王一苇，倪寅，纪超凡，李艳*

(1.皖南医学院中西医结合研究中心，安徽 芜湖 241002；2.芜湖市中医医院，安徽 芜湖 241002；3.皖南医学院弋矶山医院国医大师李济仁工作室，安徽 芜湖 241000)

临床预测模型是以临床疾病的数据集为基础，用于预测具有某些特征的人群在未来发生某种特点预设的结局事件的概率[1]。在关节病的治疗与回顾性分析中，临床预测模型常常被应用于疗效的影响因素分析[2]。

类风湿关节炎(Rheumatoid Arthritis，RA)是以对称性多关节的慢性炎症为主要临床表现自身免疫性疾病。若不接受及时治疗，可导致不可逆的骨关节的侵袭和破坏，最后出现关节的强直、畸形、功能丧失等不同程度的残疾[3]。目前的研究表明，类风湿性关节炎的发病原因有多种可能的因素[4]，但在其治疗中的有效因素或危险因素仍未明确[5]。

因此，本研究在加味清络饮治疗活动期类风湿性关节炎取得一定疗效的前提下[6]，以疗效为预设结局，通过Logistics回归分析建立模型，对疗效结局的影响因素进行探索，并通过列线图将评分系统可视化，为该中药治疗类风湿性关节炎的疗效影响因素进行初步探索。

1 研究资料

1.1 一般资料

2018年1月—2019年9月间，参与“加味清络饮治疗活动期类风湿性关节炎”临床试验[6]，完成试验方案的有效病例，共41例。

1.2 诊断标准

本研究同时选择中医、西医诊断与评价标准。中医诊断标准以《中医病证诊断疗效标准》痹病章节[7]、2002年卫生部《中药新药治疗临床研究指导原则(试行)》[8]为准。西医诊断标准参照2010年美国风湿病学会与欧洲抗风湿病联盟(American College of Rheumatology/The European League Against Rheumatism,ACR/EULAR)制定的分类标准[9]。

1.3 纳入标准

1)符合DAS28-ESR/CRP关节炎活动期分类标准[10]；2)年龄在18～75岁；3)近3个月内未使用针对RA病情的药物(如非甾体抗炎药、糖皮质激素类药、改善病情抗风湿药、生物制剂等)；4)近3个月内未进行过中药内服或针灸外治等中医疗法；5)自愿签署知情同意书。

1.4 排除标准

1)RA晚期患者，关节严重畸形型，放射学病情分级标准在Ⅳ级者；2)痛风性关节炎、骨关节炎、银屑病关节炎、反应性关节炎和其他结缔组织疾病所致的关节炎患者；3)有严重关节外症状如指趾坏疽、心包炎、胸膜炎、肺间质病变、慢性肾炎、周围神经病变、淋巴结肿大及血管炎、淀粉样变的患者；4)合并心、脑、肝、肾和造血系统等严重疾病者；妊娠、近期准备生育或哺乳期的患者、精神病患者；有药物、食物过敏史者，过敏体质者；怀疑或确有酒精、药物滥用病史者；5)已知对本药过敏者；6)正在参加其他临床研究的患者。

1.5 疗效评价标准

参照2010年美国风湿病学会与欧洲抗风湿病联盟(ACR/EULAR)制定的ACR50标准[9]。改善程度的计算公式为：(治疗前值-治疗后值)/治疗前值×100%。该评价标准需要患者以下指标的改善程度>50%：1)关节疼痛计数减少程度(TJC)；2)关节肿胀计数降低程度(SJC)；3)下列任意3项：①患者对疼痛的主观评价(VAS)；②患者对疾病活动的全面感受(VAS)；③医生对疾病活动的总体评价(VAS)；④患者对身体功能的评价(HAQ)；⑤急性期反应物的数值(ESR或CRP)。

2 研究方法

2.1 变量的设置

本实验共收集了48项临床指标。对所有项目的数据按照资料类型分为计量资料和计数资料。属于计数资料的项目均使用0、1、2等对分类变量值进行替换，具体项目及赋值见表1。属于计量资料的项目包括体质量指数(BMI)、病程；中医症状评分(疼痛、肿胀、压痛、屈伸、晨僵、结节评分与总积分)；DAS28-ESR，DAS28-CRP，ACR/EULAR评分、疼痛关节计数TJC、肿胀关节计数SJC；目视疼痛评分VAS、生活质量量表HAQ；与疾病发生发展相关的化验项目[血沉、抗环瓜氨酸肽(Anti-CCP)、C-反应蛋白、类风湿因子、抑郁评分SDS、焦虑评分SAS和睡眠质量评分PSQI]；其他生化指标(胆固醇、低密度脂蛋白、IgA、IgG、IgM、IgE和血小板)。

表1 计数资料类变量赋值一览

2.2 多因素逐步Logistics回归分析与临床预测模型的建立及验证

以是否达到ACR50疗效标准为因变量(0=达到标准，1=未达到标准)，将患者分为达标组与未达标组。将48项所收集的指标作为协变量，纳入多因素逐步Logistics回归分析，对疗效影响因素进行研究，并建立临床预测模型(入选标准P<0.05，剔除标准P>0.10，建立模型方法：向前：有条件)。

对搭建完成的模型通过SPSS 19.0进行Omnibus检验；通过R语言3.4.0进行5折交叉验证(5 cross-validation)。将41例临床数据按比例均分成5份，分为训练组和验证后构建循环，依次使用其中的4份做训练组，1份做验证组，共重复5次运算。最终得出5次交叉验证的测试集正确度，即模型预测的正确率。

2.3 列线图的绘制

通过逐步回归筛选出具有统计学意义的自变量，纳入临床预测模型的建立，并通过R语言3.4.0生成列线图。

列线图的使用方法如下：1)将患者的变量数值在代表相应变量的横轴上找到对应点，从该点向上(评分标尺)作一条垂直于评分标尺的直线并与之相交；2)该直线与评分标尺的读数，即为该变量对应的单项分数。3)将各变量在评分标尺上的读数进行求和，得到总分。4)将总分值在总分标尺上寻找对应的点，由该点向下作一垂线，与“疗效”轴相交并进行读数。5)疗效轴上得到的数值，即为加味清络饮治疗该活动期类风湿性关节炎患者12周后，该模型对病情好转可能性进行预测的结果。

3 结果

3.1 多因素逐步Logistics回归分析结果

通过多因素逐步Logistics回归分析，根据变量的显著性对其进行筛选(入选标准P<0.05，剔除标准P>0.10)。由表2与表3可知，符合条件并对疗效的影响有统计学意义的变量共7个，分别为：粉尘接触史、BMI、中医评分中的关节压痛、小关节肿胀计数、中医体质类型、SAS焦虑评分和C-反应蛋白。其他未纳入模型的变量与相应得分及显著性结果见表2。

表2 Logistics回归分析的变量及显著性一览

3.2 临床预测模型的构建与验证结果

通过Logistics回归筛选得到的7项变量建立临床预测模型(表3)。据此可以得出预测模型的公式如下：

表3 Logistics回归方程中的变量

LogitP=36.725+(X1×9.624)+(X2×-1.625)+(X3×3.451)+(X4×-0.723)+(X5×-0.911)+(X6×-0.164)+(X7×-0.119)

SPSS软件计算结果显示，模型预测总体的正确预测百分比为87.8%(表4)。对模型的Omnibus检验显示，模型的全局性检验有统计学意义(P<0.001)。经过5折交叉验证，本模型在此数据集上的预测正确率为75.6%。临床预测模型的-2对数似然值为16.081；考克斯-斯奈尔R2值为0.576；内戈尔科R2值为0.807。Omnibus检验的结果显示P<0.001，说明模型总体有意义。5折交叉验证显示模型的预测正确率为75.6%。

表4 Logistics回归模型的预测正确率

3.3 预后评分系统的列线图构建

根据预测模型建立疗效预测列线图见图1。在列线图中，“总分”标尺在“疗效”轴上对应的数值，即为该模型对加味清络饮治疗该活动期类风湿性关节炎患者12周后，病情好转50%的可能性进行预测的概率。

图1 ACR50 疗效预测列线图

4 讨论

临床预测模型在临床指南的制定、高危人群的筛查依据、个体化疾病预防中得到了广泛应用。在临床研究中，临床预测模型是精准医学研究的重要工具[10-11]。由于目前类风湿性关节炎领域对于治疗的有效因素或危险因素仍然是未知的[12]，因此近年来临床预测模型越来越被重视。在中医药学的研究中，有学者使用Logistics回归分析构建临床模型[13]，但目前已有的研究对于中药疗效影响因素的关注较少。同时，已有的类风关临床预测模型中大多以现代医学的指标为基础，大部分模型都是基于类风湿因子(RF)、抗CCP、CRP、血沉(ESR)等化验结果，涉及的中医信息较少。因此，本研究对建立一种能够结合中医临床评价、血清学指标、影像学等影响因素的模型进行了初步的探索。

4.1 模型建立方法的选择

一般而言，在理想情况下，建立预测模型需要数百个满足结局事件的样本量，而每增加一个预测因子就需要10至20个样本才能保证模型的可信度。由于本次临床试验受限于时间与资金，样本量较小，仅41例。因此在选择统计方法时，笔者在统计学专家的建议下，结合临床实际情况，决定不采用多元回归分析，而是将41例患者通过ACR50疗效评价标准的等级进行二分类，对满足与不满足该疗效评价的两组患者进行组间的比较与统计分析，以此来尽量减少单组中样本量过小而引起的偏倚。并通过5折交叉验正来对模型的预测正确率进行检测对预测模型的可信度与正确度进行客观评价。

4.2 临床预测模型分析结果

从模型的准确率和正确率来看，本研究构建的模型具有良好的统计学效力，模型的预测准确率和5折交叉验证正确率分别为87.8%、75.6%。

结合临床实际分析，由模型提示的7项影响因素可知：没有粉尘接触史、BMI指数较低、中医关节压痛较强、小关节肿胀计数较少、中医体质偏平和体质、CRP水平较低，且焦虑评分较低的患者，其通过加味清络饮治疗12周后，疗效评价较治疗前达到50%的可能性较高；反之，存在粉尘接触史、BMI指数较高、中医关节压痛较弱、小关节肿胀计数较多、中医体质偏阳虚体质或阴虚体质、CRP水平较高，且焦虑评分较高的患者，其治疗达到50%有效程度的可能性更低。满足ACR50的患者关节症状较重，且并非以小关节为主；其CRP水平相对较低；情绪相对平稳。在未来的中药临床试验前或治疗前，通过这7项指标的结果，我们就可以完成对患者服药后疗效的预测。

4.3 疗效影响因素分析

尽管本次研究发现7项疗效相关因素的综合运用可以用于中药治疗类风湿性关节炎的疗效预测，但文献研究显示[4]，每个因素在类风关的治疗或疾病发展中均存在独立作用。各个因素都与类风湿性关节炎的发生发展密切相关。

BMI与粉尘均是类风湿性关节炎发病的重要因素之一，尽管两者与类风湿性关节炎的具体病理机制并不明确，但是有文献指出，矿业、建筑业、农业及制造业中，人体接触到的可吸入颗粒物与类风湿性关节炎及多种免疫相关疾病存在关联[14-15]。同样，Qin等对类风湿性关节炎患病风险与BMI的相关文献进行META分析后认为，更高的BMI指数与类风湿性关节炎的患病风险存在正向关联[16]。

关节症状是类风湿性关节炎最显著也是患者最痛苦的症状。而对于28个特定关节的疼痛与肿胀情况评价，则是评价类风湿性关节炎治疗效果的重要参考[10]。本研究的中医和西医的主观评价中，关节压痛的中医评分和DAS28关节中的小关节肿胀计数对疗效结局具有影响作用，说明关节症状和预后存在关联。

类风湿性关节炎不仅影响患者的身体状态，对心理与情志也有巨大影响[17]。黄丽等经对比试验后发现中医情志疗法对于中老年患者类风湿性关节炎的治疗和预后有较大的改善[18]。本模型也证明，SAS较低的患者疗效更好。从中医学角度看，情志与气机密切相关。在中医理论中，肝主木，喜调达。若肝气不舒，则气机郁结，郁久化火则情志烦躁易怒；郁而不达则患者郁郁寡欢。因此，若患者本身的肝气郁结不畅，对治疗与预后也存在积极意义。

在检验指标中，CRP是反应类风湿性关节炎患者体内炎症反应与评价疾病活动度的指标，在类风湿性关节炎病情活动程度评估中具有重要价值[19]。本试验的模型显示，CRP水平较低的患者预后较好。何俊华通过148例回顾性分析认为，类风湿性关节炎的实验室资料与中医证型、体质在疾病的发展上存在着一定的微观联系[20]。本实验也发现平和体质的患者预后较好，但由于总例数较少，有待进一步扩大样本研究。

4.4 构建中药临床预测模型的意义

临床预测模型有助于医生与患者选择更加合理的治疗方案。值得注意的是，在临床实际中存在一类治疗无效患者(Non-responder)。现代医学认为，治疗无效患者是指在接受了某一种药物治疗后无任何疗效反应，或对某种药物产生了抗药性抗体[4]。而中医认为，此类患者若久治无效，常常使得病情迁延而出现关节畸形、肿大、僵直，最终转化成为“尪痹”等一类复杂难治型的痹病。如国医大师李济仁所提出，痹病发展后期常常引起四肢废痿不用，最终导致痹痿合病，使得治疗更加困难[21]。

因此，在类风湿性关节炎的诊断与治疗中，如何归纳总结有效患者、无效患者等各类患者的特征，进一步提高甚至预测治疗的有效性成为了一个重要的议题。本研究在前期实验证实加味清络饮具有较好疗效的前提下[6,22-23]，通过回顾性分析，结合中医与西医指标，引入多因素Logistics回归分析，探索中药治疗中对疗效存在影响的因素，对临床治疗提供评价依据并做出预测。而根据预测模型绘制的列线图，可以快速、直观地帮助临床医生知悉患者服药后达到疗效标准的可能性，为加味清络饮制定具体的临床决策提供参考依据，或者为预测预后更差的患者提前改变治疗方法或者建议参与新药临床试验。

4.5 列线图的意义

列线图是一种新型统计预测模型，能够根据患者的评分总和预测事件的发生率，是通过数据的可视化进行临床上合理分层治疗的重要依据[24-25]。通过将临床预测模型可视化，绘制列线图，本研究为加味清络饮治疗效预测提供了有效工具。使得图片化的计算方式能够更直观地协助医生与患者理解临床预测模型的内容、结果和意义。

4.6 本试验的局限性与思考

从模型本身角度看，本实验建立模型的预测正确率与5折交叉验证结果较好，但这仅仅意味着模型在41例数据中的预测结果。若推广至更大范围或临床实际应用，仍需要更大样本量来训练、改良模型并进行外部验证。此外，既往文献提示的影响因素与本实验的结果并不完全相同[13]。不同模型中甚至出现相互矛盾的影响因素OR值，说明不同药物的干预，或者不同的疗效评价标准、模型构建方法下，影响因素和模型也会产生差异。若使用不同模型构建方法，如岭回归或LASSO回归等，是否可以得到更加优效的模型，有待进一步探索。最后，由于本试验的数据基础来源于加味清络饮的临床试验，这7个影响因素是否能够对其他中药的疗效产生作用仍不得而知。为了能够找到中药治疗类风湿性关节炎的最有效因素，有待于未来将不同药物的试验结果进行横向比较。