《European Journal of Obstetrics & Gynecology and Reproductive Biology: X》：Splenectomy during cytoreductive surgery in advanced epithelial ovarian cancer can be predicted
编辑推荐：
本文通过多中心回顾性研究，分析 1288 例晚期上皮性卵巢癌（AEOC）患者数据，构建预测模型和风险评分，发现年龄 < 60 岁、大网膜饼（omental cake）等 4 个因素与脾切除术相关，该模型有助于术前评估和围手术期管理。
1. 引言
在法国，卵巢癌是女性中第八常见的癌症，也是第二致命的癌症。2018 年，有 5193 例卵巢癌被确诊，死亡率估计为 3479 人。晚期上皮性卵巢癌（AEOC）的标准治疗依赖于细胞减灭术（CRS）和基于紫杉烷类与铂类的化疗 。完全的 CRS 且无肉眼可见的残留病灶是主要的预后因素。因此，术前通过影像学和诊断性腹腔镜对可切除性进行最佳评估至关重要。
在文献中，脾切除术的发生率在 1.3% 到 20% 之间。脾切除术可在 3 种情况下进行：实质疾病、脾包膜或脾门存在癌转移病灶以及解决内脏或血管损伤。脾转移与更广泛的腹部癌转移相关，因此常伴随更广泛的 CRS，包括多次肠道切除术或部分肝切除术 。虽然大多数研究报告脾切除术是安全可行的，对生存率没有影响，但其常与其他手术相关，可能会增加患者的发病率（约 15% - 30%），有时甚至需要推迟初次 CRS，先进行新辅助化疗（NACT）。
目前，术前对脾切除术的预测率约为 20%（仅通过 CT），且尚未确定脾切除术的预测因素。本多中心回顾性研究旨在开发一种用于预测 AEOC 初次或间隔 / 最终 CRS 中脾切除术的评分系统。
2. 材料和方法
2.1. 研究人群和数据
在法国的 14 个卵巢癌转诊中心，对 2000 年 1 月 1 日至 2017 年 6 月 1 日期间确诊为组织学证实的 AEOC（国际妇产科联盟 FIGO 分期为 IIB - IV 期）且在 CRS 前的患者进行回顾性多中心队列研究。排除非上皮性卵巢癌、早期或分期不确定的卵巢癌患者，以及因疾病不可切除或身体状况差未接受手术的患者。研究方案获得了妇产科研究伦理委员会（CEROG 2019 - GYN - 604）的批准。收集患者的临床和人口统计学变量、术前评估数据、肿瘤特征、术前 CA125 水平以及治疗数据，数据在获取前已完全匿名化。
2.2. 手术技术
详细记录 CRS 的时间（初次或间隔 / 最终）和剖腹手术中的每一项手术操作。所有患者均接受正中剖腹手术。若患者被确认可切除，则进行 CRS，至少包括全子宫切除术、双侧输卵管卵巢切除术、胃下大网膜切除术和切除任何其他腹膜内转移灶。根据手术时的指南进行盆腔和腹主动脉旁淋巴结清扫，但根据术前影像学和患者对手术的耐受情况可省略。若预期有脾实质转移、脾脏被病灶覆盖或大网膜饼浸润脾包膜或脾门，则进行脾切除术。手术结束时评估残留肿瘤，无肉眼可见残留病灶为完全切除（CC0），残留肿瘤 1 - 10mm 为 CC1，残留肿瘤 > 10mm 为 CC2。
2.3. 统计分析
使用 STATA 13.0 进行统计分析，p 值 <0.05 被认为具有显著差异。比较 “未行脾切除术” 和 “行脾切除术” 两组。进行单变量分析（定量变量用 Student's t 检验，定性变量用卡方检验），部分定量变量进行二分法处理以最大化其准确性。评估每个脾切除术预测因素的准确性，包括敏感性（Se）、特异性（Sp）、阳性似然比（LR +）、阴性似然比（LR -）和诊断比值比（DOR）。
通过多因素逻辑回归分析选择与脾切除术独立相关的最佳变量组合（p <0.05），变量通过向后逐步法从单变量分析中 p < 0.20 的变量中选择，并计算调整后的诊断比值比（aDOR）。使用 1000 次重复的自抽样程序检验模型中每个变量的稳定性。通过计算受试者工作特征曲线下面积（ROC - AUC）评估预测逻辑回归模型的区分度。构建脾切除术预测评分，通过将逻辑回归模型中的 β 系数四舍五入生成简单量表，并比较模型和预测评分的 ROC - AUC，确保两者无显著差异。将缺失数据视为一个单独类别进行逻辑回归模型分析，以避免患者被排除在多变量分析之外。选择特异性> 90% 且 LR + > 4 的脾切除术预测评分阈值，创建脾切除术高风险组。进行决策曲线分析（DCA）评估预测评分的临床效用，比较模型在不同阈值概率（1% - 50%）下与 “治疗所有患者” 和 “不治疗任何患者” 两种参考策略的净获益。
3. 结果
3.1. 研究人群
2000 年 1 月至 2017 年 6 月，14 个参与中心共对 2712 例卵巢癌患者进行了手术，其中 1288 例符合纳入标准。91 例患者（7%）在 CRS 期间接受了脾切除术，1197 例患者（93%）未接受。两组患者在年龄、FIGO 分期和初始 CA125 水平上存在统计学差异。
3.2. 单变量分析
单变量分析显示，年龄 < 60 岁、存在癌转移、膈转移癌、大网膜癌转移、结肠受累、肝转移、腹水、PCI 评分≥15、大网膜饼、腹膜癌转移、膈转移癌、肠浸润、肝转移等因素与脾切除术相关。
3.3. 多变量分析
多变量分析确定了 4 个与脾切除术独立且统计学相关的变量：年龄 <60 岁（aDOR = 1.76，95% CI [1.13 - 2.75]，p = 0.013）、初始 CT 和 / 或腹腔镜检查发现大网膜饼（aDOR = 2.12，95% CI [1.11 - 4.08]，p = 0.024）、初始 CT 和 / 或腹腔镜检查发现膈转移癌（aDOR = 2.36，95% CI [1.34 - 4.18]，p = 0.001）以及初始 CT 和 / 或腹腔镜检查发现消化系受累（aDOR = 3.24，95% CI [1.93 - 5.43]，p < 0.001）。这些变量在 1000 次自抽样复制后仍稳定。预测模型的 ROC - AUC 为 0.76。
脾切除术预测评分范围为 0 - 10 分，计算公式为：评分 =（年龄 <60 岁 ×2）+（初始 CT 和 / 或腹腔镜检查发现大网膜饼 ×2）+（初始 CT 和 / 或腹腔镜检查发现膈转移癌 ×2）+（初始 CT 和 / 或腹腔镜检查发现消化系受累 ×4） 。评分的 ROC - AUC 与模型的 ROC - AUC 无显著差异（p = 0.07）。脾切除术高风险组定义为最大评分为 10 分的患者，该组患者脾切除术的概率为 32%（95% CI [22.00 - 44.31]），特异性为 95.8%（95% CI [94.5 - 96.9]），阳性似然比为 6.31（95% CI [4.08 - 9.78]）。
DCA 表明，在 15% - 40% 的阈值概率范围内，预测模型比 “治疗所有患者” 和 “不治疗任何患者” 的策略具有正的净临床获益。在该区间内，基于预测的脾切除术风险进行临床决策，比统一管理策略能带来更好的结果；在此范围之外，使用该模型的净获益与默认方法相当或更低。
4. 讨论
本研究开发了首个用于预测 AEOC 初次或间隔 / 最终 CRS 中脾切除术的评分系统。研究纳入 1288 例患者，确定了 4 个与脾切除术独立相关的变量，评分最高为 10 分的患者构成脾切除术高风险组，该组患者脾切除术概率为 32%，特异性高，DCA 显示模型在 15% - 40% 阈值概率范围内有正的净临床获益。
研究具有一定优势。首先，预测评分基于法国 14 个卵巢癌转诊中心的 1288 例患者大样本队列构建，且通过 1000 次自抽样进行内部验证，模型稳健。其次，研究中脾切除术的患病率（7%）与文献报道（1.3% - 35%）相符。最后，评分具有良好的表面效度，与文献中广泛的腹部疾病和脾切除术的关联一致。
然而，研究也存在一些局限性。回顾性研究设计可能导致收集偏倚和数据缺失，需要前瞻性外部验证。数据库中缺乏 CT 对脾切除术的诊断准确性信息，PET - CT 的放射学变量也因大量数据缺失无法评估。数据库未包含脾或脾周病变的特定放射学评估，无法将其纳入模型。虽能确定高风险组，但无法确定排除标准，限制了模型排除低评分患者脾切除术需求的能力。此外，数据库未记录脾切除术的具体指征，无法区分因肿瘤因素和术中并发症导致的脾切除术，且术后组织病理学数据缺失较多，影响分析。
脾切除术是一种有创手术，存在手术和医疗并发症风险，如胰腺瘘、膈下脓肿、感染、血栓栓塞等。预测脾切除术的需求有助于采取预防措施，降低发病率，优化围手术期安全。本研究提供的模型可更好地识别高风险患者，支持个性化围手术期规划，包括术前疫苗接种、患者教育和安排相关外科医生等。在化疗前识别高风险，还可指导初始治疗策略，选择新辅助化疗可能减少肿瘤负荷，避免脾切除术，且不影响肿瘤学结局，促进更个体化、更安全和更明智的医疗护理。
