难治性化疗所致恶心呕吐的列线图预测模型建立与评估

孙博; 李淑芳; 刘勋; 陈露; 张二锋; 王会品

doi:10.6039/j.issn.1001-0408.2025.09.15

您当前的位置：

首页 >

文章列表页 >

难治性化疗所致恶心呕吐的列线图预测模型建立与评估

药物与临床 | 更新时间：2025-09-23

- 难治性化疗所致恶心呕吐的列线图预测模型建立与评估
- Development and evaluation of nomogram prediction model for refractory chemotherapy-induced nausea and vomiting
- 中国药房 2025年36卷第9期页码：1105-1110
- 作者机构：
  
  1.郑州市第三人民医院药学部，郑州　450099
  2.郑州市第二人民医院药学部，郑州　450006
  3.郑州市第三人民医院呼吸肿瘤内科，郑州　450099
- 作者简介：
  
  主管药师，硕士。研究方向：临床药学。E-mail：sss679031@163.com
  副主任药师，硕士。研究方向：临床药学。E-mail：fangfanglishu@126.com
- 基金信息：
  
  河南省医学科技攻关计划项目(LHGJ20240913)
- DOI：10.6039/j.issn.1001-0408.2025.09.15
  中图分类号： R730.6;R975+.4
- 收稿日期：2024-10-29，
  
  修回日期：2025-03-26，
  
  录用日期：2025-03-27，
  
  纸质出版日期：2025-05-15
- 稿件说明：
移动端阅览
孙博,李淑芳,刘勋,等.难治性化疗所致恶心呕吐的列线图预测模型建立与评估 [J].中国药房,2025,36(09):1105-1110.

SUN Bo,LI Shufang,LIU Xun,et al.Development and evaluation of nomogram prediction model for refractory chemotherapy-induced nausea and vomiting[J].ZHONGGUO YAOFANG,2025,36(09):1105-1110.
孙博,李淑芳,刘勋,等.难治性化疗所致恶心呕吐的列线图预测模型建立与评估 [J].中国药房,2025,36(09):1105-1110. DOI： 10.6039/j.issn.1001-0408.2025.09.15.

SUN Bo,LI Shufang,LIU Xun,et al.Development and evaluation of nomogram prediction model for refractory chemotherapy-induced nausea and vomiting[J].ZHONGGUO YAOFANG,2025,36(09):1105-1110. DOI： 10.6039/j.issn.1001-0408.2025.09.15.

摘要

目的

构建难治性化疗所致恶心呕吐（CINV）的列线图预测模型并进行评估。

方法

收集2017年1月－2023年12月于郑州市第三人民医院化疗的恶性肿瘤患者资料，根据是否发生难治性CINV分为发生组和未发生组。采用多因素Logistic回归分析筛选难治性CINV的预测因素并构建列线图预测模型；采用受试者工作特征曲线评估模型的预测性能；采用Bootstrap法评价模型的校准度；采用决策曲线分析（DCA）评估模型在不同风险阈值下3种策略的临床净收益；采用临床影响曲线评价模型在不同风险阈值下的临床价值；采用Shapley加性解释（SHAP）法评估各因素对预测模型的贡献度。

结果

共纳入388例患者，其中219例患者发生了难治性CINV。多因素Logistic回归分析结果显示，胃肠疾病史、预期性恶心呕吐、化疗致吐风险分级、电解质水平等11项因素是难治性CINV的预测因素。模型的曲线下面积为0.80[95%置信区间为（0.76，0.84）]，平均误差为0.036。DCA结果表明，当风险阈值为0.05～0.85时，预测模型的临床净收益较高。SHAP分析结果显示，胃肠疾病史（0.924）、化疗致吐风险分级（0.866）和电解质水平（0.581）是排前3名的预测因素。

结论

胃肠疾病史、预期性恶心呕吐、化疗致吐风险分级、电解质水平等11项因素是难治性CINV的预测因素。基于上述因素建立的模型预测能力较好，可用于预测难治性CINV的发生风险。

Abstract

OBJECTIVE

To construct and evaluate nomogram prediction model for refractory chemotherapy-induced nausea and vomiting （CINV）.

METHODS

The data of malignant tumor patients who received chemotherapy at the Third People’s Hospital of Zhengzhou from January 2017 to December 2023 were collected. These patients were categorized into the occurrence group and the non-occurrence group according to the occurrence of refractory CINV. Multivariate Logistic regression analysis was employed to screen predictive factors for refractory CINV and constructing a nomogram prediction model. Model performance was assessed via receiver operating characteristic curve analysis. Model calibration was evaluated using Bootstrap resampling. Decision curve analysis （DCA） was used to determine the clinical net benefit of three strategies under different risk thresholds. Clinical impact curves were utilized to assess the clinical value of the model at different risk thresholds. Shapley additive explanations （SHAP） analysis was performed to evaluate individual factor contributions to the predictive model.

RESULTS

A total of 388 patients were included， with 219 experiencing refractory CINV. Multivariate Logistic regression identified 11 predictive factors for refractory CINV， including gastrointestinal disease history， anticipated nausea and vomiting， chemotherapy-induced emetic risk classification， and electrolyte levels， etc. The model’s area under the curve was 0.80 [95% confidence interval （0.76， 0.84）]， with a mean error of 0.036. DCA demonstrated the prediction model had higher clinical net benefit when the risk threshold was between 0.05 and 0.85. SHAP analysis revealed the top three predictive factors as gastrointestinal disease history （0.924）， chemotherapy-induced emetic risk classification （0.866）， and electrolyte levels （0.581）.

CONCLUSIONS

Eleven factors， including gastrointestinal disease history， anticipated nausea and vomiting， chemotherapy-induced emetic risk classification， and electrolyte levels， are identified as predictors of refractory CINV. The model based on these factors has good predictive ability， which can be used to predict the risk of refractory CINV.

关键词

Keywords

references

RAZVI Y ， CHAN S ， MCFARLANE T ， et al . ASCO，NCCN，MASCC/ESMO：a comparison of antiemetic guidelines for the treatment of chemotherapy-induced nausea and vomiting in adult patients [J ] . Support Care Cancer ， 2019 ， 27 （ 1 ）： 87 - 95 .

HERRSTEDT J ， LINDBERG S ， PETERSEN P C . Prevention of chemotherapy-induced nausea and vomiting in the older patient：optimizing outcomes [J ] . Drugs Aging ， 2022 ， 39 （ 1 ）： 1 - 21 .

ROILA F ， MOLASSIOTIS A ， HERRSTEDT J ， et al . 2016 MASCC and ESMO guideline update for the prevention of chemotherapy- and radiotherapy-induced nausea and vomiting and of nausea and vomiting in advanced cancer patients [J ] . Ann Oncol ， 2016 ， 27 （ Suppl. 5 ）： v 119-v133.

BLOECHL-DAUM B ， DEUSON R R ， MAVROS P ， et al . Delayed nausea and vomiting continue to reduce patients’ quality of life after highly and moderately emetogenic chemotherapy despite antiemetic treatment [J ] . J Clin Oncol ， 2006 ， 24 （ 27 ）： 4472 - 4478 .

AAPRO M ， CAPRARIU Z ， CHILINGIROV P ， et al . Assessing the impact of antiemetic guideline compliance on prevention of chemotherapy-induced nausea and vomi- ting：results of the nausea/emesis registry in oncology （NERO） [J ] . Eur J Cancer ， 2022 ， 166 ： 126 - 133 .

MOLASSIOTIS A ， STAMATAKI Z ， KONTOPANTELIS E . Development and preliminary validation of a risk prediction model for chemotherapy-related nausea and vomi- ting [J ] . Support Care Cancer ， 2013 ， 21 （ 10 ）： 2759 - 2767 .

SIMINO G P R ， REIS I A ， ACURCIO F A ， et al . Risk factors associated with antineoplastic chemotherapy-induced nausea and vomiting [J ] . Rev Saude Publica ， 2020 ， 54 ： 106 .

GARUFFO L ， LEONI A ， GATTA R ， et al . The applications of machine learning in the management of patients undergoing stem cell transplantation：are we ready? [J ] . Cancers （Basel）， 2025 ， 17 （ 3 ）： 395 .

DOKNIĆ I ， MITROVIĆ M ， BUKUMIRIĆ Z ， et al . The comparison of classical statistical and machine learning methods in prediction of thrombosis in patients with acute myeloid leukemia [J ] . Bioengineering （Basel）， 2025 ， 12 （ 1 ）： 63 .

中国抗癌协会癌症康复与姑息治疗专业委员会，中国抗癌协会肿瘤临床化疗专业委员会，中国抗癌协会肿瘤支持治疗专业委员会，等 . 中国抗肿瘤治疗相关恶心呕吐预防和治疗指南： 2023版 [J ] . 中华肿瘤杂志， 2024 ， 46 （ 6 ）： 481 - 501 .

MANDREKAR J N . Receiver operating characteristic curve in diagnostic test assessment [J ] . J Thorac Oncol ， 2010 ， 5 （ 9 ）： 1315 - 1316 .

VAN CALSTER B ， MCLERNON D J ， VAN SMEDEN M ， et al . Calibration：the Achilles heel of predictive analy- tics [J ] . BMC Med ， 2019 ， 17 （ 1 ）： 230 .

STEYERBERG E W ， VICKERS A J ， COOK N R ， et al . Assessing the performance of prediction models：a framework for traditional and novel measures [J ] . Epidemiology ， 2010 ， 21 （ 1 ）： 128 - 138 .

VICKERS A J ， ELKIN E B . Decision curve analysis：a novel method for evaluating prediction models [J ] . Med Decis Making ， 2006 ， 26 （ 6 ）： 565 - 574 .

ZHAO Y Y ， ZHAO B ， CHEN G ， et al . Validation of dif- ferent personalized risk models of chemotherapy-induced nausea and vomiting：results of a randomized，double-blind，phase Ⅲ trial of fosaprepitant for cancer patients treated with high-dose cisplatin [J ] . Cancer Commun （Lond）， 2023 ， 43 （ 2 ）： 246 - 256 .

HU Z H ， LIANG W H ， YANG Y P ， et al . Personalized estimate of chemotherapy-induced nausea and vomiting：development and external validation of a nomogram in cancer patients receiving highly/moderately emetogenic chemotherapy [J ] . Medicine （Baltimore）， 2016 ， 95 （ 2 ）： e2476 .

MOSA A S M ， HOSSAIN A M ， YOO I . A dynamic prediction engine to prevent chemotherapy-induced nausea and vomiting [J ] . Artif Intell Med ， 2020 ， 109 ： 101925 .

ZHOU Y W ， HE Y Q ， YANG H ， et al . Development and validation a nomogram for predicting the risk of severe COVID-19：a multi-center study in Sichuan，China [J ] . PLoS One ， 2020 ， 15 （ 5 ）： e0233328 .

BABA Y ， BABA H ， YAMAMOTO S ， et al . Chemotherapy-induced nausea and vomiting is less controlled at delayed phase in patients with esophageal cancer：a prospective registration study by the CINV Study Group of Japan [J ] . Dis Esophagus ， 2017 ， 30 （ 2 ）： 1 - 7 .

BOURDEANU L ， FRANKEL P ， YU W ， et al . Chemo- therapy-induced nausea and vomiting in Asian women with breast cancer receiving anthracycline-based adjuvant chemotherapy [J ] . J Support Oncol ， 2012 ， 10 （ 4 ）： 149 - 154 .

KENNEDY S K F ， GOODALL S ， LEE S F ， et al . 2020 ASCO，2023 NCCN，2023 MASCC/ESMO，and 2019 CCO：a comparison of antiemetic guidelines for the treatment of chemotherapy-induced nausea and vomiting in cancer patients [J ] . Support Care Cancer ， 2024 ， 32 （ 5 ）： 280 .

WARR D . Prognostic factors for chemotherapy-induced nausea and vomiting [J ] . Eur J Pharmacol ， 2014 ， 722 ： 192 - 196 .

MOLASSIOTIS A ， LEE P H ， BURKE T A ， et al . Anticipatory nausea，risk factors，and its impact on chemotherapy-induced nausea and vomiting：results from the pan European emesis registry study [J ] . J Pain Symptom Manage ， 2016 ， 51 （ 6 ）： 987 - 993 .

孙博，刘丹娜，刘勋，等 . 帕洛诺司琼联合地塞米松预防化疗所致恶心呕吐失败的危险因素探索 [J ] . 中国药房， 2021 ， 32 （ 21 ）： 2640 - 2646 .

MOLASSIOTIS A ， YAM B C ， YUNG H ， et al . Pretreatment factors predicting the development of postchemotherapy nausea and vomiting in Chinese breast cancer patients [J ] . Support Care Cancer ， 2002 ， 10 （ 2 ）： 139 - 145 .

YAP K Y ， LOW X H ， CHUI W K ， et al . Computational prediction of state anxiety in Asian patients with cancer susceptible to chemotherapy-induced nausea and vomiting [J ] . J Clin Psychopharmacol ， 2012 ， 32 （ 2 ）： 207 - 217 .

SATNY M ， HUBACEK J A ， VRABLIK M . Statins and inflammation [J ] . Curr Atheroscler Rep ， 2021 ， 23 （ 12 ）： 80 .

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

PD-1抑制剂用于晚期食管鳞状细胞癌的疗效预测模型构建