Value of pre-treatment pan-immune inflammation score in predicting prognosis of esophageal cancer patients with postoperative adjuvant radiotherapy
-
摘要:目的
探讨接受术后辅助放疗的食管鳞状细胞癌患者治疗前泛免疫炎症值(PIV)与临床病理特征的相关性，并联合T分期评估其在食管鳞癌患者预后中的价值。
方法回顾性收集2019年1月—2023年1月在扬州大学附属医院放射肿瘤科行术后辅助放疗的食管鳞癌患者85例的临床资料。绘制受试者工作特征(ROC)曲线获取PIV和其他免疫炎症生物标志物的最佳临界值，依据ROC曲线及决策曲线分析(DCA)比较PIV和其他免疫炎症生物标志物的曲线下面积(AUC)及临床适用性; 根据最佳临界值将患者分为PIV高水平组和PIV低水平组，评估PIV水平与食管鳞癌临床病理特征的相关性。生存分析采用Kaplan-Meier法，多因素分析采用Cox比例风险模型，并通过递归分区分析(RPA)建立一个结合PIV和T分期的风险分层模型。
结果根据ROC曲线确定治疗前PIV最佳临界值为187.22, PIV的ROC曲线的AUC(0.679)大于其他4项[全身免疫炎症指数(SII)、血小板与淋巴细胞比值(PLR)、单核细胞与淋巴细胞比值(MLR)、中性粒细胞与淋巴细胞比值(NLR)]免疫炎症生物标志物(0.640、0.583、0.656、0.644)。将85例患者分为PIV低水平组(< 187.22)48例和PIV高水平组(≥187.22)37例, PIV的水平高低与肿瘤直径相关(P < 0.05)。PIV低水平组3年总生存期(OS)(75.6%与30.6%, P < 0.001)和3年无病生存期(DFS)(56.1%与21.0%, P < 0.001)高于PIV高水平组; 肿瘤直径、T分期和PIV是食管鳞癌患者OS的独立影响因素(P < 0.05), T分期和PIV是食管鳞癌患者DFS的独立影响因素(P < 0.05)。采用基于T分期和PIV的RPA分层模型建立了一个包含3个风险组的新分期，与单独的T分期或PIV相比，基于RPA生成的模型可进一步提高对预后的预测价值。
结论治疗前PIV有助于预测术后辅助放疗食管鳞癌患者预后, PIV联合T分期可提高预测价值。
Abstract:ObjectiveTo investigate the correlation between pre-treatment pan-immune inflammation value (PIV) and clinicopathological features in esophageal squamous cell carcinoma (ESCC) patients with postoperative adjuvant radiotherapy and evaluate its value in prognosis assessment combined with T stage.
MethodsA retrospective analysis was conducted on data of 85 ESCC patients with postoperative adjuvant radiotherapy in the Department of Radiation Oncology of the Affiliated Hospital of Yangzhou University from January 2019 to January 2023. The receiver operating characteristic (ROC) curve was drew to obtain the optimal cut-off value of PIV and other immune-inflammatory biomarkers. The area under the curve (AUC) and clinical applicability of PIV and other immune-inflammatory biomarkers were compared based on the ROC curve and decision curve analysis (DCA). According to the optimal cut-off value, patients were divided into high PIV group and low PIV group, and the correlation between PIV level and clinicopathological features of ESCC was evaluated. Kaplan-Meier method was used for survival analysis, the Cox proportional hazards model was used for multivariate analysis, and a risk stratification model combining PIV and T stage was established by recursive partitioning analysis (RPA).
ResultsThe optimal cut-off value of pre-treatment PIV was determined as 187.22 based on the ROC curve. The AUC of PIV was 0.679, which was greater than 0.640, 0.583, 0.656 and 0.644 of the other four immune-inflammatory biomarkers such as the systemic immune-inflammation index (SII), platelet-to-lymphocyte ratio (PLR), monocyte-to-lymphocyte ratio (MLR), and neutrophil-to-lymphocyte ratio (NLR). The 85 patients were divided into low PIV group (< 187.22, n=48) and high PIV group (≥187.22, n=37). The level of PIV was significantly correlated with tumor diameter (P < 0.05). The 3-year overall survival (OS) (75.6% versus 30.6%, P < 0.001) and 3-year disease-free survival (DFS) (56.1% versus 21.0%, P < 0.001) were significantly higher in the low PIV group than the high PIV group. Tumor diameter, T stage and PIV were independent factors affecting OS in ESCC patients (P < 0.05), and T stage and PIV were independent factors affecting DFS in ESCC patients (P < 0.05). A new staging system with three risk groups was established by the RPA stratification model based on T stage and PIV, which further improved the predictive value of prognosis compared with T stage or PIV alone.
ConclusionPre-treatment PIV is helpful in predicting the prognosis of ESCC patients with postoperative adjuvant radiotherapy, and the combination of PIV and T stage can improve the predictive value.
-
胃癌是消化系统常见恶性肿瘤，部分患者就诊时已经出现远处转移，预后不佳[1], 因此探索胃癌远处转移的分子机制至关重要。微小RNA(miRNA)在肿瘤进展过程中发挥重要调控作用，多种miRNA已被发现在胃癌组织中差异表达，参与胃癌细胞的增殖、侵袭和迁移过程[2-5]。微小RNA-1291(miR-1291)是近年来发现的一种非编码RNA, 参与调控肿瘤细胞的增殖与转移[6]。CAI Q等[7]研究发现, miR-1291在前列腺癌组织中低表达，上调miR-1291可抑制肿瘤细胞的增殖、侵袭及迁移，但miR-1291与胃癌的关系尚不明确。BMP激活素膜结合抑制因子(BAMBI)基因编码的蛋白位于细胞膜，通过调控多种信号通路参与肿瘤进展过程，例如沉默BAMBI基因的结肠癌细胞侵袭能力会增强[8], 但也有研究[9]表明沉默BAMBI可抑制胃癌细胞的侵袭能力。BAMBI已被证实与多种miRNA存在靶向关系，但miR-1291与BAMBI的靶向关系尚不明确。本研究基于细胞实验探讨miR-1291对胃癌细胞恶性表型的调控作用及其与BAMBI的靶向关系，以期为胃癌的靶向治疗提供新的靶点。
1. 材料与方法
1.1 基于公共数据库分析miR-1291在胃癌组织、正常胃组织中的表达
通过GEO数据库在线工具GEO2R分析GSE54129数据集中正常胃黏膜组织标本与胃癌组织标本的miR-1291表达水平。
1.2 细胞、试剂及仪器
人胃癌细胞SGC-7901(上海酶研生物科技有限公司)，人胃黏膜上皮细胞GES-1(苏州海星生物有限公司); 黑胶虫清除基础培养基(RPMI)1640(北京诺博莱德科技有限公司), Lipofectamine 2000试剂(上海复申生物科技有限公司), miR-1291 mimic质粒(过表达miR-1291)、miR-NC质粒、miR-1291 inhibitor质粒(抑制剂)、miR inhibitor空质粒、BAMBI mimic质粒(过表达BAMBI)、Vector质粒(过表达空载)、sh-BAMBI质粒(敲低BAMBI)、sh-NC质粒(敲低空白对照)、野生型(WT)-BAMBI和突变型(MUT)-BAMBI质粒、引物(沈阳万类生物有限公司)，TRIzol试剂(北京普利莱基因技术有限公司); miRNA逆转录、荧光定量聚合酶链反应(PCR)试剂盒(日本TARKARA生物有限公司)，兔抗人BAMBI、转化生长因子-β(TGF-β)和SMAD同源物4(SMAD4)一抗、鼠抗兔二抗(沈阳万类生物有限公司), CCK-8试剂盒(天津赛东南生物有限公司), Transwell小室(中乔新舟生物有限公司)，Matrigel基质胶(MatriClone公司)，双荧光素酶报告系统(MCE公司); ABI Q5型号PCR仪(美国ABI公司)，酶标仪(郑州基波新科技有限公司)、光学显微镜(日本奥林巴斯)。
1.3 细胞培养、转染及分组
使用RPMI 1640培养基培养SGC-7901细胞和GES-1细胞，培养条件为5%CO2, 37 ℃。SGC-7901细胞系是胃癌细胞系，未污染, 1个月检测1次明确无支原体感染。将miR-1291 mimic质粒、miR-NC质粒、miR-1291 inhibitor质粒、miR inhibitor质粒分别转染至取传3代的SGC-7901细胞，依次设为miR-1291组、miR-NC组、miR-1291 inhibitor组、miR inhibitor组。将BAMBI mimic质粒、Vector质粒、sh-BAMBI质粒、sh-NC质粒分别转染至细胞中，依次设为BAMBI组、Vector组、sh-BAMBI组、sh-NC组。将各组细胞继续培养24 h后进行后续实验。
1.4 CCK-8实验
将SGC-7901细胞接种至96孔板中(2 000个/孔)，分别于培养24、48、72 h后每孔加入CCK-8溶液10 μL, 37 ℃孵育30 min, 上机检测450 nm处光密度(OD)值。
1.5 Transwell实验
迁移实验: 首先用无血清培养基制备单细胞悬液，将1×105个细胞种植到Transwell小室(8 μm)的上室中，下室中加入正常RPMI 1640培养基。侵袭实验: 预先在上室中铺入4%基质胶, 37 ℃孵育10 min, 其余步骤同迁移实验。继续培养48 h后去除培养基，去除上室中的细胞，洗涤3次，用4%多聚甲醛固定10 min, 洗涤3次，用0.1%结晶紫染色3 min, 洗涤3次后晾干，拍照。
1.6 实时荧光定量PCR反应
提取各组细胞总RNA, 鉴定RNA浓度及纯度，然后逆转录成cDNA, 反应条件为30 ℃ 10 min, 42 ℃ 30 min, 99 ℃ 5 min, 4 ℃ 5 min。按照Mir-X miRNA qRT-PCR TB GreenⓇ Kit及TB GreenⓇ Premix Ex TaqTM (Tli RNaseH Plus)试剂盒说明进行PCR, 循环条件为95℃ 5 s, 60 ℃ 34 s, 共40个循环，构建溶解曲线，相对表达量用2-△△Ct法计算。内参使用GAPDH、U6。引物序列如下: miR-1291上游引物5′-CGTGGCCCTGACTG AAGACC-3′, 下游引物5′-AGTGCAGGGTCCGAG GTATT-3′; U6上游引物5′-CTCGCTTCGGCAGCA CA-3′, 下游引物5′-AACGCTTCACGAATTTGCGT-3′; BAMBI上游引物5′-CCCAGTGGTACTTTGGTGCC-3′, 下游引物5′-GCGGTCATGTACTTCTGTCCC-3′; GAPDH上游引物5′-CCTTGCACATGCCGGAG-3′, 下游引物5′-GCACAGAGCCTCGCCTT-3′。
1.7 蛋白质印迹法(Western blot)检测细胞BAMBI、TGF-β、SMAD4蛋白表达
收集各组细胞，加入蛋白裂解液提取总蛋白，测蛋白浓度。配制5%浓缩胶及10%分离胶，每孔中加入30 μg蛋白, 70 V电压下将蛋白转移到聚氟乙烯膜上, 5%脱脂奶粉室温封闭1 h, 加入BAMBI (1∶1 000)、TGF-β(1∶1 000)、SMAD4 (1∶1 000)及β-actin (1∶1 000), 4 ℃冰箱过夜，第2天膜洗涤3次，加入对应的二抗室温孵育1 h, 洗涤3次，加入发光液，上机曝光，使用Image J软件分析条带灰度值，蛋白的相对表达量用目的蛋白与β-actin的比值表示。
1.8 在线网站预测miR-1291与BAMBI的靶向关系
通过TargetScan在线网站(http://www.targetscan.org/)预测miR-1291与BAMBI的靶向关系。
1.9 荧光素酶报告实验
将miR-1291 mimic质粒、miR-NC质粒分别与WT-BAMBI质粒、MUT-BAMBI质粒两两组合后转染至SGC-7901细胞中，设为miR-1291+WT-BAMBI组、miR-1291+MUT-BAMBI组、miR-NC+WT-BAMBI组、miR-NC+MUT-BAMBI组。继续培养48 h后，检测各组细胞荧光素酶相对活性。
1.10 统计学分析
采用SPSS 20.00软件进行统计学分析，符合正态分布的计量资料以(x±s)表示，多组间比较采用单因素方差分析, 2组间比较采用LSD-t检验, P < 0.05为差异有统计学意义。
2. 结果
2.1 胃癌组织、正常胃组织miR-1291表达情况
公共数据库分析结果显示，胃癌组织的miR-1291表达水平为(0.85±0.11), 低于正常胃组织的(2.02±0.23), 差异有统计学意义(t=18.33, P < 0.01)。
2.2 SGC-7901、GES-1细胞miR-1291表达情况
SGC-7901细胞miR-1291表达水平低于GES-1细胞，差异有统计学意义(t=10.74, P < 0.01), 见图 1。
2.3 各组细胞miR-1291表达情况
miR-1291组细胞miR-1291表达水平高于miR-NC组, miR-1291 inhibitor组细胞miR-1291表达水平低于miR inhibitor组，差异有统计学意义(P < 0.01), 见图 2。
2.4 miR-1291对SGC-7901细胞增殖、侵袭和迁移的影响
miR-1291组细胞72 h时OD值、侵袭细胞数、迁移细胞数低于或少于miR-NC组, miR-1291 inhibitor组细胞72 h时OD值、侵袭细胞数、迁移细胞数高于或多于miR inhibitor组，差异有统计学意义(P < 0.01), 见图 3。
![]()
图 3 miR-1291对SGC-7901细胞增殖、侵袭和迁移的影响A: CCK-8实验结果; B: Transwell侵袭实验结果; C: Transwell迁移实验结果。2组比较, **P<0.01。2.5 SGC-7901、GES-1细胞的BAMBI蛋白、BAMBI mRNA表达情况
SGC-7901细胞BAMBI蛋白、BAMBI mRNA表达水平高于GES-1细胞，差异有统计学意义(P < 0.01), 见图 4。
![]()
图 4 SGC-7901、GES-1细胞BAMBI蛋白、BAMBI mRNA表达情况A: Western blot检测BAMBI蛋白表达; B: BAMBI mRNA表达水平。两者比较, **P<0.01。2.6 各组细胞BAMBI蛋白、BAMBI mRNA表达情况
BAMBI组细胞BAMBI蛋白、BAMBI mRNA表达水平高于Vector组, sh-BAMBI组细胞BAMBI蛋白、BAMBI mRNA表达水平低于sh-NC组，差异有统计学意义(P < 0.01), 见图 5。
![]()
图 5 各组细胞BAMBI蛋白、BAMBI mRNA表达情况A: Western blot检测BAMBI蛋白表达; B: BAMBI mRNA表达水平。2组比较, **P<0.01。2.7 BAMBI对SGC-7901细胞增殖、侵袭和迁移的影响
BAMBI组细胞72 h时OD值、侵袭细胞数、迁移细胞数高于或多于Vector组, sh-BAMBI组细胞72 h时OD值、侵袭细胞数、迁移细胞数低于或少于sh-NC组，差异有统计学意义(P < 0.01)。见图 6。
![]()
图 6 BAMBI对SGC-7901细胞增殖、侵袭和迁移的影响A: CCK-8实验结果; B: Transwell侵袭实验结果; C: Transwell迁移实验结果。2组比较, **P<0.01。2.8 miR-1291与BAMBI的靶向关系
生物学信息学分析发现, miR-1291与BAMBI存在碱基结合位点。miR-1291+WT-BAMBI组细胞荧光素酶活性低于miR-NC+WT-BAMBI组，差异有统计学意义(P < 0.01); miR-1291+MUT-BAMBI组细胞荧光素酶活性与miR-NC+MUT-BAMBI组比较，差异无统计学意义(P>0.05)。miR-1291组细胞BAMBI蛋白、BAMBI mRNA表达水平低于miR-NC组, miR-1291 inhibitor组细胞BAMBI蛋白、BAMBI mRNA表达水平高于miR inhibitor组，差异有统计学意义(P < 0.01)。见图 7。
![]()
图 7 miR-1291与BAMBI的靶向关系A: miR-1291与BAMBI核苷酸碱基结合情况; B: 荧光素酶报告基因实验结果; C: Western blot检测BAMBI蛋白表达; D: BAMBI mRNA表达水平。2组比较, **P<0.01。2.9 BAMBI对细胞TGF-β、SMAD4蛋白表达的影响
BAMBI组TGF-β、SMAD4蛋白水平低于Vector组, sh-BAMBI组TGF-β、SMAD4蛋白水平高于sh-NC组，差异有统计学意义(P < 0.01), 见图 8。
3. 讨论
近年来，胃癌发病率逐年上升并呈现年轻化趋势，多数患者就诊时已经出现转移，尽管放化疗、手术及免疫疗法一定程度上改善了患者预后，但是总体预后仍不佳。因此，明确胃癌增殖、转移机制和寻找诊断生物学标志物、有效治疗靶点至关重要。研究[10]发现, miRNA在肿瘤细胞恶性生物学行为中扮演着重要角色。miR-1291位于SNORA34基因上，在多种肿瘤组织中差异表达，参与肿瘤进展[11-12]。WANG J Q等[13]发现，结直肠癌组织中miR-1291呈低表达，上调miR-1291可抑制结肠癌细胞增殖、侵袭和迁移。另有研究[14]发现, miR-1291与早期乳腺癌患者淋巴结转移有关。此外，黑色素瘤细胞来源的长链非编码RNA ELFN1-AS1可通过靶向调控巨噬细胞miR-1291表达，促进巨噬细胞的极化，进而抑制肿瘤生长[15]。本研究结果显示, miR-1291在胃癌细胞和胃癌组织中低表达，上调miR-1291可抑制胃癌细胞的增殖、迁移和侵袭能力，下调miR-1291可促进胃癌细胞的增殖、迁移和侵袭，提示miR-1291是胃癌的抑癌基因。
miRNA一般通过与下游靶基因结合而发挥作用，研究[16-17]发现，雌激素相关受体α(ERRα)、人调停蛋白复合体亚基1(MED1)与miR-1291存在靶向关系。为进一步明确miR-1291的下游靶基因，本研究利用在线生物信息学工具进行预测，发现BAMBI可能是miR-1291的作用靶点，进一步行荧光素酶报告基因实验后证实两者存在靶向调控关系。BAMBI基因位于10号染色体，在调控细胞生理、病理及信号传递中扮演着重要角色。研究[18]发现，结肠癌组织中BAMBI呈高表达，沉默BAMBI可通过激活TGF-β/Smad通路抑制结直肠癌细胞的增殖与迁移。此外，上调BAMBI可增强肝癌细胞的增殖、侵袭和迁移能力[17]。本研究结果显示, BAMBI在胃癌细胞中高表达，上调BAMBI可促进胃癌细胞的增殖、迁移和侵袭，下调BAMBI可抑制胃癌细胞的增殖、迁移和侵袭，提示BAMBI是胃癌的促癌基因。TGF-β信号通路是细胞常见通路之一，在肿瘤细胞恶性生物学行为中发挥重要调控作用，同时参与调控胃癌上皮间质转化(EMT)过程[18], 靶向抑制该通路是目前治疗胃癌的方法之一。BAMBI细胞外蛋白结构与TGF-β相似，因而可与TGF-βⅠ型受体竞争性结合，且由于胞内结构没有磷酸酶活性，下游的Smads信号不能被磷酸化，最终抑制了TGF-β信号通路[19]。研究[20-21]证实, BAMBI与TGF-β信号通路存在调控关系。本研究结果显示，上调BAMBI后细胞TGF-β、SMAD4蛋白水平下降，反之TGF-β、SMAD4蛋白水平上升，与上述结论相符。
综上所述, miR-1291在胃癌细胞中低表达，上调miR-1291可抑制胃癌细胞增殖、迁移和侵袭能力，其机制可能是miR-1291负性调控BAMBI进而抑制TGF-β通路, miR-1291或可成为胃癌治疗的新靶点。本研究存在不足之处，例如未能利用临床样本资料验证miR-1291、BAMBI与胃癌临床病理特征及预后的关系，亦未通过动物实验进一步明确miR-1291、BAMBI对胃癌恶性生物学行为的影响，未来还需进一步深入研究加以验证。
-
![]()
图 1 PIV与其他免疫炎症生物标志物预测预后的ROC和DCA曲线
A: 各项指标预测OS的ROC曲线; B: 各项指标预测DFS的ROC曲线; C: 各项指标预测OS的DCA曲线; D: 各项指标预测DFS的DCA曲线。
![]()
图 3 结合T分期和PIV构建的RPA模型
A、B: RPA模型分组策略; C、D: RPA模型在DFS和OS中的预后表现; E、F: 按RPA模型分组的DFS和OS的K-M曲线; G、H: RPA模型与T分期、PIV相比的DFS和OS的ROC曲线; I、J: RPA模型与T分期、PIV相比的DFS和OS的DCA曲线。
表 1 食管癌患者的临床病理特征及血液学指标(n=85)(x±s)[n(%)]
指标 分类 数据 指标 分类 数据 性别 男 58(68.23) N分期 N0期 46(54.12) 女 27(31.77) N1期 28(32.94) 吸烟史 有 43(50.59) N2期 11(12.94) 无 42(49.41) pTNM分期 Ⅱ期 48(56.47) 饮酒史 有 34(40.00) Ⅲ期 37(43.53) 无 51(60.00) 手术方式 胸腔镜 75(88.23) 肿瘤位置 胸上段 5(5.89) 开胸手术 10(11.77) 胸中段 35(41.18) 同期化疗 有 38(44.70) 胸下段 45(52.93) 无 47(55.30) 分化程度 高分化 4(4.70) 化疗方案 未同期化疗 47(55.29) 中分化 54(63.53) 紫杉醇联合顺铂方案 12(14.12) 低分化 27(31.77) 氟尿嘧啶联合顺铂方案 5(5.88) 脉管侵犯 有 23(27.06) 替吉奥单药方案 21(24.71) 无 62(72.94) 肿瘤直径/cm 3.64±1.47 神经侵犯 有 12(14.12) PIV 245.19±217.93 无 73(85.88) SII 617.71±366.64 T分期 T1期 3(3.53) NLR 3.22±1.34 T2期 32(37.65) MLR 0.30±0.11 T3期 50(58.82) PLR 150.83±59.59 年龄/岁 67.10±6.60 pTNM分期: 手术后TNM分期; PIV: 泛免疫炎症值; SII: 全身免疫炎症指数; NLR: 中性粒细胞与淋巴细胞比值; MLR: 单核细胞与淋巴细胞比值; PLR: 血小板与淋巴细胞比值。 
下载: 导出CSV
表 2 食管癌患者PIV与临床病理特征的关系[n(%)]
指标 分类 总例数(n=85) PIV高水平组(n=37) PIV低水平组(n=48) P 性别 女 27(31.8) 11(29.7) 16(33.3) 0.905 男 58(68.2) 26(70.3) 32(66.7) 年龄 < 65岁 21(24.7) 11(29.7) 10(20.8) 0.491 ≥65岁 64(75.3) 26(70.3) 38(79.2) 吸烟史 无 42(49.4) 17(45.9) 25(52.1) 0.732 有 43(50.6) 20(54.1) 23(47.9) 饮酒史 无 51(60.0) 23(62.2) 28(58.3) 0.893 有 34(40.0) 14(37.8) 20(41.7) 肿瘤位置 胸中上段 40(47.1) 16(43.2) 24(50.0) 0.689 胸下段 45(52.9) 21(56.8) 24(50.0) 分化程度 高分化 4(4.7) 3(8.1) 1(2.1) 0.476 中分化 54(63.5) 23(62.2) 31(64.6) 低分化 27(31.8) 11(29.7) 16(33.3) 脉管侵犯 无 62(72.9) 27(73.0) 35(72.9) 0.935 有 23(27.1) 10(27.0) 13(27.1) 神经侵犯 有 12(14.1) 5(13.5) 7(14.6) 0.921 无 73(85.9) 32(86.5) 41(85.4) 肿瘤直径 < 3.25 cm 42(49.4) 12(32.4) 30(62.5) 0.011 ≥3.25 cm 43(50.6) 25(67.6) 18(37.5) T分期 T1~T2期 35(41.2) 11(29.7) 24(50.0) 0.097 T3期 50(58.8) 26(70.3) 24(50.0) N分期 N0期 46(54.1) 20(54.1) 26(54.2) 0.931 N1~N2期 39(45.9) 17(45.9) 22(45.8) pTNM分期 Ⅱ期 48(56.5) 20(54.1) 28(58.3) 0.927 Ⅲ期 37(43.5) 17(45.9) 20(41.7) 手术方式 胸腔镜 75(88.2) 31(83.8) 44(91.7) 0.320 开胸手术 10(11.8) 6(16.2) 4(8.3) 同期化疗 无 47(55.3) 17(45.9) 30(62.5) 0.193 有 38(44.7) 20(54.1) 18(37.5) 化疗方案 未同期化疗 47(55.3) 17(45.9) 30(62.5) 0.373 紫杉醇联合顺铂方案 11(12.9) 6(16.2) 5(10.4) 氟尿嘧啶联合顺铂方案 6(7.1) 3(8.1) 3(6.2) 替吉奥单药方案 21(24.7) 11(29.8) 10(20.9) PIV: 泛免疫炎症值; pTNM分期: 手术后TNM分期。
下载: 导出CSV
表 3 食管癌术后辅助放疗患者总生存率和无病生存率的单因素分析
因素 分类 总生存率HR(95%CI) P 无病生存率HR(95%CI) P 性别 女 参照 — 参照 — 男 2.238(0.923~5.427) 0.075 1.672(0.823~3.394) 0.155 年龄 < 65岁 参照 — 参照 — ≥65岁 1.075(0.484~2.384) 0.859 0.908(0.465~1.772) 0.777 吸烟史 无 参照 — 参照 — 有 0.993(0.498~1.979) 0.984 1.084(0.593~1.984) 0.793 饮酒史 无 参照 — 参照 — 有 0.929(0.457~1.889) 0.838 1.119(0.610~2.053) 0.717 肿瘤位置 胸中上段 参照 — 参照 — 胸下段 1.268(0.635~2.531) 0.501 1.071(0.586~1.957) 0.825 分化程度 高分化 参照 — 参照 — 中分化 0.329(0.075~1.443) 0.141 0.299(0.088~1.025) 0.055 低分化 0.552(0.122~2.505) 0.441 0.455(0.129~1.614) 0.223 脉管侵犯 无 参照 — 参照 — 有 1.044(0.496~2.201) 0.909 1.278(0.674~2.420) 0.452 神经侵犯 无 参照 — 参照 — 有 0.848(0.254~2.824) 0.788 0.959(0.375~2.457) 0.931 肿瘤直径 < 3.25 cm 参照 — 参照 — ≥3.25 cm 4.362(1.958~9.717) < 0.001 2.265(1.217~4.214) 0.010 T分期 T1~T2期 参照 — 参照 — T3期 5.036(2.063~12.293) < 0.001 5.711(2.653~12.294) < 0.001 N分期 N0期 参照 — 参照 — N1~N2期 0.817(0.406~1.643) 0.57 0.841(0.459~1.542) 0.576 pTNM分期 Ⅱ期 参照 — 参照 — Ⅲ期 0.861(0.428~1.732) 0.674 0.893(0.487~1.638) 0.715 手术方式 胸腔镜 参照 — 参照 — 开胸手术 1.589(0.655~3.855) 0.306 1.086(0.458~2.576) 0.851 同期化疗 无 参照 — 参照 — 有 1.328(0.664~2.657) 0.423 1.557(0.850~2.852) 0.151 化疗方案 未同期化疗 参照 — 参照 — 紫杉醇联合顺铂方案 2.109(0.827~5.377) 0.118 1.601(0.680~3.772) 0.282 氟尿嘧啶联合顺铂方案 0.983(0.226~4.271) 0.982 0.730(0.171~3.106) 0.670 替吉奥单药方案 1.302(0.538~3.151) 0.559 1.914(0.934~3.921) 0.076 PIV 高 参照 — 参照 — 低 0.244(0.119~0.500) < 0.001 0.340(0.184~0.627) 0.001 HR: 风险比; CI: 置信区间; pTNM分期: 手术后TNM分期; PIV: 泛免疫炎症值。
下载: 导出CSV
表 4 食管癌术后辅助放疗患者总生存率和无病生存率的多因素分析
因素 分类 总生存率HR(95%CI) P 无病生存率HR(95%CI) P 肿瘤直径 < 3.25 cm 参照 — 参照 — ≥3.25 cm 2.554(1.096~5.953) 0.030 1.188(0.614~2.298) 0.609 T分期 T1~T2期 参照 — 参照 — T3期 3.389(1.344~8.542) 0.010 5.059(2.225~11.505) < 0.001 PIV 高 参照 — 参照 — 低 0.321(0.154~0.669) 0.002 0.398(0.212~0.750) 0.004 HR: 风险比; CI: 置信区间; PIV: 泛免疫炎症值。
下载: 导出CSV
-
[1] SUNG H, FERLAY 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 Cancer J Clin, 2021, 71(3): 209-249. doi: 10.3322/caac.21660
[2] UHLENHOPP D J, THEN E O, SUNKARA T, et al. Epidemiology of esophageal cancer: update in global trends, etiology and risk factors[J]. Clin J Gastroenterol, 2020, 13(6): 1010-1021. doi: 10.1007/s12328-020-01237-x
[3] WATANABE M, OTAKE R, KOZUKI R, et al. Recent progress in multidisciplinary treatment for patients with esophageal cancer[J]. Surg Today, 2020, 50(1): 12-20. doi: 10.1007/s00595-019-01878-7
[4] EYCK B M, VAN LANSCHOT J J B, HULSHOF M C C M, et al. Ten-year outcome of neoadjuvant chemoradiotherapy plus surgery for esophageal cancer: the randomized controlled CROSS trial[J]. J Clin Oncol, 2021, 39(18): 1995-2004. doi: 10.1200/JCO.20.03614
[5] KAKEJI Y, OSHIKIRI T, TAKIGUCHI G, et al. Multimodality approaches to control esophageal cancer: development of chemoradiotherapy, chemotherapy, and immunotherapy[J]. Esophagus, 2021, 18(1): 25-32. doi: 10.1007/s10388-020-00782-1
[6] GRIVENNIKOV S I, GRETEN F R, KARIN M. Immunity, inflammation, and cancer[J]. Cell, 2010, 140(6): 883-899. doi: 10.1016/j.cell.2010.01.025
[7] WINARNO G N A, MULYANTARI A I, KURNIADI A, et al. Predicting chemotherapy resistance in gestational trophoblastic neoplasia: ratio of neutrophils, lymphocytes, monocytes, and platelets[J]. Med Sci Monit, 2022, 28: e938499.
[8] PORTALE G, BARTOLOTTA P, AZZOLINA D, et al. Prognostic role of platelet-to-lymphocyte ratio, neutrophil-to-lymphocyte, and lymphocyte-to-monocyte ratio in operated rectal cancer patients: systematic review and meta-analysis[J]. Langenbecks Arch Surg, 2023, 408(1): 85. doi: 10.1007/s00423-023-02786-8
[9] ZHANG H D, SHANG X B, REN P, et al. The predictive value of a preoperative systemic immune-inflammation index and prognostic nutritional index in patients with esophageal squamous cell carcinoma[J]. J Cell Physiol, 2019, 234(2): 1794-1802. doi: 10.1002/jcp.27052
[10] GAO Y B, GUO W, CAI S H, et al. Systemic immune-inflammation index (SII) is useful to predict survival outcomes in patients with surgically resected esophageal squamous cell carcinoma[J]. J Cancer, 2019, 10(14): 3188-3196. doi: 10.7150/jca.30281
[11] CAO Z, JI J, ZHANG C, et al. The preoperative neutrophil-to-lymphocyte ratio is not a marker of prostate cancer characteristics but is an independent predictor of biochemical recurrence in patients receiving radical prostatectomy[J]. Cancer Med, 2019, 8(3): 1004-1012. doi: 10.1002/cam4.1984
[12] FUCÀ G, GUARINI V, ANTONIOTTI C, et al. The Pan-Immune-Inflammation Value is a new prognostic biomarker in metastatic colorectal cancer: results from a pooled-analysis of the Valentino and TRIBE first-line trials[J]. Br J Cancer, 2020, 123(3): 403-409. doi: 10.1038/s41416-020-0894-7
[13] SUSOK L, SAID S, REINERT D, et al. The pan-immune-inflammation value and systemic immune-inflammation index in advanced melanoma patients under immunotherapy[J]. J Cancer Res Clin Oncol, 2022, 148(11): 3103-3108. doi: 10.1007/s00432-021-03878-y
[14] CHEN X R, HONG X C, CHEN G, et al. The Pan-Immune-Inflammation Value predicts the survival of patients with anaplastic lymphoma kinase-positive non-small cell lung cancer treated with first-line ALK inhibitor[J]. Transl Oncol, 2022, 17: 101338. doi: 10.1016/j.tranon.2021.101338
[15] YEKEDÜZ E, TURAL D, ERTÜRK Ī, et al. The relationship between pan-immune-inflammation value and survival outcomes in patients with metastatic renal cell carcinoma treated with nivolumab in the second line and beyond: a Turkish oncology group kidney cancer consortium (TKCC) study[J]. J Cancer Res Clin Oncol, 2022, 148(12): 3537-3546. doi: 10.1007/s00432-022-04055-5
[16] YAZGAN S C, YEKEDVZ E, UTKAN G, et al. Prognostic role of pan-immune-inflammation value in patients with metastatic castration-resistant prostate cancer treated with androgen receptor-signaling inhibitors[J]. Prostate, 2022, 82(15): 1456-1461. doi: 10.1002/pros.24419
[17] LIGORIO F, FUCÀG, ZATTARIN E, et al. The pan-immune-inflammation-value predicts the survival of patients with human epidermal growth factor receptor 2(HER2)-positive advanced breast cancer treated with first-line taxane-trastuzumab-pertuzumab[J]. Cancers, 2021, 13(8): 1964. doi: 10.3390/cancers13081964
[18] RICE T W, ISHWARAN H, HOFSTETTER W L, et al. Recommendations for pathologic staging (pTNM) of cancer of the esophagus and esophagogastric junction for the 8th edition AJCC/UICC staging manuals[J]. Dis Esophagus, 2016, 29(8): 897-905. doi: 10.1111/dote.12533
[19] ELINAV E, NOWARSKI R, THAISS C A, et al. Inflammation-induced cancer: crosstalk between tumours, immune cells and microorganisms[J]. Nat Rev Cancer, 2013, 13(11): 759-771. doi: 10.1038/nrc3611
[20] LIN F, ZHANG L P, XIE S Y, et al. Pan-immune-inflammation value: a new prognostic index in operative breast cancer[J]. Front Oncol, 2022, 12: 830138. doi: 10.3389/fonc.2022.830138
[21] SATO S, SHIMIZU T, ISHIZUKA M, et al. The preoperative pan-immune-inflammation value is a novel prognostic predictor for with stage Ⅰ-Ⅲ colorectal cancer patients undergoing surgery[J]. Surg Today, 2022, 52(8): 1160-1169. doi: 10.1007/s00595-021-02448-6
[22] PROVENZANO L, LOBEFARO R, LIGORIO F, et al. The pan-immune-inflammation value is associated with clinical outcomes in patients with advanced TNBC treated with first-line, platinum-based chemotherapy: an institutional retrospective analysis[J]. Ther Adv Med Oncol, 2023, 15: 17588359231165978.
[23] YANG X C, LIU H, LIU D C, et al. Prognostic value of pan-immune-inflammation value in colorectal cancer patients: a systematic review and meta-analysis[J]. Front Oncol, 2022, 12: 1036890. doi: 10.3389/fonc.2022.1036890
[24] GUVEN D C, SAHIN T K, ERUL E, et al. The association between the pan-immune-inflammation value and cancer prognosis: a systematic review and meta-analysis[J]. Cancers, 2022, 14(11): 2675. doi: 10.3390/cancers14112675
[25] FENG J F, WANG L, YANG X, et al. Clinical utility of preoperative pan-immune-inflammation value (PIV) for prognostication in patients with esophageal squamous cell carcinoma[J]. Int Immunopharmacol, 2023, 123: 110805. doi: 10.1016/j.intimp.2023.110805
[26] WU X, LI S Q, CHEN D J, et al. An inflammatory response-related gene signature associated with immune status and prognosis of acute myeloid leukemia[J]. Am J Transl Res, 2022, 14(7): 4898-4917.
[27] XU X R, YOUSEF G M, NI H Y. Cancer and platelet crosstalk: opportunities and challenges for aspirin and other antiplatelet agents[J]. Blood, 2018, 131(16): 1777-1789. doi: 10.1182/blood-2017-05-743187
[28] SHAUL M E, FRIDLENDER Z G. Neutrophils as active regulators of the immune system in the tumor microenvironment[J]. J Leukoc Biol, 2017, 102(2): 343-349. doi: 10.1189/jlb.5MR1216-508R
[29] YANG L, ZHANG Y. Tumor-associated macrophages: from basic research to clinical application[J]. J Hematol Oncol, 2017, 10(1): 58. doi: 10.1186/s13045-017-0430-2
[30] LIN B S, DU L K, LI H M, et al. Tumor-infiltrating lymphocytes: Warriors fight against tumors powerfully[J]. Biomed Pharmacother, 2020, 132: 110873. doi: 10.1016/j.biopha.2020.110873
计量
- 文章访问数: 167
- HTML全文浏览量: 19
- PDF下载量: 23
苏公网安备 32100302010246号
