1. 领域背景与文献
文献英文标题：Development and validation of a prognostic model incorporating patient reported outcomes for advanced gastric and esophageal carcinoma (AGOC) using individual patient data from two AGITG randomized clinical trials；
发表期刊：Gastric Cancer；影响因子：未公开；研究领域：肿瘤学-消化系统肿瘤（晚期胃食管癌）
晚期胃食管癌（AGOC）是全球发病率第五、死亡率第四的恶性肿瘤，患者预后极差，5年生存率不足10%。当前临床中，AGOC的预后预测多依赖临床病理指标构建的模型，如ECOG体能状态、转移部位数量、中性粒细胞-淋巴细胞比值（NLR）等，但这类模型多基于一线化疗患者数据，对接受二线及后线治疗的人群适用性有限。同时，患者报告结局（PROs）在其他晚期癌症中已被证实具有独立预后价值，如食欲减退、疲劳等症状可反映患者整体健康状态，但AGOC领域尚未系统构建纳入PROs的预后模型，存在明显研究空白。本研究针对这一空白，基于两项AGITG后线治疗临床试验的个体患者数据，构建并验证了纳入临床病理指标和PROs的AGOC预后模型，旨在提升后线治疗患者生存预测的准确性，为临床决策提供更精准的依据。
2. 文献综述解析
作者按研究指标类型（临床病理指标、PROs）和治疗线数（一线、后线）对AGOC预后研究进行分类梳理。现有临床病理预后模型多纳入ECOG体能状态、肝转移、腹膜转移、NLR等易获取的指标，其优势是可在常规临床实践中快速评估，且已在部分一线化疗人群中验证了预测价值；但局限性在于模型多针对一线治疗患者，对后线治疗人群的适用性不足，且未纳入PROs，无法全面反映患者的主观健康状态，预测准确性有待提升。PROs在其他晚期癌症中被证实与生存预后相关，如体力功能、整体健康状态等维度的评分可独立预测生存时间，但AGOC领域仅少数研究提及PROs的预后意义，缺乏系统构建的纳入PROs的预后模型，无法为后线治疗人群提供精准的生存预测。本研究的创新价值在于，首次基于两项AGITG后线治疗临床试验数据，系统整合临床病理指标和PROs（食欲减退、便秘、疲劳、疼痛）构建预后模型，相比仅含临床病理指标的模型，显著提升了预测准确性，填补了AGOC后线治疗人群预后模型的空白，为临床预后评估提供了更全面的工具。
3. 研究思路总结与详细解析
本研究的核心目标是构建并验证纳入临床病理指标和PROs的AGOC后线治疗患者6个月生存预后模型，核心科学问题是PROs能否提升AGOC后线治疗患者的生存预测准确性，技术路线遵循“候选变量筛选→预后因素筛选→模型构建→验证优化→列线图绘制”的闭环逻辑。
3.1 研究人群与候选变量确定
实验目的是明确研究人群的基线特征，筛选具有潜在预后价值的候选变量。研究采用两项AGITG随机临床试验数据，INTEGRATE IIa（n=251）用于模型构建，INTEGRATE（n=152）用于外部验证，入组人群均为接受二线及后线治疗的AGOC患者，ECOG体能状态为0-1。通过文献回顾和多学科专家咨询（肿瘤学家、生活质量专家、统计学家等）确定候选变量，包括15项临床病理指标（地理区域、ECOG体能状态、治疗线数、NLR、白蛋白、BMI、原发部位、转移部位数量、肿瘤位置、CA19-9、LDH、是否行胃切除术、年龄、性别、治疗方案）和7项PROs（食欲减退、疼痛、疲劳、活动能力下降、精力不足、下肢肿胀、便秘，来自EORTC QLQ-C30和QLQ-STO22量表）。结果显示，研究人群基线PROs症状负担较重，61%的患者报告食欲减退，42%报告便秘，66%报告疲劳，46%报告疼痛。文献未提及具体实验产品，领域常规使用EORTC QLQ-C30、QLQ-STO22患者报告结局量表，以及血常规、生化检测试剂盒（如NLR、LDH、白蛋白、CA19-9检测）。
3.2 单因素与多因素预后模型构建
实验目的是筛选具有独立预后意义的变量，构建不同类型的多因素预后模型并比较性能。采用单因素Cox比例风险模型筛选P<0.1的潜在预后因素，随后采用最小绝对收缩和选择算子（LASSO）回归构建多因素模型，所有模型按是否行胃切除术分层以满足比例风险假设。研究构建了三个模型：M1仅纳入临床病理指标，M2在M1基础上加入EORTC QLQ-C30的4项PROs（食欲减退、便秘、疲劳、疼痛），M3在M1基础上加入QLQ-C30的部分PROs和QLQ-STO22的胃痛指标。对白蛋白、LDH、CA19-9进行标准化处理，确保不同指标的可比性。单因素分析结果显示，9项临床病理指标（BMI、ECOG体能状态、转移部位数量、肝受累、瑞戈非尼治疗、NLR、LDH、白蛋白、CA19-9）和4项PROs（食欲减退、便秘、疲劳、疼痛）与总生存预后相关（P<0.1）。多因素LASSO回归结果显示，M2模型的区分度优于M1，其中地理区域（非亚洲vs亚洲，HR=1.68，95%CI 1.20-2.35，P=0.0026）、转移部位数量（HR=2.20，95%CI 1.39-3.48，P=0.001）、NLR（HR=1.21，95%CI 1.02-1.43，P=0.03）、LDH（HR=1.51，95%CI 1.26-1.82，P<0.0001）、CA19-9（HR=1.01，95%CI 1-1.01，P=0.0006）与更短生存相关，BMI（HR=0.57，95%CI 0.39-0.84，P=0.004）、白蛋白（HR=0.80，95%CI 0.65-1.00，P=0.05）与更长生存相关，PROs中仅食欲减退为独立预后因素（HR=1.21，95%CI 1.01-1.45，P=0.03）。文献未提及具体实验产品，领域常规使用Cox比例风险模型分析软件（如SAS、R），LASSO回归分析工具。
3.3 模型验证与列线图绘制
实验目的是验证模型的区分度和校准度，绘制临床易用的列线图以方便临床应用。采用C统计量评估模型的区分度，通过bootstrap法计算95%置信区间；采用校准曲线评估模型的校准度，比较预测6个月生存率与实际生存率的一致性；基于最优模型M2绘制列线图。结果显示，M2模型的C统计量高于M1（M1：0.695，M2：0.723），区分度更优；校准曲线显示M2模型的预测值与实际值一致性良好，接近45度参考线，仅在最低预测生存率区间存在轻微低估。
列线图直观展示了各变量对6个月生存率的影响，如转移部位数量≥4个、非亚洲地区、高NLR、高LDH、高CA19-9、低BMI、低白蛋白、食欲减退等因素会降低6个月生存率，临床医生可通过列线图快速计算患者的6个月生存概率。
文献未提及具体实验产品，领域常规使用医学绘图软件（如GraphPad Prism、R包）绘制校准曲线和列线图。
4. Biomarker研究及发现成果解析
本研究中的Biomarker包括临床病理Biomarker和PROs Biomarker两类，筛选逻辑为：通过文献回顾和专家咨询确定候选Biomarker→单因素Cox分析筛选具有潜在预后价值的Biomarker（P<0.1）→多因素LASSO回归确定最终纳入模型的独立预后Biomarker。
临床病理Biomarker的来源为患者基线临床数据，PROs Biomarker的来源为患者自我报告的EORTC QLQ-C30、QLQ-STO22量表数据；验证方法采用单因素和多因素Cox比例风险模型，通过C统计量评估模型的区分度，校准曲线评估模型的校准度。特异性与敏感性方面，M2模型的C统计量为0.723（文献未明确提供95%CI，基于bootstrap法推测），相比仅含临床病理指标的M1模型（C统计量0.695），提升了模型的区分度，校准曲线显示预测值与实际值一致性良好。
核心成果方面，本研究发现地理区域、转移部位数量、NLR、LDH、CA19-9、BMI、白蛋白、食欲减退是AGOC后线治疗患者的独立预后因素；其中食欲减退作为PROs Biomarker，是首次在AGOC后线治疗人群中被证实为独立预后因素（HR=1.21，95%CI 1.01-1.45，P=0.03）；纳入PROs的M2模型相比仅含临床病理指标的M1模型，显著提升了6个月生存预测的准确性，为临床预后评估提供了更全面的工具。该模型可用于临床实践中辅助医生和患者进行预后判断，也可作为未来临床试验的分层因素，提升试验的精准性。