原发性脑胶质瘤患者术后复发危险因素及预测模型构建

国际肿瘤学杂志››2024,Vol. 51››Issue (4): 193-197.doi:10.3760/cma.j.cn371439-20231213-00032

原发性脑胶质瘤患者术后复发危险因素及预测模型构建

刘萍萍, 何学芳, 张翼, 杨旭, 张珊珊, 季一飞()

南充市中心医院（首都医科大学附属北京安贞医院南充医院）神经内科四川省神经系统疾病临床医学研究中心，南充 637000

收稿日期:2023-12-13修回日期:2024-03-15出版日期:2024-04-08发布日期:2024-05-10
通讯作者:季一飞，Email： jiyifei_2003@163.com
基金资助:
国家自然科学基金(81870966);四川省自然科学基金(2022NSFSC0756);南充市社会betway必威亚洲 “十四五”规划项目(NC21B183)

Risk factors of postoperative recurrence in patients with primary brain glioma and prediction model construction

Liu Pingping, He Xuefang, Zhang Yi, Yang Xu, Zhang Shanshan, Ji Yifei()

Department of Neurology， Nanchong Central Hospital （Nanchong Hospital， Beijing Anzhen Hospital， Capital Medical University）， Clinical Research Center for Neurological Diseases of Sichuan Province， Nanchong 637000， China

Received:2023-12-13Revised:2024-03-15Online:2024-04-08Published:2024-05-10
Contact:Ji Yifei， Email： jiyifei_2003@163.com
Supported by:
National Natural Science Foundation of China(81870966);Natural Science Foundation of Sichuan Province of China(2022NSFSC0756);Nanchong Social Science Research "14th Five-Year Plan" Project(NC21B183)

摘要/Abstract

摘要：

目的探讨原发性脑胶质瘤患者术后复发危险因素并构建预测模型。方法回顾性纳入2018年1月至2021年1月于南充市中心医院行根治手术治疗的原发性脑胶质瘤患者98例，根据随访期间有无复发分为复发组（40例）和未复发组（58例）；采用logistic多因素回归分析原发性脑胶质瘤患者术后复发的独立影响因素，并构建logistic预测模型，通过受试者操作特征（ROC）曲线评估各指标的预测效能。结果复发组和未复发组胶质瘤世界卫生组织（WHO）分级（χ²=12.48，P<0.001）、异柠檬酸脱氢酶（IDH）1/2突变情况（χ²=13.24，P<0.001）、平均血小板体积（MPV）（t=5.34，P<0.001）、MPV/血小板计数（PLT）（t=9.73，P<0.001）的差异均有统计学意义。多因素分析显示，WHO分级Ⅲ~Ⅳ级（OR=8.54，95%CI为1.62~44.99，P=0.011）、IDH1/2野生型（OR=9.08，95%CI为1.68~49.19，P=0.010）、低MPV（OR=0.46，95%CI为0.21~0.99，P=0.048）和低MPV/PLT（OR=0.02，95%CI为0.01~0.03，P<0.001）是原发性脑胶质瘤患者术后复发的独立危险因素。基于上述指标构建的logistic预测模型为logit（P）=11.78+2.15×WHO分级+2.21×IDH1/2突变情况-0.78×MPV-200.70×MPV/PLT（R²=0.785）。ROC曲线分析显示，WHO分级、IDH1/2突变情况、MPV、MPV/PLT及logistic预测模型P值均可用于原发性脑胶质瘤患者术后复发风险预测，曲线下面积分别为0.681、0.684、0.783、0.920、0.964。在各指标的ROC曲线下面积对比中，logistic回归模型P值的预测效能明显高于其他指标（均P<0.05）。结论原发性脑胶质瘤患者术后复发可能与胶质瘤WHO分级、IDH1/2突变情况及血小板相关实验室指标有关；基于上述指标构建的模型可用于预测原发性脑胶质瘤患者术后复发的风险。

关键词:神经胶质瘤,复发,预后,血小板

Abstract:

ObjectiveTo investigate the risk factors of postoperative recurrence in patients with primary brain glioma and to construct a prediction model.MethodsA total of 98 patients with primary brain glioma treated by radical surgery in Nanchong Central Hospital from January 2018 to January 2021 were retrospectively included， and were divided into recurrent group （40 cases） and non-recurrent group （58 cases） according to whether there was recurrence or not during the follow-up period. The independent influencing factors for postoperative recurrence in patients with primary brain glioma were evaluated by multivariate logistic regression. Logistic prediction model of postoperative recurrence risk of patients with primary brain glioma was established， and the predictive efficacy of each index was calculated by receiver operator characteristic （ROC） curve.ResultsThere were statistically significant differences between recurrent group and non-recurrent group in glioma World Health Organization （WHO） grade（χ²=12.48，P<0.001）， isocitrate dehydrogenase （IDH）1/2 mutation （χ²=13.24，P<0.001）， mean platelet volume （MPV）（t=5.34，P<0.001）， and MPV/platelet count （PLT）（t=9.73，P<0.001）. Multivariate analysis showed that WHO grade Ⅲ-Ⅳ （OR=8.54， 95%CI：1.62-44.99，P=0.011）， IDH1/2 wild type （OR=9.08， 95%CI：1.68-49.19，P=0.010）， low MPV （OR=0.46， 95%CI：0.21-0.99，P=0.048） and low MPV/PLT （OR=0.02， 95%CI：0.01-0.03，P<0.001） were independent risk factors for postoperative recurrence in patients with primary brain glioma. The logistic prediction model based on the above indicators was logit（P）=11.78+2.15×WHO grade+2.21×IDH1/2 mutation situation-0.78×MPV-200.70×MPV/PLT （R²=0.785）.The ROC curve analysis results showed that WHO grade， IDH1/2 mutation， MPV， MPV/PLT， and logistic prediction modelP-value could all be used to predict the risk of postoperative recurrence in patients with primary brain glioma； The areas under the curve were 0.681， 0.684， 0.783， 0.920 and 0.964， respectively. In the area under ROC curve comparison of each indicator， the predictive performance of the logistic regression modelP-value was significantly higher than that of other indicators （allP<0.05）.ConclusionPostoperative recurrence in patients with primary brain glioma may be related to glioma WHO grade， IDH1/2 mutation and platelet related laboratory indexes. The model constructed based on the above indicators can be used to predict the recurrence risk in patients with primary brain glioma after surgery.

Key words:Glioma,Recurrence,Prognosis,Blood platelets

刘萍萍, 何学芳, 张翼, 杨旭, 张珊珊, 季一飞. 原发性脑胶质瘤患者术后复发危险因素及预测模型构建[J]. 国际肿瘤学杂志, 2024, 51(4): 193-197.

Liu Pingping, He Xuefang, Zhang Yi, Yang Xu, Zhang Shanshan, Ji Yifei. Risk factors of postoperative recurrence in patients with primary brain glioma and prediction model construction[J]. Journal of International Oncology, 2024, 51(4): 193-197.

图/表4

表1

两组原发性脑胶质瘤患者术后临床特征资料比较[$\bar{x}±s$/例（%）]"

临床特征	未复发组（n=58）	复发组（n=40）	t/χ²值	P值
年龄（岁）	37.09±7.27	35.34±5.90	1.26	0.210
性别
男	40（68.97）	27（67.50）	0.02	0.878
女	18（31.03）	13（32.50）	0.02	0.878
体质量指数（kg/m²）	23.10±2.63	23.37±2.95	-0.48	0.636
肿瘤最大径（cm）
≤4	23（39.66）	17（42.50）	0.08	0.778
>4	35（60.34）	23（57.50）	0.08	0.778
肿瘤位置
颞叶	19（32.76）	13（32.50）	0.55	0.908
额叶	16（27.59）	11（27.50）
顶叶	18（31.03）	14（35.00）
其他	5（8.62）	2（5.00）
WHO分级
Ⅰ~Ⅱ级	37（63.79）	11（27.50）	12.48	<0.001
Ⅲ~Ⅳ级	21（36.21）	29（72.50）	12.48	<0.001
术前KPS评分（分）
≤80	40（68.97）	27（67.50）	0.02	0.878
>80	18（31.03）	13（32.50）	0.02	0.878
术后辅助化疗	24（41.38）	17（42.50）	0.01	0.912
术后辅助放疗	37（63.79）	25（62.50）	0.02	0.896
IDH1/2突变情况
野生型	25（43.10）	32（80.00）	13.24	<0.001
突变型	33（56.90）	8（20.00）	13.24	<0.001
实验室指标
PLT（×10⁹/L）	188.21±43.08	194.40±45.16	-0.69	0.495
PDW（fl）	11.89±2.58	12.10±2.67	-0.39	0.697
PCT（%）	0.18±0.04	0.19±0.06	-0.99	0.324
MPV（fl）	8.91±1.03	7.84±0.87	5.34	<0.001
MPV/PLT	0.05±0.01	0.03±0.01	9.73	<0.001

表1

变量	β值	SE值	Waldχ²值	OR值	95%CI	P值
WHO分级（Ⅰ~Ⅱ级为对照）	2.15	0.85	6.41	8.54	1.62~44.99	0.011
IDH1/2突变情况（突变型为对照）	2.21	0.86	6.55	9.08	1.68~49.19	0.010
MPV	-0.78	0.40	3.91	0.46	0.21~0.99	0.048
MPV/PLT	-200.70	46.67	18.50	0.02	0.01~0.03	<0.001
常量	11.78	3.93	8.98	0.00		0.003

表2

项目	曲线下面积	敏感性（%）	特异性（%）	约登指数（%）
WHO分级	0.681^a	72.50	63.79	36.29
IDH1/2突变情况	0.684^b	80.00	56.90	36.90
MPV	0.783^c	82.50	72.41	54.91
MPV/PLT	0.920^d	90.00	82.76	72.76
logistic预测模型P值	0.964	95.00	93.10	88.10

表3

图1

参考文献16

[1]	Yu J, Sheng Z, Wu S, et al. Tumor DNA from tumor in situ fluid reveals mutation landscape of minimal residual disease after glioma surgery and risk of early recurrence[J].Front Oncol,2021,11: 742037. DOI:10.3389/fonc.2021.742037.
[2]	李锋, 王国辉, 常晓静, 等. 高级别脑胶质瘤术后同步加量与序贯加量调强放疗疗效比较[J].中华放射肿瘤学杂志,2022,31(6): 513-518. DOI:10.3760/cma.j.cn113030-20210823-00317.
[3]	Piotrowski AF, Jackson S. Identifying risk factors for recurrence/relapse in NF1 optic pathway gliomas: moving forward by looking back[J].Neuro Oncol,2022,24(8): 1387-1388. DOI:10.1093/neuonc/noac081.
[4]	Luo C, Luo Q, Xu Y, et al. Analysis of clinical characteristics and risk factors of postoperative recurrence and malignant transformation of low-grade glioma[J].J Oncol,2022,2022: 4948943. DOI:10.1155/2022/4948943.
[5]	《中国中枢神经系统胶质瘤诊断和治疗指南》编写组. 中国中枢神经系统胶质瘤诊断与治疗指南(2015)[J].中华医学杂志,2016,96(7): 485-509. DOI:10.3760/cma.j.issn.0376-2491.2016.07.003.
[6]	Gervaso L, Dave H, Khorana AA. Venous and arterial thromboembolism in patients with cancer: JACC: cardiooncology state-of-the-art review[J].JACC: Cardiooncology,2021,3(2): 173-190. DOI:10.1016/j.jaccao.2021.03.001.
[7]	林艺, 王策, 康勋, 等. 胶质母细胞瘤复发相关基因的筛选、表达和临床预后分析[J].中国癌症杂志,2022,32(1): 13-23. DOI:10.19401/j.cnki.1007-3639.2022.01.002.
[8]	Zheng H, Yan TN, Han YS, et al. Nomograms for prognostic risk assessment in glioblastoma multiforme: applications and limitations[J].Clin Genet,2022,102(5): 359-368. DOI:10.1111/cge.14200.
[9]	Huang RH, Wang TW, Liao ZJ, et al. A retrospective analysis of the risk factors affecting recurrence time in patients with recurrent glioblastoma[J].Ann Palliat Med,2021,10(5): 5391-5399. DOI:10.21037/apm-21-823.
[10]	Teng CB, Zhu YW, Li YS, et al. Recurrence- and malignant progression-associated biomarkers in low-grade gliomas and their roles in immunotherapy[J].Front Immunol,2022,13: 899710. DOI:10.3389/fimmu.2022.899710.
[11]	孟凡萱, 崔久嵬. 血小板:肿瘤诊断与治疗的新兴靶点[J].中国肿瘤生物治疗杂志,2023,30(1): 10-19. DOI:10.3872/j.issn.1007-385x.2023.01.002.
[12]	Wojtukiewicz MZ, Sierko E, Hempel D, et al. Platelets and cancer angiogenesis nexus[J].Cancer Metastasis Rev,2017,36(2): 249-262. DOI:10.1007/s10555-017-9673-1.
[13]	Xu WP, Xu HH, Fang MM, et al. MKL1 links epigenetic acti-vation of MMP2 to ovarian cancer cell migration and invasion[J].Biochem Biophys Res Commun,2017,487(3): 500-508. DOI:10.1016/j.bbrc.2017.04.006.
[14]	Sol N, Wurdinger T. Platelet RNA signatures for the detection of cancer[J].Cancer Metastasis Rev,2017,36(2): 263-272. DOI:10.1007/s10555-017-9674-0.
[15]	Dincel O, Bayraktar C. Evaluation of platelet indices as a useful marker in papillary thyroid carcinoma[J].Bratisl Lek Listy,2017,118(3): 153-155. DOI:10.4149/BLL_2017_030. pmid:28319410
[16]	Wang X, Cui MM, Xu YY, et al. Decreased mean platelet volume predicts poor prognosis in invasive bladder cancer[J].Oncotarget,2017,8(40): 68115-68122. DOI:10.18632/oncotarget.19242. pmid:28978101