死因為3個，1例患者死因不確切。訓練集ED原因排序與全部患者相同；在驗證集，DS相關死亡為ED最主要原因(4/8)，其次為出血(3/8)、感染(3/8)和其他原因(1/8)。

表2 訓練集和驗證集患者早期死亡的原因

2.單因素分析：訓練集230例患者誘導治療期間ED風險的單因素Logistic回歸分析結果詳見表3。在9個變量中，性別、血漿Cr、FIB、D-二聚體水平和WBC計數(shù)與ED發(fā)生相關(P<0.05)。將P<0.2的7個變量，包括上述5個變量以及年齡(P=0.151)和ALB(P=0.077)，進一步進行Logistic多因素回歸分析。

表3 訓練集早期死亡風險單因素Logistic回歸分析結果

3.多因素分析：因納入訓練集的總例數(shù)相對較少，因此沒有在模型中添加各個自變量之間的交互項以避免模型的過度擬合。經(jīng)多因素Logistic回歸模型分析，最終7個變量中的6個進入模型(表4)。由于是基于Akaike信息準則選取最佳模型，除了Cr、FIB、D-二聚體和WBC計數(shù)4個P<0.05的變量，性別(P=0.067)和年齡(P=0.141)兩個P>0.05的變量也被保留在回歸模型中。在訓練集中，用Hosmer-Lemeshow檢驗對模型進行擬合度的檢驗。檢驗結果顯示，χ2=11.299，df=7，P=0.126，表明該模型具有良好的擬合度。ROC曲線下面積為0.777，提示該模型具有良好的預測效能。在獨立的外部驗證集中，Hosmer-Lemeshow檢驗結果為χ2=2.284，df=7，P=0.942；ROC曲線下面積為0.702，證實該模型具有良好的擬合度和預測效能。

表4 訓練集中早期死亡風險多因素Logistic回歸分析結果

4.ED風險分級法的構建：依據(jù)Logistic回歸模型中6個變量的回歸系數(shù)確定風險評分公式。風險評分=0.712(男性)+0.587(年齡>50歲)+2.022(血Cr>75μmol/L)+1.012(FIB<1g/L)+0.946(D-二聚體>4mg/L)+0.905(WBC計數(shù)>10×109/L)。計算訓練集中每個APL患者的風險評分，按四分位法將患者的風險評分分為低風險級和高風險級(患者數(shù)量比為3∶1)，從而確定低風險組和高風險組的風險評分分界點為2.6分，相對應的預測的ED發(fā)生率分別為≤25.75%和>25.75%(表5)。利用構建的ED風險分級法確定訓練集和驗證集每例患者的風險等級，并進一步利用單因素Logistic回歸模型分析該風險等級對ED發(fā)生風險的預測效果(表5)。在訓練集中，58例(25.2%)患者處于高風險組，其ED發(fā)生率(41.38%)是低風險級ED發(fā)生率(11.05%)的3.7倍(OR=5.684，P=0.000)。在驗證集中，12例(21.8%)患者處于高風險組，其ED發(fā)生率(33.33%)是低風險組(9.3%)的3.58倍(OR=4.875，P<0.05)。因此，無論在訓練集還是在獨立的外部驗證集中，該分級法都可以有效地識別出一部分在就診時ED發(fā)生風險更高的患者。

表5 早期死亡風險分級法在訓練集和驗證集中的預測效果Logistic回歸分析

討 論

本研究是國內(nèi)首篇關于APL患者誘導治療期間發(fā)生ED風險分級的報道。既往報道的APL患者ED發(fā)生率約為5%～29%[1～6]。本研究中全部APL患者ED發(fā)生率為17.9%，略高于之前的報道，主要原因為：①多數(shù)研究未納入ECOG評分>3分的，或病情較重的患者，而本研究未對患者進行篩選，而是將所有符合診斷標準的患者均納入研究；②本研究中有5例患者于入院時即病情危重，在ATO治療之前就死于腦出血和腦干梗死。若將這5例患者排除，本研究的ED發(fā)生率為16.1%，與報道相似。本研究結果再次證實ED是APL患者誘導治療失敗最主要的原因。與既往的研究不同，本研究發(fā)現(xiàn)部分患者死亡原因較復雜，很難將其歸結于某一特定原因[8,13]?？傮w而言，出血是患者ED的最主要原因，其次為分化綜合征、感染和其他原因，與之前報道一致[2,8]。

對患者進行訓練集和驗證集分組時，本研究采用隨機數(shù)字表抽樣法，而沒有按就診時間先后順序截取，其原因是考慮到本研究包含的患者治療時間跨度長達8年，隨著臨床診治經(jīng)驗的增長以及對APL患者ED問題的重視，新近就診的患者與多年前就診的患者在對癥治療及支持治療方面有很大程度的改善。為了避免因分組偏倚而導致的結果偏差，最終采用了隨機抽樣分組法。

訓練集利用9個候選變量，獲得了ED發(fā)生風險的Logistic回歸模型。進一步的模型驗證結果顯示，無論在訓練集還是在獨立的驗證集，該模型均顯示出良好的擬合性和預測效能。訓練集利用獲得的Logistic回歸模型進一步創(chuàng)建了ED風險分級法。無論在訓練集還是在獨立的外部驗證集，ED風險分級法均能有效地鑒別出一部分在就診時ED發(fā)生風險高的患者。該ED風險分級法的優(yōu)勢在于：計算APL患者發(fā)生ED風險評分的變量均為患者入院后可以直接獲取的基本信息或迅速獲取的臨床常規(guī)檢測，且該方法易于掌握和應用，有利于在患者入院后快速進行風險預測。

本研究存在的不足之處:(1)本研究是一項回顧性研究，會出現(xiàn)數(shù)據(jù)缺失。有些臨床變量，可能具有重要的預測意義，如乳酸脫氫酶、ECOG評分，卻由于數(shù)據(jù)缺失嚴重而無法納入研究[2,6]。(2)本研究為單中心研究，可以進一步進行多中心多地域不同種族的大規(guī)模前瞻性研究，以利于對本研究結果的進一步驗證。(3)目前多將單藥ATO治療的方案作為復發(fā)APL患者的誘導治療，而目前初發(fā)APL的治療已進入全反式維甲酸(ATRA)為基礎的化療聯(lián)合ATO雙誘導分化治療階段，因此本研究在適用范圍方面受到一定限制。但是，ATO與ATRA均為分化治療藥物，本研究中納入的變量也可以為雙誘導分化治療方案下的APL患者創(chuàng)建預測ED風險評分分級時提供參考。

綜上所述，本研究建立了一個對ATO單藥誘導治療的APL患者的ED發(fā)生風險進行分級的方法。該法可以有效鑒別出一部分ED發(fā)生風險更高的APL患者。盡早地鑒別出APL患者中ED發(fā)生風險更高的患者，將有利于臨床醫(yī)生采取風險適應性治療手段，從而降低APL患者的ED發(fā)生率。