免疫疗法中的炎症和营养指数的预测值,用于第四阶段非小细胞肺癌和模型构建

科学领域:

• 在瘤学瘤学.
• 免疫治疗是一种免疫疗法.
• 生物标志物发现发现

背景情况:

• 识别受益于免疫检查点抑制剂 (ICI) 的患者对于个性化癌症治疗至关重要.
• 目前的方法,如PD-L1评估需要瘤组织,这往往是很难获得的.
• 周围血液生物标志物为预测ICI反应提供了更容易获得的替代方案.

研究的目的:

• 评估白蛋白与乳酸脱酶比率 (LAR),泛免疫炎症值 (PIV) 和预后营养指数 (PNI) 在预测晚期非小细胞肺癌 (NSCLC) 中ICI治疗反应中的预后效用.
• 开发一个整合这些外围生物标志物的预测性名录,以改善ICI治疗患者的选择.

主要方法:

• 在两个医疗中心对157名晚期NSCLC患者进行了回顾性分析,这些患者接受了ICI治疗.
• 培训和验证队伍用于确定LAR,PIV和PNI的最佳值.
• 使用单变量和多变量考克斯回归,ROC曲线,校准图和决策曲线分析 (DCA) 来评估预测性能并构建名图.

主要成果:

• 低LAR,低PIV和高PNI与更高的疾病控制率 (DCR) 和更长的无进展生存期 (PFS) 有关.
• 多变量分析确定高PIV和低PNI作为独立的风险因素,对ICI疗效产生负面影响.
• 在培训和验证组中,开发的名图表显示出强大的预测准确性,一致性指数 (C指数) 为0.78和显著的AUC值.

结论:

• 在NSCLC患者中,PIV和PNI是预测ICI治疗成功的有价值的外围指标.
• 这种结合LAR,PIV和PNI的新型名谱为患者预后提供了强大的预测性能.
• 这种名图可以帮助选择最有可能从ICI治疗中受益的NSCLC患者,从而促进个性化治疗策略.