三种急性化疗相关性恶心呕吐预测工具的比较

温晓雪 张翠英 朱莉 陶丽 陈利珍 俞新燕

[摘要] 目的 比較3种工具在肿瘤静脉化疗患者急性化疗相关恶心呕吐（chemotherapy-induced nausea and vomiting，CINV）风险评估中的预测价值。方法 采用便利抽样法，选取2022年1月至2022年12月在浙江省肿瘤医院肝胆胰肿瘤内科住院化疗的626例肿瘤患者为研究对象。应用Geoge团队的CINV风险预测工具、Dranitsaris评分系统、CINV列线图模型分别预测患者急性CINV发生，绘制受试者操作特征曲线，计算曲线下面积、敏感度、特异性和约登指数以比较其预测效能。结果 最终纳入研究的患者有622例，有效率为99.36%。发生CINV的患者有318例，占比51.13%：其中2级及以上急性期CINV者18.17%（113/622）。使用3种工具对急性期CINV风险评估：Geoge团队的CINV风险预测工具、Dranitsaris评分系统、CINV列线图模型AUC分别为0.591、0.616、0.558，Dranitsaris评分系统敏感度最高、George团队的CINV风险预测工具特异性最高。结论 肿瘤患者化疗后CINV发生率处于较高水平，Geoge团队的CINV风险预测工具、Dranitsaris评分系统、CINV列线图模型预测对国内肿瘤患者急性期CINV预测准确度略低，需构建本土化的、适用于多病种的标准化CINV风险评估模型。

[关键词] 肿瘤；化疗相关性恶心呕吐；风险评估；预测价值

[中图分类号] R473.73      [文献标识码] A      [DOI] 10.3969/j.issn.1673-9701.2024.14.008

Comparison of the predictive value of three risk assessment tools on the chemotherapy-induced nausea and vomiting

WEN Xiaoxue， ZHANG Cuiying， ZHU Li， TAO Li， CHEN Lizhen， YU Xinyan

Zhejiang Cancer Hospital， Hangzhou Institute of Medicine （HIM）， Hepatobiliary， Chinese Academy of Sciences， Pancreatic and Gastric Oncology Department， Hangzhou 310022， Zhejiang， China

[Abstract] Objective To explore the comparison of the predictive value of three risk assessment tools on the chemotherapy-induced nausea and vomiting （CINV） in cancer patients. Methods From January 2022 to December 2022， convenience sampling was used to select 626 cancer patients with Intravenous chemotherapy in the Department of Hepatobiliary Pancreatic Oncology of Zhejiang Cancer Hospital as the research object. CINV risk assessment of patients was performed using George teams acute CINV prediction tool， Dranitsaris CINV risk assessment and CINV nomogram model. Area under curve（AUC）， sensitivity， specificity and Youden index were used to compare the predictive value of the three tools. Results Totally 622 patients were ultimately included in the study， with an overall effective rate of 99.36%. There were 51.13% （318/622）patients who experienced CINV. Specifically， patients with grade 2 or higher acute CINV accounted for 18.17% （113/622）. When using the three tools for acute CINV risk assessment， the AUC was respectively 0.591，0.616 and 0.558. And Dranitsaris CINV risk assessment has the highest sensitivity， acute and delayed chemotherapy-induced nausea and vomiting prediction tool has the highest specificity. Comparatively， Dranitsaris CINV risk assessment on the Yorden index is better. Conclusion The incidence of CINV in cancer patients is at a high level. The three tools can not effectively predict the risk of acute CINV. We need to develop a localized， multi-disease， standardized CINV risk assessment model for hospital.

[Key words] Tumor; Chemotherapy-induced nausea and vomiting; Risk assessment; Predictive value

我国2023年最新癌情报告显示，肿瘤新发病例406.4万，总死亡人数241.4万，均为全球第一位[1-2]。化疗作为肿瘤全身治疗的手段之一，具有举足轻重的地位，但其毒、不良反应种类多，且症状明显，常给患者带来痛苦，其中以化疗相关性恶心呕吐（chemotherapy-induced nausea and vomiting，CINV）较为常见，依据时间分为急性和延迟性[3-4]。一旦发生急性CINV，会令患者产生恐惧心理，严重降低治疗依从性，尤其是3～4级CINV会使患者死亡风险显著增加[5]。减少其发生的主要策略是止吐药物的使用。有研究表明，患者自身因素会增加急性CINV的发生，有4～6个高危因素者即使已预防止吐，仍有76%会发生CINV，大大高于无高危因素者[6-8]。为此一些研究构建了预测量表或模型，便于临床诊疗、护理参考，如George团队的CINV风险预测工具、Dranitsaris评分系统、CINV列线图模型[9-12]。但鲜有研究对这些具有一定公信力量表的预测效能进行评价，故本研究拟通过比较这3种风险评估工具对急性CINV的预测价值，探讨适合我国肿瘤患者急性CINV风险的评估工具。

1  对象与方法

1.1  研究对象

采用便利抽样方法，回顾性分析数据库中2022年1月至2022年12月在浙江省肿瘤医院肝胆胰胃肿瘤内科住院行静脉化疗的患者626例。纳入标准：①数据库中数据填写完整者；②知情同意，自愿参与本研究者。排除标准：①重复数据；②回顾收集一般病例资料不完整者。本研究已通过笔者医院伦理委员会审核[伦理审批号：IRB-2020-284（科）]。

1.2  研究工具

1.2.1  Geoge团队的CINV风险预测工具[9-10]  分为急性期CINV（9个条目，分值0～20分）与延迟期CINV（8个条目，0～64分）两个部分[9-10]。规定急性期CINV评分≥7分被判为急性CINV高风险群，敏感度为78.6%，特异性为64.8%[9]；延迟性CINV评分>16分时为高风险，指标敏感度为72%，特异性为64%[10]，受试操作者特征（receiver operating characteristic，ROC）曲线下面积显示：68%的患者能够被准确分组。该量表在国际上运用较为成熟，具备较好的预测能力。

1.2.2  Dranitsaris评分系统[11]  得分最高是32分，成绩≥16分界定为高风险，敏感度为87.4%，特异性为38.4%。

1.2.3  CINV列线图模型[12]  分值为0～100分，可对应CINV发生概率，一致性指数是0.67。

1.3  评价指标

对于拥有智能手机患者采用信息化随访，运用结局自我报告的方式反馈化疗开始后第1天至化疗结束后3d内恶心呕吐发生的程度；非智能手机患者采用纸质版问卷收集，同频率填写，下次治疗时回收。按照急性期CINV和延迟性CINV的定义进行分期。以美国国家癌症研究所制定的常见不良事件评价标准（common terminology criteria for adverse events，CTCAE）4.0版本中的胃肠不良反应的评估准则评价[13]。以患者在随访期内出现1次Ⅱ度及以上的恶心或呕吐的症状作为结局指标，以评价模型预测效力。

恶心分级：0度：无恶心；Ⅰ度：食欲不振，但无饮食习惯的改变；Ⅱ度：进食量减少，但无明显的体质量降低、脱水或营养不良，输液补液<24h；Ⅲ度：摄取热量或体液量不足，需静脉补液、管饲或全静脉营养≥24h；Ⅳ度：出现危及生命的后果；Ｖ度：死亡。

呕吐分级：0度：24ｈ内无呕吐；Ⅰ度：24h内呕吐1次；Ⅱ度：24h内呕吐2～5次，需静脉补液，但<24h；Ⅲ度：24h内呕吐６次，需静脉补液或全胃肠外营养≥24h；Ⅳ度：出现危及生命的后果；Ｖ度：死亡。

1.4  统计学方法

采用SPSS 26.0统计学软件对数据进行处理分析，计量资料符合正态分布均数±标准差（）表示，采用t或F检验，不符合正态分布，采用中位数（四分位间距）[M（Q1，Q3）]表示，进行秩和检验；计数资料，进计卡方检验，评价3种风险评估工具对肿瘤患者CINV的预测价值，运用R语言绘制ROC，计算曲线下面积（area under curve，AUC）、敏感度、特异性、约登指数以及最佳临界值。以Ｐ<0.05为差异有统计学意义。

2  結果

2.1  一般资料比较

研究纳入626例患者资料进行筛查：剔除1例重复数据、3例一般资料不完整者，最终纳入研究分析的患者为622例，有效率为99.36%。发生CINV的患者有318例，占比51.13%：急性期CINV占比35.69%（222/622），其中2级及以上者占比18.17%（113/622）。患者年龄（53.55±11.59）岁，见表1。

2.2  量表对急性期CINV风险预测价值

3种量表对急性CINV的预测的AUC（95%CI）分别为0.591（0.551～0.630）、0.616（0.576～0.654）、0.558（0.518～0.598），均<0.7。而ROC曲线分析中，AUC<0.7则认为量表的预测价值较低。由此可见，George团队的CINV风险预测工具、Dranitsaris评分系统和CINV列线图模型对急性期CINV发生风险的预测效能偏低。根据3个量表预测的约登指数结果：0.165、0.194、0.134，同样也表明预测准确度均较低。相较而言，Dranitsaris评分系统是3者之间预测效能最高的量表。3种量表对急性期CINV的预测结果见图1、表2，可知预测准确率和真实性均略低。

3  讨论

化疗患者CINV发生率处于较高水平。本研究主要纳入了乳腺癌和消化道肿瘤患者，51.13%（318/622）患者发生CINV，其中急性期35.69%（222/622），这些患者均进行了预防性止吐治疗。这与Kush等[14]报道一致，我国西北地区患者的急性CINV发生率为55.3%[15]。可见国内对于CINV的管理已接近国际指南诊疗的标准。其中，需进行临床干预的度Ⅱ级及以上的CINV发生率为32.80%（204/622），依然是一个较高的水平，仍需进一步分析这类患者的特征，加强管理的质量。

本研究进一步确定了国内患者急性期CINV预测的最佳临界值：George团队的CINV风险预测工具对急性期预测的最佳临界值为7分，与量表原界值一致，但预测的敏感度为43.36%，较原来降低，而特异性为73.08%，略有升高，可见对无急性期CINV风险患者的预测能力强，但易漏檢真正有风险者[8]；Dranitsaris评分系统对急性期CINV预测的最佳临界值为7分，敏感度为75.22%，特异性为44.20%，但原界值是16分，敏感度为87.4%，特异性为38.4%，可见该量表对急性期CINV预测的最佳临界值降低，敏感度有所下降、特异性有所提升，依然证明其正确识别真正存在急性期CINV风险患者的能力强，排除无风险者的能力低，易导致阳性检出率高，从而增加止吐治疗，加大了临床工作量，对经济成本造成浪费[9]。而CINV列线图模型对急性期CINV的最佳临界值为186.25分，即急性期大于186.25分可判定患者为高风险患者，但其敏感度为53.10%、特异性为60.31%，预测能力是三者中最低的，这可能与其研究对象为第一周期化疗患者有关，而本研究纳入的第一周期患者仅有33.92%，其余为多次治疗患者；也可能与结局判定方法不一致有关，原量表构建时以患者完全缓解为结局指标，其定义为第一周期化疗后整个120h内无呕吐发作或使用解救性治疗药物，而研究观察的终点为化疗后72h。

综上所述，研究呈现量表预测效能较低这一现象，可能与治疗发展有关。虽有一定的公信力，但均为2017年前研制，随着医学发展，不断有新的止吐药物问世，如福沙匹坦双葡甲胺在国内2019年上市，而CINV列线图模型构建时，这一药物在国内都未进行临床研究，这些新型止吐药物，可能一定程度上降低了CINV发生。而量表中的一些条目，难有更为细致的、统一的评定标准，如：“居家服用非处方止吐剂，如草药、生姜等”，受国内中医传统的影响，肿瘤患者化疗期间不同程度会进行中药调理，而在饮食习俗中亦用生姜去腥调味，尽管本研究对服用中药方剂患者的药方进行了查阅，明确有止吐效用的判断为服用，但中药进行煎制后的汤剂是否协同产生止吐效用，则无法判断；同时“习惯性饮酒”的标准也难以界定，量表中未明确饮酒量和种类，如白酒、啤酒、黄酒、红酒等，故本研究以“是否饮酒”为判断标准，是否符合量表创建者考量，还需考究，亦需进一步开展标准化研究；同时，对于化疗前的睡眠时间，也是来源于患者的自述，无法进行准确测量，故评估也不够客观[15-16]。而这些均会影响量表评估的准确性。

由此可见，肿瘤患者CINV发生率偏高；George团队的CINV风险预测工具、Dranitsaris评分系统和CINV列线图模型对国内急性CINV预测的准确率和真实性略低，不适于临床推广。因此，仍需开展大数据、多中心研究，构建本土化的、适用于多病种的CINV风险评估模型，并对于一些条目进行标准化，避免评估盲区，提出更有准确度的急性CINV风险评估模型，为临床诊疗和护理提供参考，切实保障患者健康，节约医疗资源。

利益冲突：所有作者均声明不存在利益冲突。

[参考文献]

[1] 郑荣寿， 张思维， 孙可欣， 等. 2016年中国恶性肿瘤流行情况分析[J] . 中华肿瘤杂志， 2023， 45（3）： 212–220.

[2] WANGY， YANQJ， FANCM， et al. Overview and countermeasures of cancer burden in China[J]. Sci China Life Sci， 2023， 66（11）： 2515–2526.

[3] NURUL S B， NORAIDA M S， KAMARUM N， et al. A retrospective study on chemotherapy-induced nausea and vomiting in highly/moderately emetogenic chemotherapy： incidence and prescribing practice[J]. Support Care Cancer， 2022， 30（6）： 5339–5349.

[4] PRIYA P， PAULA D R， NORA WB， et al. Interventions for the prevention of acute phase chemotherapy-induced nausea and vomiting in adult and pediatric patients： a systematic review and meta-analysis[J]. Support Care Cancer， 2022， 30（11）： 8855–8869.

[5] ECW NS， MAURICE J D， WAN D V. Nausea and vomiting after chemotherapy： An ongoing problem for patients[J]. Ned Tijdschr Geneeskd， 2023， 167（167）： D74–D77.

[6] 中國临床肿瘤学会指南工作委员会. 中国临床肿瘤学会（CSCO）抗肿瘤治疗相关恶心呕吐预防和治疗指南[Z]. 北京： 人民卫生出版社， 2019.

[7] 中国抗癌协会肿瘤临床化疗专业委员会， 中国抗癌协会肿瘤支持治疗专业委员会. 中国肿瘤药物治疗相关恶心呕吐防治专家共识（2022年版）[J]. 中华医学杂志， 2022， 102（39）： 3080–3094.

[8] ABU SALEH M M， MOSHARRAF H， BEAU J L， et al. Patient-related risk factors for chemotherapy-induced nausea and vomiting： A systematic review[J]. Front Pharmacol， 2020， 11： 329.

[9] DRANITSARIA G， JOY A， YORNG S， et al. Identifying patients at high risk for nausea and vomiting after chemotherapy： the development of a practical prediction tool. I. Acute nausea and vomiting[J]. J Support Oncol， 2009， 7（4）： W1–W8.

[10] PETRELLA T， CLEMONSl M， JOY A， et al. Identifying patients at high risk for nausea and vomiting after chemotherapy： The development of a practical validated prediction tool. Ⅱ. Delayed nausea and vomiting[J]. J Support Oncol， 2009， 7（4）： W9–W16.

[11] DRANITSARIS G， MOLASSIOTIS A， CLEMONS M， et al. The development of a prediction tool to identify cancer patients at high risk for chemotherapy-induced nausea and vomiting[J]. Ann Oncol， 2017， 28（6）： 1260–1267.

[12] HU Z， LIANG W， YANG Y， et al. Personalized estimate of chemotherapy-induced nausea and vomiting： Development and external validation of a nomogram in cancer patients receiving highly/moderately emetogenic chemotherapy[J]. Medicine， 2016， 95（2）： 1–6.

[13] 美國卫生及公共服务部，国立卫生研究院， 国家癌症研究所. 常见不良事件评价标准（CTCAE）版本4.0[EB/OL]. （2018-2-10）[2023-12-21]https：//max.book118.com/html/2018/0210/152615717.shtm..

[14] KUSH G， REBECCA W， KATARIS S P. Chemotherapy- induced nausea and vomiting： Pathogenesis， recommendations， and new trends[J]. Cancer Treat Res Commun， 2021， 26（26）： 1–8.

[15] SUNV， ZHENGYZ， YANGXY， et al. Incidence of chemotherapy-induced nausea and vomiting among cancer patients receiving moderately to highly emetogenic chemotherapy in cancer centers in Sichuan， China[J]. J Cancer Res Clin Oncol， 2021， 147（9）： 2701–2708.

（收稿日期：2023–12–21）

（修回日期：2024–02–19）