终末期癌症患者的生存预后判断在临床决策、政策制定、患者和亲属的计划安排中具有重要地位。迄今为止，国外研究者已根据患者的临床表现、生物标志物等指标开发了多个生存期预测模型，并进行外部验证，包括姑息行为功能评分、姑息预后评分、姑息预后指数等。中国对终末期癌症患者生存预后的研究尚处于起步阶段，本文介绍癌症终末期预后因素、生存期预测模型及应用方面的相关进展，以期为后续构建符合中国特点的终末期癌症患者生存期预测模型提供参考。
引用本文： 杨君婷, 戴伟, 尹世全, 刘跃华. 终末期癌症患者生存预后模型及其应用. 中国循证医学杂志, 2021, 21(1): 8-14. doi: 10.7507/1672-2531.202004004 复制
终末期癌症患者的生存预后判断在临床决策、政策制定和患者及亲属的计划安排中具有重要地位[1]。医护人员需要根据患者疾病进展和预后情况进行临床治疗决策，制定相应的治疗目标及护理计划，如是否采取激进治疗策略或尝试更新的尚未验证疗效的治疗方案；是否需要转入姑息治疗或临终关怀、终末期护理计划来更多关注症状控制和生命质量。及时获得疾病生存预后信息，缓解患者和亲属的焦虑情绪，使其在患者生命终末期能最大限度地理解、接受临终关怀资源。但对终末期癌症患者生存预后进行准确预判，从技术难度到医患、家属的心理建设都充满了挑战，不准确的预后估计不仅导致不恰当的临床决策，还会降低临床医生与患者沟通的信心[2]。因此，客观、准确地识别患者生命终末期情况至关重要。20 世纪 90 年代，有国际组织开始关注癌症患者生存预后预测及其预测工具，中国等东亚国家由于文化传统等因素，对该主题研究尚处于起步阶段。本文对癌症终末期预后因素、生存期预测模型及应用方面新进展进行介绍，以期为后续终末期癌症患者生存期预测模型构建的研究提供参考。
1 癌症患者生存预后预测概述
自 20 世纪 90 年代，国际已有研究机构及研究者开展了对癌症患者生存期相关问题的研究。2005 年，欧洲姑息治疗研究协会（European Palliative Care Research Collaborative，EPCRC）网络工作组根据数十年的临床循证证据，筛选出重要临床标志物用于终末期癌症患者生存期预测，并推荐了多种预后工具[3]。在此基础上，研究者相继验证并根据癌症种类衍生出多个相关预测模型。2018 年，肿瘤支持护理跨国协会（Multinational Association for Supportive Care in Cancer，MASCC）主办的国际癌症支持治疗年会，对进展期癌症患者预后进行了专题研讨[4]。
目前，癌症患者生存期预测方法大致可分为 3 类。第一类为传统的人工预测，主要由医护人员利用经验结合临床数据等非正式方法对患者的生存预后作出判断。医护人员经验相差较大、预测过程缺乏统计学方法支持等因素使人工预测的准确性难以保证。有研究显示，人工预测会对预后更为乐观，表现为将患者生存时间高估 3 到 5 倍[5]。第二类为使用统计学工具对生存相关因素进行分析并建模，基于模型运行结果预测患者生存预后。统计建模预测是目前临床使用最广的方法，本文对该类别进行重点评价[6-12]。不同模型有不同计分规则，通常是对预后因素进行权重后计分，一般来说得分越高，患者预后越差。部分模型还针对患者风险组类别提供了在规定时间内的生存概率。第三类是使用电子健康记录等信息，利用数据深度挖掘方法（如支持向量机、人工神经网络、决策树模型等）建立的预测模型，这类模型有自我学习、自适应等特点，敏感性和特异性相对较高，预测结果更稳定。
临床证据表明癌症患者在去世前 3 个月时，机体功能会有一个较为明显的转折点，预测≤3 个月和 3～12 个月生存率的结局指标存在较大差异[13, 14]。考虑癌症患者现状及模型的实用性，本文仅对预测生存时间≤3 个月的模型及相关预后因素进行概述。
2 癌症患者预后因素
患者的体能状态、临床症状是肿瘤终末期患者生存的预后因素。目前最常用于评价癌症患者体能状态频率的为美国东部肿瘤协作组评分（Eastern Cooperative Oncology Group，ECOG）和卡氏功能状态评分（Karnofsky Performance Status，KPS）[3]。临床症状以厌食-恶病质综合症、呼吸困难、谵妄和认知障碍与生存期最为相关，其他如恶心、便秘、头晕、焦虑、抑郁、发热、腹痛、腹泻、出血、呼吸频率和是否使用阿片类药物治疗，也被证明有一定的相关性；实验室检测指标中标志着全身性炎症反应的 C 反应蛋白、低白蛋白和白细胞增多等在终末期癌症患者中具有独立的预后价值[15]。另外，一些新发现指标，包括相位角、法令纹下垂、靶向药物的应用[16]等也与总体存活情况相关。
3 肿瘤终末期患者生存期预测模型研究进展
目前国内外学者致力于建立并验证新的生存预后预测模型，模型中对于患者的体能状态的评价常选择 ECOG、KPS；最常见的临床参数为厌食和呼吸困难；生物学指标为 C 反应蛋白、白细胞计数、淋巴细胞计数和白蛋白，使用的参数数量从 2 个（BCI 模型）到 10 个（ChPS 模型）不等。较为常用的建模方法为 Cox 比例风险模型。详见表 1 和表 2。
表1
预测模型概况
表2
预测模型参数概况
3.1 欧美等国开发的模型
3.1.1 姑息行为功能评分（palliative performance scale，PPS）
PPS 是 1996 年 Anderson 等对 KPS 进行改进后的版本，已在加拿大和美国各住院、门诊肿瘤和姑息治疗环境中得到了验证[9, 20]。该评分系统总分为 0～100 分，以 10 分为间隔，共 11 个级别，其中 0 分表示死亡，100 分表示完全健康，由 5 个主观参数组成，包括患者的行走能力、活动和疾病证据、自我护理能力、进食量、意识水平。现有验证研究中，PPS 分数的绝对切入点并不一致[21]，但均显示 PPS 得分与生存率具有相关性。需要注意的是，该模型在得分高的患者中预测准确性较低，预测指标偏向于患者的状态和疾病负担，使用时应注意需由医生或熟悉患者的工作人员进行操作，故在一定程度上限制了其应用范围。
3.1.2 姑息预后评分（palliative prognostic score，PaP）
PaP 模型[7]于 1999 年搭建完成，数据来源为意大利一个针对姑息治疗的多中心前瞻性研究，涉及 519 例终末期实体肿瘤患者的临床数据和实验室参数结果。模型包括 4 个主观指标（临床生存预测、KPS 评分、厌食症、呼吸困难）和两个客观指标（总白细胞计数、淋巴细胞百分比），主要用于预测终末期癌症患者 30 天生存率。该评分系统总分为 0～17.5 分，根据得分（0～5.5、5.6～11 和 11.1～17.5 分）将终末期癌症患者人群分为三组，其 30 天生存率分别为机会分别为>70%、30～70% 和<30%。模型内容如下：临床生存预测为 1～2、3～4、5～6、7～10、11～12 和>12 周，分别计 8.5、6、4.5、2.5、2 和 0 分；以患者 KPS 得分将患者分为 2 个等级，KPS 得分 10～20 分计 2.5 分，≥30 分计 0 分；岀现厌食症记 1.5 分；岀现呼吸困难记 1 分；白细胞总数为 4 800～8 500/mm3 计 1 分、8 501～11 000/mm3 计 0.5 分、>11 000/mm3 计 1.5 分；淋巴细胞百分比为 20%～40% 计 0 分，12%～19.9% 计 1 分，<12% 计 2.5 分。目前，PaP 评分已在意大利、巴西、日本等国家涉及到头颈癌、肺癌、皮肤癌、乳腺癌、胃肠道癌等研究中得以验证[22, 23]，是目前应用较为广泛的预测工具。
3.1.3 谵妄-姑息预后评分（delirium-palliative prognostic score，D-PaP）
D-PaP 是 Scarpi 等[17]在 2011 年对 361 例终末期癌症患者进行回顾性研究建立的。D-PaP 在 PaP 的基础上纳入了谵妄这一信息，若出现谵妄记 2 分，这一定程度上提高了预测准确性。D-PaP 较 PaP 工具尚未得到广泛的验证。值得注意的是，二者都严重依赖主观指标临床生存预测，这一指标最多可为模型贡献 8.5 分（PaP 最高为 17.5，D-PaP 最高为 19.5），其他指标最多贡献 2.5 分，这使得该工具在很大程度上依赖于临床医生的专业知识和对预后的判断能力，缺乏肿瘤学和姑息治疗经验的医师的临床预测可能会降低评分的准确性。有研究发现，未纳入临床生存预测的 PaP 评分用于预测患者的 30 天、100 天生存率，与纳入临床生存预测的 PaP 评分相比，其受试者工作特征曲线下面积（area under curve，AUC）更高[24]，提示未来需要基于客观的预后指标开发准确性更高的预后工具。
3.1.4 B12/CRP 指数（CRP-vitamin B12 index，BCI）
BCI[18]是由英国伦敦大学一个研究小组根据 EAPC 在 2005 年的建议开发而成。它由两个生物标志物（CRP 和维生素 B12）组成，用于估计患者 90 天的死亡概率。BCI 首次纳入了维生素 B12 水平作为预后的指标，对于患者的生存期预测具有重要意义。目前，BCI 在接受老年护理机构治疗的终末期无法治愈的癌症患者中得到了验证[25]，但其广泛应用还存在争议。一个针对 62 例终末期癌症患者的研究显示，评价 90 天生存率时，临床生存预测优于 BCI[26]，并且维生素 B12 水平并非是癌症患者常规检测指标，这一点也限制了该工具的应用。
3.2 基于亚洲人群建立的模型
3.2.1 基于非中国人群建立的模型
3.2.1.1 姑息预后指数[10 ]（palliative prognostic index，PPI）
PPI 是 PPS 的扩展，由 Morita 等于 1999 年基于 150 例已接受姑息治疗的日本终末期肿瘤患者数据提出，并在 95 例患者中进行内部验证，用于预测癌症患者 3 周和 6 周生存率。该模型包含 5 个主观参数，即 PPS、经口摄食量的变化、是否水肿、呼吸困难、谵妄。该评分系统总分为 0～15 分，当总分<2、2～4 和>4 分时，预测患者生存率分别为>6 周、3～6 周和<3 周。PPI 预测 3 周生存率的敏感性和特异性分别为 75% 和 84%，预测 6 周生存率的敏感性和特异性分别为 76% 和 78%。PPI 模型内容如下：以患者 PPS 得分将患者分为 3 个等级（PPS 得分 10～20 分、30～50 分和≥60 分），分别计 4 分、2.5 分和 0 分。根据经口摄入量的变化，分为正常、适当减少、严重减少 3 组，分别计 0 分、1 分和 2.5 分；岀现水肿记 1 分；岀现呼吸困难记 3.5 分；岀现谵妄计 4 分。PPI 评估完全基于患者临床症状，不需要侵入性检查且操作简便，其性能在多个国家的癌症患者中得到验证[27-30]，目前已广泛应用于医院、临终关怀咨询中心、家庭护理等多个场景。需要注意的是，2018 年 Liu 等[31]基于现有研究发现，目前较少有研究 PPI 得分小于 2 分，故对 15 个研究结果进行分析后，以 4 分和 6 分作为生存期预后预测的截断点更为实用。此外，该量表在建立时，研究者纳入的谵妄标准是指病理性、不可逆性谵妄，在使用该工具时需排除患者可能出现的可逆性谵妄。
3.2.1.2 PS-姑息预后指数（performance status–based palliative prognostic index，PS-PPI）量表
PS-PPI 量表由 Yamada 等[19]在 2017 年考虑到较多临床医生使用 ECOG 来评价患者的活动状态，将 PPI 中的 KPS 替换为 ECOG 后基于 2361 例癌症患者的临床数据建立。计分规则如下：ECOG 为 0～1、2 和 3～4 时分别计 0、2.5 和 4 分，其他预后指标的计分方式同 PPI，计分截断点选为 4 分和 6 分。研究发现在预测终末期癌症患者的预后时，PS-PPI 与 PPI 一样准确，PS-PPI 还可用于长期生存预测（3～6 个月）及化疗患者的生存预测，但目前还未有外部验证。
3.2.1.3 客观预后评分（objective prognostic score，OPS）
OPS[6]是 Sang-Yeon Suh 等通过对韩国的 6 所医院中 209 例癌症患者进行前瞻性随访，使用 Cox 比例风险模型分析所得，模型包括 3 个主观指标（口服摄入减少、呼吸困难、ECOG），4 个客观指标（肌酐、胆红素、白细胞、乳酸脱氢酶），主要用于预测 3w 生存率。该模型总分为 0～8 分，其中出现口服摄入减少、呼吸困难、低体能状态（ECOG≥4）、白细胞计数>11 000/mm3、血清胆红素>2.0 mg/dL、血清乳酸脱氢酶≥502 IU 分别计 1 分；血清肌酐≥1.5 mg/dL 计 2 分。截断点为 3 分，3 周预测灵敏度为 74.7%，特异度为 76.5%，准确率为 75.5%。随后，模型在日本、韩国和朝鲜[32, 33]等多个国家的癌症患者中得到了验证，准确率介于 70%～78%。
3.2.2 基于中国人群建立的模型
3.2.2.1 癌症预后量表（cancer prognostic score，CPS）
CPS[11]是由庄荣彬等通过整理分析台大医院 1997 年至 1999 年 356 例终末期癌症患者的病历和相关临床参数后提出，并在 2001 年 12 月至 2002 年 7 月入院的 184 例终末期癌症患者中进行内部验证，主要用于预测癌症患者 1 周和 2 周的生存率。该评分系统包括肝转移、肺转移、疲倦、腹水、水肿、认知障碍、体重减轻和 ECOG 这 8 个独立预后因素，总分为 0～8.5 分，分值越高，预后越差。当总分≥3.5 分时，患者的生存期<2 周在测试集和验证集中准确率分别为 72% 和 61%；当总分>6 分时，患者的生存期<1 周在测试集和验证集中准确率分别为 72% 和 66%。接受住院姑息治疗的患者的中位生存期通常约为 2 周[34]，该模型对规划死亡和优化临终关怀姑息治疗有重要参考价值。
3.2.2.2 中国预后量表（Chinese prognostic scale，ChPS）
ChPS[12]是中国大陆地区首个对终末期癌症患者进行生存期预测的量表，由 Zhou 等回顾上海地区 2003 年至 2007 年姑息家庭护理服务有关的终末期癌症患者相关临床数据所得。该研究将 814 例患者的数据作为训练集，以同期进入研究的 205 例患者作为验证集进行内部验证，最终确定以体重减轻、恶心、吞咽困难、呼吸困难、水肿、恶病质、脱水、性别、KPS 评分和生活质量评分这 10 个因素构建死亡风险预测模型，主要用于预测 3 个月的生存率。模型内容如下：患者出现体重减轻、恶心、吞咽困难、呼吸困难、水肿、恶病质、脱水分别计 1、3、4、6、8、20 分；若患者为男性计 0 分，为女性计−6 分；KPS 评分>70、70～61、60～51 和≤50 分别计 0、9、17 和 29 分；生活质量评分>40、40～31、≤30 分分别计 0、6、14 分，当总分>28 分时，患者的生存期<3 个月在测试集和验证集中准确率分别为 0.694 和 0.665。该评估工具未涉及到侵入式检查，故更适用于在家庭护理环境中或肿瘤终末期患者拒绝侵入性操作时。目前缺乏对 ChPS 的外部验证。
3.2.2.3 客观姑息预后评分（objective palliative prognostic score，OPPS）
OPPS[8]是由 Chen 等回顾 2005 年至 2007 年我国台湾地区一家三甲医院临终关怀姑息治疗室的 234 例终末期癌症患者的病历所建立，使用多元 logistic 分析最终确定六个预测因素，预测 1 周生存率的 AUC 为 0.82［95%CI（0.75，0.89）］。该量表共计 6 分，心率>120/min、白细胞>11 000/mm3、血小板<130 000/mm3、血清肌酐>1.3 mg/dL、血清钾>5 mg/dL 和无化疗史各计 1 分，当总分≥3 分时，预测患者生存期<1 周的灵敏度为 68.8%，特异度为 86.0%。目前缺乏对其的外部验证。
4 展望
准确判断患者预后是癌症治疗的首要原则。但需要明确的是，建立预测模型的主要目的并非是确定患者生存时间，而是辅助医护人员进行临床决策，制定更好的护理计划，提高患者终末期生活质量。迄今为止，国内外已开发了多个生存期预测模型，现有模型大多利用回顾性研究的数据，使用 Cox 比例风险回归进行建模，样本量较小。各模型预测能力及纳入的预后指标有一定差异，这种差异决定了其适用于不同场景，如 PPI、ChPS 等工具中纳入患者症状、体能相关因素，虽然预测能力较差，但较为简便，可为拒绝侵入性操作或居家采血不便时的肿瘤终末期患者进行评估；BCI、OPS 等包含生物学参数的工具，可用在医院、姑息治疗中心等具备检测条件的场所；PaP、D-PaP 等工具除了生物学参数，还包含了临床医生判断这一指标，使用时通常需要肿瘤学和姑息治疗经验的医师进行评估。
目前，国内关于癌症终末期患者生存期预测的研究尚处于起步阶段，现有模型通常是基于较小样本、某一省份癌症患者的数据进行，在人群的代表性方面受到限制，并且模型未得到外部验证。基于该现状，笔者认为在未来构建适用于中国人群终末期肿瘤生存期预测模型时，应注意以下几方面内容：① 模型建立：数据来源可考虑利用包含医院、姑息治疗中心等多中心癌症患者的数据。建模方法应考虑模型的可操作性，合理使用深度学习等技术，不能过度追求算法的精准而忽视了模型的实际应用价值。建模变量及截断点的选择应充分考虑模型的应用场景及价值，合理选择纳入模型的预测变量，如终末期癌症患者日常护理需要粗略估计患者预后，而家庭临终关怀无法获得临床实验相关指标等，可考虑使用易于评估的变量。相反，若需准确的预后，则可能需要更多实验室相关指标。模型截断点的选择应该充分考虑敏感性与特异性之间以及可行性与准确性的平衡。② 模型验证：应高度重视模型的外部验证研究，为可用于人群推广的评估模型提供科学依据。③ 模型的可应用性：尽管各种预后模型可以帮助临床医生预测患者的生存情况，但繁琐的计算公式、模糊的解释结果可能会限制其临床效用。未来可考虑通过使用基于网络的工具（例如：https://www.predictsurvival.com/；https://www.mdcalc.com/；http://tools.farmacologiaclinica.info/）来解决复杂计算问题，同时可根据多个预后评分提供生存预测。此外，以可视化的图形格式呈现出预测结果可能有助于临床医生的解释和患者的理解，如通过列线图的形式对结果进行可视化呈现。
终末期癌症患者的生存预后判断在临床决策、政策制定和患者及亲属的计划安排中具有重要地位[1]。医护人员需要根据患者疾病进展和预后情况进行临床治疗决策，制定相应的治疗目标及护理计划，如是否采取激进治疗策略或尝试更新的尚未验证疗效的治疗方案；是否需要转入姑息治疗或临终关怀、终末期护理计划来更多关注症状控制和生命质量。及时获得疾病生存预后信息，缓解患者和亲属的焦虑情绪，使其在患者生命终末期能最大限度地理解、接受临终关怀资源。但对终末期癌症患者生存预后进行准确预判，从技术难度到医患、家属的心理建设都充满了挑战，不准确的预后估计不仅导致不恰当的临床决策，还会降低临床医生与患者沟通的信心[2]。因此，客观、准确地识别患者生命终末期情况至关重要。20 世纪 90 年代，有国际组织开始关注癌症患者生存预后预测及其预测工具，中国等东亚国家由于文化传统等因素，对该主题研究尚处于起步阶段。本文对癌症终末期预后因素、生存期预测模型及应用方面新进展进行介绍，以期为后续终末期癌症患者生存期预测模型构建的研究提供参考。
1 癌症患者生存预后预测概述
自 20 世纪 90 年代，国际已有研究机构及研究者开展了对癌症患者生存期相关问题的研究。2005 年，欧洲姑息治疗研究协会（European Palliative Care Research Collaborative，EPCRC）网络工作组根据数十年的临床循证证据，筛选出重要临床标志物用于终末期癌症患者生存期预测，并推荐了多种预后工具[3]。在此基础上，研究者相继验证并根据癌症种类衍生出多个相关预测模型。2018 年，肿瘤支持护理跨国协会（Multinational Association for Supportive Care in Cancer，MASCC）主办的国际癌症支持治疗年会，对进展期癌症患者预后进行了专题研讨[4]。
目前，癌症患者生存期预测方法大致可分为 3 类。第一类为传统的人工预测，主要由医护人员利用经验结合临床数据等非正式方法对患者的生存预后作出判断。医护人员经验相差较大、预测过程缺乏统计学方法支持等因素使人工预测的准确性难以保证。有研究显示，人工预测会对预后更为乐观，表现为将患者生存时间高估 3 到 5 倍[5]。第二类为使用统计学工具对生存相关因素进行分析并建模，基于模型运行结果预测患者生存预后。统计建模预测是目前临床使用最广的方法，本文对该类别进行重点评价[6-12]。不同模型有不同计分规则，通常是对预后因素进行权重后计分，一般来说得分越高，患者预后越差。部分模型还针对患者风险组类别提供了在规定时间内的生存概率。第三类是使用电子健康记录等信息，利用数据深度挖掘方法（如支持向量机、人工神经网络、决策树模型等）建立的预测模型，这类模型有自我学习、自适应等特点，敏感性和特异性相对较高，预测结果更稳定。
临床证据表明癌症患者在去世前 3 个月时，机体功能会有一个较为明显的转折点，预测≤3 个月和 3～12 个月生存率的结局指标存在较大差异[13, 14]。考虑癌症患者现状及模型的实用性，本文仅对预测生存时间≤3 个月的模型及相关预后因素进行概述。
2 癌症患者预后因素
患者的体能状态、临床症状是肿瘤终末期患者生存的预后因素。目前最常用于评价癌症患者体能状态频率的为美国东部肿瘤协作组评分（Eastern Cooperative Oncology Group，ECOG）和卡氏功能状态评分（Karnofsky Performance Status，KPS）[3]。临床症状以厌食-恶病质综合症、呼吸困难、谵妄和认知障碍与生存期最为相关，其他如恶心、便秘、头晕、焦虑、抑郁、发热、腹痛、腹泻、出血、呼吸频率和是否使用阿片类药物治疗，也被证明有一定的相关性；实验室检测指标中标志着全身性炎症反应的 C 反应蛋白、低白蛋白和白细胞增多等在终末期癌症患者中具有独立的预后价值[15]。另外，一些新发现指标，包括相位角、法令纹下垂、靶向药物的应用[16]等也与总体存活情况相关。
3 肿瘤终末期患者生存期预测模型研究进展
目前国内外学者致力于建立并验证新的生存预后预测模型，模型中对于患者的体能状态的评价常选择 ECOG、KPS；最常见的临床参数为厌食和呼吸困难；生物学指标为 C 反应蛋白、白细胞计数、淋巴细胞计数和白蛋白，使用的参数数量从 2 个（BCI 模型）到 10 个（ChPS 模型）不等。较为常用的建模方法为 Cox 比例风险模型。详见表 1 和表 2。
表1
预测模型概况
表2
预测模型参数概况
3.1 欧美等国开发的模型
3.1.1 姑息行为功能评分（palliative performance scale，PPS）
PPS 是 1996 年 Anderson 等对 KPS 进行改进后的版本，已在加拿大和美国各住院、门诊肿瘤和姑息治疗环境中得到了验证[9, 20]。该评分系统总分为 0～100 分，以 10 分为间隔，共 11 个级别，其中 0 分表示死亡，100 分表示完全健康，由 5 个主观参数组成，包括患者的行走能力、活动和疾病证据、自我护理能力、进食量、意识水平。现有验证研究中，PPS 分数的绝对切入点并不一致[21]，但均显示 PPS 得分与生存率具有相关性。需要注意的是，该模型在得分高的患者中预测准确性较低，预测指标偏向于患者的状态和疾病负担，使用时应注意需由医生或熟悉患者的工作人员进行操作，故在一定程度上限制了其应用范围。
3.1.2 姑息预后评分（palliative prognostic score，PaP）
PaP 模型[7]于 1999 年搭建完成，数据来源为意大利一个针对姑息治疗的多中心前瞻性研究，涉及 519 例终末期实体肿瘤患者的临床数据和实验室参数结果。模型包括 4 个主观指标（临床生存预测、KPS 评分、厌食症、呼吸困难）和两个客观指标（总白细胞计数、淋巴细胞百分比），主要用于预测终末期癌症患者 30 天生存率。该评分系统总分为 0～17.5 分，根据得分（0～5.5、5.6～11 和 11.1～17.5 分）将终末期癌症患者人群分为三组，其 30 天生存率分别为机会分别为>70%、30～70% 和<30%。模型内容如下：临床生存预测为 1～2、3～4、5～6、7～10、11～12 和>12 周，分别计 8.5、6、4.5、2.5、2 和 0 分；以患者 KPS 得分将患者分为 2 个等级，KPS 得分 10～20 分计 2.5 分，≥30 分计 0 分；岀现厌食症记 1.5 分；岀现呼吸困难记 1 分；白细胞总数为 4 800～8 500/mm3 计 1 分、8 501～11 000/mm3 计 0.5 分、>11 000/mm3 计 1.5 分；淋巴细胞百分比为 20%～40% 计 0 分，12%～19.9% 计 1 分，<12% 计 2.5 分。目前，PaP 评分已在意大利、巴西、日本等国家涉及到头颈癌、肺癌、皮肤癌、乳腺癌、胃肠道癌等研究中得以验证[22, 23]，是目前应用较为广泛的预测工具。
3.1.3 谵妄-姑息预后评分（delirium-palliative prognostic score，D-PaP）
D-PaP 是 Scarpi 等[17]在 2011 年对 361 例终末期癌症患者进行回顾性研究建立的。D-PaP 在 PaP 的基础上纳入了谵妄这一信息，若出现谵妄记 2 分，这一定程度上提高了预测准确性。D-PaP 较 PaP 工具尚未得到广泛的验证。值得注意的是，二者都严重依赖主观指标临床生存预测，这一指标最多可为模型贡献 8.5 分（PaP 最高为 17.5，D-PaP 最高为 19.5），其他指标最多贡献 2.5 分，这使得该工具在很大程度上依赖于临床医生的专业知识和对预后的判断能力，缺乏肿瘤学和姑息治疗经验的医师的临床预测可能会降低评分的准确性。有研究发现，未纳入临床生存预测的 PaP 评分用于预测患者的 30 天、100 天生存率，与纳入临床生存预测的 PaP 评分相比，其受试者工作特征曲线下面积（area under curve，AUC）更高[24]，提示未来需要基于客观的预后指标开发准确性更高的预后工具。
3.1.4 B12/CRP 指数（CRP-vitamin B12 index，BCI）
BCI[18]是由英国伦敦大学一个研究小组根据 EAPC 在 2005 年的建议开发而成。它由两个生物标志物（CRP 和维生素 B12）组成，用于估计患者 90 天的死亡概率。BCI 首次纳入了维生素 B12 水平作为预后的指标，对于患者的生存期预测具有重要意义。目前，BCI 在接受老年护理机构治疗的终末期无法治愈的癌症患者中得到了验证[25]，但其广泛应用还存在争议。一个针对 62 例终末期癌症患者的研究显示，评价 90 天生存率时，临床生存预测优于 BCI[26]，并且维生素 B12 水平并非是癌症患者常规检测指标，这一点也限制了该工具的应用。
3.2 基于亚洲人群建立的模型
3.2.1 基于非中国人群建立的模型
3.2.1.1 姑息预后指数[10 ]（palliative prognostic index，PPI）
PPI 是 PPS 的扩展，由 Morita 等于 1999 年基于 150 例已接受姑息治疗的日本终末期肿瘤患者数据提出，并在 95 例患者中进行内部验证，用于预测癌症患者 3 周和 6 周生存率。该模型包含 5 个主观参数，即 PPS、经口摄食量的变化、是否水肿、呼吸困难、谵妄。该评分系统总分为 0～15 分，当总分<2、2～4 和>4 分时，预测患者生存率分别为>6 周、3～6 周和<3 周。PPI 预测 3 周生存率的敏感性和特异性分别为 75% 和 84%，预测 6 周生存率的敏感性和特异性分别为 76% 和 78%。PPI 模型内容如下：以患者 PPS 得分将患者分为 3 个等级（PPS 得分 10～20 分、30～50 分和≥60 分），分别计 4 分、2.5 分和 0 分。根据经口摄入量的变化，分为正常、适当减少、严重减少 3 组，分别计 0 分、1 分和 2.5 分；岀现水肿记 1 分；岀现呼吸困难记 3.5 分；岀现谵妄计 4 分。PPI 评估完全基于患者临床症状，不需要侵入性检查且操作简便，其性能在多个国家的癌症患者中得到验证[27-30]，目前已广泛应用于医院、临终关怀咨询中心、家庭护理等多个场景。需要注意的是，2018 年 Liu 等[31]基于现有研究发现，目前较少有研究 PPI 得分小于 2 分，故对 15 个研究结果进行分析后，以 4 分和 6 分作为生存期预后预测的截断点更为实用。此外，该量表在建立时，研究者纳入的谵妄标准是指病理性、不可逆性谵妄，在使用该工具时需排除患者可能出现的可逆性谵妄。
3.2.1.2 PS-姑息预后指数（performance status–based palliative prognostic index，PS-PPI）量表
PS-PPI 量表由 Yamada 等[19]在 2017 年考虑到较多临床医生使用 ECOG 来评价患者的活动状态，将 PPI 中的 KPS 替换为 ECOG 后基于 2361 例癌症患者的临床数据建立。计分规则如下：ECOG 为 0～1、2 和 3～4 时分别计 0、2.5 和 4 分，其他预后指标的计分方式同 PPI，计分截断点选为 4 分和 6 分。研究发现在预测终末期癌症患者的预后时，PS-PPI 与 PPI 一样准确，PS-PPI 还可用于长期生存预测（3～6 个月）及化疗患者的生存预测，但目前还未有外部验证。
3.2.1.3 客观预后评分（objective prognostic score，OPS）
OPS[6]是 Sang-Yeon Suh 等通过对韩国的 6 所医院中 209 例癌症患者进行前瞻性随访，使用 Cox 比例风险模型分析所得，模型包括 3 个主观指标（口服摄入减少、呼吸困难、ECOG），4 个客观指标（肌酐、胆红素、白细胞、乳酸脱氢酶），主要用于预测 3w 生存率。该模型总分为 0～8 分，其中出现口服摄入减少、呼吸困难、低体能状态（ECOG≥4）、白细胞计数>11 000/mm3、血清胆红素>2.0 mg/dL、血清乳酸脱氢酶≥502 IU 分别计 1 分；血清肌酐≥1.5 mg/dL 计 2 分。截断点为 3 分，3 周预测灵敏度为 74.7%，特异度为 76.5%，准确率为 75.5%。随后，模型在日本、韩国和朝鲜[32, 33]等多个国家的癌症患者中得到了验证，准确率介于 70%～78%。
3.2.2 基于中国人群建立的模型
3.2.2.1 癌症预后量表（cancer prognostic score，CPS）
CPS[11]是由庄荣彬等通过整理分析台大医院 1997 年至 1999 年 356 例终末期癌症患者的病历和相关临床参数后提出，并在 2001 年 12 月至 2002 年 7 月入院的 184 例终末期癌症患者中进行内部验证，主要用于预测癌症患者 1 周和 2 周的生存率。该评分系统包括肝转移、肺转移、疲倦、腹水、水肿、认知障碍、体重减轻和 ECOG 这 8 个独立预后因素，总分为 0～8.5 分，分值越高，预后越差。当总分≥3.5 分时，患者的生存期<2 周在测试集和验证集中准确率分别为 72% 和 61%；当总分>6 分时，患者的生存期<1 周在测试集和验证集中准确率分别为 72% 和 66%。接受住院姑息治疗的患者的中位生存期通常约为 2 周[34]，该模型对规划死亡和优化临终关怀姑息治疗有重要参考价值。
3.2.2.2 中国预后量表（Chinese prognostic scale，ChPS）
ChPS[12]是中国大陆地区首个对终末期癌症患者进行生存期预测的量表，由 Zhou 等回顾上海地区 2003 年至 2007 年姑息家庭护理服务有关的终末期癌症患者相关临床数据所得。该研究将 814 例患者的数据作为训练集，以同期进入研究的 205 例患者作为验证集进行内部验证，最终确定以体重减轻、恶心、吞咽困难、呼吸困难、水肿、恶病质、脱水、性别、KPS 评分和生活质量评分这 10 个因素构建死亡风险预测模型，主要用于预测 3 个月的生存率。模型内容如下：患者出现体重减轻、恶心、吞咽困难、呼吸困难、水肿、恶病质、脱水分别计 1、3、4、6、8、20 分；若患者为男性计 0 分，为女性计−6 分；KPS 评分>70、70～61、60～51 和≤50 分别计 0、9、17 和 29 分；生活质量评分>40、40～31、≤30 分分别计 0、6、14 分，当总分>28 分时，患者的生存期<3 个月在测试集和验证集中准确率分别为 0.694 和 0.665。该评估工具未涉及到侵入式检查，故更适用于在家庭护理环境中或肿瘤终末期患者拒绝侵入性操作时。目前缺乏对 ChPS 的外部验证。
3.2.2.3 客观姑息预后评分（objective palliative prognostic score，OPPS）
OPPS[8]是由 Chen 等回顾 2005 年至 2007 年我国台湾地区一家三甲医院临终关怀姑息治疗室的 234 例终末期癌症患者的病历所建立，使用多元 logistic 分析最终确定六个预测因素，预测 1 周生存率的 AUC 为 0.82［95%CI（0.75，0.89）］。该量表共计 6 分，心率>120/min、白细胞>11 000/mm3、血小板<130 000/mm3、血清肌酐>1.3 mg/dL、血清钾>5 mg/dL 和无化疗史各计 1 分，当总分≥3 分时，预测患者生存期<1 周的灵敏度为 68.8%，特异度为 86.0%。目前缺乏对其的外部验证。
4 展望
准确判断患者预后是癌症治疗的首要原则。但需要明确的是，建立预测模型的主要目的并非是确定患者生存时间，而是辅助医护人员进行临床决策，制定更好的护理计划，提高患者终末期生活质量。迄今为止，国内外已开发了多个生存期预测模型，现有模型大多利用回顾性研究的数据，使用 Cox 比例风险回归进行建模，样本量较小。各模型预测能力及纳入的预后指标有一定差异，这种差异决定了其适用于不同场景，如 PPI、ChPS 等工具中纳入患者症状、体能相关因素，虽然预测能力较差，但较为简便，可为拒绝侵入性操作或居家采血不便时的肿瘤终末期患者进行评估；BCI、OPS 等包含生物学参数的工具，可用在医院、姑息治疗中心等具备检测条件的场所；PaP、D-PaP 等工具除了生物学参数，还包含了临床医生判断这一指标，使用时通常需要肿瘤学和姑息治疗经验的医师进行评估。
目前，国内关于癌症终末期患者生存期预测的研究尚处于起步阶段，现有模型通常是基于较小样本、某一省份癌症患者的数据进行，在人群的代表性方面受到限制，并且模型未得到外部验证。基于该现状，笔者认为在未来构建适用于中国人群终末期肿瘤生存期预测模型时，应注意以下几方面内容：① 模型建立：数据来源可考虑利用包含医院、姑息治疗中心等多中心癌症患者的数据。建模方法应考虑模型的可操作性，合理使用深度学习等技术，不能过度追求算法的精准而忽视了模型的实际应用价值。建模变量及截断点的选择应充分考虑模型的应用场景及价值，合理选择纳入模型的预测变量，如终末期癌症患者日常护理需要粗略估计患者预后，而家庭临终关怀无法获得临床实验相关指标等，可考虑使用易于评估的变量。相反，若需准确的预后，则可能需要更多实验室相关指标。模型截断点的选择应该充分考虑敏感性与特异性之间以及可行性与准确性的平衡。② 模型验证：应高度重视模型的外部验证研究，为可用于人群推广的评估模型提供科学依据。③ 模型的可应用性：尽管各种预后模型可以帮助临床医生预测患者的生存情况，但繁琐的计算公式、模糊的解释结果可能会限制其临床效用。未来可考虑通过使用基于网络的工具（例如：https://www.predictsurvival.com/；https://www.mdcalc.com/；http://tools.farmacologiaclinica.info/）来解决复杂计算问题，同时可根据多个预后评分提供生存预测。此外，以可视化的图形格式呈现出预测结果可能有助于临床医生的解释和患者的理解，如通过列线图的形式对结果进行可视化呈现。
