临床新视角 陈瑞敏 教授
女孩中枢性性早熟诊断预测模型的建立和验证
陈瑞敏 教授
506
0
专家介绍:


陈瑞敏 教授

二级主任,教授,博士生导师,国务院特贴专家,福建医科大学附属福州儿童医院

  • 中华医学会儿科学分会内分泌遗传代谢学组委员
  • 中国医师协会青春期医学与健康专业委员会常务委员
  • 福建省医学会儿科学分会副主任委员及内分泌遗传代谢学组组长
  • 福建省医师协会儿科分会副会长
  • 福建省优生优育与妇幼保健协会儿童专业委员会副主任委员
  • 福建省医学会内分泌学分会常务委员及性腺学组组长

以下内容仅限医疗卫生专业人士学术交流使用

如为非医疗卫生专业人士请主动退出浏览与阅读,否则由此产生的相关风险与后果应自行承担

 

中枢性性早熟(CPP)是由于下丘脑-垂体-性腺轴功能提前启动而导致女孩 8 岁前、男孩 9 岁前出现第二性征的一种常见儿科内分泌疾病。目前 CPP 的发病率为 1/5000-1/10000,其中女孩发病率是男孩的 5-10 倍。CPP 可导致骨骼成熟速度加快,骨龄(BA)提前,骨骺提前闭合,影响患儿终身高。CPP 也可导致儿童心理问题或社会行为异常1。如何早期识别出 CPP 并及时干预,是我们临床亟待解决的问题。

 

2021 年最新发表在《中国循证儿科杂志》的文章「女孩中枢性性早熟诊断预测模型的建立和验证」,为 CPP 的早期诊断提供了新的视角,对临床诊疗工作有重要的指导意义。我们有幸邀请到本文通讯作者、福建医科大学附属福州儿童医院陈瑞敏教授,就 CPP 患儿诊断的话题接受了采访。

 

 

DXY: 尊敬的陈瑞敏教授,您在儿科内分泌诊疗方面一直走在学术的前沿,有关儿童性早熟的诊断方面的新进展、新手段备受关注,请您谈一谈有关 CPP 诊断的现状是怎样的?

 

陈瑞敏教授:我们可以看到,全球 CPP 的发病率均呈现逐年增长趋势,那么,做好 CPP 的早期诊断就显得尤为重要,这关乎到儿童生长发育的整个过程。在临床中,GnRH 激发试验是目前诊断 CPP 的金标准2,需要在 2 小时内多次采血,操作比较繁琐,且可能会引起不良反应。所以,临床医生一直在寻找一种不依赖于 GnRH 激发试验即可诊断 CPP 的方法。

 

目前已有许多学者就此进行了研究,其中大多数集中于探讨激素等实验室指标, 如 LH 的基础值,或者子宫大小、卵巢大小、垂体体积等影像学指标,但由于敏感性和特异性的差异,这些诊断方法仍未达理想结果。近年来,陆续报道了一些 CPP 诊断预测模型,包括经直肠盆腔超声为基础构建特发性 CPP 诊断预测模型、以盆腔彩超为基础构建快进展型 CPP 诊断模型,然而遗憾的是,这些方法在操作和诊断效能方面尚不够满意。一些以机器学习算法构建 CPP 诊断预测模型的方法,虽然诊断效能有所提升,但预测因子较多,使临床应用又存在困难。面对 CPP 的诊断现状,亟待开发、研究新的诊断方法,尽可能纳入较少检测项目,从而准确诊断 CPP。新近我们课题组一项基于 Lasso 回归,应用 Logistic 回归方法开发的女孩 CPP 多因素预测模型及评价诊断效能的最新研究刊登在《中国循证儿科杂志》,引发关注。

 

DXY: 非常感谢您对 CPP 诊断总体情况的介绍,可见临床中对一些新型、更具诊断价值的 CPP 预测手段存在迫切的需求。结合您的诊疗经验,您如何评价这项最新的 CPP 诊断相关的研究成果?

 

陈瑞敏教授: 是的,这项研究探讨了 CPP 女孩相关诊断预测模型的建立和验证,在研究中收集已完成 GnRH 激发试验的 CPP 女孩的临床资料和实验室检查数据,纳入 2014 年 1 月至 2020 年 4 月在福建医科大学附属福州儿童医院就诊,出现乳房发育的年龄 ≥ 4 岁且 < 8 岁有门诊病历留档的性早熟女孩,通过文献复习和咨询内分泌专业临床专家意见,初步筛选出相互独立的预测因子,应用 Lasso 回归分析确定最终预测因子,重新拟合 Logistic 模型,分析其诊断效能并进行内部验证。

 

研究结果显示,1,107 例性早熟女孩进入分析,其中 CPP 女孩有 537 例,最终纳入 5 个预测因子,即病程、乳房 Tanner 分期、LH 基础值、骨龄(BA)和子宫大小;建立了女孩 CPP 的预测模型,绘制出该模型的受试者工作特征(ROC)曲线,AUC(ROC 曲线下与坐标轴围成的面积)为 0.858。我们知道,通常 AUC 大于 0.75 说明模型具备较好的预测能力。通过计算 ROC 曲线的最大约登指数,得到预测模型的最佳诊断截点。那么,研究结果提示,当预测截点为 0.476 时,约登指数最大,敏感度为 72.6%,特异度为 86.7%;为提高临床实用价值,预测截点调整为 0.75 时,特异度为 95.1%,敏感度为 50.5%,可用于临床诊断;预测截点为 0.25 时,敏感度为 90.9%,特异度为 51.9%,可指导 CPP 的临床筛查。由此可以得出结论,女孩 CPP 诊断预测模型的诊断效能较为满意,不同的诊断截点可用于 CPP 临床的诊断或筛查。

 

 

DXY: 我们注意到,该项研究是首次基于 Lasso 回归并应用 Logistic 回归方法,在较大样本中建立了女孩 CPP 的诊断预测模型。相较于以往的检测诊断方法,您认为它在敏感度和特异性方面,还有哪些优势呢?

 

陈瑞敏教授: 是的,近年来有以机器学习算法构建的 CPP 诊断预测的 XGBoost 模型和 random forest 模型,主要纳入了年龄、LH 基础值、FSH 基础值、胰岛素样生长因子-1(IGF-1)、生长激素(GH)等 19 个预测因子,其 AUC为0.88-0.90,敏感度为77.91%-77.94%,特异度为 84.32%-87.66%。虽然较多的预测因子为模型预测能力提供了保障,具备较高的预测敏感度与特异度,但同时也为临床工作带来了不便,不利于临床应用和验证。有研究显示,传统的快进展型 CPP 多因素 Logistic 诊断模型的敏感度为 58%,特异度为 85%,AUC 为 0.71,诊断效能也不甚理想。

 

本研究建立的模型中,LH 基础值和子宫大小对模型的影响最大。LH 基础值的预测作用已得到广泛验证,而子宫大小常作为 CPP 诊断的辅助指标。本模型的 AUC 为 0.858,通过本研究开发的网页计算器可得到预测概率,0.476 为预测截点时,约登指数最大,模型敏感度为 72.6%,特异度为 86.7%。本模型应用不同的预测节点指导 CPP 的筛查或诊断。相比于既往单个基础值的诊断预测,本模型具备了更好的预测能力和更广的预测范围。

 

本研究中的模型稳定性较好,模型最大程度减少了患儿采血的次数与时间,仅需获得必要的 LH 基础值,其余预测因子均采取无创的检测方式获得,在临床应用中简便易行,这一优势值得临床推广。

 

 

声明

本资讯是由益普生医学团队编辑/医疗卫生专业人士撰写提供,旨在用于医疗卫生专业人士间的学术交流,不支持以任何形式转发给非医疗卫生专业人士;如有违反,责任自负;转发给其他医疗卫生专业人士时,也请自觉保护知识产权。

本资讯的内容不能以任何方式取代专业的医疗指导,也不应该被视为诊疗建议。内容中出现任何药品并非为广告推广目的,医疗卫生专业人士如进行处方,请严格遵照该药品在中国批准使用的说明书。益普生不承担任何相关责任。

DIP-CN-006201,有效期至:20221118

 

参考文献: [1]吴文涌, 陈瑞敏, 袁欣. 女孩中枢性性早熟诊断预测模型的建立和验证[J]. 中国循证儿科杂志, 2021, 第16卷(2):109-113.

[2]中华医学会儿科学分会内分泌遗传代谢学组,《中华儿科杂志》编辑委员会.中枢性性早熟诊断与治疗共识(2015)[J].中华儿科杂志,2015,53(6):412-418