《Cancer Epidemiology》：Evaluating eight smoking metrics for modelling survival in non-small cell lung cancer
编辑推荐：
为更精准地量化吸烟对非小细胞肺癌（NSCLC）患者预后的影响，研究人员系统评估了包括logcig-years、square-root pack-years在内的八种连续吸烟指标。研究发现，logcig-years在建模总生存期（OS）和肺癌特异性生存期（LCSS）时关联最强、线性拟合最佳，且在不同临床人口学亚组中表现一致。该研究为临床和科研实践中更优地量化吸烟暴露提供了依据。
吸烟，这个全球公认的头号致癌因素，不仅在肺癌的发生中扮演着关键角色，也深刻影响着患者确诊后的生存命运。长久以来，临床和研究中评估吸烟暴露的“黄金标准”是“包年”（pack-years，即每日吸烟包数乘以吸烟年数）。然而，这个简洁的公式暗藏着一些假设：它认为吸烟剂量（每日支数）和吸烟时长对健康的影响是等价的，并且二者与健康风险呈简单的线性关系。但越来越多的证据表明，吸烟时长可能比吸烟剂量对肺癌风险和死亡的影响更大，且高剂量下的风险增加可能呈现“平台效应”，即风险的增长速度会放缓。此外，除了剂量和时长，开始吸烟的年龄、戒烟时间等其他维度也被证明是独立的预后因素。那么，我们沿用了几十年的“包年”指标，是否真的是衡量吸烟对肺癌患者生存影响的最佳标尺？是否存在更优的数学转换或更全面的复合指标，能更精准地捕捉吸烟暴露与生存结局之间复杂的关系？为了回答这些问题，一项大规模的国际合作研究应运而生。
这项发表在《Cancer Epidemiology》上的研究，标题为“评估八种吸烟指标用于非小细胞肺癌生存建模”，旨在通过头对头的比较，从八种候选指标中找出最能刻画吸烟暴露与非小细胞肺癌患者总生存期（OS）及肺癌特异性生存期（LCSS）关系的那个“最佳模型”。
为了开展这项研究，研究人员利用了国际肺癌联盟（ILCCO）这一宝贵资源。他们汇集了来自全球10个国家、22个研究中心的25项研究数据，时间跨度从1983年至2019年，最终纳入了28,702名非小细胞肺癌患者，构成了一个回顾性汇总分析队列。研究所比较的八种吸烟指标包括基础指标（如每日吸烟支数、吸烟时长、开始吸烟年龄、戒烟时长）和计算指标（如包年、平方根包年、对数香烟年、综合吸烟指数）。研究采用统计建模的方法进行比较，核心是使用Cox比例风险模型评估各指标与生存期的关联强度（调整后风险比aHR）和模型拟合优度（AIC值），并通过样条曲线（spline）可视化评估其线性关系。整个过程针对总生存期、不同临床人口学子群（如年龄、性别、分期、病理类型）以及肺癌特异性生存期分别进行。
3.1. 研究人群
研究最终纳入28,702名患者，中位年龄64岁，53%为男性。其中，45%为当前吸烟者，30%为既往吸烟者，25%为从不吸烟者。各吸烟指标的中位数也得以呈现，为后续分析提供了基线数据。
3.2. 目标1：建模总生存期
在调整了多种混杂因素后，对数香烟年（logcig-years）和平方根包年（square-root pack-years）显示出与总生存期最强的关联，两者的调整后风险比均为1.11。其中，对数香烟年具有最低的AIC线性值，表明在线性假设下模型拟合最佳。虽然从样条曲线的视觉评估来看，平方根包年显示出最线性的关系，但对数香烟年同样表现出显著的线性关联。
3.3. 目标2：在临床人口学亚组中建模总生存期
亚组分析显示，对数香烟年在不同年龄组（<65岁和≥65岁）、男性、非转移性癌症患者以及不同病理类型（腺癌和鳞癌）中，均保持了最大的效应值（最高的aHR）和最佳的模型拟合（最低的AIC线性值），且关系基本呈线性。在女性中，对数香烟年和平方根包年表现相当。在转移性癌症患者中，平方根包年表现最佳。在按吸烟状态分层时，各指标在当前和既往吸烟者中的关联普遍较弱。
3.4. 目标3：建模肺癌特异性生存期
当以肺癌特异性生存期为终点时，对数香烟年再次表现出最高的调整后风险比（1.09）和最低的AIC线性值，表明它同样能很好地捕捉吸烟对肺癌特异性死亡的影响。不过，其非线性检验P值显著，而平方根包年在视觉评估上显示出更线性的样条曲线。
4. 讨论与结论
本研究通过大规模、多中心的头对头比较，得出了几项关键结论。首先，在建模吸烟暴露与总生存期的关系时，对数香烟年表现最佳。它不仅关联强度高，而且在线性模型下拟合优度最好。平方根包年也是一个强有力的竞争者，尤其在需要高度线性关系时，它是包年的一个优秀替代品。两者在效应大小和模型拟合上均优于传统的包年指标。
其次，对数香烟年的优越性能在不同年龄、性别、癌症分期和病理类型亚组中保持了高度的一致性，证明了其稳健性和普适性。
最后，在建模肺癌特异性生存期时，对数香烟年同样表现最佳，说明它能有效剥离吸烟对肺癌特异性死亡的影响，而不仅仅是全因死亡。
这项研究的重要意义在于，它挑战了临床和科研中长期依赖“包年”这一单一指标的习惯。研究结果表明，通过对吸烟强度进行对数转换得到的“对数香烟年”指标，或许能更准确地反映吸烟暴露通过DNA加合物形成等生物学机制对生存产生的累积影响。该指标更强调吸烟时长的作用，这与先前关于吸烟时长是更强风险因子的发现相符。而平方根包年则通过数学变换，更好地刻画了高暴露水平下的风险“平台效应”。
因此，研究者建议，在日常临床记录和科研数据收集中，除了记录简单的吸烟状态或包年，应有意识地、更细致地收集基础的吸烟指标，如每日吸烟支数、吸烟年数、戒烟年数等。这样不仅能计算传统的包年，还能为未来使用对数香烟年等更优指标进行预后评估和风险分层提供可能。这项研究为优化肺癌患者的预后评估模型、提升临床研究的精确性迈出了坚实的一步，未来或可推动相关临床指南和实践的更新。
