終末期癌癥患者的生存預后判斷在臨床決策、政策制定、患者和親屬的計劃安排中具有重要地位。迄今為止，國外研究者已根據患者的臨床表現、生物標志物等指標開發了多個生存期預測模型，并進行外部驗證，包括姑息行為功能評分、姑息預后評分、姑息預后指數等。中國對終末期癌癥患者生存預后的研究尚處于起步階段，本文介紹癌癥終末期預后因素、生存期預測模型及應用方面的相關進展，以期為后續構建符合中國特點的終末期癌癥患者生存期預測模型提供參考。
引用本文： 楊君婷, 戴偉, 尹世全, 劉躍華. 終末期癌癥患者生存預后模型及其應用. 中國循證醫學雜志, 2021, 21(1): 8-14. doi: 10.7507/1672-2531.202004004 復制
終末期癌癥患者的生存預后判斷在臨床決策、政策制定和患者及親屬的計劃安排中具有重要地位[1]。醫護人員需要根據患者疾病進展和預后情況進行臨床治療決策，制定相應的治療目標及護理計劃，如是否采取激進治療策略或嘗試更新的尚未驗證療效的治療方案；是否需要轉入姑息治療或臨終關懷、終末期護理計劃來更多關注癥狀控制和生命質量。及時獲得疾病生存預后信息，緩解患者和親屬的焦慮情緒，使其在患者生命終末期能最大限度地理解、接受臨終關懷資源。但對終末期癌癥患者生存預后進行準確預判，從技術難度到醫患、家屬的心理建設都充滿了挑戰，不準確的預后估計不僅導致不恰當的臨床決策，還會降低臨床醫生與患者溝通的信心[2]。因此，客觀、準確地識別患者生命終末期情況至關重要。20 世紀 90 年代，有國際組織開始關注癌癥患者生存預后預測及其預測工具，中國等東亞國家由于文化傳統等因素，對該主題研究尚處于起步階段。本文對癌癥終末期預后因素、生存期預測模型及應用方面新進展進行介紹，以期為后續終末期癌癥患者生存期預測模型構建的研究提供參考。
1 癌癥患者生存預后預測概述
自 20 世紀 90 年代，國際已有研究機構及研究者開展了對癌癥患者生存期相關問題的研究。2005 年，歐洲姑息治療研究協會（European Palliative Care Research Collaborative，EPCRC）網絡工作組根據數十年的臨床循證證據，篩選出重要臨床標志物用于終末期癌癥患者生存期預測，并推薦了多種預后工具[3]。在此基礎上，研究者相繼驗證并根據癌癥種類衍生出多個相關預測模型。2018 年，腫瘤支持護理跨國協會（Multinational Association for Supportive Care in Cancer，MASCC）主辦的國際癌癥支持治療年會，對進展期癌癥患者預后進行了專題研討[4]。
目前，癌癥患者生存期預測方法大致可分為 3 類。第一類為傳統的人工預測，主要由醫護人員利用經驗結合臨床數據等非正式方法對患者的生存預后作出判斷。醫護人員經驗相差較大、預測過程缺乏統計學方法支持等因素使人工預測的準確性難以保證。有研究顯示，人工預測會對預后更為樂觀，表現為將患者生存時間高估 3 到 5 倍[5]。第二類為使用統計學工具對生存相關因素進行分析并建模，基于模型運行結果預測患者生存預后。統計建模預測是目前臨床使用最廣的方法，本文對該類別進行重點評價[6-12]。不同模型有不同計分規則，通常是對預后因素進行權重后計分，一般來說得分越高，患者預后越差。部分模型還針對患者風險組類別提供了在規定時間內的生存概率。第三類是使用電子健康記錄等信息，利用數據深度挖掘方法（如支持向量機、人工神經網絡、決策樹模型等）建立的預測模型，這類模型有自我學習、自適應等特點，敏感性和特異性相對較高，預測結果更穩定。
臨床證據表明癌癥患者在去世前 3 個月時，機體功能會有一個較為明顯的轉折點，預測≤3 個月和 3～12 個月生存率的結局指標存在較大差異[13, 14]。考慮癌癥患者現狀及模型的實用性，本文僅對預測生存時間≤3 個月的模型及相關預后因素進行概述。
2 癌癥患者預后因素
患者的體能狀態、臨床癥狀是腫瘤終末期患者生存的預后因素。目前最常用于評價癌癥患者體能狀態頻率的為美國東部腫瘤協作組評分（Eastern Cooperative Oncology Group，ECOG）和卡氏功能狀態評分（Karnofsky Performance Status，KPS）[3]。臨床癥狀以厭食-惡病質綜合癥、呼吸困難、譫妄和認知障礙與生存期最為相關，其他如惡心、便秘、頭暈、焦慮、抑郁、發熱、腹痛、腹瀉、出血、呼吸頻率和是否使用阿片類藥物治療，也被證明有一定的相關性；實驗室檢測指標中標志著全身性炎癥反應的 C 反應蛋白、低白蛋白和白細胞增多等在終末期癌癥患者中具有獨立的預后價值[15]。另外，一些新發現指標，包括相位角、法令紋下垂、靶向藥物的應用[16]等也與總體存活情況相關。
3 腫瘤終末期患者生存期預測模型研究進展
目前國內外學者致力于建立并驗證新的生存預后預測模型，模型中對于患者的體能狀態的評價常選擇 ECOG、KPS；最常見的臨床參數為厭食和呼吸困難；生物學指標為 C 反應蛋白、白細胞計數、淋巴細胞計數和白蛋白，使用的參數數量從 2 個（BCI 模型）到 10 個（ChPS 模型）不等。較為常用的建模方法為 Cox 比例風險模型。詳見表 1 和表 2。
表1
預測模型概況
表2
預測模型參數概況
3.1 歐美等國開發的模型
3.1.1 姑息行為功能評分（palliative performance scale，PPS）
PPS 是 1996 年 Anderson 等對 KPS 進行改進后的版本，已在加拿大和美國各住院、門診腫瘤和姑息治療環境中得到了驗證[9, 20]。該評分系統總分為 0～100 分，以 10 分為間隔，共 11 個級別，其中 0 分表示死亡，100 分表示完全健康，由 5 個主觀參數組成，包括患者的行走能力、活動和疾病證據、自我護理能力、進食量、意識水平。現有驗證研究中，PPS 分數的絕對切入點并不一致[21]，但均顯示 PPS 得分與生存率具有相關性。需要注意的是，該模型在得分高的患者中預測準確性較低，預測指標偏向于患者的狀態和疾病負擔，使用時應注意需由醫生或熟悉患者的工作人員進行操作，故在一定程度上限制了其應用范圍。
3.1.2 姑息預后評分（palliative prognostic score，PaP）
PaP 模型[7]于 1999 年搭建完成，數據來源為意大利一個針對姑息治療的多中心前瞻性研究，涉及 519 例終末期實體腫瘤患者的臨床數據和實驗室參數結果。模型包括 4 個主觀指標（臨床生存預測、KPS 評分、厭食癥、呼吸困難）和兩個客觀指標（總白細胞計數、淋巴細胞百分比），主要用于預測終末期癌癥患者 30 天生存率。該評分系統總分為 0～17.5 分，根據得分（0～5.5、5.6～11 和 11.1～17.5 分）將終末期癌癥患者人群分為三組，其 30 天生存率分別為機會分別為>70%、30～70% 和<30%。模型內容如下：臨床生存預測為 1～2、3～4、5～6、7～10、11～12 和>12 周，分別計 8.5、6、4.5、2.5、2 和 0 分；以患者 KPS 得分將患者分為 2 個等級，KPS 得分 10～20 分計 2.5 分，≥30 分計 0 分；岀現厭食癥記 1.5 分；岀現呼吸困難記 1 分；白細胞總數為 4 800～8 500/mm3 計 1 分、8 501～11 000/mm3 計 0.5 分、>11 000/mm3 計 1.5 分；淋巴細胞百分比為 20%～40% 計 0 分，12%～19.9% 計 1 分，<12% 計 2.5 分。目前，PaP 評分已在意大利、巴西、日本等國家涉及到頭頸癌、肺癌、皮膚癌、乳腺癌、胃腸道癌等研究中得以驗證[22, 23]，是目前應用較為廣泛的預測工具。
3.1.3 譫妄-姑息預后評分（delirium-palliative prognostic score，D-PaP）
D-PaP 是 Scarpi 等[17]在 2011 年對 361 例終末期癌癥患者進行回顧性研究建立的。D-PaP 在 PaP 的基礎上納入了譫妄這一信息，若出現譫妄記 2 分，這一定程度上提高了預測準確性。D-PaP 較 PaP 工具尚未得到廣泛的驗證。值得注意的是，二者都嚴重依賴主觀指標臨床生存預測，這一指標最多可為模型貢獻 8.5 分（PaP 最高為 17.5，D-PaP 最高為 19.5），其他指標最多貢獻 2.5 分，這使得該工具在很大程度上依賴于臨床醫生的專業知識和對預后的判斷能力，缺乏腫瘤學和姑息治療經驗的醫師的臨床預測可能會降低評分的準確性。有研究發現，未納入臨床生存預測的 PaP 評分用于預測患者的 30 天、100 天生存率，與納入臨床生存預測的 PaP 評分相比，其受試者工作特征曲線下面積（area under curve，AUC）更高[24]，提示未來需要基于客觀的預后指標開發準確性更高的預后工具。
3.1.4 B12/CRP 指數（CRP-vitamin B12 index，BCI）
BCI[18]是由英國倫敦大學一個研究小組根據 EAPC 在 2005 年的建議開發而成。它由兩個生物標志物（CRP 和維生素 B12）組成，用于估計患者 90 天的死亡概率。BCI 首次納入了維生素 B12 水平作為預后的指標，對于患者的生存期預測具有重要意義。目前，BCI 在接受老年護理機構治療的終末期無法治愈的癌癥患者中得到了驗證[25]，但其廣泛應用還存在爭議。一個針對 62 例終末期癌癥患者的研究顯示，評價 90 天生存率時，臨床生存預測優于 BCI[26]，并且維生素 B12 水平并非是癌癥患者常規檢測指標，這一點也限制了該工具的應用。
3.2 基于亞洲人群建立的模型
3.2.1 基于非中國人群建立的模型
3.2.1.1 姑息預后指數[10 ]（palliative prognostic index，PPI）
PPI 是 PPS 的擴展，由 Morita 等于 1999 年基于 150 例已接受姑息治療的日本終末期腫瘤患者數據提出，并在 95 例患者中進行內部驗證，用于預測癌癥患者 3 周和 6 周生存率。該模型包含 5 個主觀參數，即 PPS、經口攝食量的變化、是否水腫、呼吸困難、譫妄。該評分系統總分為 0～15 分，當總分<2、2～4 和>4 分時，預測患者生存率分別為>6 周、3～6 周和<3 周。PPI 預測 3 周生存率的敏感性和特異性分別為 75% 和 84%，預測 6 周生存率的敏感性和特異性分別為 76% 和 78%。PPI 模型內容如下：以患者 PPS 得分將患者分為 3 個等級（PPS 得分 10～20 分、30～50 分和≥60 分），分別計 4 分、2.5 分和 0 分。根據經口攝入量的變化，分為正常、適當減少、嚴重減少 3 組，分別計 0 分、1 分和 2.5 分；岀現水腫記 1 分；岀現呼吸困難記 3.5 分；岀現譫妄計 4 分。PPI 評估完全基于患者臨床癥狀，不需要侵入性檢查且操作簡便，其性能在多個國家的癌癥患者中得到驗證[27-30]，目前已廣泛應用于醫院、臨終關懷咨詢中心、家庭護理等多個場景。需要注意的是，2018 年 Liu 等[31]基于現有研究發現，目前較少有研究 PPI 得分小于 2 分，故對 15 個研究結果進行分析后，以 4 分和 6 分作為生存期預后預測的截斷點更為實用。此外，該量表在建立時，研究者納入的譫妄標準是指病理性、不可逆性譫妄，在使用該工具時需排除患者可能出現的可逆性譫妄。
3.2.1.2 PS-姑息預后指數（performance status–based palliative prognostic index，PS-PPI）量表
PS-PPI 量表由 Yamada 等[19]在 2017 年考慮到較多臨床醫生使用 ECOG 來評價患者的活動狀態，將 PPI 中的 KPS 替換為 ECOG 后基于 2361 例癌癥患者的臨床數據建立。計分規則如下：ECOG 為 0～1、2 和 3～4 時分別計 0、2.5 和 4 分，其他預后指標的計分方式同 PPI，計分截斷點選為 4 分和 6 分。研究發現在預測終末期癌癥患者的預后時，PS-PPI 與 PPI 一樣準確，PS-PPI 還可用于長期生存預測（3～6 個月）及化療患者的生存預測，但目前還未有外部驗證。
3.2.1.3 客觀預后評分（objective prognostic score，OPS）
OPS[6]是 Sang-Yeon Suh 等通過對韓國的 6 所醫院中 209 例癌癥患者進行前瞻性隨訪，使用 Cox 比例風險模型分析所得，模型包括 3 個主觀指標（口服攝入減少、呼吸困難、ECOG），4 個客觀指標（肌酐、膽紅素、白細胞、乳酸脫氫酶），主要用于預測 3w 生存率。該模型總分為 0～8 分，其中出現口服攝入減少、呼吸困難、低體能狀態（ECOG≥4）、白細胞計數>11 000/mm3、血清膽紅素>2.0 mg/dL、血清乳酸脫氫酶≥502 IU 分別計 1 分；血清肌酐≥1.5 mg/dL 計 2 分。截斷點為 3 分，3 周預測靈敏度為 74.7%，特異度為 76.5%，準確率為 75.5%。隨后，模型在日本、韓國和朝鮮[32, 33]等多個國家的癌癥患者中得到了驗證，準確率介于 70%～78%。
3.2.2 基于中國人群建立的模型
3.2.2.1 癌癥預后量表（cancer prognostic score，CPS）
CPS[11]是由莊榮彬等通過整理分析臺大醫院 1997 年至 1999 年 356 例終末期癌癥患者的病歷和相關臨床參數后提出，并在 2001 年 12 月至 2002 年 7 月入院的 184 例終末期癌癥患者中進行內部驗證，主要用于預測癌癥患者 1 周和 2 周的生存率。該評分系統包括肝轉移、肺轉移、疲倦、腹水、水腫、認知障礙、體重減輕和 ECOG 這 8 個獨立預后因素，總分為 0～8.5 分，分值越高，預后越差。當總分≥3.5 分時，患者的生存期<2 周在測試集和驗證集中準確率分別為 72% 和 61%；當總分>6 分時，患者的生存期<1 周在測試集和驗證集中準確率分別為 72% 和 66%。接受住院姑息治療的患者的中位生存期通常約為 2 周[34]，該模型對規劃死亡和優化臨終關懷姑息治療有重要參考價值。
3.2.2.2 中國預后量表（Chinese prognostic scale，ChPS）
ChPS[12]是中國大陸地區首個對終末期癌癥患者進行生存期預測的量表，由 Zhou 等回顧上海地區 2003 年至 2007 年姑息家庭護理服務有關的終末期癌癥患者相關臨床數據所得。該研究將 814 例患者的數據作為訓練集，以同期進入研究的 205 例患者作為驗證集進行內部驗證，最終確定以體重減輕、惡心、吞咽困難、呼吸困難、水腫、惡病質、脫水、性別、KPS 評分和生活質量評分這 10 個因素構建死亡風險預測模型，主要用于預測 3 個月的生存率。模型內容如下：患者出現體重減輕、惡心、吞咽困難、呼吸困難、水腫、惡病質、脫水分別計 1、3、4、6、8、20 分；若患者為男性計 0 分，為女性計?6 分；KPS 評分>70、70～61、60～51 和≤50 分別計 0、9、17 和 29 分；生活質量評分>40、40～31、≤30 分分別計 0、6、14 分，當總分>28 分時，患者的生存期<3 個月在測試集和驗證集中準確率分別為 0.694 和 0.665。該評估工具未涉及到侵入式檢查，故更適用于在家庭護理環境中或腫瘤終末期患者拒絕侵入性操作時。目前缺乏對 ChPS 的外部驗證。
3.2.2.3 客觀姑息預后評分（objective palliative prognostic score，OPPS）
OPPS[8]是由 Chen 等回顧 2005 年至 2007 年我國臺灣地區一家三甲醫院臨終關懷姑息治療室的 234 例終末期癌癥患者的病歷所建立，使用多元 logistic 分析最終確定六個預測因素，預測 1 周生存率的 AUC 為 0.82［95%CI（0.75，0.89）］。該量表共計 6 分，心率>120/min、白細胞>11 000/mm3、血小板<130 000/mm3、血清肌酐>1.3 mg/dL、血清鉀>5 mg/dL 和無化療史各計 1 分，當總分≥3 分時，預測患者生存期<1 周的靈敏度為 68.8%，特異度為 86.0%。目前缺乏對其的外部驗證。
4 展望
準確判斷患者預后是癌癥治療的首要原則。但需要明確的是，建立預測模型的主要目的并非是確定患者生存時間，而是輔助醫護人員進行臨床決策，制定更好的護理計劃，提高患者終末期生活質量。迄今為止，國內外已開發了多個生存期預測模型，現有模型大多利用回顧性研究的數據，使用 Cox 比例風險回歸進行建模，樣本量較小。各模型預測能力及納入的預后指標有一定差異，這種差異決定了其適用于不同場景，如 PPI、ChPS 等工具中納入患者癥狀、體能相關因素，雖然預測能力較差，但較為簡便，可為拒絕侵入性操作或居家采血不便時的腫瘤終末期患者進行評估；BCI、OPS 等包含生物學參數的工具，可用在醫院、姑息治療中心等具備檢測條件的場所；PaP、D-PaP 等工具除了生物學參數，還包含了臨床醫生判斷這一指標，使用時通常需要腫瘤學和姑息治療經驗的醫師進行評估。
目前，國內關于癌癥終末期患者生存期預測的研究尚處于起步階段，現有模型通常是基于較小樣本、某一省份癌癥患者的數據進行，在人群的代表性方面受到限制，并且模型未得到外部驗證。基于該現狀，筆者認為在未來構建適用于中國人群終末期腫瘤生存期預測模型時，應注意以下幾方面內容：① 模型建立：數據來源可考慮利用包含醫院、姑息治療中心等多中心癌癥患者的數據。建模方法應考慮模型的可操作性，合理使用深度學習等技術，不能過度追求算法的精準而忽視了模型的實際應用價值。建模變量及截斷點的選擇應充分考慮模型的應用場景及價值，合理選擇納入模型的預測變量，如終末期癌癥患者日常護理需要粗略估計患者預后，而家庭臨終關懷無法獲得臨床實驗相關指標等，可考慮使用易于評估的變量。相反，若需準確的預后，則可能需要更多實驗室相關指標。模型截斷點的選擇應該充分考慮敏感性與特異性之間以及可行性與準確性的平衡。② 模型驗證：應高度重視模型的外部驗證研究，為可用于人群推廣的評估模型提供科學依據。③ 模型的可應用性：盡管各種預后模型可以幫助臨床醫生預測患者的生存情況，但繁瑣的計算公式、模糊的解釋結果可能會限制其臨床效用。未來可考慮通過使用基于網絡的工具（例如：https://www.predictsurvival.com/；https://www.mdcalc.com/；http://tools.farmacologiaclinica.info/）來解決復雜計算問題，同時可根據多個預后評分提供生存預測。此外，以可視化的圖形格式呈現出預測結果可能有助于臨床醫生的解釋和患者的理解，如通過列線圖的形式對結果進行可視化呈現。
終末期癌癥患者的生存預后判斷在臨床決策、政策制定和患者及親屬的計劃安排中具有重要地位[1]。醫護人員需要根據患者疾病進展和預后情況進行臨床治療決策，制定相應的治療目標及護理計劃，如是否采取激進治療策略或嘗試更新的尚未驗證療效的治療方案；是否需要轉入姑息治療或臨終關懷、終末期護理計劃來更多關注癥狀控制和生命質量。及時獲得疾病生存預后信息，緩解患者和親屬的焦慮情緒，使其在患者生命終末期能最大限度地理解、接受臨終關懷資源。但對終末期癌癥患者生存預后進行準確預判，從技術難度到醫患、家屬的心理建設都充滿了挑戰，不準確的預后估計不僅導致不恰當的臨床決策，還會降低臨床醫生與患者溝通的信心[2]。因此，客觀、準確地識別患者生命終末期情況至關重要。20 世紀 90 年代，有國際組織開始關注癌癥患者生存預后預測及其預測工具，中國等東亞國家由于文化傳統等因素，對該主題研究尚處于起步階段。本文對癌癥終末期預后因素、生存期預測模型及應用方面新進展進行介紹，以期為后續終末期癌癥患者生存期預測模型構建的研究提供參考。
1 癌癥患者生存預后預測概述
自 20 世紀 90 年代，國際已有研究機構及研究者開展了對癌癥患者生存期相關問題的研究。2005 年，歐洲姑息治療研究協會（European Palliative Care Research Collaborative，EPCRC）網絡工作組根據數十年的臨床循證證據，篩選出重要臨床標志物用于終末期癌癥患者生存期預測，并推薦了多種預后工具[3]。在此基礎上，研究者相繼驗證并根據癌癥種類衍生出多個相關預測模型。2018 年，腫瘤支持護理跨國協會（Multinational Association for Supportive Care in Cancer，MASCC）主辦的國際癌癥支持治療年會，對進展期癌癥患者預后進行了專題研討[4]。
目前，癌癥患者生存期預測方法大致可分為 3 類。第一類為傳統的人工預測，主要由醫護人員利用經驗結合臨床數據等非正式方法對患者的生存預后作出判斷。醫護人員經驗相差較大、預測過程缺乏統計學方法支持等因素使人工預測的準確性難以保證。有研究顯示，人工預測會對預后更為樂觀，表現為將患者生存時間高估 3 到 5 倍[5]。第二類為使用統計學工具對生存相關因素進行分析并建模，基于模型運行結果預測患者生存預后。統計建模預測是目前臨床使用最廣的方法，本文對該類別進行重點評價[6-12]。不同模型有不同計分規則，通常是對預后因素進行權重后計分，一般來說得分越高，患者預后越差。部分模型還針對患者風險組類別提供了在規定時間內的生存概率。第三類是使用電子健康記錄等信息，利用數據深度挖掘方法（如支持向量機、人工神經網絡、決策樹模型等）建立的預測模型，這類模型有自我學習、自適應等特點，敏感性和特異性相對較高，預測結果更穩定。
臨床證據表明癌癥患者在去世前 3 個月時，機體功能會有一個較為明顯的轉折點，預測≤3 個月和 3～12 個月生存率的結局指標存在較大差異[13, 14]。考慮癌癥患者現狀及模型的實用性，本文僅對預測生存時間≤3 個月的模型及相關預后因素進行概述。
2 癌癥患者預后因素
患者的體能狀態、臨床癥狀是腫瘤終末期患者生存的預后因素。目前最常用于評價癌癥患者體能狀態頻率的為美國東部腫瘤協作組評分（Eastern Cooperative Oncology Group，ECOG）和卡氏功能狀態評分（Karnofsky Performance Status，KPS）[3]。臨床癥狀以厭食-惡病質綜合癥、呼吸困難、譫妄和認知障礙與生存期最為相關，其他如惡心、便秘、頭暈、焦慮、抑郁、發熱、腹痛、腹瀉、出血、呼吸頻率和是否使用阿片類藥物治療，也被證明有一定的相關性；實驗室檢測指標中標志著全身性炎癥反應的 C 反應蛋白、低白蛋白和白細胞增多等在終末期癌癥患者中具有獨立的預后價值[15]。另外，一些新發現指標，包括相位角、法令紋下垂、靶向藥物的應用[16]等也與總體存活情況相關。
3 腫瘤終末期患者生存期預測模型研究進展
目前國內外學者致力于建立并驗證新的生存預后預測模型，模型中對于患者的體能狀態的評價常選擇 ECOG、KPS；最常見的臨床參數為厭食和呼吸困難；生物學指標為 C 反應蛋白、白細胞計數、淋巴細胞計數和白蛋白，使用的參數數量從 2 個（BCI 模型）到 10 個（ChPS 模型）不等。較為常用的建模方法為 Cox 比例風險模型。詳見表 1 和表 2。
表1
預測模型概況
表2
預測模型參數概況
3.1 歐美等國開發的模型
3.1.1 姑息行為功能評分（palliative performance scale，PPS）
PPS 是 1996 年 Anderson 等對 KPS 進行改進后的版本，已在加拿大和美國各住院、門診腫瘤和姑息治療環境中得到了驗證[9, 20]。該評分系統總分為 0～100 分，以 10 分為間隔，共 11 個級別，其中 0 分表示死亡，100 分表示完全健康，由 5 個主觀參數組成，包括患者的行走能力、活動和疾病證據、自我護理能力、進食量、意識水平。現有驗證研究中，PPS 分數的絕對切入點并不一致[21]，但均顯示 PPS 得分與生存率具有相關性。需要注意的是，該模型在得分高的患者中預測準確性較低，預測指標偏向于患者的狀態和疾病負擔，使用時應注意需由醫生或熟悉患者的工作人員進行操作，故在一定程度上限制了其應用范圍。
3.1.2 姑息預后評分（palliative prognostic score，PaP）
PaP 模型[7]于 1999 年搭建完成，數據來源為意大利一個針對姑息治療的多中心前瞻性研究，涉及 519 例終末期實體腫瘤患者的臨床數據和實驗室參數結果。模型包括 4 個主觀指標（臨床生存預測、KPS 評分、厭食癥、呼吸困難）和兩個客觀指標（總白細胞計數、淋巴細胞百分比），主要用于預測終末期癌癥患者 30 天生存率。該評分系統總分為 0～17.5 分，根據得分（0～5.5、5.6～11 和 11.1～17.5 分）將終末期癌癥患者人群分為三組，其 30 天生存率分別為機會分別為>70%、30～70% 和<30%。模型內容如下：臨床生存預測為 1～2、3～4、5～6、7～10、11～12 和>12 周，分別計 8.5、6、4.5、2.5、2 和 0 分；以患者 KPS 得分將患者分為 2 個等級，KPS 得分 10～20 分計 2.5 分，≥30 分計 0 分；岀現厭食癥記 1.5 分；岀現呼吸困難記 1 分；白細胞總數為 4 800～8 500/mm3 計 1 分、8 501～11 000/mm3 計 0.5 分、>11 000/mm3 計 1.5 分；淋巴細胞百分比為 20%～40% 計 0 分，12%～19.9% 計 1 分，<12% 計 2.5 分。目前，PaP 評分已在意大利、巴西、日本等國家涉及到頭頸癌、肺癌、皮膚癌、乳腺癌、胃腸道癌等研究中得以驗證[22, 23]，是目前應用較為廣泛的預測工具。
3.1.3 譫妄-姑息預后評分（delirium-palliative prognostic score，D-PaP）
D-PaP 是 Scarpi 等[17]在 2011 年對 361 例終末期癌癥患者進行回顧性研究建立的。D-PaP 在 PaP 的基礎上納入了譫妄這一信息，若出現譫妄記 2 分，這一定程度上提高了預測準確性。D-PaP 較 PaP 工具尚未得到廣泛的驗證。值得注意的是，二者都嚴重依賴主觀指標臨床生存預測，這一指標最多可為模型貢獻 8.5 分（PaP 最高為 17.5，D-PaP 最高為 19.5），其他指標最多貢獻 2.5 分，這使得該工具在很大程度上依賴于臨床醫生的專業知識和對預后的判斷能力，缺乏腫瘤學和姑息治療經驗的醫師的臨床預測可能會降低評分的準確性。有研究發現，未納入臨床生存預測的 PaP 評分用于預測患者的 30 天、100 天生存率，與納入臨床生存預測的 PaP 評分相比，其受試者工作特征曲線下面積（area under curve，AUC）更高[24]，提示未來需要基于客觀的預后指標開發準確性更高的預后工具。
3.1.4 B12/CRP 指數（CRP-vitamin B12 index，BCI）
BCI[18]是由英國倫敦大學一個研究小組根據 EAPC 在 2005 年的建議開發而成。它由兩個生物標志物（CRP 和維生素 B12）組成，用于估計患者 90 天的死亡概率。BCI 首次納入了維生素 B12 水平作為預后的指標，對于患者的生存期預測具有重要意義。目前，BCI 在接受老年護理機構治療的終末期無法治愈的癌癥患者中得到了驗證[25]，但其廣泛應用還存在爭議。一個針對 62 例終末期癌癥患者的研究顯示，評價 90 天生存率時，臨床生存預測優于 BCI[26]，并且維生素 B12 水平并非是癌癥患者常規檢測指標，這一點也限制了該工具的應用。
3.2 基于亞洲人群建立的模型
3.2.1 基于非中國人群建立的模型
3.2.1.1 姑息預后指數[10 ]（palliative prognostic index，PPI）
PPI 是 PPS 的擴展，由 Morita 等于 1999 年基于 150 例已接受姑息治療的日本終末期腫瘤患者數據提出，并在 95 例患者中進行內部驗證，用于預測癌癥患者 3 周和 6 周生存率。該模型包含 5 個主觀參數，即 PPS、經口攝食量的變化、是否水腫、呼吸困難、譫妄。該評分系統總分為 0～15 分，當總分<2、2～4 和>4 分時，預測患者生存率分別為>6 周、3～6 周和<3 周。PPI 預測 3 周生存率的敏感性和特異性分別為 75% 和 84%，預測 6 周生存率的敏感性和特異性分別為 76% 和 78%。PPI 模型內容如下：以患者 PPS 得分將患者分為 3 個等級（PPS 得分 10～20 分、30～50 分和≥60 分），分別計 4 分、2.5 分和 0 分。根據經口攝入量的變化，分為正常、適當減少、嚴重減少 3 組，分別計 0 分、1 分和 2.5 分；岀現水腫記 1 分；岀現呼吸困難記 3.5 分；岀現譫妄計 4 分。PPI 評估完全基于患者臨床癥狀，不需要侵入性檢查且操作簡便，其性能在多個國家的癌癥患者中得到驗證[27-30]，目前已廣泛應用于醫院、臨終關懷咨詢中心、家庭護理等多個場景。需要注意的是，2018 年 Liu 等[31]基于現有研究發現，目前較少有研究 PPI 得分小于 2 分，故對 15 個研究結果進行分析后，以 4 分和 6 分作為生存期預后預測的截斷點更為實用。此外，該量表在建立時，研究者納入的譫妄標準是指病理性、不可逆性譫妄，在使用該工具時需排除患者可能出現的可逆性譫妄。
3.2.1.2 PS-姑息預后指數（performance status–based palliative prognostic index，PS-PPI）量表
PS-PPI 量表由 Yamada 等[19]在 2017 年考慮到較多臨床醫生使用 ECOG 來評價患者的活動狀態，將 PPI 中的 KPS 替換為 ECOG 后基于 2361 例癌癥患者的臨床數據建立。計分規則如下：ECOG 為 0～1、2 和 3～4 時分別計 0、2.5 和 4 分，其他預后指標的計分方式同 PPI，計分截斷點選為 4 分和 6 分。研究發現在預測終末期癌癥患者的預后時，PS-PPI 與 PPI 一樣準確，PS-PPI 還可用于長期生存預測（3～6 個月）及化療患者的生存預測，但目前還未有外部驗證。
3.2.1.3 客觀預后評分（objective prognostic score，OPS）
OPS[6]是 Sang-Yeon Suh 等通過對韓國的 6 所醫院中 209 例癌癥患者進行前瞻性隨訪，使用 Cox 比例風險模型分析所得，模型包括 3 個主觀指標（口服攝入減少、呼吸困難、ECOG），4 個客觀指標（肌酐、膽紅素、白細胞、乳酸脫氫酶），主要用于預測 3w 生存率。該模型總分為 0～8 分，其中出現口服攝入減少、呼吸困難、低體能狀態（ECOG≥4）、白細胞計數>11 000/mm3、血清膽紅素>2.0 mg/dL、血清乳酸脫氫酶≥502 IU 分別計 1 分；血清肌酐≥1.5 mg/dL 計 2 分。截斷點為 3 分，3 周預測靈敏度為 74.7%，特異度為 76.5%，準確率為 75.5%。隨后，模型在日本、韓國和朝鮮[32, 33]等多個國家的癌癥患者中得到了驗證，準確率介于 70%～78%。
3.2.2 基于中國人群建立的模型
3.2.2.1 癌癥預后量表（cancer prognostic score，CPS）
CPS[11]是由莊榮彬等通過整理分析臺大醫院 1997 年至 1999 年 356 例終末期癌癥患者的病歷和相關臨床參數后提出，并在 2001 年 12 月至 2002 年 7 月入院的 184 例終末期癌癥患者中進行內部驗證，主要用于預測癌癥患者 1 周和 2 周的生存率。該評分系統包括肝轉移、肺轉移、疲倦、腹水、水腫、認知障礙、體重減輕和 ECOG 這 8 個獨立預后因素，總分為 0～8.5 分，分值越高，預后越差。當總分≥3.5 分時，患者的生存期<2 周在測試集和驗證集中準確率分別為 72% 和 61%；當總分>6 分時，患者的生存期<1 周在測試集和驗證集中準確率分別為 72% 和 66%。接受住院姑息治療的患者的中位生存期通常約為 2 周[34]，該模型對規劃死亡和優化臨終關懷姑息治療有重要參考價值。
3.2.2.2 中國預后量表（Chinese prognostic scale，ChPS）
ChPS[12]是中國大陸地區首個對終末期癌癥患者進行生存期預測的量表，由 Zhou 等回顧上海地區 2003 年至 2007 年姑息家庭護理服務有關的終末期癌癥患者相關臨床數據所得。該研究將 814 例患者的數據作為訓練集，以同期進入研究的 205 例患者作為驗證集進行內部驗證，最終確定以體重減輕、惡心、吞咽困難、呼吸困難、水腫、惡病質、脫水、性別、KPS 評分和生活質量評分這 10 個因素構建死亡風險預測模型，主要用于預測 3 個月的生存率。模型內容如下：患者出現體重減輕、惡心、吞咽困難、呼吸困難、水腫、惡病質、脫水分別計 1、3、4、6、8、20 分；若患者為男性計 0 分，為女性計?6 分；KPS 評分>70、70～61、60～51 和≤50 分別計 0、9、17 和 29 分；生活質量評分>40、40～31、≤30 分分別計 0、6、14 分，當總分>28 分時，患者的生存期<3 個月在測試集和驗證集中準確率分別為 0.694 和 0.665。該評估工具未涉及到侵入式檢查，故更適用于在家庭護理環境中或腫瘤終末期患者拒絕侵入性操作時。目前缺乏對 ChPS 的外部驗證。
3.2.2.3 客觀姑息預后評分（objective palliative prognostic score，OPPS）
OPPS[8]是由 Chen 等回顧 2005 年至 2007 年我國臺灣地區一家三甲醫院臨終關懷姑息治療室的 234 例終末期癌癥患者的病歷所建立，使用多元 logistic 分析最終確定六個預測因素，預測 1 周生存率的 AUC 為 0.82［95%CI（0.75，0.89）］。該量表共計 6 分，心率>120/min、白細胞>11 000/mm3、血小板<130 000/mm3、血清肌酐>1.3 mg/dL、血清鉀>5 mg/dL 和無化療史各計 1 分，當總分≥3 分時，預測患者生存期<1 周的靈敏度為 68.8%，特異度為 86.0%。目前缺乏對其的外部驗證。
4 展望
準確判斷患者預后是癌癥治療的首要原則。但需要明確的是，建立預測模型的主要目的并非是確定患者生存時間，而是輔助醫護人員進行臨床決策，制定更好的護理計劃，提高患者終末期生活質量。迄今為止，國內外已開發了多個生存期預測模型，現有模型大多利用回顧性研究的數據，使用 Cox 比例風險回歸進行建模，樣本量較小。各模型預測能力及納入的預后指標有一定差異，這種差異決定了其適用于不同場景，如 PPI、ChPS 等工具中納入患者癥狀、體能相關因素，雖然預測能力較差，但較為簡便，可為拒絕侵入性操作或居家采血不便時的腫瘤終末期患者進行評估；BCI、OPS 等包含生物學參數的工具，可用在醫院、姑息治療中心等具備檢測條件的場所；PaP、D-PaP 等工具除了生物學參數，還包含了臨床醫生判斷這一指標，使用時通常需要腫瘤學和姑息治療經驗的醫師進行評估。
目前，國內關于癌癥終末期患者生存期預測的研究尚處于起步階段，現有模型通常是基于較小樣本、某一省份癌癥患者的數據進行，在人群的代表性方面受到限制，并且模型未得到外部驗證。基于該現狀，筆者認為在未來構建適用于中國人群終末期腫瘤生存期預測模型時，應注意以下幾方面內容：① 模型建立：數據來源可考慮利用包含醫院、姑息治療中心等多中心癌癥患者的數據。建模方法應考慮模型的可操作性，合理使用深度學習等技術，不能過度追求算法的精準而忽視了模型的實際應用價值。建模變量及截斷點的選擇應充分考慮模型的應用場景及價值，合理選擇納入模型的預測變量，如終末期癌癥患者日常護理需要粗略估計患者預后，而家庭臨終關懷無法獲得臨床實驗相關指標等，可考慮使用易于評估的變量。相反，若需準確的預后，則可能需要更多實驗室相關指標。模型截斷點的選擇應該充分考慮敏感性與特異性之間以及可行性與準確性的平衡。② 模型驗證：應高度重視模型的外部驗證研究，為可用于人群推廣的評估模型提供科學依據。③ 模型的可應用性：盡管各種預后模型可以幫助臨床醫生預測患者的生存情況，但繁瑣的計算公式、模糊的解釋結果可能會限制其臨床效用。未來可考慮通過使用基于網絡的工具（例如：https://www.predictsurvival.com/；https://www.mdcalc.com/；http://tools.farmacologiaclinica.info/）來解決復雜計算問題，同時可根據多個預后評分提供生存預測。此外，以可視化的圖形格式呈現出預測結果可能有助于臨床醫生的解釋和患者的理解，如通過列線圖的形式對結果進行可視化呈現。
