2021-12-06 14:40:00来源：医脉通阅读：8次
医脉通整理发布，未经授权请勿转载。
摘要号：1013
题目：治疗性血浆置换术治疗移植相关血栓性微血管病的结果和疗效：一项真实世界大型群体研究
研究背景
移植相关血栓性微血管病（TA-TMA）是异基因造血干细胞移植（allo-HSCT）后的一种严重并发症，死亡率超过80%。TA-TMA的有效管理受阻于不明确的发病机制和延误的诊断。目前还没有公认的治疗TA-TMA的策略。针对TA-TMA的治疗包括治疗性血浆置换术（TPE）、eculizumab、
研究方法和结果
2010年1月至2019年12月，北京大学人民医院共6241例患者进行allo-HSCT治疗，其中538例患者被诊断为TA-TMA，累计发生率为8.6%。TA-TMA的中位诊断时间为移植后64.5天（IQR 38.8-158）。42例男性（51.2%）和40例女性（48.8%）的平均年龄为35.3岁。肾脏受累（59.8%）、中枢神经系统功能障碍（70.7%）、
共82例重症TA-TMA患者接受了TPE，TA-TMA的辅助治疗包括使用利妥昔单抗（11例患者）、利妥昔单抗联合eculizumab（1例患者）和defibrotide（1例患者）。然而，辅助治疗在反应组和无反应组之间没有明显的差异。TPE开始的中位时间为8天（IQR 2.0-16.5），TPE的累积量为6L（IQR 3.6-8.5）。结果显示，总缓解率（ORR）为52.4%（43/82），包括4例CR和39例PR。早期启动TPE有更好的反应趋势，但这种差异没有统计学意义。多变量分析显示，消化道出血（OR，6.26；95% CI，1.30-30.12）、III-IV级aGVHD（OR，5.00；95% CI，1.50-16.68）、TPE累积量较低（OR，8.51；95% CI，1.91-38.05）和严重
关于治疗结果，57%（47/82）的病例在移植后100天内存活，20%（16/82）在诊断为TA-TMA后存活100天。中位随访时间为467天（IQR 248-1002），TA-TMA后1年的总生存（OS）率为15%。死亡的主要原因是感染、活动性TA-TMA和多器官功能紊乱综合征（MODS）。Kaplan-Meier分析显示，消化道出血、III-IV级aGVHD和对TPE无反应与TA-TMA后1年的OS率低有关。通过多变量分析，接受TPE治疗的TA-TMA患者在消化道出血、TPE负荷量较低和总胆红素升高的情况下生存率很低。
研究结论
这项大群体的真实实践结果表明，TPE对TA-TMA可能是有效的。消化道出血与TPE的不良反应和死亡率独立相关，而III-IV级aGVHD被证实预示着TPE的不良反应。假设要实现TA-TMA的解决和有利的结果，就需要更多的TPE量。需要进行多中心的前瞻性研究，以进一步验证这些患者是否能从TPE中获益。
摘要号：2113
基于机器学习的预测异基因造血干细胞移植后
研究背景
在异基因造血干细胞移植（allo-HSCT）后发生的危及生命的出血病例中，弥散性血管内凝血（DIC）占了很大比例。然而，用于早期识别的标志物的信息仍然有限，也没有关于allo-HSCT后DIC的预测工具。本研究旨在确定allo-HSCT后DIC的风险因素，并建立预测模型来预测allo-HSCT后DIC的发生。
研究方法和结果
2010年1月至2021年6月在北京大学人民医院和中国其他7个中心的7280例患者接受allo-HSCT，其中197例患者发生了DIC（发生率为2.7%）。推导队列包括北京大学人民医院的120例接受allo-HSCT后发生DIC患者和360例接受allo-HSCT的患者，验证队列包括其他7个中心的77例接受allo-HSCT后发生DIC的患者和231例接受allo-HSCT患者。
采用套索回归模型进行数据降维、特征选择和风险因素构建。采用多变量逻辑回归分析来建立预测模型。纳入了临床风险因素，并以列线图的形式呈现。对列线图的性能进行了评估，包括其校准、区分度和临床实用性。评估了内部和外部验证。通过尝试完成数据样本分类任务，进一步使用各种机器学习模型进行机器学习建模，包括XGBClassifier、LogisticRegression、MLPClassifier、RandomForestClassifier和AdaBoostClassifier。
DIC事件的中位时间是allo-HSCT后99天（IQR，46.8-220）。发生DIC患者的OS率明显降低（P＜0.0001）。通过套索回归，发现重要的10个变量是凝血酶原活性（PTA）、
在验证队列中应用该列线图仍有良好的区分度（C-指数，0.778[95%CI，0.759-0.766]）和良好的校准。决策曲线分析表明，该列线图在临床上是有用的。不同机器学习模型的预测值ROC曲线显示，XGBClassifier是该数据集性能最好的模型，其曲线下面积为0.86。
研究结论
该研究确定了allo-HSCT后DIC的风险因素，并建立了一个列线图模型和各种机器学习模型来预测allo-HSCT后DIC的发生。这些结合起来可以帮助识别高危患者并提供及时的治疗。未来，将利用全国范围内的多中心数据进一步完善预后模型，并进行前瞻性的临床试验，以降低allo-HSCT后DIC的发生率，改善预后。
摘要号：2902
题目：血液恶性肿瘤患者单倍体造血干细胞移植后免疫介导的脱髓鞘疾病的临床风险因素和预后模型
研究背景
作为单倍体造血干细胞移植（haplo-HSCT）后的神经系统并发症，中枢神经系统（CNS）的免疫介导的脱髓鞘疾病（IIDD）较为罕见，但其严重影响患者的生活质量。一些报告表明，IIDD的死亡率很高，预后很差，但目前还没有方法来预测haplo-HSCT后中枢神经系统IIDD的发生。该研究为目前关于haplo-HSCT后中枢神经系统IIDD的最大研究，建立和验证了一个预测haplo-HSCT后中枢神经系统IIDD的预后模型。
研究方法和结果
2008-2019年在单中心接受haplo-HSCT的患者共4532例，该研究回顾性地评估了其中184例（4.1%）在移植后被诊断为中枢神经系统IIDD患者。推导队列包括2014-2019年接受haplo-HSCT的124例患者，验证队列包括2008-2013年接受haplo-HSCT的60例患者。中枢神经系统IIDD的诊断是基于临床表现和排除其他病因，包括感染、神经毒性、代谢性脑病、缺血性脱髓鞘疾病和肿瘤浸润。最终预后模型选择是通过使用Akaike信息准则的逆向逐步逻辑回归进行的。最终的模型采用重复1000次的自助抽样法进行内部和外部验证。通过评估分辨力[曲线下面积（AUC）]、校准（校准图）和净收益[决策曲线分析（DCA）]来评估预后模型的性能。
II-IV级aGVHD（p<0.001）和慢性
中枢神经系统IIDD与较高的死亡率和不良的预后明显相关（P＜0.001）。在推导队列的多变量逻辑分析中，4个候选预测因素进入最终预后模型：巨细胞病毒（CMV）感染、EB病毒（EBV）感染、脑脊髓液（CSF）IgG合成指数（IgG-Syn）和脊髓病变。
根据推导队列中确定的中枢神经系统IIDD独立预后因素的回归系数完成赋值，以建立CELS风险评分模型。根据回归系数，基于对数尺度给每个因素赋予点值，每个变量得到1分。这4个因素决定了总的风险分数，范围为0-4分。CELS分数越高的IIDD患者死亡风险越高，定义了IIDD患者死亡风险的三个等级：0分的患者为低风险组，1-2的患者为中风险组，3-4的患者为高风险组。该预后模型在内部验证队列中的曲线下面积为0.864（95% CI：0.803-0.925），在外部验证队列中为0.871（95% CI：0.806-0.931）。校准图显示预测和观察结果之间有很高的一致性。决策曲线分析表明，IIDD患者可以从预后模型的临床应用中获益。
研究结论
该研究确定了haplo-HSCT后IIDD发病的风险因素，还开发并验证了一个可靠的预测模型，即CELS，以准确评估haplo-HSCT后IIDD患者的结局。识别出有高死亡风险的IIDD患者，可以帮助医生提前治疗，从而改善患者的生存和预后。
参考来源：
1.Li-Ping Yang, et al. 2021 ASH. Abstract #1013
2.Zhuo-Yu An, et al. 2021 ASH. Abstract #2113.
3.Rui-Xin Deng, et al. 2021 ASH. Abstract #2902.