乳腺癌相關(guān)淋巴水腫風(fēng)險(xiǎn)預(yù)測(cè)模型的系統(tǒng)評(píng)價(jià)

A systematic review of risk prediction models for breast cancer related lymphedema

LU Ningning HU Fangqi HUANG Kun WU Yuqing SHI Yanyan CHENG Fang

1.Kangda College of Nanjing Medical University，Jiangsu 222000 China；2.The First People's Hospital of Lianyungang；3.School of Nursing，Nanjing Medical University；4.Jiangsu Cancer Hospital/Jiangsu Institute of Cancer Research/The Affiliated Cancer Hospital of Nanjing Medical University

Corresponding Author "CHENG Fang，E-mail：chfnancy@163.com

Abstract Objective：To systematically search and evaluate the performance of risk prediction models for breast cancer related lymphedema.Methods：The relevant studies on risk prediction models of breast cancer related lymphedema in CNKI，WanFang Database，CBM，VIP，PubMed，Web of Science and the Cochrane Library were searched by computer，and the languages were limited to Chinese and English.The retrieval time was from the inception to October 2023.Two researchers independently screened literature and extracted data and analyzed the bias risk and applicability of the included literature.Results：A total of 25 articles were included，including 25 prediction models，with a statistical sample size ranging from 303 to 5 549 cases，and the number of outcome events ranging from 62 to 639 cases.The AUC included models ranged from 0.680 to 0.952.The most common predictors were BMI，axillary lymph node dissection level，radiotherapy，chemotherapy，postoperative complications，etc.All included studies had good applicability，but all had a high risk of bias，which mainly came from failure to select appropriate data sources，unreasonable variable screening，failure to report or use blind methods，and incomplete evaluation of model performance.Conclusion：Current evidence indicates that the research on breast cancer related lymphedema risk prediction model is still in the development stage，showing good differentiation and applicability overall，but the quality of the model needs to be improved，and future prospective cohort studies should be conducted and develop a prediction model applicable to a wider population.

Keywords "breast cancer; lymphedema; prediction model; systematic review; evidence-based nursing

摘要""目的：系統(tǒng)檢索和評(píng)價(jià)乳腺癌相關(guān)淋巴水腫風(fēng)險(xiǎn)預(yù)測(cè)模型的性能。方法：計(jì)算機(jī)檢索中國(guó)知網(wǎng)、萬方數(shù)據(jù)庫、中國(guó)生物醫(yī)學(xué)文獻(xiàn)數(shù)據(jù)庫、維普數(shù)據(jù)庫、PubMed、Web of Science、the Cochrane Library中乳腺癌相關(guān)淋巴水腫風(fēng)險(xiǎn)預(yù)測(cè)模型的相關(guān)研究，語種限定為中文和英文，檢索時(shí)限為建庫至2023年10月。由2名研究者獨(dú)立篩選文獻(xiàn)與提取資料并評(píng)價(jià)納入研究的偏倚風(fēng)險(xiǎn)和適用性。結(jié)果：共納入25項(xiàng)研究，涉及預(yù)測(cè)模型25個(gè)，樣本量為303～5 549例，結(jié)果事件數(shù)為62～639例，納入模型的受試者工作特征曲線下面積（AUC）為0.680～0.952，最常見的預(yù)測(cè)因子為體質(zhì)指數(shù)（BMI）、腋窩淋巴結(jié)清掃水平、放療、化療、術(shù)后并發(fā)癥等。納入研究的適用性均較好，但偏倚風(fēng)險(xiǎn)均偏高，偏倚主要來自未選擇合適的數(shù)據(jù)來源、變量篩選不合理、未報(bào)告或未使用盲法、模型性能評(píng)估不完整等。結(jié)論：現(xiàn)有證據(jù)表明，乳腺癌相關(guān)淋巴水腫風(fēng)險(xiǎn)預(yù)測(cè)模型的研究尚處于發(fā)展階段，整體呈現(xiàn)良好的區(qū)分度及適用性，但模型質(zhì)量有待提高，未來需開展前瞻性隊(duì)列研究，開發(fā)適用更廣泛人群的預(yù)測(cè)模型。

關(guān)鍵詞""乳腺癌；淋巴水腫；預(yù)測(cè)模型；系統(tǒng)評(píng)價(jià)；循證護(hù)理

doi：10.12102/j.issn.2095-8668.2025.07.004

2020年全球癌癥數(shù)據(jù)報(bào)道，乳腺癌新增人數(shù)達(dá)226萬人，成為全球第一大癌^［1］。隨著診療技術(shù)的提高，病人5年生存率為87.3%^［2］，乳腺癌病人這一龐大人群的生活質(zhì)量一直受到社會(huì)的關(guān)注。研究顯示，乳腺癌病人生活質(zhì)量下降的主要原因是術(shù)后并發(fā)癥的發(fā)生，其中最嚴(yán)重的并發(fā)癥為乳腺癌相關(guān)淋巴水腫（breast cancer?related lymphedema，BCRL），發(fā)生率為20%～75%，大多數(shù)在乳腺癌治療后2年內(nèi)發(fā)生，但也可能在較晚的時(shí)間發(fā)生^［3?4］。BCRL會(huì)引起患側(cè)肢體腫脹、疼痛、沉重和麻木等，嚴(yán)重影響病人的生活質(zhì)量，不僅增加家庭經(jīng)濟(jì)負(fù)擔(dān)，還給病人帶來巨大的心理痛苦^［5?6］。BCRL風(fēng)險(xiǎn)預(yù)測(cè)模型可以通過對(duì)乳腺癌病人淋巴水腫發(fā)生風(fēng)險(xiǎn)進(jìn)行預(yù)測(cè)，可為醫(yī)護(hù)人員評(píng)估和篩查BCRL高風(fēng)險(xiǎn)人群并提供針對(duì)性的預(yù)防措施，從而降低BCRL發(fā)生。近年來，國(guó)內(nèi)外學(xué)者開發(fā)或驗(yàn)證了多個(gè)BCRL風(fēng)險(xiǎn)預(yù)測(cè)模型^［7］，但是現(xiàn)有文獻(xiàn)對(duì)其質(zhì)量和臨床適用性評(píng)價(jià)不全^［8?9］，或僅納入了前瞻性研究進(jìn)行分析^［10］。本研究擬對(duì)BCRL風(fēng)險(xiǎn)預(yù)測(cè)模型進(jìn)行系統(tǒng)檢索，全面評(píng)價(jià)其風(fēng)險(xiǎn)偏倚和適用性。

1 資料與方法

1.1 文獻(xiàn)檢索策略

計(jì)算機(jī)檢索中國(guó)知網(wǎng)、萬方數(shù)據(jù)庫、中國(guó)生物醫(yī)學(xué)文獻(xiàn)數(shù)據(jù)庫、維普數(shù)據(jù)庫、PubMed、Web of Science、the Cochrane Library中BCRL風(fēng)險(xiǎn)預(yù)測(cè)模型相關(guān)的研究。檢索時(shí)限為建庫至2023年10月。采用主題詞與自由詞組合的方式進(jìn)行檢索，中文檢索詞包括乳腺癌、乳腺腫瘤、淋巴水腫、乳腺癌淋巴水腫、乳腺癌相關(guān)淋巴水腫、乳腺癌相關(guān)上肢淋巴水腫、乳房切除術(shù)后淋巴水腫、乳腺癌治療相關(guān)淋巴水腫、預(yù)測(cè)模型、預(yù)測(cè)、預(yù)警、模型、危險(xiǎn)因素、預(yù)測(cè)因子、風(fēng)險(xiǎn)評(píng)估、風(fēng)險(xiǎn)評(píng)分等；英文檢索詞包括breast cancer、breast neoplasms、breast tumor、breast cancer lymphedema、breast cancer treatment related lymphedema、risk*、factor*、predict*、validat*、identif*、model、risk factors等。同時(shí)，追蹤納入研究的參考文獻(xiàn)作為補(bǔ)充。以PubMed為例，英文檢索策略如下。

#1 "breast neoplasms［MeSH］

#2 "breast cancer［Title/Abstract］"OR breast neoplasm*［Title/Abstract］"OR breast tumor*［Title/Abstract］"OR breast carcinoma*［Title/Abstract］"OR mammary cancer［Title/Abstract］"OR breast malignant neoplasm*［Title/Abstract］"OR malignant neoplasm of breast［Title/Abstract］"OR breast malignant tumor［Title/Abstract］"OR malignant tumor of breast［Title/Abstract］

#3 "#1 OR #2

#4 "risk［MeSH］"OR risk assessment［MeSH］

#5 "risk assessment［Title/Abstract］"OR risk［Title/Abstract］"OR predict*［Title/Abstract］"OR prognos*［Title/Abstract］"OR risk stratification［Title/Abstract］"OR risk factor*［Title/Abstract］

#6 "#4 OR #5

#7 "model*［Title/Abstract］"OR tool*［Title/Abstract］"OR score*［Title/Abstract］

#8 "#3 AND #6 AND #7

1.2 納入與排除標(biāo)準(zhǔn)

納入標(biāo)準(zhǔn)：1）預(yù)測(cè)模型的研究對(duì)象為年齡≥18歲且明確診斷為乳腺癌；2）研究?jī)?nèi)容為基于人群開展的BCRL風(fēng)險(xiǎn)預(yù)測(cè)模型構(gòu)建或驗(yàn)證研究；3）研究類型為隊(duì)列研究、病例對(duì)照研究或橫斷面研究；4）研究中詳細(xì)介紹建模的過程及采用的統(tǒng)計(jì)學(xué)方法。排除標(biāo)準(zhǔn)：1）非中、英文文獻(xiàn)；2）會(huì)議摘要、信件等非正式發(fā)表的文獻(xiàn)，或綜述、評(píng)述等研究；3）重復(fù)發(fā)表的文獻(xiàn)；4）無法獲取全文且摘要信息不全使得數(shù)據(jù)不完整而無法提取的文獻(xiàn)；5）只分析影響因素或危險(xiǎn)因素，未構(gòu)建風(fēng)險(xiǎn)預(yù)測(cè)模型的研究。

1.3 文獻(xiàn)篩選與數(shù)據(jù)提取

由2名研究人員獨(dú)立篩選文獻(xiàn)、提取資料并交叉核對(duì)。如遇分歧，雙方討論；難以抉擇時(shí)，納入第3名研究人員意見，直至達(dá)成一致。文獻(xiàn)篩選時(shí)，先通過閱讀題目和摘要，排除明顯不相符的文獻(xiàn)后，進(jìn)一步閱讀全文以確定是否納入。資料提取內(nèi)容根據(jù)預(yù)測(cè)模型研究系統(tǒng)評(píng)價(jià)的關(guān)鍵評(píng)價(jià)和數(shù)據(jù)提取清單（CHARMS）^［11］進(jìn)行制定，提取內(nèi)容包括作者、發(fā)表年份、國(guó)家、研究設(shè)計(jì)、研究對(duì)象、樣本量、數(shù)據(jù)來源、隨訪時(shí)間、模型構(gòu)建方法、模型性能、模型驗(yàn)證、預(yù)測(cè)因子和模型呈現(xiàn)方式等。

1.4 納入文獻(xiàn)的方法學(xué)質(zhì)量評(píng)價(jià)方法

由2名研究人員采用預(yù)測(cè)模型研究的偏倚風(fēng)險(xiǎn)評(píng)估工具（Prediction Model Risk of Bias Assessment Tool，PROBAST）^［12?13］，獨(dú)立評(píng)估納入研究的偏倚風(fēng)險(xiǎn)和適用性。

1.4.1 偏倚風(fēng)險(xiǎn)評(píng)估

根據(jù)PROBAST工具解讀的指導(dǎo)^［14］，偏倚風(fēng)險(xiǎn)評(píng)估涉及4個(gè)領(lǐng)域即研究對(duì)象、預(yù)測(cè)因素、結(jié)局和統(tǒng)計(jì)分析，共20個(gè)問題，每個(gè)問題可判斷為“是”“可能是”“可能不是”“不是”或“沒有信息”，依據(jù)問題的回答判斷每個(gè)領(lǐng)域的偏倚風(fēng)險(xiǎn)（“高風(fēng)險(xiǎn)”“低風(fēng)險(xiǎn)”或“不清楚”）。若4個(gè)領(lǐng)域偏倚風(fēng)險(xiǎn)都低風(fēng)險(xiǎn)，則該模型整體偏倚風(fēng)險(xiǎn)低；若有任意1個(gè)領(lǐng)域偏倚風(fēng)險(xiǎn)高，則該模型整體偏倚風(fēng)險(xiǎn)高；若有任意1個(gè)領(lǐng)域偏倚風(fēng)險(xiǎn)不清楚而其他領(lǐng)域偏倚風(fēng)險(xiǎn)低，則認(rèn)為該模型整體偏倚風(fēng)險(xiǎn)不清楚。

1.4.2 適用性評(píng)價(jià)

適用性評(píng)估包括研究對(duì)象、預(yù)測(cè)因子和結(jié)局3個(gè)領(lǐng)域，依據(jù)相應(yīng)的描述評(píng)定預(yù)測(cè)模型各領(lǐng)域及整體的適用性（“好”“差”或“不清楚”）。

2 結(jié)果

2.1 文獻(xiàn)檢索結(jié)果

初步檢索獲得相關(guān)文獻(xiàn)1 609篇，經(jīng)去重、逐級(jí)篩選后，最終納入文獻(xiàn)25篇^［15?39］。其中，英文文獻(xiàn)18篇^{［16，19?22，24?31，33?35，38?39］}，中文文獻(xiàn)7篇^{［15，17?18，23，32，36?37］}。文獻(xiàn)篩選流程及結(jié)果見圖1。

2.2 納入研究的基本特征

納入25項(xiàng)研究^［15?39］，其中，近5年有18項(xiàng)研究^［15?32］；15項(xiàng)研究^{［15?18，20，23?26，28，30，32，35?37］}為國(guó)內(nèi)研究，10項(xiàng)研究^{［19，21?22，27，29，31，33?34，38?39］}為國(guó)外研究；16項(xiàng)研究^{［15?18，20?23，27，29?30，32，34，36?38］}為回顧性研究，4項(xiàng)研究^{［24，31，35，39］}為前瞻性研究，5項(xiàng)研究^{［19，25?26，28，33］}為橫斷面研究。涉及25個(gè)風(fēng)險(xiǎn)預(yù)測(cè)模型，樣本量為303～5 549例，結(jié)果事件數(shù)為62～639例。模型建立方法方面，15項(xiàng)研究^{［16?18，21?24，26，28，30?32，35?37］}采用了Logistic回歸模型，4項(xiàng)研究^{［27，34，38?39］}采用了Cox回歸模型，5項(xiàng)研究^{［15，19?20，25，33］}采用了機(jī)器學(xué)習(xí)，1項(xiàng)研究^［29］采用了線性回歸模型。關(guān)于模型的最終呈現(xiàn)方式，10項(xiàng)研究^{［16?18，24，26?27，31?32，36，39］}以列線圖的方式展現(xiàn)結(jié)果，3項(xiàng)研究^{［21，23，29］}以風(fēng)險(xiǎn)方程公式的方式展現(xiàn)結(jié)果，3項(xiàng)研究^{［28，35，37］}形成了風(fēng)險(xiǎn)評(píng)分系統(tǒng)，2項(xiàng)研究^{［25，33］}形成了網(wǎng)絡(luò)計(jì)算器，1項(xiàng)研究^［34］形成了評(píng)分表，6項(xiàng)研究^{［15，19?20，22，30，38］}未呈現(xiàn)。納入研究的基本特征見表1。

2.3 模型性能及預(yù)測(cè)因子

納入模型的區(qū)分度主要通過AUC和C?index評(píng)估，采用H?L擬合優(yōu)度檢驗(yàn)和校準(zhǔn)圖進(jìn)行校準(zhǔn)度評(píng)估。納入模型的AUC為0.680～0.952，認(rèn)為模型的預(yù)測(cè)性能較好。在模型驗(yàn)證方面，13項(xiàng)研究進(jìn)行了內(nèi)部驗(yàn)證，5項(xiàng)研究進(jìn)行了外部驗(yàn)證，僅有1項(xiàng)研究^［26］在沒有進(jìn)行內(nèi)部驗(yàn)證的前提下進(jìn)行了外部驗(yàn)證。最終模型包含3～22個(gè)變量，僅1個(gè)模型^［25］納入了17個(gè)癥狀變量，最常見的預(yù)測(cè)因子為BMI、ALND水平、放療、化療、術(shù)后并發(fā)癥等。模型的性能及預(yù)測(cè)因子見表1。

2.4 "預(yù)測(cè)模型的方法學(xué)質(zhì)量評(píng)價(jià)（見表2）

2.4.1 研究對(duì)象領(lǐng)域

研究對(duì)象領(lǐng)域中，11項(xiàng)研究^{［16?17，23?25，27?29，34?35，39］}的偏倚風(fēng)險(xiǎn)低，14項(xiàng)研究^{［15，18?22，26，30?33，36?38］}被評(píng)為高風(fēng)險(xiǎn)。主要原因是：1）回顧性研究可能存在回憶偏倚；2）納入研究對(duì)象不具有代表性，如Liu等^［26］研究只納入術(shù)后6個(gè)月的乳腺癌病人；Gross等^［31］研究數(shù)據(jù)來源于一項(xiàng)大型隨機(jī)對(duì)照試驗(yàn)，研究中僅納入接受化療、激素治療或者兩者兼用的全身輔助治療的乳腺癌病人；Kim等^［21］研究只納入接受術(shù)后放療且隨訪時(shí)間≥1年的病人，這會(huì)導(dǎo)致研究對(duì)象的選擇偏倚，以至研究對(duì)象不能代表預(yù)測(cè)模型的目標(biāo)人群。

2.4.2 預(yù)測(cè)因子領(lǐng)域

預(yù)測(cè)因子領(lǐng)域中，14項(xiàng)研究^{［16?17，20?21，24?29，33?35，39］}的偏倚風(fēng)險(xiǎn)低，3項(xiàng)研究^{［19，22，31］}的偏倚風(fēng)險(xiǎn)高，8項(xiàng)研究^{［15，18，23，30，32，36?38］}的偏倚風(fēng)險(xiǎn)不清楚。如果對(duì)不同的研究對(duì)象采用不同的預(yù)測(cè)因子定義和評(píng)估方法，如多中心研究，可能會(huì)由于以上差異影響結(jié)果引起較高的偏倚風(fēng)險(xiǎn)^［14］，本研究中納入的研究不存在多中心數(shù)據(jù)來源，且大多說明了預(yù)測(cè)因子的相關(guān)定義。對(duì)問題“是否在不清楚結(jié)果數(shù)據(jù)的情況下評(píng)估預(yù)測(cè)因子”，橫斷面研究、前瞻性研究和回顧性研究中明確前瞻性的評(píng)估預(yù)測(cè)因子的被評(píng)為“是”，回顧性研究中未交代相關(guān)信息者則認(rèn)為不存在預(yù)測(cè)因子盲法，被評(píng)為“不清楚”。

2.4.3 結(jié)局領(lǐng)域

25項(xiàng)研究中，10項(xiàng)研究^{［17，20，23?25，28?29，32，35，39］}的偏倚風(fēng)險(xiǎn)低，10項(xiàng)研究^{［16，18?19，21?22，26?27，33?34，38］}的偏倚風(fēng)險(xiǎn)高，5項(xiàng)研究^{［15，30?31，36?37］}的偏倚風(fēng)險(xiǎn)不清楚。在結(jié)局測(cè)量方法方面，周徑測(cè)量法和體積測(cè)量法是一個(gè)相對(duì)客觀的結(jié)局測(cè)量方法，而病人自我報(bào)告或者問卷調(diào)查^{［26?27，33，38］}的隨訪方式可能存在主觀偏倚。大部分研究隨訪時(shí)間間隔和確定結(jié)果的時(shí)間沒有明確定義，因此，研究對(duì)選哪個(gè)的淋巴水腫的評(píng)估可能存在偏倚。而Yuan等^［24］研究的隨訪時(shí)間被認(rèn)為是合適，如術(shù)前基線、術(shù)后第1年每3個(gè)月隨訪1次，第2年、第3年每6個(gè)月測(cè)量1次，此后每年復(fù)查1次。

2.4.4 統(tǒng)計(jì)分析領(lǐng)域

所有的研究都存在高風(fēng)險(xiǎn)。偏倚風(fēng)險(xiǎn)主要來自該領(lǐng)域中以下幾個(gè)問題。1）對(duì)于模型建立研究，每個(gè)變量的事件數(shù)應(yīng)gt;20個(gè)，從而避免模型過度擬合，模型具有說服力^［12?13］。納入研究中，僅有7項(xiàng)研究^{［16，18，22，26?28，38］}的事件數(shù)達(dá)到要求，其余研究的樣本量未達(dá)到要求。2）關(guān)于缺失數(shù)據(jù)的研究對(duì)象的處理，大多數(shù)研究沒有報(bào)告隨訪數(shù)據(jù)的變化，5項(xiàng)研究為橫斷面研究，無缺失數(shù)據(jù)。3）有6項(xiàng)研究^{［19?20，22，31，33，39］}將可能的預(yù)測(cè)因子全部納入逐步回歸方程或機(jī)器學(xué)習(xí)模型進(jìn)行分析，有1項(xiàng)研究通過LASSO回歸分析^［25］來篩選預(yù)測(cè)因子，其余16項(xiàng)研究^{［16?18，21，23?24，26?30，32，34?38］}均通過單因素分析來篩選預(yù)測(cè)因子，這樣變量篩選過程中可能會(huì)導(dǎo)致遺漏有意義的自變量，從而導(dǎo)致偏倚。4）1項(xiàng)研究^［38］未報(bào)告模型的區(qū)分度，8項(xiàng)研究^{［17，19，21?22，29?30，33，38］}未報(bào)告校準(zhǔn)度，7項(xiàng)研究^{［18，23，28，32，34，36?37］}采用H?L、7項(xiàng)研究^{［20，25?27，31，35，39］}采用校準(zhǔn)圖描述校準(zhǔn)度，僅2項(xiàng)研究^{［16，24］}同時(shí)采用了H?L和校準(zhǔn)圖，更為準(zhǔn)確地描述了模型的預(yù)測(cè)能力。5）模型性能常因過度擬合或選用較好的閾值而出現(xiàn)樂觀偏差，因此，需通過交叉驗(yàn)證法或Bootstrap進(jìn)行內(nèi)部驗(yàn)證。本研究中，7項(xiàng)研究^{［20，22，24，27，31，35，39］}采用了正確的內(nèi)部驗(yàn)證法。其余的11項(xiàng)研究^{［17?19，26，30，32?34，36?38］}未進(jìn)行內(nèi)部驗(yàn)證，6項(xiàng)研究?jī)H采用了隨機(jī)拆分法^{［15?16，21，25，28?29］}，1項(xiàng)研究^［23］驗(yàn)證方法未明。在模型適用性方面，納入研究各領(lǐng)域的適用性與總體適用性均較好。

3 討論

3.1 我國(guó)BCRL預(yù)測(cè)模型處于發(fā)展階段

本研究系統(tǒng)檢索了BCRL風(fēng)險(xiǎn)預(yù)測(cè)模型的相關(guān)研究，經(jīng)過篩選最終納入了25項(xiàng)研究，近5年的預(yù)測(cè)模型文獻(xiàn)18篇，國(guó)內(nèi)發(fā)表文獻(xiàn)15篇，這表明我國(guó)BCRL風(fēng)險(xiǎn)預(yù)測(cè)模型處于快速發(fā)展階段，但尚沒有公認(rèn)統(tǒng)一使用的預(yù)測(cè)模型。

本研究中，25個(gè)模型的AUC為0.680～0.952，除1項(xiàng)研究^［22］的AUC為0.680外，其他模型的AUC均gt;0.7?，F(xiàn)有研究的預(yù)測(cè)性能良好，但總體偏倚風(fēng)險(xiǎn)高。其中，統(tǒng)計(jì)分析領(lǐng)域的偏倚風(fēng)險(xiǎn)最為明顯，主要存在以下問題：樣本量不足，候選變量的選擇方法局限于單變量分析，橫斷面或回顧性研究中未能考慮到盲法。分析其原因，PROBAST是2019年開發(fā)公布的，之前的研究可能參照較少，未來的模型開發(fā)研究應(yīng)參照PROBAST以減少偏倚風(fēng)險(xiǎn)。另外，在臨床實(shí)際應(yīng)用中，模型轉(zhuǎn)化為簡(jiǎn)化評(píng)分系統(tǒng)、列線圖或網(wǎng)頁計(jì)算器等易于臨床應(yīng)用的展示形式，以利于醫(yī)護(hù)人員為病人提供更加準(zhǔn)確的淋巴水腫評(píng)估及預(yù)防措施。

3.2 BCRL預(yù)測(cè)模型的預(yù)測(cè)因子和結(jié)局測(cè)量

BCRL的發(fā)生發(fā)展過程復(fù)雜，根據(jù)結(jié)果可將預(yù)測(cè)因子分類總結(jié)為：生理因素（年齡、BMI等）；疾病因素（腫瘤位置、病理淋巴結(jié)陽性數(shù)量、局部復(fù)發(fā)和轉(zhuǎn)移、早期淋巴水腫）；治療因素（手術(shù)方式、手術(shù)切口、ALND、術(shù)后并發(fā)癥、放療、化療等）；認(rèn)知行為因素（知識(shí)掌握程度、患肢功能鍛煉情況、淋巴水腫預(yù)防行為、身體活動(dòng)情況等）。本研究中出現(xiàn)頻次較高的預(yù)測(cè)因子依次為放療、BMI、ALND、化療及術(shù)后并發(fā)癥等。這些預(yù)測(cè)因子已被眾多研究證實(shí)是導(dǎo)致BCRL的重要危險(xiǎn)因素^［3］。有研究表明，腋窩淋巴結(jié)活檢（ALNB）可替代ALND用于評(píng)價(jià)系統(tǒng)性新輔助化療后病人殘余淋巴結(jié)狀態(tài)^［41］，臨床研究提出一種繪制腋窩區(qū)域淋巴引流的新技術(shù)?腋窩反向繪圖（ARM）可降低淋巴水腫的發(fā)生率^［42］。以上治療和疾病因素相對(duì)來說是客觀不可控因素，而病人的BMI和認(rèn)知行為因素，如病人體重管理、身體活動(dòng)水平、不提重物、避免劇烈運(yùn)動(dòng)等主觀可控因素越來越受到關(guān)注^{［26，28，32，36］}。Wang等^［43］研究顯示，術(shù)前肥胖是乳腺癌幸存者BCRL的獨(dú)立危險(xiǎn)因素，術(shù)前BMI≥25 kg/m²者術(shù)后6～18個(gè)月內(nèi)淋巴水腫發(fā)展的可能性較大。與BMI在正常范圍的人群比較，肥胖病人皮下脂肪組織層更多，機(jī)體儲(chǔ)存的淋巴液相應(yīng)增多，從而淋巴循環(huán)受阻加重，更容易導(dǎo)致BCRL的發(fā)生^［44］。因此，針對(duì)BMI高于正常范圍的乳腺癌病人，護(hù)理人員提供健康飲食和規(guī)律運(yùn)動(dòng)等專業(yè)體重管理干預(yù)對(duì)于降低淋巴水腫的風(fēng)險(xiǎn)非常重要。預(yù)測(cè)模型中現(xiàn)有的預(yù)測(cè)因子只能部分解釋BCRL，這在一定程度上限制了模型的預(yù)測(cè)性能，未來的研究建議可探索更多潛在的主觀可控因素，并將其整合到預(yù)測(cè)模型中。

在納入的研究中，超過50%的研究在結(jié)果領(lǐng)域被評(píng)為偏倚風(fēng)險(xiǎn)高或不清楚，主要是由于結(jié)果測(cè)量中未實(shí)施盲法或描述得不充分。而不同的研究對(duì)于BCRL結(jié)局定義和測(cè)量也存在異質(zhì)性，從而產(chǎn)生偏倚風(fēng)險(xiǎn)。淋巴水腫的診斷通常包括客觀測(cè)量和主觀評(píng)估。客觀測(cè)量包括周徑測(cè)量法和體積測(cè)量法，4項(xiàng)研究^{［16?17，20，35］}采用2 cm臂圍差診斷BCRL，有的研究以出現(xiàn)1 cm臂圍差為淋巴水腫前期，也有研究以體積變化200 mL以上為判斷標(biāo)準(zhǔn)；主觀評(píng)估主要是癥狀的自我報(bào)告^{［26?27，33，38］}，如病人的沉重感、麻木感或刺痛感，或通過特定的淋巴水腫問卷或癥狀列表^［33］。癥狀自我報(bào)告和手臂的周徑測(cè)量本身存在缺陷，具有一定的主觀性和易產(chǎn)生誤差，可能會(huì)導(dǎo)致診斷不準(zhǔn)確，甚至誤診延誤治療。但由于方便和可及性，用傳統(tǒng)卷尺進(jìn)行周徑測(cè)量仍然是臨床上最廣泛使用的淋巴水腫評(píng)估方法。一項(xiàng)隨機(jī)預(yù)防試驗(yàn)表明，與傳統(tǒng)卷尺測(cè)量手臂周徑和早期干預(yù)比較，采用生物阻抗光譜（BIS）進(jìn)行早期檢測(cè)并早期干預(yù)，可明顯降低慢性BCRL發(fā)生率^［45］。由此，未來的模型研究應(yīng)在準(zhǔn)確測(cè)量和診斷BCRL的基礎(chǔ)上進(jìn)行設(shè)計(jì)，以達(dá)到良好的預(yù)測(cè)效果。

3.3 展望

主觀與客觀相結(jié)合的評(píng)估方式可用于早期識(shí)別淋巴水腫。傳統(tǒng)卷尺測(cè)量手臂周徑雖為淋巴水腫診斷的主流方式，但由于淋巴水腫發(fā)生機(jī)制的復(fù)雜性和不可逆性，使得單一的評(píng)估難以全面地反映其發(fā)生與發(fā)展，所以可結(jié)合癥狀和預(yù)防行為自我報(bào)告。一個(gè)使用實(shí)時(shí)癥狀報(bào)告的訓(xùn)練有素的機(jī)器學(xué)習(xí)模型神經(jīng)網(wǎng)絡(luò)分類器可以提供高度準(zhǔn)確的淋巴水腫檢測(cè)。根據(jù)癥狀特征來檢測(cè)淋巴水腫是一個(gè)非常有前途的工具，可能改善淋巴水腫^［33］。隨時(shí)隨地在線監(jiān)測(cè)病人健康狀態(tài)，可以及時(shí)進(jìn)行醫(yī)療干預(yù)，減少診斷等候時(shí)間并降低醫(yī)療費(fèi)用，提高醫(yī)療資源的服務(wù)效率。

4 小結(jié)

本研究結(jié)果顯示，BCRL預(yù)測(cè)模型性能較好，但整體偏倚風(fēng)險(xiǎn)高，并且大部分模型未能進(jìn)行外部驗(yàn)證，這影響了其外推性。本研究存在一定的局限性，僅通過AUC值評(píng)估模型性能；由于納入模型間的異質(zhì)性，本研究未能開展Meta分析。未來的預(yù)測(cè)模型構(gòu)建應(yīng)遵守PROBAST進(jìn)行嚴(yán)謹(jǐn)?shù)难芯吭O(shè)計(jì)，以開發(fā)性能良好且臨床適用性高的預(yù)測(cè)模型。

參考文獻(xiàn)：

［1］ SUNG H，F(xiàn)ERLAY J，SIEGEL R L，et al.Global cancer statistics 2020：GLOBOCAN estimates of incidence and mortality worldwide for 36 cancers in 185 countries[J].CA，2021，71（3）：209-249.

［2］ ZENG H M，CHEN W Q，ZHENG R S，et al.Changing cancer survival in China during 2003-2015：a pooled analysis of 17 population-based cancer registries[J].The Lancet Global Health，2018，6（5）：e555-e567.

［3］ SHEN A M，LU Q，F(xiàn)U X，et al.Risk factors of unilateral breast cancer-related lymphedema：an updated systematic review and Meta-analysis of 84 cohort studies[J].Supportive Care in Cancer，2022，31（1）：18.

［4］ DISIPIO T，RYE S，NEWMAN B，et al.Incidence of unilateral arm lymphoedema after breast cancer：a systematic review and Meta-analysis[J].Lancet Oncology，2013，14（6）：500-515.

［5］ 陳靜，彭昕.乳腺癌術(shù)后上肢淋巴水腫患者自我管理體驗(yàn)的質(zhì)性研究[J].護(hù)理學(xué)雜志，2022，37（23）：29-32.

［6］ ROCKSON S G.Lymphedema after breast cancer treatment[J].New England Journal of Medicine，2018，379（20）：1937-1944.

［7］ 王藝璇，李惠萍，丁曉彤，等.乳腺癌術(shù)后淋巴水腫風(fēng)險(xiǎn)預(yù)測(cè)模型的研究進(jìn)展[J].中華護(hù)理雜志，2018，53（6）：740-743.

［8］ 廖詩沁，蔣運(yùn)蘭，劉芯君，等.乳腺癌相關(guān)淋巴水腫發(fā)病風(fēng)險(xiǎn)預(yù)測(cè)模型的系統(tǒng)評(píng)價(jià)[J].現(xiàn)代臨床醫(yī)學(xué)，2023，49（1）：42-46.

［9］ 李佩佩，張春梅，劉彥慧，等.乳腺癌術(shù)后淋巴水腫風(fēng)險(xiǎn)預(yù)測(cè)模型的系統(tǒng)評(píng)價(jià)[J].軍事護(hù)理，2023，40（7）：93-97.

［10］ 沈傲梅，路潛，符鑫，等.基于前瞻性隊(duì)列研究的Meta分析構(gòu)建乳腺癌相關(guān)淋巴水腫風(fēng)險(xiǎn)預(yù)測(cè)模型研究[J].中國(guó)全科醫(yī)學(xué)，2023，26（17）：2078-2088.

［11］ MOONS K G M，DE GROOT J A H，BOUWMEESTER W，et al.Critical appraisal and data extraction for systematic reviews of prediction modelling studies：the CHARMS checklist[J].PLoS Medicine，2014，11（10）：e1001744.

［12］ WOLFF R F，MOONS K G M，RILEY R D，et al.PROBAST：a tool to assess the risk of bias and applicability of prediction model studies[J].Annals of Internal Medicine，2019，170（1）：51-58.

［13］ 陳香萍，張奕，莊一渝，等.PROBAST：診斷或預(yù)后多因素預(yù)測(cè)模型研究偏倚風(fēng)險(xiǎn)的評(píng)估工具[J].中國(guó)循證醫(yī)學(xué)雜志，2020，20（6）：737-744.

［14］ MOONS K G M，WOLFF R F，RILEY R D，et al.PROBAST：a tool to assess risk of bias and applicability of prediction model studies：explanation and elaboration[J].Annals of Internal Medicine，2019，170（1）：W1-W33.

［15］ 杜佳麗.基于機(jī)器學(xué)習(xí)的乳腺癌術(shù)后上肢淋巴水腫風(fēng)險(xiǎn)預(yù)測(cè)模型的構(gòu)建[D].成都：電子科技大學(xué)，2023.

［16］ LI M M，WU P P，QIANG W M，et al.Development and validation of a risk prediction model for breast cancer-related lymphedema in postoperative patients with breast cancer[J].European Journal of Oncology Nursing，2023，63：102258.

［17］ 楊美美，王海燕，鄭彬潔，等.乳腺癌患者術(shù)后并發(fā)上肢淋巴水腫風(fēng)險(xiǎn)預(yù)警模型的建立[J].中國(guó)醫(yī)刊，2022，57（6）：631-636.

［18］ 李慧.乳腺癌相關(guān)淋巴水腫危險(xiǎn)因素的分析及預(yù)測(cè)模型的構(gòu)建與評(píng)價(jià)[D].石家莊：河北醫(yī)科大學(xué)，2022.

［19］ YAGHOOBI N A，YAGHOOBI N A，OMIDI Z，et al.Prediction of lymphedema occurrence in patients with breast cancer using the optimized combination of ensemble learning algorithm and feature selection[J].BMC Medical Informatics and Decision Making，2022，22（1）：195.

［20］ WU X M，GUAN Q Y，CHENG A S K，et al.Comparison of machine learning models for predicting the risk of breast cancer-related lymphedema in Chinese women[J].Asia-Pacific Journal of Oncology Nursing，2022，9（12）：100101.

［21］ KIM J S，KIM J H，CHANG J H，et al.Prediction of breast cancer-related lymphedema risk after postoperative radiotherapy via multivariable logistic regression analysis[J].Frontiers in Oncology，2022，12：1026043.

［22］ MARTíNEZ-JAIMEZ P，ARMORA VERDú M，F(xiàn)ORERO C G，et al.Breast cancer-related lymphoedema：risk factors and prediction model[J].Journal of Advanced Nursing，2022，78（3）：765-775.

［23］ 張建微，林朝春，石靈芳.乳腺癌術(shù)后上肢淋巴水腫風(fēng)險(xiǎn)預(yù)測(cè)模型的構(gòu)建及驗(yàn)證[J].中國(guó)現(xiàn)代醫(yī)藥雜志，2021，23（10）：30-33.

［24］ YUAN Q Q，HOU J X，ZHOU R，et al.Development and validation of an intraoperative nomogram to predict breast cancer-related lymphedema based on the arm lymphatics distribution[J].Annals of Surgical Oncology，2021，28（12）：7319-7328.

［25］ WEI X X，LU Q，JIN S L，et al.Developing and validating a prediction model for lymphedema detection in breast cancer survivors[J].European Journal of Oncology Nursing，2021，54：102023.

［26］ LIU Y F，LIU J E，ZHU Y，et al.Development and validation of a nomogram to predict the risk of breast cancer-related lymphedema among Chinese breast cancer survivors[J].Supportive Care in Cancer，2021，29（9）：5435-5445.

［27］ BYUN H K，CHANG J S，IM S H，et al.Risk of lymphedema following contemporary treatment for breast cancer：an analysis of 7 617 consecutive patients from a multidisciplinary perspective[J].Annals of Surgery，2021，274（1）：170-178.

［28］ LI F L，LU Q，JIN S L，et al.A scoring system for predicting the risk of breast cancer-related lymphedema[J].International Journal of Nursing Sciences，2020，7（1）：21-28.

［29］ KWAN J Y Y，F(xiàn)AMIYEH P，SU J，et al.Development and validation of a risk model for breast cancer-related lymphedema[J].JAMA Network Open，2020，3（11）：e2024373.

［30］ PENN I W，CHANG Y C，CHUANG E，et al.Risk factors and prediction model for persistent breast-cancer-related lymphedema：a 5-year cohort study[J].Supportive Care in Cancer，2019，27（3）：991-1000.

［31］ GROSS J P，WHELAN T J，PARULEKAR W R，et al.Development and validation of a nomogram to predict lymphedema after axillary surgery and radiation therapy in women with breast cancer from the NCIC CTG MA.20 randomized trial[J].International Journal of Radiation Oncology Biology Physics，2019，105（1）：165-173.

［32］ 楊璇.乳腺癌相關(guān)淋巴水腫發(fā)生風(fēng)險(xiǎn)等級(jí)預(yù)測(cè)模型的研究[D].南京：南京醫(yī)科大學(xué)，2019.

［33］ FU M R，WANG Y，LI C G，et al.Machine learning for detection of lymphedema among breast cancer survivors[J].mHealth，2018，4：17.

［34］ BASTA M N，WU L C，KANCHWALA S K，et al.Reliable prediction of postmastectomy lymphedema：the risk assessment tool evaluating lymphedema[J].The American Journal of Surgery，2017，213（6）：1125-1133.e1.

［35］ WANG L，LI H P，LIU A N，et al.A scoring system to predict arm lymphedema risk for individual Chinese breast cancer patients[J].Breast Care，2016，11（1）：52-56.

［36］ 竇婉君.乳腺癌相關(guān)上肢淋巴水腫預(yù)測(cè)模型的構(gòu)建和評(píng)價(jià)[D].合肥：安徽醫(yī)科大學(xué)，2016.

［37］ 李惠萍，王玲，楊婭娟，等.乳腺癌患者術(shù)后淋巴水腫風(fēng)險(xiǎn)評(píng)分系統(tǒng)的構(gòu)建和評(píng)價(jià)[J].中國(guó)全科醫(yī)學(xué)，2014，17（18）：2056-2061.

［38］ KIM M，KIM S W，LEE S U，et al.A model to estimate the risk of breast cancer-related lymphedema：combinations of treatment-related factors of the number of dissected axillary nodes，adjuvant chemotherapy，and radiation therapy[J].International Journal of Radiation Oncology，Biology，Physics，2013，86（3）：498-503.

［39］ BEVILACQUA J L B，KATTAN M W，YU C H，et al.Nomograms for predicting the risk of arm lymphedema after axillary dissection in breast cancer[J].Annals of Surgical Oncology，2012，19（8）：2580-2589.

［40］ BYUN H K，KIM J S，CHANG J S，et al.Validation of a nomogram for predicting the risk of lymphedema following contemporary treatment for breast cancer：a large multi-institutional study（KROG 20-05）[J].Breast Cancer Research and Treatment，2022，192（3）：553-561.

［41］ QIU S Q，ZHANG G J，JANSEN L，et al.Evolution in sentinel lymph node biopsy in breast cancer[J].Critical Reviews in Oncology/Hematology，2018，123：83-94.

［42］ CO M，LAM L，SUEN D，et al.Axillary reverse mapping in the prevention of lymphoedema：a systematic review and pooled analysis[J].Clinical Breast Cancer，2023，23（1）：e14-e19.

［43］ WANG L，CHEN H B，LI Y Z，et al.Body mass index increases the risk of breast cancer-related lymphedema at 6-18 months after surgery：a retrospective study[J].Supportive Care in Cancer，2023，31（5）：278.

［44］ 徐曼，陳靜.乳腺癌術(shù)后相關(guān)淋巴水腫危險(xiǎn)因素的最佳證據(jù)總結(jié)[J].腫瘤綜合治療電子雜志，2023，9（4）：46-53.

［45］ WHITWORTH P，VICINI F，VALENTE S A，et al.Reducing rates of chronic breast cancer-related lymphedema with screening and early intervention：an update of recent data[J].Journal of Cancer Survivorship，2024，18（2）：344-351.

（收稿日期：2024-06-14；修回日期：2025-03-05）

（本文編輯"薛佳）