ProGRP与NSE对小细胞肺癌诊断价值的meta分析

王纪文 高佳 赫捷

2007年全球肺癌新发病例约150万，占年新发肿瘤的12%；因肺癌死亡的病例数占年癌症致死数的17.6%，是癌症的首位死因[1]。小细胞肺癌（small cell lung cancer,SCLC）约占肺癌总数的20%-25%，其生物学特性和临床特点异于其它病理类型的肺癌。SCLC恶性程度较高，对化疗敏感，其治疗原则与非小细胞肺癌（non-small cell lung cancer, NSCLC）有较大差异。因此寻找能用于SCLC诊断及鉴别诊断的分子标志物具有重要意义。

神经元特异性烯醇化酶（neuron specific enolase,NSE）和胃泌素释放肽前体（pro-gastrin-releasing peptide,ProGRP）均是SCLC相关的血清学诊断标志物。NSE已在临床应用多年，是目前SCLC首选的实验室诊断指标，它在SCLC中的阳性率为60%-81%，但诊断的特异性有待提高，7%-42%的NSCLC和11%-14%的非恶性肿瘤患者，NSE呈假阳性[2]。ProGRP是近年来研究较多的具有临床应用前景的肿瘤标志物。研究[3]表明，它在鉴别SCLC和其他肺部疾病方面具有较高的敏感度和特异度。

ProGRP对SCLC的诊断价值是否优于NSE，各项研究尚未得到一致结论，亦无大样本量的多中心研究予以证实。本研究通过meta分析，综合评价ProGRP与NSE诊断SCLC的价值，以期为ProGRP的进一步研究和临床应用提供参考。

1 材料与方法

1.1 文献检索 检索Pubmed、OVID、Elsevier Sciencedirect、Springer、Cochrane Library、Embase、IFCC、中国生物医学文献数据库和维普医药信息资源系统，收集2010年5月之前公开发表的关于ProGRP与NSE在肺癌中的血清浓度及其诊断意义的文献。使用的检索词包括neuron specific enolase、pro-gastrin-releasing peptide、NSE、ProGRP、Lung Neoplasms、lung cancer、diagnosis、神经元特异性烯醇化酶、胃泌素释放肽前体、肺癌。检索语言为英语与汉语。

1.2 文献纳入与排除标准 文献纳入标准：①研究类型为含有ProGRP和NSE对SCLC诊断价值的前瞻性或回顾性研究；②研究对象涵盖肺癌及肺部良性疾患，采用病理诊断为金标准，文献需明确说明受试者为SCLC、NSCLC或其它病理类型；③文章提供了ProGRP及NSE检测在各病例组的真阳性、真阴性、假阳性、假阴性例数或通过文章提供的数据可以计算；④每组病例数均＞20。

文献排除标准：①对照组仅有正常人；②ProGRP或NSE的检测方法不是定量检测；③重复性实验中，发表较早或样本量较小的文献排除。

1.3 资料提取和质量评价 由2名评价者独立按照预先制定的纳入排除标准筛选文献，根据QUADAS（quality assessment of diagnostic accuracy studies）评价标准[4]对纳入文献进行质量评价（总分33分，评分结果见表1），提取数据并交叉核对，意见不统一时协商解决或参考第三方意见。提取的资料包括文献基本信息、实验设计及实验原始数据（真阳性、假阳性、真阴性及假阴性的例数）。

1.4 统计分析

1.4.1 异质性分析 采用Q检验分析纳入研究之间是否存在异质性，以I2估算分析异质性的大小，然后根据异质性分析的结果选择合适的统计分析模型进行后续的meta分析。

1.4.2 meta分析 对各研究的原始数据（真阳性、假阳性、真阴性及假阴性的例数）进行整合，采用DerSimonian Laird随机效应模型分别计算ProGRP和NSE的平均敏感度、特异度、似然比及各自的95%可信区间（confidence interval, CI）。

采用Mose's constant线性模型拟合SROC曲线[5]，以诊断比值比（diagnositic odd ratio, DOR）[6]、曲线下面积（aera under curve, AUC）和Q*统计量评价诊断试验ProGRP和NSE对SCLC诊断的准确度，并以Z检验分析二者诊断的准确性是否存在差异。

计算真阳性率和假阳性率的Spearman相关系数ρ，分析是否存在阈值效应。以meta回归（REML法）分别分析ProGRP和NSE异质性的可能来源[7]。

以每次减少1篇文献的方法进行敏感性分析，评价本次分析的稳定性[7]。以漏斗图和Egger线性回归评价纳入的研究是否存在发表偏倚[8,9]。

本文统计用软件为STATA 10和Meta-Disc 1.4，以P＜0.05为有统计学差异。

2 结果

2.1 检索结果及纳入文献 通过设定的检索词进行初步检索，共找到164篇文献。阅读文题和摘要排除143篇，初步纳入文献21篇。进一步阅读全文，排除未达到纳入标准的文献6篇，重复文献3篇，无法获得所需全部原始数据的文献2篇，最终纳入文献共10篇。文献的纳入过程详见图1。

2.2 纳入研究的基本特征和质量评价 本文共纳入10项研究，累计病例2 536例（SCLC 935例，NSCLC 1 601例），对照849例。各研究的研究设计详见表1，ProGRP和NSE的检测方法、cutoff值及真阳性、假阳性、假阴性、真阴性的例数参见表2。

2.3 异质性检验 以DOR作为效应量，分别分析ProGRP和NSE的异质性，Q检验显示Cochran-Q分别为23.93和58.37，P均＜0.05，I2分别为62.4%和84.6%，研究间均存在异质性，故以下分析均选用随机效应模型。

2.4 ProGRP和NSE检测SCLC的敏感度、特异性和似然比图2所示为ProGRP和NSE对SCLC诊断敏感度的森林图。ProGRP鉴别SCLC和肺部其他肿物（NSCLC与肺良性疾患）的平均敏感度为0.70（95%CI: 0.67-0.73），NSE的平均敏感度为0.61（95%CI: 0.58-0.64）。图3所示为ProGRP和NSE对SCLC诊断特异度的森林图。ProGRP鉴别SCLC和肺部其他肿物（NSCLC与肺良性疾患）的平均特异度为0.93（95%CI: 0.92-0.94），NSE的平均特异度为0.90（95%CI: 0.88-0.91）。

此外，ProGRP和NSE诊断SCLC的阳性似然比（positive likelihood ratio, PLR）分别为11.57（95%CI: 7.71-17.39）和5.67（95%CI: 3.83-8.39）；阴性似然比（negative likelihood ratio, NLR）分别为0.32（95%CI: 0.26-0.40）和0.45（95%CI: 0.37-0.55），DOR分别为36.45（95%CI:24.12-55.10）和13.08（95%CI: 7.70-22.23），数据详见表3。

2.5 ProGRP和NSE鉴别SCLC与其它肺部肿物的SROC曲线图4所示为ProGRP和NSE诊断SCLC的SROC曲线。ProGRP和NSE的AUC分别为0.873 7（SEAUC=0.039 1）和0.785 4（SEAUC=0.915 0），Q*统计量分别为0.804 2（SEQ*=0.027 5）和0.723 2（SEQ*=0.065 1）。对Q*统计量进行Z检验（Z=1.146, P＞0.05），二者没有明显差异。

2.6 研究间异质性的来源分析

2.6.1 是否存在阈值效应 由ProGRP和NSE的SROC曲线可见，各研究对应的点散在分布，不呈“肩臂”状外观，计算灵敏度对数与（1-特异性）对数的Spearman相关系数ρ，ProGRP和NSE的ρ值分别为0.321和-0.067，P均＞0.05，提示不存在阈值效应。

2.6.2 meta回归分析可能的来源 以meta回归（REML法）分别分析ProGRP和NSE异质性的来源，自变量选择如下：发表年限、样本量、研究设计（前瞻性设计或者回顾性设计）、患者的选择（是否随机）、是否采用盲法、检测方法（ProGRP的检测方法是商品化试剂盒或自建ELISA检测；NSE的检测方法是否是ELISA）。结果详见表4。由表可见，检测方法是NSE异质性的来源，将其引入meta回归分析模型后，方差分量（τ）由0.594 3降为0.299 4，表明检测方法可以解释49.6%的异质性来源。

2.7 敏感度分析 以每次减少1篇文献的方法进行敏感性分析，评估单个研究对本次meta分析的影响。表5显示的是，删除1篇文献后计算的合并DOR及其95%CI。可见，无论剔除哪篇文献，剔除之后的合并DOR均未发生明显变化，提示本次分析结果并未过分依赖于某个研究，结论稳定。

2.8 发表偏倚 以DOR对数的标准误（SELogDOR）为纵坐标，以Log（DOR）为横坐标，绘制漏斗图，如图5所示。Egger线性回归显示P＞0.05，未发现发表偏倚。

图 1 选择文献流程图Fig 1 Study identification, inclusion and exclusion for meta-analysis

表 1 纳入文献的基本特征Tab 1 General characteristics of included trials

表 2 纳入研究中ProGRP和NSE检测的实验数据Tab 2 Summary of results of ProGRP and NSE in included studies

表 3 ProGRP和NSE的合并敏感度、合并特异性、合并似然比Tab 3 Pooled sensitivity, pooled specificity, and pooled likelihood ration of ProGRP and NSE

表 4 meta回归分析异质性的来源Tab 4 Possible sources of heterogeneity of meta-analysis

图 2 ProGRP（A）和NSE（B）的敏感度森林图Fig 2 Forest plots of sensitivity of ProGRP (A) and NSE (B)

图 3 ProGRP（A）和NSE（B）的特异度森林图Fig 3 Forest plots of specificity of ProGRP (A) and NSE (B)

图 4 ProGRP（A）和NSE（B）的SROC曲线Fig 4 SROC curve of ProGRP (A) and NSE (B)

表 5 各研究对meta分析结果的敏感度分析Tab 5 The influence of each trial for the outcome of the meta-analysis

图 5 ProGRP（A）和NSE（B）的漏斗图Fig 5 Funnel graph for ProGRP (A) and NSE (B)

3 讨论

本文对纳入的10项研究进行meta分析，通过合并诊断效应量、拟合SROC曲线比较ProGRP和NSE对SCLC的诊断效能，通过分析研究间异质性及其来源查找可能影响研究结果的因素，最后通过敏感度分析和检测发表偏倚评估本次meta分析的可信度。

本次评价结果显示，ProGRP和NSE的合并DOR分别为36.45和13.08，提示二者均与SCLC有明显的相关性，且ProGRP的相关性更高。用于鉴别SCLC和NSCLC时，ProGRP的敏感性和特异性均优于NSE，此外，文献资料[20]显示ProGRP的假阳性主要来自肾衰患者，排除肾功能异常患者后，其假阳性率仅为2.5%，较好地弥补了NSE特异度不足的缺点。

SROC曲线显示，ProGRP和NSE的AUC分别为0.873 7和0.785 4，Q*统计量分别为0.804 2和0.723 2，说明二者鉴别SCLC和其它肺部肿物的准确度均较高。尽管ProGRP的AUC和Q*均高于NSE，但Z检验无统计学差异，说明ProGRP的鉴别能力并未明显优于NSE。

由于SROC算法复杂，在临床实际工作中应用较少，相比之下，似然比的应用更为简便。一般认为，PLR＞10或NLR＜0.1，基本可以确定或排除诊断。本研究得出的ProGRP和NSE诊断SCLC的PLR分别为11.57和5.67，提示ProGRP阳性可以辅助临床医师做出相应判断，具有更高的临床应用价值。但ProGRP和NSE的NLR分别为0.32和0.45，提示二者阴性时不能排除SCLC的可能。

本文纳入的研究间存在高度异质性。经Spearman相关系数检验，异质性与阈值效应无关，因此我们进一步做meta回归，试图寻找ProGRP和NSE异质性的可能来源。结果显示，发表年限、样本量、研究类型、患者的选择是否随机、是否采用盲法均不是异质性的来源，说明试验设计的差异不会造成研究结果的明显变化。然后，我们将检测方法作为协变量进行meta回归分析。由于纳入的研究ProGRP的检测方法均为ELISA，无法在方法学上进一步分类，因此只以是否采用商品化试剂盒作为亚组分析，结果显示这同样不是ProGRP异质性的来源。NSE已在临床应用多年，其检测方法包括ELISA、电发光、化学发光等，在我们纳入的10项研究中，7项采用ELISA方法检测NSE的浓度，2项研究采用电化学发光法检测，1项采用放射免疫分析法检测，meta回归显示检测方法的不同是造成NSE异质性的原因之一，可以解释49.6%的异质性来源。种族或许是异质性的来源，但纳入的文献均未详细报告纳入人群的种族，因此本次研究无法进行分析。

为了判断本研究的稳定性，我们以每次减少1篇文献的方法进行敏感性分析。结果显示，每次减少1篇研究后，合并DOR均未发生明显变化，提示本次分析受单个研究的影响较小，分析结果稳定可信。

本次meta分析的局限性：①meta分析的局限性：检索到的文献不够全面。检索范围局限在已经发表的研究，对于未公开发表的研究，如会议论文无法获取，可能漏检一些灰色文献；检索语种局限于中文和英文，可能会漏检其它语种的相关研究；②纳入研究的局限性：ProGRP和NSE作为诊断性试验，采用盲法检测和盲法判断可尽量减少诊断的倾向性，而多数研究未报告是否采用盲法检测，存在测量偏倚的可能性。多数研究的病例组均为组织学确诊的病例，然而良性疾患对照组的诊断标准，有些研究并未指明，病例组和对照组诊断标准不一致，可能会导致结果的偏差。

综上所述，ProGRP与NSE有相似的诊断效能，但ProGRP的假阳性率更低，较NSE有一定的优越性，具有临床应用前景。