引用本文： 唐亮, 潘夢文, 崔其亮, 吳繁. 應用TRECs篩查新生兒嚴重聯合免疫缺陷的Meta分析. 中國循證醫學雜志, 2023, 23(6): 665-671. doi: 10.7507/1672-2531.202302019 復制
嚴重聯合免疫缺陷病（severe combined immunodeficiency，SCID）是一組由于基因突變引起的T細胞和B細胞發育/功能障礙的先天性免疫缺陷性疾病，在活產兒中的發病率為1/58 000～65 000[1]。在新生兒期未能確診的患兒中，SCID的典型癥狀為反復出現的嚴重感染、皮疹、慢性腹瀉和生長遲滯[2]。SCID患兒出生時通常狀況良好，但在缺乏基于人群的新生兒SCID篩查的情況下，通常在3～6月齡發生一種或多種嚴重感染時才被診斷[3]。由于SCID為致命性疾病，未能重建有效免疫系統的SCID患兒通常在1～2歲內死于嚴重的感染[4-5]。然而，有研究表明，在3.5月齡以下沒有感染的SCID患兒中，行造血干細胞移植后6年存活率可高達94%[6-7]，這表明在發生嚴重感染前通過新生兒篩查來早期識別SCID患兒可降低該病的死亡率和并發癥發生率。
T細胞受體刪除環（T-cell receptor excision circles，TRECs）是淋巴細胞在胸腺成熟過程中TCR基因重排的產物，能夠代表胸腺近期輸出naiveT細胞的能力，TRECs拷貝數明顯減少或缺失常提示SCID。采用實時熒光定量PCR（qRT-PCR）方法檢測新生兒干濾紙血斑中游離TRECs含量可用于基于人群的新生兒SCID和其他形式的T淋巴細胞缺陷性疾病篩查[8]。2008年美國威斯康星州率先利用TRECs篩查新生兒SCID[9]，其他國家或地區近年也陸續開展了新生兒SCID篩查的試點研究[1]。中國臺灣地區曾對106 391名新生兒進行了SCID篩查，發現5例異常，其中2例確診為SCID，新生兒SCID發病率約為1/53 196。然而，我國大陸地區尚未廣泛開展相關篩查工作，TRECs的診斷準確性尚不完全明確。因此，本研究系統評價TRECs篩查新生兒SCID的診斷準確性，為國內完善SCID篩查方法及早期診斷提供依據。
1 資料與方法
1.1 納入與排除標準
1.1.1 納入研究
TRECs篩查新生兒SCID的診斷準確性研究。
1.1.2 研究對象
新生兒，其性別、種族、國籍、病程不限。
1.1.3 診斷方法
待評價診斷方法為TRECs檢測；以基因診斷和（或）流式細胞術為診斷金標準。
1.1.4 結局指標
① 敏感度（sensitivity，SEN）；② 特異度（specificity，SPE）；③ 陽性似然比（positive likelihood ratio，PLR）；④ 陰性似然比（negative likelihood ratio，NLR）；⑤ 診斷比值比（diagnostic odds ratio，DOR）；⑥ 綜合受試者工作特征（summary receiver operating characteristic，SROC）曲線下面積（area under the curve，AUC）。
1.1.5 排除標準
① 與主題不符的文獻；② 重復發表的文獻僅納入最全、最新的數據；③ 非中、英文文獻；④ 無法獲取全文或提取四格表數據的文獻。
1.2 文獻檢索策略
計算機檢索PubMed、EMbase、Cochrane Library、Web of Science、CBM、WanFang Data和CNKI數據庫，搜集TRECs篩查新生兒SCID的診斷準確性研究。檢索時限均從建庫至2022年10月26日。此外，追溯納入文獻的參考文獻，以補充獲取相關文獻。檢索采取主題詞和自由詞相結合的方式。英文檢索詞包括：severe combined immunodeficiency、TRECs、newborn screening等；中文檢索詞包括：嚴重聯合免疫缺陷、T細胞受體刪除環、新生兒篩查等。以PubMed為例，具體檢索策略見附件框1。
1.3 文獻篩選與資料提取
由2位評價員獨立篩選文獻、提取資料并交叉核對，如遇分歧，則咨詢第三方協助判斷，缺乏的資料盡量與作者聯系予以補充。資料提取內容包括：① 文獻基本情況：第一作者、發表年份、國家或地區、研究時間、TRECs檢測時間、檢測方法、閾值及樣本量等；② TRECs篩查新生兒SCID的診斷性試驗數據：真陽性、假陽性、真陰性和假陰性例數。
1.4 納入研究的偏倚風險評價
由2位評價員采用QUADAS-2工具[10]進行評價，從4個領域的11個條目對納入文獻按“是”、“否”和“不確定”進行評價。4個領域中≥3個低風險（LR）和高風險（HR）分別為高質量和低質量，2個LR和≥1個HR即為低質量，2個LR和2個不確定（UR）即為中等質量，1個LR+3個UR或4個UR即為低質量。偏倚風險評價由兩名研究人員獨立完成并交叉核對，如遇到分歧由兩者討論解決或尋求第三方幫助。
1.5 統計分析
采用Stata 15.0和Meta Disc 1.4軟件進行統計分析。首先采用Spearman相關系數分析有無閾值效應所致異質性，然后通過DOR的Cochran’s Q檢驗判斷有無非閾值效應引起的異質性。若無閾值效應，則計算合并的SEN、SPE、PLR、NLR和DOR，并繪制SROC曲線，計算AUC。各研究結果間的異質性采用χ2檢驗進行分析，并結合I2定量判斷異質性的大小。若各研究結果間無統計學異質性，則采用固定效應模型進行Meta分析；若各研究結果間存在統計學異質性，則采用隨機效應模型進行Meta分析，并進一步通過Meta回歸分析異質性的來源。對納入文獻進行敏感性分析，檢驗研究結果的穩健性。納入文獻數≥10篇則采用Deek’s漏斗圖進行發表偏倚檢驗。
2 結果
2.1 文獻篩選流程及結果
初檢出相關文獻594篇，其中PubMed（n=192）、Web of Science（n=199）、EMbase（n=187）、Cochrane Library（n=2）、CNKI（n=4）、VIP（n=1）、WanFang Data（n=5）和CBM（n=4）。經逐層篩選后，最終納入18個研究[11-28]。文獻篩選流程及結果見附件圖1。
2.2 納入研究的基本特征與偏倚風險評價
表1
納入研究的基本特征
表2
納入文獻的偏倚風險評價結果
2.3 Meta分析結果
2.3.1 異質性檢驗
Spearman相關系數為?0.205，P=0.414，提示不存在閾值效應。Cochran’s Q=74.85，P<0.01，提示納入研究間存在非閾值效應引起的異質性，故采用隨機效應模型進行Meta分析。
2.3.2 合并結果
Meta分析結果顯示：SEN合并=0.97［95%CI（0.92，0.99）］、SPE合并=1.00［95%CI（1.00，1.00）］、PLR合并=1 447.05［95%CI（528.49，3 962.11）］、NLR合并=0.13［95%CI（0.08，0.22）］、DOR合并=11 698.21［95%CI（2 853.44，47 958.98）］、AUC=0.97。SPE和SEN合并結果見圖1和圖2，SROC曲線和AUC結果見圖3。
圖1
TRECs篩查SCID合并SPE的Meta分析
圖2
TRECs篩查SCID合并SEN的Meta分析
圖3
TRECs篩查SCID的SROC曲線
2.3.3 敏感性分析
為了檢驗研究結果的穩健性，采用逐一剔除單個研究的方法進行敏感性分析，結果顯示合并SEN、SPE和DOR等未見明顯變化，提示研究結果的穩健性較好。
2.4 Meta回歸分析結果
對非閾值效應引起的異質性，采用單變量Meta回歸分析探尋潛在的異質性來源（表3）。按P值由大到小，逐個剔除地區、診斷試驗和樣本量3個可能導致異質性的因素，結果顯示樣本量是研究間異質性的主要來源（P<0.01）。
表3
TRECs篩查SCID的Meta回歸分析
2.5 發表偏倚檢驗
如圖4所示，繪制Deek’s漏斗圖對所納入研究的發表偏倚進行檢驗，結果提示存在一定的發表偏倚（P<0.05）。
圖4
TRECs篩查SCID的Deek’s漏斗圖
3 討論
本文針對TRECs篩查新生兒SCID的診斷準確性研究進行系統評價，共納入18篇文獻，均為英文文獻，其中12篇[11-12, 15-18, 20-21, 23, 26-28]為高等質量，4篇[13-14, 19,24]中等質量，2篇[22, 25]低等質量，文獻整體質量較高。但Deek’s漏斗圖提示研究結果存在一定的發表偏倚（P<0.05），這可能與會議及學位論文被直接排除、部分小樣本研究存在偏倚和陰性結果不易發表有關。Meta分析結果顯示，合并SEN和SPE均非常高，提示TRECs篩查新生兒SCID具有良好的診斷效能。然而，DOR的Cochran’s Q檢驗值為74.85（P<0.05），并且合并SPE、PLR和DOR的I2均大于50%，提示各研究間存在非閾值效應引起的異質性。進一步通過Meta回歸分析結果顯示，樣本量為研究間的異質性主要來源。究其原因可能是本研究納入的18個研究中，各研究樣本量差異顯著，樣本范圍在1 259～3 252 156例之間，而SCID為新生兒罕見病，不同樣本量對陽性結果的檢出率明顯不一致。
似然比（likelihood ratio，LR）利用了診斷試驗的全部信息，能全面反映診斷試驗對目標疾病的診斷價值，比SEN和SPE更穩定，且不受患病率的影響，可用于估算單個患兒的疾病概率[29]。當PLR>10或NLR<0.1表示診斷試驗準確性高[30]。本次Meta分析結果顯示，18個研究的PLR均>10，合并PLR值非常大，表明篩查結果陽性時為真陽性的概率大；同時合并NLR值較小，表明篩查結果陰性時為真陰性的可能性也較大。此外，逐一分析18篇文獻發現，其中有8篇的NLR介于0.2～0.5之間，表示準確性一般，剩余10篇的NLR<0.2，準確性較高。SROC AUC是對多個診斷性試驗的重要性進行綜合比較，取值范圍在0.5～1.0。AUC越大，越接近1.0，診斷試驗的準確性越高[31]。本研究的AUC為0.97，顯示應用TRECs篩查新生兒SCID具有很高的診斷準確性。
本文納入的18個TRECs篩查新生兒SCID的研究，TRECs閾值選擇差異較大，可直接影響Meta分析合并效應量。一般而言，閾值的設置需考慮患病率因素，對于SCID這類罕見病，閾值偏高可導致假陰性率較高，出現漏檢，而選擇較低的閾值則可能導致假陽性率高，出現誤診[32]。此外，在SCID篩查過程中需特別注意，不同胎齡的新生兒結果差異很大，早產兒TRECs拷貝數明顯低于足月兒，并隨著胎齡的增加而持續顯著上升[27]。這是因早產兒在應激狀態下可誘導內源性皮質醇的生成和釋放，以及產前使用外源性糖皮質激素促胎肺成熟都會降低循環T細胞的數量和功能，導致篩查的假陽性率增高[13]。但由于目前尚缺少與胎齡相關的TRECs參考值，對于TRECs檢測異常的早產兒通常推薦每2周復查一次直到校正胎齡滿37周[33]。同時，新生兒合并嚴重的心臟缺陷和消化道異常、以及母親因疾病在妊娠期接受免疫抑制劑治療也可以導致TRECs檢測假陽性[9, 27]。這提示TRECs檢測值與SCID之間的關系尚無明確標準，需權衡TRECs檢測中陽性結果和陰性結果的意義，選擇最佳閾值，以提高篩查準確性。
本研究的局限性：① 納入研究限定于中、英文文獻，可能存在語種選擇性偏倚；② 各研究間樣本量差別大且篩查閾值不統一，部分研究未報告閾值的選擇方法并說明其合理性，且陰性檢測樣本缺乏足夠隨訪時間，導致研究的假陰性率可能被低估；③ 本研究結果存在一定的發表偏倚，可能造成對診斷準確性的高估。
綜上所述，應用TRECs篩查新生兒SCID的準確性高，有助于早期診斷SCID。受納入研究的數量和質量限制，上述結論尚待更多高質量研究予以驗證。
嚴重聯合免疫缺陷病（severe combined immunodeficiency，SCID）是一組由于基因突變引起的T細胞和B細胞發育/功能障礙的先天性免疫缺陷性疾病，在活產兒中的發病率為1/58 000～65 000[1]。在新生兒期未能確診的患兒中，SCID的典型癥狀為反復出現的嚴重感染、皮疹、慢性腹瀉和生長遲滯[2]。SCID患兒出生時通常狀況良好，但在缺乏基于人群的新生兒SCID篩查的情況下，通常在3～6月齡發生一種或多種嚴重感染時才被診斷[3]。由于SCID為致命性疾病，未能重建有效免疫系統的SCID患兒通常在1～2歲內死于嚴重的感染[4-5]。然而，有研究表明，在3.5月齡以下沒有感染的SCID患兒中，行造血干細胞移植后6年存活率可高達94%[6-7]，這表明在發生嚴重感染前通過新生兒篩查來早期識別SCID患兒可降低該病的死亡率和并發癥發生率。
T細胞受體刪除環（T-cell receptor excision circles，TRECs）是淋巴細胞在胸腺成熟過程中TCR基因重排的產物，能夠代表胸腺近期輸出naiveT細胞的能力，TRECs拷貝數明顯減少或缺失常提示SCID。采用實時熒光定量PCR（qRT-PCR）方法檢測新生兒干濾紙血斑中游離TRECs含量可用于基于人群的新生兒SCID和其他形式的T淋巴細胞缺陷性疾病篩查[8]。2008年美國威斯康星州率先利用TRECs篩查新生兒SCID[9]，其他國家或地區近年也陸續開展了新生兒SCID篩查的試點研究[1]。中國臺灣地區曾對106 391名新生兒進行了SCID篩查，發現5例異常，其中2例確診為SCID，新生兒SCID發病率約為1/53 196。然而，我國大陸地區尚未廣泛開展相關篩查工作，TRECs的診斷準確性尚不完全明確。因此，本研究系統評價TRECs篩查新生兒SCID的診斷準確性，為國內完善SCID篩查方法及早期診斷提供依據。
1 資料與方法
1.1 納入與排除標準
1.1.1 納入研究
TRECs篩查新生兒SCID的診斷準確性研究。
1.1.2 研究對象
新生兒，其性別、種族、國籍、病程不限。
1.1.3 診斷方法
待評價診斷方法為TRECs檢測；以基因診斷和（或）流式細胞術為診斷金標準。
1.1.4 結局指標
① 敏感度（sensitivity，SEN）；② 特異度（specificity，SPE）；③ 陽性似然比（positive likelihood ratio，PLR）；④ 陰性似然比（negative likelihood ratio，NLR）；⑤ 診斷比值比（diagnostic odds ratio，DOR）；⑥ 綜合受試者工作特征（summary receiver operating characteristic，SROC）曲線下面積（area under the curve，AUC）。
1.1.5 排除標準
① 與主題不符的文獻；② 重復發表的文獻僅納入最全、最新的數據；③ 非中、英文文獻；④ 無法獲取全文或提取四格表數據的文獻。
1.2 文獻檢索策略
計算機檢索PubMed、EMbase、Cochrane Library、Web of Science、CBM、WanFang Data和CNKI數據庫，搜集TRECs篩查新生兒SCID的診斷準確性研究。檢索時限均從建庫至2022年10月26日。此外，追溯納入文獻的參考文獻，以補充獲取相關文獻。檢索采取主題詞和自由詞相結合的方式。英文檢索詞包括：severe combined immunodeficiency、TRECs、newborn screening等；中文檢索詞包括：嚴重聯合免疫缺陷、T細胞受體刪除環、新生兒篩查等。以PubMed為例，具體檢索策略見附件框1。
1.3 文獻篩選與資料提取
由2位評價員獨立篩選文獻、提取資料并交叉核對，如遇分歧，則咨詢第三方協助判斷，缺乏的資料盡量與作者聯系予以補充。資料提取內容包括：① 文獻基本情況：第一作者、發表年份、國家或地區、研究時間、TRECs檢測時間、檢測方法、閾值及樣本量等；② TRECs篩查新生兒SCID的診斷性試驗數據：真陽性、假陽性、真陰性和假陰性例數。
1.4 納入研究的偏倚風險評價
由2位評價員采用QUADAS-2工具[10]進行評價，從4個領域的11個條目對納入文獻按“是”、“否”和“不確定”進行評價。4個領域中≥3個低風險（LR）和高風險（HR）分別為高質量和低質量，2個LR和≥1個HR即為低質量，2個LR和2個不確定（UR）即為中等質量，1個LR+3個UR或4個UR即為低質量。偏倚風險評價由兩名研究人員獨立完成并交叉核對，如遇到分歧由兩者討論解決或尋求第三方幫助。
1.5 統計分析
采用Stata 15.0和Meta Disc 1.4軟件進行統計分析。首先采用Spearman相關系數分析有無閾值效應所致異質性，然后通過DOR的Cochran’s Q檢驗判斷有無非閾值效應引起的異質性。若無閾值效應，則計算合并的SEN、SPE、PLR、NLR和DOR，并繪制SROC曲線，計算AUC。各研究結果間的異質性采用χ2檢驗進行分析，并結合I2定量判斷異質性的大小。若各研究結果間無統計學異質性，則采用固定效應模型進行Meta分析；若各研究結果間存在統計學異質性，則采用隨機效應模型進行Meta分析，并進一步通過Meta回歸分析異質性的來源。對納入文獻進行敏感性分析，檢驗研究結果的穩健性。納入文獻數≥10篇則采用Deek’s漏斗圖進行發表偏倚檢驗。
2 結果
2.1 文獻篩選流程及結果
初檢出相關文獻594篇，其中PubMed（n=192）、Web of Science（n=199）、EMbase（n=187）、Cochrane Library（n=2）、CNKI（n=4）、VIP（n=1）、WanFang Data（n=5）和CBM（n=4）。經逐層篩選后，最終納入18個研究[11-28]。文獻篩選流程及結果見附件圖1。
2.2 納入研究的基本特征與偏倚風險評價
表1
納入研究的基本特征
表2
納入文獻的偏倚風險評價結果
2.3 Meta分析結果
2.3.1 異質性檢驗
Spearman相關系數為?0.205，P=0.414，提示不存在閾值效應。Cochran’s Q=74.85，P<0.01，提示納入研究間存在非閾值效應引起的異質性，故采用隨機效應模型進行Meta分析。
2.3.2 合并結果
Meta分析結果顯示：SEN合并=0.97［95%CI（0.92，0.99）］、SPE合并=1.00［95%CI（1.00，1.00）］、PLR合并=1 447.05［95%CI（528.49，3 962.11）］、NLR合并=0.13［95%CI（0.08，0.22）］、DOR合并=11 698.21［95%CI（2 853.44，47 958.98）］、AUC=0.97。SPE和SEN合并結果見圖1和圖2，SROC曲線和AUC結果見圖3。
圖1
TRECs篩查SCID合并SPE的Meta分析
圖2
TRECs篩查SCID合并SEN的Meta分析
圖3
TRECs篩查SCID的SROC曲線
2.3.3 敏感性分析
為了檢驗研究結果的穩健性，采用逐一剔除單個研究的方法進行敏感性分析，結果顯示合并SEN、SPE和DOR等未見明顯變化，提示研究結果的穩健性較好。
2.4 Meta回歸分析結果
對非閾值效應引起的異質性，采用單變量Meta回歸分析探尋潛在的異質性來源（表3）。按P值由大到小，逐個剔除地區、診斷試驗和樣本量3個可能導致異質性的因素，結果顯示樣本量是研究間異質性的主要來源（P<0.01）。
表3
TRECs篩查SCID的Meta回歸分析
2.5 發表偏倚檢驗
如圖4所示，繪制Deek’s漏斗圖對所納入研究的發表偏倚進行檢驗，結果提示存在一定的發表偏倚（P<0.05）。
圖4
TRECs篩查SCID的Deek’s漏斗圖
3 討論
本文針對TRECs篩查新生兒SCID的診斷準確性研究進行系統評價，共納入18篇文獻，均為英文文獻，其中12篇[11-12, 15-18, 20-21, 23, 26-28]為高等質量，4篇[13-14, 19,24]中等質量，2篇[22, 25]低等質量，文獻整體質量較高。但Deek’s漏斗圖提示研究結果存在一定的發表偏倚（P<0.05），這可能與會議及學位論文被直接排除、部分小樣本研究存在偏倚和陰性結果不易發表有關。Meta分析結果顯示，合并SEN和SPE均非常高，提示TRECs篩查新生兒SCID具有良好的診斷效能。然而，DOR的Cochran’s Q檢驗值為74.85（P<0.05），并且合并SPE、PLR和DOR的I2均大于50%，提示各研究間存在非閾值效應引起的異質性。進一步通過Meta回歸分析結果顯示，樣本量為研究間的異質性主要來源。究其原因可能是本研究納入的18個研究中，各研究樣本量差異顯著，樣本范圍在1 259～3 252 156例之間，而SCID為新生兒罕見病，不同樣本量對陽性結果的檢出率明顯不一致。
似然比（likelihood ratio，LR）利用了診斷試驗的全部信息，能全面反映診斷試驗對目標疾病的診斷價值，比SEN和SPE更穩定，且不受患病率的影響，可用于估算單個患兒的疾病概率[29]。當PLR>10或NLR<0.1表示診斷試驗準確性高[30]。本次Meta分析結果顯示，18個研究的PLR均>10，合并PLR值非常大，表明篩查結果陽性時為真陽性的概率大；同時合并NLR值較小，表明篩查結果陰性時為真陰性的可能性也較大。此外，逐一分析18篇文獻發現，其中有8篇的NLR介于0.2～0.5之間，表示準確性一般，剩余10篇的NLR<0.2，準確性較高。SROC AUC是對多個診斷性試驗的重要性進行綜合比較，取值范圍在0.5～1.0。AUC越大，越接近1.0，診斷試驗的準確性越高[31]。本研究的AUC為0.97，顯示應用TRECs篩查新生兒SCID具有很高的診斷準確性。
本文納入的18個TRECs篩查新生兒SCID的研究，TRECs閾值選擇差異較大，可直接影響Meta分析合并效應量。一般而言，閾值的設置需考慮患病率因素，對于SCID這類罕見病，閾值偏高可導致假陰性率較高，出現漏檢，而選擇較低的閾值則可能導致假陽性率高，出現誤診[32]。此外，在SCID篩查過程中需特別注意，不同胎齡的新生兒結果差異很大，早產兒TRECs拷貝數明顯低于足月兒，并隨著胎齡的增加而持續顯著上升[27]。這是因早產兒在應激狀態下可誘導內源性皮質醇的生成和釋放，以及產前使用外源性糖皮質激素促胎肺成熟都會降低循環T細胞的數量和功能，導致篩查的假陽性率增高[13]。但由于目前尚缺少與胎齡相關的TRECs參考值，對于TRECs檢測異常的早產兒通常推薦每2周復查一次直到校正胎齡滿37周[33]。同時，新生兒合并嚴重的心臟缺陷和消化道異常、以及母親因疾病在妊娠期接受免疫抑制劑治療也可以導致TRECs檢測假陽性[9, 27]。這提示TRECs檢測值與SCID之間的關系尚無明確標準，需權衡TRECs檢測中陽性結果和陰性結果的意義，選擇最佳閾值，以提高篩查準確性。
本研究的局限性：① 納入研究限定于中、英文文獻，可能存在語種選擇性偏倚；② 各研究間樣本量差別大且篩查閾值不統一，部分研究未報告閾值的選擇方法并說明其合理性，且陰性檢測樣本缺乏足夠隨訪時間，導致研究的假陰性率可能被低估；③ 本研究結果存在一定的發表偏倚，可能造成對診斷準確性的高估。
綜上所述，應用TRECs篩查新生兒SCID的準確性高，有助于早期診斷SCID。受納入研究的數量和質量限制，上述結論尚待更多高質量研究予以驗證。
