综述:成年癌症患者癌症复发恐惧预测模型:一项系统评价

《Frontiers in Oncology》:Prediction models for fear of cancer recurrence in adults with cancer: a systematic review

【字体: 大 中 小 】 时间:2026年03月19日 来源:Frontiers in Oncology 3.3

编辑推荐:

  本研究系统回顾了用于评估癌症患者癌症复发恐惧(FCR)风险的预测模型。虽然现有模型在内部验证中表现出可接受的区分度(AUC 0.660-0.996),但PROBAST评估显示所有研究均存在高偏倚风险,且缺乏外部验证。研究总结出年龄、社会支持、疲劳等常见预测因子,并指出该领域研究仍处早期,未来需遵循TRIPOD指南,开展大样本、多中心的外部验证以提升模型稳健性。

  
在癌症诊疗技术飞速发展的今天,全球癌症幸存者数量已超过5000万。对于这些患者而言,疾病本身带来的生理挑战之外,一种名为癌症复发恐惧(Fear of Cancer Recurrence, FCR)的心理困扰如影随形。它被定义为“对癌症可能复发或进展的持续恐惧、担忧或焦虑”,是癌症幸存者中最普遍且持久的心理问题之一,超过一半的患者报告存在中度水平的FCR。高水平的FCR不仅损害生活质量,还与健康服务使用增加20%–30%相关,并且其影响深远,甚至在诊断8年后仍很常见。为了实现对高危患者的早期识别和精准心理干预,临床预测模型的开发与应用显得至关重要。近期一篇系统评价对此领域的研究现状进行了一次全面的梳理。
癌症复发恐惧预测模型的现状与挑战
这项系统评价检索了截至2025年8月1日的九大中英文数据库,最终纳入了7项研究,共计18个预测模型。这些研究大多发表于2022年至2025年间,涵盖乳腺癌、甲状腺癌、非小细胞肺癌和胃肠道肿瘤等不同癌种的患者。分析显示,这些模型的样本量在200到918之间,在模型开发队列中报告的区分度(常用指标为AUC或C-index)范围从0.660到0.996不等。所有研究在适用性上都被评为良好,意味着模型的研究问题、预测因子和结局定义与综述目标高度相关。
然而,一个不容乐观的发现是,所有被纳入的研究都表现出较高的偏倚风险。这主要源于几个方法论上的短板:数据来源代表性不足(多为单中心横断面研究)、预测因子的处理和缺失数据处理不完善,以及模型验证非常有限——所有研究仅进行了内部验证,缺乏独立的外部验证。这就像根据一个班级学生的成绩设计了一套“学霸预测公式”,但从未在其他学校的学生身上测试过,其普适性自然存疑。
核心预测因子:生物心理社会的多维图谱
尽管模型构建方法各异,但这些研究揭示出FCR预测因子具有明显的聚集性。最常见的五个预测因子是:年龄、社会支持、家庭/人均月收入、职业或就业状况以及疲劳。这清晰地勾勒出FCR是一个受生物、心理和社会因素共同影响的复杂构念。除了这些,其他频繁出现的预测因子还包括抑郁/焦虑、疼痛、社会约束、认知情绪调节策略、元认知等心理社会指标。例如,一项针对乳腺癌术后患者的研究构建的列线图模型,最终纳入的预测因子就包括疲劳、社会约束、适应不良的认知情绪调节策略、元认知和年龄。
建模方法:从传统统计到机器学习
在建模技术上,逻辑回归(Logistic Regression, LR)仍是主流方法,因其模型简单、解释性强,常与列线图(Nomogram)结合,方便临床使用。同时,机器学习方法也已得到应用。例如,有研究比较了逻辑回归、人工神经网络(Artificial Neural Network, ANN)和随机森林(Random Forest, RF)在预测乳腺癌患者FCR上的表现,发现随机森林模型的AUC最高(0.892),灵敏度和特异性也表现更佳。另一项研究则尝试了反向传播神经网络(Back Propagation Neural Network, BPNN),发现其在训练集和独立验证集上的表现均优于逻辑回归。还有研究利用全国性健康保险数据,测试了随机森林、支持向量机(Support Vector Machine, SVM)、梯度提升(Gradient Boosting, GB)、极限梯度提升(eXtreme Gradient Boosting, XGBoost)和多层感知器(Multilayer Perceptron, MLP)等多种机器学习算法。
性能与局限:高区分度下的隐忧
从报告的性能看,部分模型展现出极高的区分能力。例如,一项研究开发的模型C-index高达0.996,另一些模型的AUC也达到了0.937甚至0.976。如此高的数值在样本量有限(如200-500)的情况下,可能暗示着模型过度拟合了当前数据的特征,而在新数据上表现可能会大打折扣。少数研究报告了校准度评估,使用了Hosmer-Lemeshow检验或校准曲线,这是评估预测概率与实际发生概率一致性的重要指标,但多数研究未提供此类信息。
此外,研究的异质性也限制了模型的直接比较。例如,对“高FCR”这一结局的定义,虽然最常用的工具是癌症复发恐惧量表简版(Fear of Cancer Recurrence Inventory–Short Form, FCRI-SF)和恐惧进展问卷简版(Fear of Progression Questionnaire–Short Form, FoP-Q-SF),但其截断值并不统一(如FoP-Q-SF ≥ 34 或 ≥ 13),这直接影响了结果的解读和跨研究对比。
地域集中性与未来方向
值得注意的是,纳入的7项研究中有6项在中国进行,1项在法国。这种地域上的集中性限制了模型在不同医疗体系和文化背景下的可移植性。因为对FCR的认知、社会支持结构和求助行为都存在文化差异,预测因子及其权重可能需要重新校准。
基于现有不足,该综述为未来研究指明了方向。首先,必须加强外部验证,开展前瞻性、多中心、大样本的研究,这是评估模型真实泛化能力的基石。其次,在研究方法学上,应严格遵循《个体预后或诊断的多变量预测模型透明报告》(Transparent Reporting of a multivariable prediction model for Individual Prognosis Or Diagnosis, TRIPOD)指南进行设计、实施和报告,提高研究的透明度和可重复性。最后,在预测因子的探索上,可以在现有心理社会量表基础上,尝试整合可穿戴设备数据、电子病历等多模态信息,同时推动FCR评估工具的标准化和截断值的统一。
结论
总而言之,当前用于预测成年癌症患者FCR风险的模型研究仍处于早期阶段。尽管一些模型在初步验证中显示出良好的区分潜力,并识别出一系列稳定的生物心理社会预测因子,但普遍存在的高偏倚风险、严重依赖内部验证以及缺乏独立外部验证等关键方法学缺陷,严重制约了这些模型在当前临床实践中的直接应用和推广。未来的研究需要在更严谨的方法学框架下,通过跨中心、跨文化的外部验证来证实模型的稳健性与实用性,最终才能让这些预测工具真正服务于癌症患者的心理康复,实现从被动应对到主动预防的关怀模式转变。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号