ProGRP與NSE對小細胞肺癌診斷價值的meta分析

王紀文 高佳 赫捷

2007年全球肺癌新發病例約150萬，占年新發腫瘤的12%；因肺癌死亡的病例數占年癌癥致死數的17.6%，是癌癥的首位死因[1]。小細胞肺癌（small cell lung cancer,SCLC）約占肺癌總數的20%-25%，其生物學特性和臨床特點異于其它病理類型的肺癌。SCLC惡性程度較高，對化療敏感，其治療原則與非小細胞肺癌（non-small cell lung cancer, NSCLC）有較大差異。因此尋找能用于SCLC診斷及鑒別診斷的分子標志物具有重要意義。

神經元特異性烯醇化酶（neuron specific enolase,NSE）和胃泌素釋放肽前體（pro-gastrin-releasing peptide,ProGRP）均是SCLC相關的血清學診斷標志物。NSE已在臨床應用多年，是目前SCLC首選的實驗室診斷指標，它在SCLC中的陽性率為60%-81%，但診斷的特異性有待提高，7%-42%的NSCLC和11%-14%的非惡性腫瘤患者，NSE呈假陽性[2]。ProGRP是近年來研究較多的具有臨床應用前景的腫瘤標志物。研究[3]表明，它在鑒別SCLC和其他肺部疾病方面具有較高的敏感度和特異度。

ProGRP對SCLC的診斷價值是否優于NSE，各項研究尚未得到一致結論，亦無大樣本量的多中心研究予以證實。本研究通過meta分析，綜合評價ProGRP與NSE診斷SCLC的價值，以期為ProGRP的進一步研究和臨床應用提供參考。

1 材料與方法

1.1 文獻檢索 檢索Pubmed、OVID、Elsevier Sciencedirect、Springer、Cochrane Library、Embase、IFCC、中國生物醫學文獻數據庫和維普醫藥信息資源系統，收集2010年5月之前公開發表的關于ProGRP與NSE在肺癌中的血清濃度及其診斷意義的文獻。使用的檢索詞包括neuron specific enolase、pro-gastrin-releasing peptide、NSE、ProGRP、Lung Neoplasms、lung cancer、diagnosis、神經元特異性烯醇化酶、胃泌素釋放肽前體、肺癌。檢索語言為英語與漢語。

1.2 文獻納入與排除標準 文獻納入標準：①研究類型為含有ProGRP和NSE對SCLC診斷價值的前瞻性或回顧性研究；②研究對象涵蓋肺癌及肺部良性疾患，采用病理診斷為金標準，文獻需明確說明受試者為SCLC、NSCLC或其它病理類型；③文章提供了ProGRP及NSE檢測在各病例組的真陽性、真陰性、假陽性、假陰性例數或通過文章提供的數據可以計算；④每組病例數均＞20。

文獻排除標準：①對照組僅有正常人；②ProGRP或NSE的檢測方法不是定量檢測；③重復性實驗中，發表較早或樣本量較小的文獻排除。

1.3 資料提取和質量評價 由2名評價者獨立按照預先制定的納入排除標準篩選文獻，根據QUADAS（quality assessment of diagnostic accuracy studies）評價標準[4]對納入文獻進行質量評價（總分33分，評分結果見表1），提取數據并交叉核對，意見不統一時協商解決或參考第三方意見。提取的資料包括文獻基本信息、實驗設計及實驗原始數據（真陽性、假陽性、真陰性及假陰性的例數）。

1.4 統計分析

1.4.1 異質性分析 采用Q檢驗分析納入研究之間是否存在異質性，以I2估算分析異質性的大小，然后根據異質性分析的結果選擇合適的統計分析模型進行后續的meta分析。

1.4.2 meta分析 對各研究的原始數據（真陽性、假陽性、真陰性及假陰性的例數）進行整合，采用DerSimonian Laird隨機效應模型分別計算ProGRP和NSE的平均敏感度、特異度、似然比及各自的95%可信區間（confidence interval, CI）。

采用Mose's constant線性模型擬合SROC曲線[5]，以診斷比值比（diagnositic odd ratio, DOR）[6]、曲線下面積（aera under curve, AUC）和Q*統計量評價診斷試驗ProGRP和NSE對SCLC診斷的準確度，并以Z檢驗分析二者診斷的準確性是否存在差異。

計算真陽性率和假陽性率的Spearman相關系數ρ，分析是否存在閾值效應。以meta回歸（REML法）分別分析ProGRP和NSE異質性的可能來源[7]。

以每次減少1篇文獻的方法進行敏感性分析，評價本次分析的穩定性[7]。以漏斗圖和Egger線性回歸評價納入的研究是否存在發表偏倚[8,9]。

本文統計用軟件為STATA 10和Meta-Disc 1.4，以P＜0.05為有統計學差異。

2 結果

2.1 檢索結果及納入文獻 通過設定的檢索詞進行初步檢索，共找到164篇文獻。閱讀文題和摘要排除143篇，初步納入文獻21篇。進一步閱讀全文，排除未達到納入標準的文獻6篇，重復文獻3篇，無法獲得所需全部原始數據的文獻2篇，最終納入文獻共10篇。文獻的納入過程詳見圖1。

2.2 納入研究的基本特征和質量評價 本文共納入10項研究，累計病例2 536例（SCLC 935例，NSCLC 1 601例），對照849例。各研究的研究設計詳見表1，ProGRP和NSE的檢測方法、cutoff值及真陽性、假陽性、假陰性、真陰性的例數參見表2。

2.3 異質性檢驗 以DOR作為效應量，分別分析ProGRP和NSE的異質性，Q檢驗顯示Cochran-Q分別為23.93和58.37，P均＜0.05，I2分別為62.4%和84.6%，研究間均存在異質性，故以下分析均選用隨機效應模型。

2.4 ProGRP和NSE檢測SCLC的敏感度、特異性和似然比圖2所示為ProGRP和NSE對SCLC診斷敏感度的森林圖。ProGRP鑒別SCLC和肺部其他腫物（NSCLC與肺良性疾患）的平均敏感度為0.70（95%CI: 0.67-0.73），NSE的平均敏感度為0.61（95%CI: 0.58-0.64）。圖3所示為ProGRP和NSE對SCLC診斷特異度的森林圖。ProGRP鑒別SCLC和肺部其他腫物（NSCLC與肺良性疾患）的平均特異度為0.93（95%CI: 0.92-0.94），NSE的平均特異度為0.90（95%CI: 0.88-0.91）。

此外，ProGRP和NSE診斷SCLC的陽性似然比（positive likelihood ratio, PLR）分別為11.57（95%CI: 7.71-17.39）和5.67（95%CI: 3.83-8.39）；陰性似然比（negative likelihood ratio, NLR）分別為0.32（95%CI: 0.26-0.40）和0.45（95%CI: 0.37-0.55），DOR分別為36.45（95%CI:24.12-55.10）和13.08（95%CI: 7.70-22.23），數據詳見表3。

2.5 ProGRP和NSE鑒別SCLC與其它肺部腫物的SROC曲線圖4所示為ProGRP和NSE診斷SCLC的SROC曲線。ProGRP和NSE的AUC分別為0.873 7（SEAUC=0.039 1）和0.785 4（SEAUC=0.915 0），Q*統計量分別為0.804 2（SEQ*=0.027 5）和0.723 2（SEQ*=0.065 1）。對Q*統計量進行Z檢驗（Z=1.146, P＞0.05），二者沒有明顯差異。

2.6 研究間異質性的來源分析

2.6.1 是否存在閾值效應 由ProGRP和NSE的SROC曲線可見，各研究對應的點散在分布，不呈“肩臂”狀外觀，計算靈敏度對數與（1-特異性）對數的Spearman相關系數ρ，ProGRP和NSE的ρ值分別為0.321和-0.067，P均＞0.05，提示不存在閾值效應。

2.6.2 meta回歸分析可能的來源 以meta回歸（REML法）分別分析ProGRP和NSE異質性的來源，自變量選擇如下：發表年限、樣本量、研究設計（前瞻性設計或者回顧性設計）、患者的選擇（是否隨機）、是否采用盲法、檢測方法（ProGRP的檢測方法是商品化試劑盒或自建ELISA檢測；NSE的檢測方法是否是ELISA）。結果詳見表4。由表可見，檢測方法是NSE異質性的來源，將其引入meta回歸分析模型后，方差分量（τ）由0.594 3降為0.299 4，表明檢測方法可以解釋49.6%的異質性來源。

2.7 敏感度分析 以每次減少1篇文獻的方法進行敏感性分析，評估單個研究對本次meta分析的影響。表5顯示的是，刪除1篇文獻后計算的合并DOR及其95%CI。可見，無論剔除哪篇文獻，剔除之后的合并DOR均未發生明顯變化，提示本次分析結果并未過分依賴于某個研究，結論穩定。

2.8 發表偏倚 以DOR對數的標準誤（SELogDOR）為縱坐標，以Log（DOR）為橫坐標，繪制漏斗圖，如圖5所示。Egger線性回歸顯示P＞0.05，未發現發表偏倚。

圖 1 選擇文獻流程圖Fig 1 Study identification, inclusion and exclusion for meta-analysis

表 1 納入文獻的基本特征Tab 1 General characteristics of included trials

表 2 納入研究中ProGRP和NSE檢測的實驗數據Tab 2 Summary of results of ProGRP and NSE in included studies

表 3 ProGRP和NSE的合并敏感度、合并特異性、合并似然比Tab 3 Pooled sensitivity, pooled specificity, and pooled likelihood ration of ProGRP and NSE

表 4 meta回歸分析異質性的來源Tab 4 Possible sources of heterogeneity of meta-analysis

圖 2 ProGRP（A）和NSE（B）的敏感度森林圖Fig 2 Forest plots of sensitivity of ProGRP (A) and NSE (B)

圖 3 ProGRP（A）和NSE（B）的特異度森林圖Fig 3 Forest plots of specificity of ProGRP (A) and NSE (B)

圖 4 ProGRP（A）和NSE（B）的SROC曲線Fig 4 SROC curve of ProGRP (A) and NSE (B)

表 5 各研究對meta分析結果的敏感度分析Tab 5 The influence of each trial for the outcome of the meta-analysis

圖 5 ProGRP（A）和NSE（B）的漏斗圖Fig 5 Funnel graph for ProGRP (A) and NSE (B)

3 討論

本文對納入的10項研究進行meta分析，通過合并診斷效應量、擬合SROC曲線比較ProGRP和NSE對SCLC的診斷效能，通過分析研究間異質性及其來源查找可能影響研究結果的因素，最后通過敏感度分析和檢測發表偏倚評估本次meta分析的可信度。

本次評價結果顯示，ProGRP和NSE的合并DOR分別為36.45和13.08，提示二者均與SCLC有明顯的相關性，且ProGRP的相關性更高。用于鑒別SCLC和NSCLC時，ProGRP的敏感性和特異性均優于NSE，此外，文獻資料[20]顯示ProGRP的假陽性主要來自腎衰患者，排除腎功能異?；颊吆?，其假陽性率僅為2.5%，較好地彌補了NSE特異度不足的缺點。

SROC曲線顯示，ProGRP和NSE的AUC分別為0.873 7和0.785 4，Q*統計量分別為0.804 2和0.723 2，說明二者鑒別SCLC和其它肺部腫物的準確度均較高。盡管ProGRP的AUC和Q*均高于NSE，但Z檢驗無統計學差異，說明ProGRP的鑒別能力并未明顯優于NSE。

由于SROC算法復雜，在臨床實際工作中應用較少，相比之下，似然比的應用更為簡便。一般認為，PLR＞10或NLR＜0.1，基本可以確定或排除診斷。本研究得出的ProGRP和NSE診斷SCLC的PLR分別為11.57和5.67，提示ProGRP陽性可以輔助臨床醫師做出相應判斷，具有更高的臨床應用價值。但ProGRP和NSE的NLR分別為0.32和0.45，提示二者陰性時不能排除SCLC的可能。

本文納入的研究間存在高度異質性。經Spearman相關系數檢驗，異質性與閾值效應無關，因此我們進一步做meta回歸，試圖尋找ProGRP和NSE異質性的可能來源。結果顯示，發表年限、樣本量、研究類型、患者的選擇是否隨機、是否采用盲法均不是異質性的來源，說明試驗設計的差異不會造成研究結果的明顯變化。然后，我們將檢測方法作為協變量進行meta回歸分析。由于納入的研究ProGRP的檢測方法均為ELISA，無法在方法學上進一步分類，因此只以是否采用商品化試劑盒作為亞組分析，結果顯示這同樣不是ProGRP異質性的來源。NSE已在臨床應用多年，其檢測方法包括ELISA、電發光、化學發光等，在我們納入的10項研究中，7項采用ELISA方法檢測NSE的濃度，2項研究采用電化學發光法檢測，1項采用放射免疫分析法檢測，meta回歸顯示檢測方法的不同是造成NSE異質性的原因之一，可以解釋49.6%的異質性來源。種族或許是異質性的來源，但納入的文獻均未詳細報告納入人群的種族，因此本次研究無法進行分析。

為了判斷本研究的穩定性，我們以每次減少1篇文獻的方法進行敏感性分析。結果顯示，每次減少1篇研究后，合并DOR均未發生明顯變化，提示本次分析受單個研究的影響較小，分析結果穩定可信。

本次meta分析的局限性：①meta分析的局限性：檢索到的文獻不夠全面。檢索范圍局限在已經發表的研究，對于未公開發表的研究，如會議論文無法獲取，可能漏檢一些灰色文獻；檢索語種局限于中文和英文，可能會漏檢其它語種的相關研究；②納入研究的局限性：ProGRP和NSE作為診斷性試驗，采用盲法檢測和盲法判斷可盡量減少診斷的傾向性，而多數研究未報告是否采用盲法檢測，存在測量偏倚的可能性。多數研究的病例組均為組織學確診的病例，然而良性疾患對照組的診斷標準，有些研究并未指明，病例組和對照組診斷標準不一致，可能會導致結果的偏差。

綜上所述，ProGRP與NSE有相似的診斷效能，但ProGRP的假陽性率更低，較NSE有一定的優越性，具有臨床應用前景。