文摘目的:本研究的目的是建立基于临床和血液学参数的免疫检查点抑制剂(immune checkpoint inhibitors,ICIs)治疗的恶性肿瘤患者的免疫相关不良事件(immune-related adverse effects,irAEs)预测模型,如果经过验证,这些标记物的优点是易于整合到临床使用中,成本低廉。方法:本研究是对2016年1月到2020年12月在天津医科大学肿瘤医院和山西白求恩医院接受至少一剂ICIs治疗的恶性肿瘤患者的回顾性研究。收集了基线特征、治疗细节和不良事件的数据。采用t检验、χ^(2)检验和Logistic回归等方法确定影响因素,建立预测模型。结果:任何级别和3级及以上的irAEs发生率分别为16.03%(76/474)和2.32%(11/474),其中最常见的分别为内分泌毒性37.1%(39/105)和肺炎7.6%(8/105)。多因素分析显示,2线治疗irAEs发生的风险更大[比值比(Odds Ratio,OR)=3.302];球蛋白(OR=1.086)与irAEs的发生呈正相关,而直接胆红素(direct bilirubin,DBIL)(OR=0.723)与其呈负相关(P<0.05)。最终建立了基于“ICIs类型、治疗线数、球蛋白、DBIL和淋巴细胞/单核细胞比值(lymphocyte to monocyte ratio,LMR)”的预测模型,其受试者工作特征(receiver operating characteristic,ROC)曲线下面积(area under the curve,AUC)为0.775,95%CI:0.711~0.840,P<0.05,临界值为0.118,敏感度为92.5%,特异度为56.6%。结论:基于ICIs类型、治疗线数、球蛋白、DBIL和LMR的预测模型对单纯接受ICIs的恶性肿瘤患者的irAEs预测效果较好,其中治疗线数、球蛋白和DBIL是irAEs发生的独立预测因素。ICIs作为2线治疗以及治疗前高球蛋白和低DBIL的人群发生ir-AEs的风险较高。
