胃肠胰神经内分泌肿瘤患者营养不良与肌肉减少症预测工具：来自NUTRIGETNE（GETNE-S2109）研究的结果

《Frontiers in Nutrition》：A prediction tool for malnutrition and sarcopenia in patients with gastroenteropancreatic neuroendocrine neoplasms: results from NUTRIGETNE (GETNE-S2109) study

　　

摘要 胃肠胰神经内分泌肿瘤（GEP-NENs）患者中营养不良与肌肉减少症高发，亟需简便评估工具识别潜在营养不良人群。在描述西班牙接受抗肿瘤治疗患者营养状态后，开发针对GEP-NENs的营养筛查工具被设定为NUTRIGETNE研究的探索性目标。营养不良依据全球营养不良领导倡议（GLIM）标准定义，肌肉减少症依据欧洲老年人肌肉减少症工作组2（EWGSOP2）标准定义。研究人员将患者按4:1随机分为训练集与验证集，构建最小绝对收缩与选择算子（LASSO）模型，并对模型进行性别、年龄和体重指数校正。依据曲线下面积（AUC）标准筛选预测因子并拟合最优模型。本研究共纳入399例患者，多数肿瘤为1级或2级（86.2%），原发部位主要为小肠（43.9%）和胰腺（41.6%）。营养不良与肌肉减少症的患病率分别为61.9%和15%。预测模型的外部准确度分别为65.3%（营养不良）和71.2%（肌肉减少症）。营养不良的主要预测因素包括肿瘤低分化（比值比[OR]：4.4；95%置信区间[CI]：1.2–22）、恶心/呕吐（OR：3.4；95% CI：1.4–9.3）、长距离行走困难（OR：3；95% CI：1.8–5）及糖尿病（OR：2.2；95% CI：1.3–3.9）。肌肉减少症与日常生活活动障碍（OR：19.7；95% CI：3.1–390.9）及长距离行走困难（OR：6.1；95% CI：2.6–15.5）相关。研究人员基于上述模型构建了列线图，形成了用于识别高风险病例的GEP-NENs营养不良与肌肉减少症诊断工具。

研究背景与目的

神经内分泌肿瘤（NENs）是一类罕见恶性肿瘤，其中胃肠胰神经内分泌肿瘤（GEP-NENs）占绝大多数，可因解剖结构改变、器官功能障碍及激素分泌异常显著影响患者营养状态。现有营养风险评估工具如PREvención con DIeta MEDiterranea（PREDIMED）、营养不良通用筛查工具（MUST）和主观全面评定（SGA）主要针对普通人群，对GEP-NENs这一高危群体的敏感性不足，既往研究显示其灵敏度仅为46%和41%。鉴于营养状态与抗肿瘤治疗效果、生活质量及预后密切相关，开发针对GEP-NENs的特异性筛查工具具有重要临床意义。为此，研究人员依托NUTRIGETNE研究，构建了GEP-NENs患者营养不良与肌肉减少症的预测模型，并发表于《Frontiers in Nutrition》。

关键技术方法

该研究为一项多中心、前瞻性、横断面观察研究（NCT04986085），由西班牙神经内分泌与内分泌肿瘤研究组（GETNE）牵头，覆盖17家参考医院，纳入399例经病理确诊的不可切除局部晚期或转移性GEP-NENs患者。营养不良依据全球营养不良领导倡议（GLIM）标准判定，肌肉减少症依据欧洲老年人肌肉减少症工作组2（EWGSOP2）标准判定。研究人员将患者按4:1比例随机分为训练集与验证集，采用LASSO回归进行变量筛选，并通过logistic回归构建最终预测模型，使用受试者工作特征（ROC）曲线确定最佳截断值，并通过内部与外部验证评估模型效能。

研究结果

患者特征

研究共纳入399例患者，中位年龄62岁，男性占57.1%，86.2%为1级或2级肿瘤，原发部位以小肠（43.9%）和胰腺（41.6%）为主。营养不良患病率为61.9%，肌肉减少症为15%，二者合并发生率为25.6%。

营养不良预测模型

LASSO回归筛选出8个最终变量，除年龄、性别、体重指数外，糖尿病、肿瘤低分化（神经内分泌癌NEC vs. 神经内分泌瘤NET）、恶心/呕吐症状、长距离行走困难及显著体重下降问题是主要预测因素。模型在验证集中的曲线下面积（AUC）为0.720（95% CI：0.670–0.771），外部准确度为65.3%，灵敏度为58.5%，优于MUST（45.2%）和SGA（34.1%）。

肌肉减少症预测模型

最终模型包含6个变量，除混杂因素外，长距离行走困难、日常生活活动需协助及总体生活质量评分≤2为核心预测因子。日常生活活动需协助的患者发生肌肉减少症的风险增加19.7倍。该模型在验证集中AUC为0.777（95% CI：0.719–0.833），外部准确度为71.2%，灵敏度为21.4%。

最终列线图模型

研究人员基于预测模型开发了列线图，可直观量化各变量风险分值并转换为营养不良或肌肉减少症的概率。营养不良模型权重较高的变量为体重指数、组织学分化和生活质量相关问题；肌肉减少症模型则更依赖年龄、体重指数及生活质量指标。

讨论与结论

NUTRIGETNE预测模型仅需基础临床数据与简短访谈即可完成风险评估，相比现有工具更适配GEP-NENs人群，尤其提高了营养不良的检出率。糖尿病、肿瘤低分化、治疗相关消化道症状及患者自评功能状态是核心预测因子，提示在临床中应重视这些指标的动态监测。尽管模型灵敏度仍待进一步提升，尤其是肌肉减少症部分，但其作为快速、低成本筛查工具，可用于门诊常规监测，辅助识别高风险患者并及时转诊至营养师或内分泌科。未来可通过扩大外部验证及纳入肌少性肥胖等指标进一步优化模型性能。