《Cancer Management and Research》：Independent Risk Factors and Nomogram-Based Prediction of Pulmonary Fungal Infection in Lung Cancer Inpatients: A Single-Center Retrospective Study
编辑推荐：
本研究通过回顾性分析250例肺癌住院患者临床数据，识别出糖尿病、侵入性操作、全身性糖皮质激素使用、CD4+T细胞计数降低及住院时间>14天为侵袭性肺部真菌感染（IPFI）的独立预测因子，并构建具有良好区分度（训练集AUC=0.876，验证集AUC=0.861）的列线图模型，为肺癌患者IPFI的早期风险分层提供临床实用工具。
研究背景与目的
肺癌作为全球发病率和死亡率最高的恶性肿瘤，其治疗过程中常因肿瘤本身消耗、放化疗及手术等因素导致患者免疫功能受损，显著增加机会性感染风险。侵袭性肺部真菌感染（IPFI）因其临床表现不典型、诊断延迟率高、病死率居高不下（文献报道达35.7%），成为影响肺癌患者预后的重要并发症。目前针对肺癌患者IPFI风险预测模型的研究较为缺乏，且现有模型的预测变量和人群定义存在异质性。本研究旨在通过系统分析肺癌住院患者的临床特征，识别IPFI的独立危险因素，并构建一种可视化的列线图预测模型，为临床早期识别高危患者、实施针对性干预提供参考依据。
材料与方法
研究设计及人群
本研究采用单中心回顾性队列设计，纳入2022年2月至2025年3月期间南充市中心医院收治的250例经病理学或细胞学确诊的肺癌住院患者。根据是否发生IPFI将患者分为感染组（41例）和非感染组（209例）。IPFI的诊断依据《肺真菌病诊疗专家共识》标准，需同时满足以下条件：具有相符的呼吸道临床症状或体征、胸部影像学提示肺部真菌感染征象，以及至少一项微生物学证据（呼吸道标本镜检或培养阳性、组织病理学发现真菌成分、或真菌血清学标志物如半乳甘露聚糖GM或1,3-β-D-葡聚糖BG阳性）。排除合并其他免疫缺陷疾病、活动性感染、其他恶性肿瘤或严重心肝肾功能障碍者。
数据收集与处理
从电子病历系统提取的数据包括人口学特征、临床指标（糖尿病史、病理类型、TNM分期、近期抗肿瘤治疗、侵入性操作、 prolonged antibiotic use>7天、全身糖皮质激素使用、住院时间）及实验室参数（血常规、超敏C反应蛋白hs-CRP、降钙素原PCT、白蛋白ALB、T细胞亚群计数）。实验室指标取入院后首次检测值，若多次检测则取IPFI诊断前（感染组）或出院前（非感染组）的首次结果。
统计分析
将总样本按7:3比例随机分为训练集（175例）和验证集（75例）。首先通过单因素Logistic回归初步筛选潜在预测因素（P<0.1），进而采用LASSO回归结合10折交叉验证进行变量降维，最终将筛选出的变量纳入多因素Logistic回归构建预测模型。基于最终模型绘制列线图，并通过Bootstrap法（1000次重抽样）进行内部验证，采用校准曲线、Hosmer-Lemeshow检验评价模型校准度，受试者工作特征曲线ROC分析模型区分度，决策曲线分析DCA评估临床净获益。
研究结果
基线特征
训练集与验证集基线特征比较显示，除淋巴细胞计数、CD4+T细胞计数和侵入性操作等变量存在轻度不平衡外，其余变量组间差异较小。在训练集中，感染组与非感染组比较，感染组患者BMI更低，侵入性操作（75.9% vs 36.3%）、 prolonged antibiotic use（65.5% vs 32.2%）、全身糖皮质激素使用（55.2% vs 13.0%）、住院时间>14天（48.3% vs 24.7%）比例更高，CD4+T细胞计数（233.00 vs 370.00 cells/μL）和CD4+/CD8+比值（0.99 vs 1.24）更低，且WBC、PCT、hs-CRP水平更高，ALB水平更低，差异均有统计学意义。
预测因子筛选与模型构建
单因素分析初筛出13个潜在预测因素。LASSO回归进一步筛选出6个非零系数变量：糖尿病、侵入性操作、 prolonged antibiotic use、全身糖皮质激素使用、CD4+T细胞计数、住院时间>14天。多因素Logistic回归最终确定5个独立预测因子：糖尿病（调整后OR=3.707）、侵入性操作（调整后OR=5.613）、全身糖皮质激素使用（调整后OR=4.288）、住院时间>14天（调整后OR=2.719）为危险因素，CD4+T细胞计数升高为保护因素（调整后OR=0.995）。 prolonged antibiotic use在多因素分析中未显示独立关联。
模型性能评价
基于上述5个预测因子构建的列线图模型显示良好的预测性能。校准曲线显示预测概率与实际发生率高度一致，训练集和验证集的平均绝对误差分别为0.029和0.033，Hosmer-Lemeshow检验P值均>0.05，表明模型拟合良好。ROC分析显示训练集AUC为0.876（95%CI: 0.809–0.944），验证集AUC为0.861（95%CI: 0.750–0.973），敏感度分别为0.724和0.750，特异度分别为0.925和0.857。DCA分析表明，在阈值概率0.03–0.90（训练集）和0.04–0.78（验证集）范围内，使用该模型指导临床决策能带来净获益。
讨论
本研究证实糖尿病、侵入性操作、全身糖皮质激素使用、低CD4+T细胞计数及长住院时间是肺癌患者发生IPFI的独立危险因素。糖尿病患者的慢性高血糖状态为真菌生长提供有利环境，且常伴免疫功能障碍。CD4+T细胞作为免疫应答的核心，其数量减少直接削弱机体对真菌的清除能力。糖皮质激素通过抑制中性粒细胞趋化、肺泡巨噬细胞吞噬功能及T细胞活性，显著增加真菌感染风险。侵入性操作破坏黏膜屏障完整性，为真菌入侵提供途径。住院时间延长则与累积暴露于医院环境、设备及相关医疗操作相关。
本研究的创新点在于整合了代谢性疾病、医源性操作、药物免疫抑制及细胞免疫指标等多维度危险因素，构建的列线图模型具有较好的区分度和校准度，且所选变量在住院早期即可获取，便于临床快速风险评估。然而，作为单中心回顾性研究，样本量相对有限，且未包含手术史、糖皮质激素使用时长等细节变量，可能影响模型的全面性。此外， prolonged antibiotic use在本研究中未成为独立预测因子，可能与变量定义、药物种类或与其它因素的共线性有关，需后续研究进一步探讨。
结论与展望
本研究构建的列线图模型能有效量化肺癌住院患者发生IPFI的个体化风险，有助于早期识别高危人群，指导针对性诊断和预防策略。未来需通过多中心、大样本前瞻性研究进行外部验证，并纳入更多治疗相关细节变量，以提升模型的普适性和临床转化价值。
