基于多变量模型的尼日利亚口腔癌筛查候选者识别系统的开发与验证

《Communications Medicine》：Development and validation of a multivariable model to identify candidates for oral cancer screening in Nigeria

　　本研究针对尼日利亚人群开发并验证了一种多变量风险预测模型，通过整合吸烟、饮酒、饮食模式等8个关键风险因素，显著提高了口腔癌及癌前病变筛查的识别效率（AUC=0.74），为资源有限地区的精准筛查提供了新策略。

　　

口腔癌作为最常见的头颈部恶性肿瘤，全球每年新增病例约39万例，死亡病例达19万例，其五年生存率数十年来始终徘徊在50%左右。这种严峻形势主要源于患者就诊时多已处于晚期阶段。尽管通过视觉口腔检查（VOE）进行早期筛查被证实能有效发现癌前病变和局限性恶性肿瘤，从而助力疾病预防并改善患者预后，但由于口腔癌在普通人群中患病率较低，大规模筛查通常不被推荐。当前筛查项目往往仅依据某一地区最普遍的风险因素（如吸烟、饮酒）进行风险分层，这种单维度的评估方法可能导致那些不具备主流风险习惯或具有少数族群特有风险因素的高危个体被遗漏。

为了解决这一瓶颈问题，约翰·阿德奥耶（John Adeoye）及其合作团队在《Communications Medicine》上发表了最新研究，旨在开发一个适用于尼日利亚人群的多变量风险预测模型，以更精准地识别需要接受口腔癌筛查的候选者。研究人员在2023年4月至2024年2月期间，于尼日利亚八个州/地区的多个中心开展了一项大规模横断面研究，共对4049名30岁及以上参与者进行了系统的社区口腔癌筛查。所有参与者均接受了由44名经过校准的牙医执行的视觉口腔检查（VOE），以判定是否存在口腔癌及癌前病变。同时，通过访谈形式收集了包括烟草使用（吸烟、咀嚼、鼻烟）、饮酒、二手烟暴露、饮食史（水果、蔬菜、红肉/加工肉摄入频率、辛辣食物消费水平）、合并症等在内的30项风险因素信息。

研究的关键技术方法主要包括：1）多中心横断面研究设计与大规模社区筛查队列（n=4049）的建立；2）标准化视觉口腔检查（VOE）流程与人员校准；3）基于访谈的标准化风险因素问卷采集；4）多变量逻辑回归分析识别显著风险因素；5）采用留一站点出（leave-one-site-out）交叉验证策略的逻辑回归（LR）预测模型构建与性能评估（包括AUC、Youden's指数、Brier分数、决策曲线分析等）；6）利用SHAP（Shapley Additive Explanations）进行模型可解释性分析。

研究结果

描述性特征与风险因素分析

筛查共发现127例（3.1%）口腔癌及癌前病变阳性病例，3922例（96.9%）为阴性。单因素分析显示，性别、吸烟（包括吸烟包年数）、使用鼻烟、二手烟暴露、饮酒、可乐果咀嚼、水果/蔬菜/红肉摄入频率、辛辣度评分、含酒精漱口水使用以及查尔森合并症指数（Charlson Comorbidity Index）在筛查阳性与阴性组间存在显著差异。

多变量分析

多变量逻辑回归分析最终确定了八个与筛查阳性状态显著相关的独立因素：

• •
  烟草吸烟：吸烟者（包括既往和当前）阳性风险是非吸烟者的2.01倍（OR: 2.01, 95% CI: 1.23-3.29）。
• •
  烟草鼻烟使用：使用者阳性风险是非使用者的2.46倍（OR: 2.46, 95% CI: 1.25-4.84）。
• •
  饮酒：饮酒者阳性风险是非饮酒者的1.98倍（OR: 1.98, 95% CI: 1.31-3.00）。
• •
  水果消费：与不消费者相比，每日、隔日、偶尔消费水果均显著降低阳性风险（OR范围: 0.24-0.38）。
• •
  蔬菜消费：每日和偶尔消费蔬菜是保护因素（OR分别为0.28和0.32）。
• •
  红肉/加工肉消费：每周消费者阳性风险是不消费者的2.37倍（OR: 2.37, 95% CI: 1.02-5.52）。
• •
  辛辣食物消费水平：辛辣度评分每增加1单位，阳性风险降低12%（OR: 0.88, 95% CI: 0.82-0.94）。
• •
  查尔森合并症指数：指数每增加1单位，阳性风险增加85%（OR: 1.85, 95% CI: 1.38-2.49）。

预测模型性能、净收益与可解释性

基于上述八个因素构建的逻辑回归预测模型，在外部测试集上表现出良好的判别能力，AUC为0.74（95% CI: 0.72-0.76）。在设定与现行常规方法（基于吸烟、饮酒、槟榔咀嚼筛选）相同的特异性（54.5%）时，该模型的敏感性（72.5%）和Youden's指数（0.27）均高于常规方法（敏感性70%，Youden's指数0.25）。模型经过Platt缩放后校准良好（Brier分数从0.20降至0.03）。决策曲线分析表明，在广泛的阈值概率范围内，该模型比常规方法以及“筛查所有人”的策略具有更高的净收益。SHAP分析显示，辛辣食物消费、饮酒和烟草吸烟是贡献度最高的三个预测因子。亚组分析提示模型在男性、吸烟者、鼻烟使用者和饮酒者中预测性能更优。

结论与讨论

本研究首次在尼日利亚多地理区域的大型筛查队列中，全面剖析了口腔癌及癌前病变的风险因素谱，并成功开发了一个多变量风险预测模型。该模型整合了烟草吸烟、鼻烟使用、饮酒、水果蔬菜摄入不足、每周红肉消费、低辛辣饮食以及高合并症负担这八个关键指标，在识别口腔癌筛查候选者方面，其判别能力和临床净收益均优于当前基于单一或少数几个最常见风险因素的常规方法。该模型的优势在于其灵活性，允许根据资源情况调整筛查人数阈值，这对于医疗资源有限的发展中国家具有重要的实践意义。研究结果支持将该模型应用于尼日利亚乃至类似人群的有针对性的口腔癌筛查，有望优化筛查效率，节约成本，并最终改善口腔癌的早期发现和预防。未来的研究方向包括纳入遗传易感性信息以进一步提升模型性能，进行模型更新验证，以及开展成本效益分析。