【AJH】淋巴瘤的VTE风险预测模型

淋巴瘤VTE风险模型

与一般人群相比，接受全身治疗的癌症患者发生静脉血栓栓塞(VTE)，特别是肺栓塞(PE)和下肢深静脉血栓形成(LE-DVT)的风险较高。多个研究证实实体瘤与淋巴瘤的VTE风险因素有所差异，因此泛癌预测模型在淋巴瘤的价值有限，目前尚无可靠的淋巴瘤患者血栓形成风险预测模型。

美国多家中心的学者开展一项研究，旨在推导并验证一种专门针对淋巴瘤患者的、简化的VTE风险评估模型(RAM)，基于临床和实验室指标来识别有血栓栓塞事件风险的患者（网址https://dynamicapp.shinyapps.io/Lymph-CAT/）。研究结果近日发表于《American Journal of Hematology》。

研究结果

基线患者特征

该研究为回顾性队列研究，分别在退伍军人事务国家医疗保健系统(VA)的成年淋巴瘤患者中建立VTE和肺栓塞(PE)/下肢深静脉血栓形成(LE-DVT)的Fine和Gray亚分布风险模型。外部验证则在哈里斯卫生系统(HHS)和MD安德森癌症中心(MDACC)进行。

训练和验证队列中共有10313例(VA)、854例(HHS)和1858例(MDACC)患者，具有独特的人口统计学、疾病特征、治疗模式和共病(表1)。

连续静脉血栓栓塞评估的中位随访时间，VA组为21.2个月，HHS组为11.5个月，MDACC组为8.2个月。治疗后6个月，VTE在VA组的发生率为5.8%，HHS组为8.2%，MDACC组为8.8%；PE/LE-DVT的相应数据分别为3.9%、4.5%和3.7%。总生存评估的中位随访时间为VA组26.8个月，HHS组27.8个月，MDACC组10.9个月。治疗后6个月，无静脉血栓栓塞死亡的患者分别为VA组1157例(11.2%)、HHS组47例(5.5%)和MDACC组74例(4.0%)。

建立模型

在30个候选预测因子中，有7个非淋巴瘤组织学协变量在VA衍生队列中符合LASSO变量选择阈值(表2)。淋巴瘤组织学亚型与VTE风险之间存在很强的相关性，在最后的多因素竞争风险模型中，惰性淋巴瘤组织学亚型（包括SLL/CLL、MZL、LPL和NLPHL)与VTE的最低风险相关，临床异质性的组织学亚型（FL、MCL及其他多种罕见组织学类型，如B细胞前淋巴细胞白血病、毛细胞白血病、皮肤T细胞淋巴瘤)为中危组(SHR=1.18)，而侵袭性淋巴瘤（如DLBCL、CHL、系统性T细胞淋巴瘤、前体非霍奇金淋巴瘤和伯基特淋巴瘤/白血病）为高危组(SHR=1.58)，原发性中枢神经系统淋巴瘤（PCNSL）也为高危组(SHR=2.81)。其他重要的危险因素包括治疗前BMI≥35 (SHR=1.29)、细胞毒性化疗vs靶向单药治疗(如CD20单克隆抗体)(SHR=1.40)、近期住院>3天(SHR=1.24)、静脉血栓栓塞史(SHR=2.63)、瘫痪或活动受限史(SHR=2.63)；而开始全身治疗的时间是保护因素(SHR=0.96)。此外，在评估PE/LE-DVT结果而非整体VTE时，这些协变量仍保持可比较的幅度和显著性水平(表2)。包含这七个协变量的最终Fine和Gray竞争风险模型的衍生c统计量，对于整体VTE和PE/LEDVT均为0.68。

该模型的在线计算器见于https://dynamicapp.shinyapps.io/Lymph-CAT/。

协变量分布及模型验证

由于训练和验证队列的医疗系统存在固有差异，三个队列的结局和协变量分布有所不同。

将模型在两个外部队列中进行测试。在HHS队列中，整体VTE的c统计值为0.69，PE/LE-DVT的c统计值为0.72。在MDACC队列中，整体VTE的c-统计值为0.72，PE/LE-DVT的c-统计值为0.69。

分层分析和与其他模型的比较

为确定风险组的分配，在6个月的预测概率中将VTE预先阈值设为7%，用于对高危和低危组进行分层，累积发病率在风险组之间有显著区别(图1)。

在VA训练队列中，27.7%的患者为高危，6个月时VTE为10.1%，72.3%的患者为低危，6个月时VTE为4.2%(表3)。在HHS验证队列中，56.7%的患者为高危，6个月时VTE为11.7%，43.3%的患者为低危，6个月时VTE为3.6%。在MDACC验证队列中，31.5%的患者为高危，6个月时VTE为16.8%，而68.5%的患者为低危，6个月时VTE为5.1%。

此外与既往模型相比，该模型对淋巴瘤患者的区分和风险分层有所改善。

总结

该研究在不同基线的训练和验证队列中，分别纳入10313例(VA)、854例(HHS)和1858例(MDACC)患者，6个月时VTE发生率分别为5.8%、8.2%和8.8%；PE/LE-DVT相应的估计值分别为3.9%、4.5%和3.7%。最终风险评估模型纳入的变量包括淋巴瘤组织学、体重指数、治疗类型、近期住院>3天、静脉血栓栓塞史、瘫痪/活动受限史以及开始治疗的时间。RAM的c统计量在训练队列中为0.68，在两个外部验证队列中为0.69和0.72。模型在每个队列的风险分层上均实现明确区分。

总的来说，作者推导并外部验证了一种新的风险评估模型，用于评估开始全身治疗的淋巴瘤患者的静脉血栓栓塞风险，该模型仅包含无需专门生物标志物检测即可评估的临床预测因子，且优于其他现有的泛癌和淋巴瘤特异性RAM。该增强的淋巴瘤相关血栓形成模型可以更好地指导广泛的淋巴瘤患者群体进行个体化血栓预防。

参考文献

Ma S, La J, Swinnerton KN, et al.Thrombosis risk prediction in lymphoma patients: A multi-institutional, retrospective model development and validation study. Am J Hematol. 2024;1‐10. doi:10.1002/ajh.27335