《Frontiers in Oncology》：Predicting the prognosis of breast cancer patients by using nutrition-based index: a systematic review and meta-analysis
编辑推荐：
背景： 预后营养指数（PNI）和控制营养状态（CONUT）评分是营养与炎症状态的复合标志物，用于预测肿瘤进展。其与乳腺癌（BC）的预后相关性已有报道，但证据尚不一致。因此，本研究通过Meta分析评估了PNI和CONUT在BC中的预后效用。方法： 检索了PubM
背景： 预后营养指数（PNI）和控制营养状态（CONUT）评分是营养与炎症状态的复合标志物，用于预测肿瘤进展。其与乳腺癌（BC）的预后相关性已有报道，但证据尚不一致。因此，本研究通过Meta分析评估了PNI和CONUT在BC中的预后效用。方法： 检索了PubMed、Embase、Web of Science和Cochrane Library四大数据库自建库至2025年10月20日的文献。纳入基于预设资格标准评估PNI或CONUT与BC临床结局关联的研究。分析了总生存期（OS）、无病生存期（DFS）和病理完全缓解（pCR），合并效应量报告为风险比（HRs）或比值比（ORs）及其95%置信区间（CIs）。采用亚组分析、Meta回归和95%预测区间（PIs）探索异质性。结果： 共纳入32篇报告，包含13,120名BC患者。较高的PNI与改善的OS（HR = 0.49, 95% CI 0.39-0.61; P < 0.00001; I2 = 83%）和更长的DFS（HR = 0.69, 95% CI 0.58-0.81; P < 0.00001; I2 = 83%）相关，而PNI与pCR之间的关联证据尚无定论（OR = 1.57, 95% CI 1.00-2.47; P = 0.05; I2 = 83%），且该结果对单个研究敏感。此外，较高的CONUT与较差的OS（HR = 1.77, 95% CI 1.29-2.44; P = 0.0005; I2 = 77%）和较短的DFS（HR = 2.08, 95% CI 1.75-2.47; P < 0.00001; I2 = 6%）相对应。PNI与OS、PNI与DFS、PNI与pCR以及CONUT与OS的95%预测区间均跨越无效值，表明预期效应在不同研究间存在显著的变异性。结论： 在纳入的研究中，较高的PNI与更好的OS和DFS相关，而升高的CONUT与较差的OS和DFS相关。因此，PNI和CONUT可被视为BC中候选的预后指标。系统评价注册：PROSPERO，标识符CRD420251249070。
1 引言
乳腺癌是女性最主要的恶性肿瘤，2022年全球新发病例达230.8万例。尽管基于基因表达的测定被用于预后分层，但其高昂的成本限制了在大多数临床环境中的常规应用。系统性炎症激活和营养不良分别与癌症进展及抗癌治疗反应性降低、术后并发症风险增加及总生存期（OS）缩短有关。预后营养指数（PNI）是一种基于血清白蛋白水平和外周血淋巴细胞计数计算得出的营养与炎症相关生物标志物，控制营养状态（CONUT）评分则是另一种基于总胆固醇、血清白蛋白和淋巴细胞计数得出的血液学指标。尽管既往有Meta分析支持PNI和CONUT在乳腺癌预后评估中的效用，但仅纳入了2023年之前的研究。鉴于自那时以来发表了大量新的临床研究且结果不完全一致，本研究旨在整合最新证据与既有数据，系统地重新评估PNI和CONUT在乳腺癌中的预后效用。
2 材料与方法
本研究系统评价遵循PRISMA 2020指南，并在PROSPERO注册。研究人员独立检索了PubMed、Embase、Web of Science和Cochrane Library数据库。文献筛选要求研究必须评估PNI或CONUT与OS、DFS或pCR的预后关联，并提供HRs/ORs及95%CIs。两名研究人员并行提取数据，包括作者、年份、地区、样本量、患者年龄、肿瘤分期、PNI/CONUT截断值及结局指标等。方法学质量采用纽卡斯尔-渥太华量表（NOS）评估。统计分析使用STATA 15.0和Review Manager 5.4软件进行。计算合并HRs或ORs及其95%CIs，通过Cochran’s Q检验和Higgins I2统计量评估异质性（I2 > 50%或P < 0.05视为显著异质性）。根据异质性情况选择固定效应或随机效应模型。进行了亚组分析、Meta回归（记录残差异质性τ2和伪R2）及敏感性分析。针对随机效应模型计算了95%预测区间（PIs）。使用漏斗图、Egger和Begg检验评估发表偏倚，必要时采用剪补法分析。
3 结果
3.1 研究特征
初检获得2151条引文，经去重和筛选后，最终纳入32项研究，共计13,120名患者。研究发表时间为2014年至2025年，涵盖亚洲、非亚洲及多中心队列。大多数研究为回顾性设计，大部分研究测量了治疗前的PNI或CONUT。PNI的截断值在40至55之间不等，而CONUT评分多采用3作为高低分组的界值。
3.2 研究质量
37个比较组的NOS评分范围为6至9分，表明纳入研究的方法学质量总体较高。
3.3 Meta分析结果
3.3.1 PNI与OS
对19个比较组（6426名参与者）的分析显示，较高的PNI与优越的OS显著相关（HR = 0.49, 95% CI 0.39–0.61; P < 0.00001）。存在显著异质性（I2 = 83%; τ2 = 0.1426），故采用随机效应模型。95%预测区间为0.21–1.13，表明虽然平均效应有利，但具体效应量在未来类似研究中可能变异较大。亚组分析显示，该关联在大多数亚组中保持一致，且在样本量≥400、非亚洲地区及多中心等亚组中异质性显著降低。单变量Meta回归分析表明，治疗方式（NACT联合手术 vs 单纯手术，系数 = -0.949, P < 0.001；其他 vs 单纯手术，系数 = -0.664, P < 0.001）和调整状态（多变量 vs 单变量，系数 = 0.550, P = 0.030）是与合并效应最一致的异质性解释因子。多变量Meta回归模型（包含治疗方式和调整状态）将残差异质性降至τ2 = 0（伪R2 = 100%）。仅纳入多变量Cox回归分析的研究后，合并HR仍具高度显著性（HR = 0.56, 95% CI 0.45–0.70）。
3.3.2 PNI与DFS
16个比较组的数据表明，较高的PNI与更长的DFS显著相关（HR = 0.69, 95% CI 0.58–0.81; P < 0.00001）。存在显著异质性（I2 = 83%; τ2 = 0.261），95%预测区间为0.23–2.10。亚组分析显示，在部分亚组中未观察到显著的预后价值，而在其余亚组中关联仍然显著。单变量Meta回归未发现任何协变量与合并效应存在统计学显著关联，大多数调节因子产生的伪R2值为负或接近零。仅纳入多变量调整后研究的结果仍显著（HR = 0.65, 95% CI 0.53–0.80）。
3.3.3 PNI与pCR
7个比较组（2948名患者）的合并分析显示，PNI与pCR之间的关联未达到统计学显著性（OR = 1.57, 95% CI 1.00-2.47; P = 0.05）。存在显著异质性（I2 = 83%），95%预测区间为0.87–2.84。亚组分析表明，在年龄<52岁、年龄>52岁、多中心及截断值<52等特定亚组中，较高的PNI与较高的pCR率显著相关。然而，仅纳入多变量调整研究的合并OR无统计学意义（OR = 1.72, 95% CI 0.92-3.20; P = 0.09），表明PNI与pCR之间关联的证据尚不确定。
3.3.4 CONUT与OS
6个比较组的分析显示，较高的CONUT与较差的OS相关（HR = 1.77, 95% CI 1.29–2.44; P = 0.0005）。95%预测区间为0.60–5.24。亚组分析显示，在使用截断值<3的亚组中未观察到显著关联，而在其余亚组中关联显著。异质性主要归因于样本量和临床分期。
3.3.5 CONUT与DFS
6个比较组的分析显示，较高的CONUT与较短的DFS相关（HR = 2.08, 95% CI 1.75–2.47; P < 0.00001）。异质性较低（I2 = 6%），采用固定效应模型。亚组分析表明该关联在各亚组中均保持统计学显著性。未纳入足够数量的CONUT与pCR的比较组，故未进行相关分析。
3.4 敏感性分析
逐一剔除研究后的敏感性分析显示，对于PNI与OS及DFS的结果，未发现单个研究对整体结果产生实质性影响。然而，在评估PNI与pCR时，剔除Wang等人的研究后得到了不同的合并估计值（OR = 1.90, 95% CI 1.21-2.98），表明PNI与pCR的关联对单个研究敏感，稳定性较差。对于CONUT，剔除任一研究后，OS和DFS的合并估计值保持稳定。此外，仅纳入多变量调整模型的研究后，PNI和CONUT对OS和DFS的预后意义仍然显著，进一步证实了合并结果的稳健性。
3.5 发表偏倚
Egger检验表明PNI与OS和DFS可能存在发表偏倚（分别为P < 0.001和P = 0.026）。剪补法分析未推算出明确的缺失研究，调整后合并估计值基本不变。漏斗图和Begg检验未显示PNI与pCR及CONUT与OS、DFS存在发表偏倚。尽管存在小样本效应的潜在风险，但在大样本、高质量和多变量调整的研究中，较高的PNI与更有利的生存结局之间的关联始终被观察到。
4 讨论
本Meta分析证实，PNI和CONUT评分均为乳腺癌的预后生物标志物。较高的PNI与改善的OS和DFS显著相关，而较高的CONUT与较差的OS和DFS相关。尽管PNI与pCR的主要合并分析未达到统计学显著性，但敏感性分析表明该结果不稳定，因此现有证据尚不能确定PNI与pCR的关联。与既往Meta分析相比，本研究纳入了更多截至2025年的最新证据，样本量更大，人群更多样化，并采用了更全面的分析框架（包括亚组分析和Meta回归）。通过优先合成多变量Cox回归模型的风险比，提高了对潜在混杂因素的调整能力。异质性来源分析表明，样本量、地区、肿瘤分期、治疗方式和调整状态等因素可解释部分异质性。生理机制上，白蛋白作为主要的内脏蛋白，其水平反映了机体的蛋白质储备和营养状况，而淋巴细胞计数则反映了免疫状态。在恶性进展过程中，肿瘤微环境的高代谢需求和全身炎症反应可能导致这些指标的变化，从而使PNI和CONUT成为反映肿瘤生物学行为和宿主反应的整合性指标。综上所述，PNI和CONUT可作为乳腺癌经济、便捷且有效的预后评估工具，但未来的临床应用仍需在标准化截断值的基础上，结合具体的临床病理特征进行综合判断。
