Application of ketogenic diet in cancer treatment
-
摘要: 生酮饮食因极低碳水化合物、适量蛋白质和足量脂肪的摄入而导致机体血糖水平下降，胰岛素分泌减少和胰岛素样生长因子-1(IGF-1)轴活性的下降，对于有氧糖酵解极度活化的恶性肿瘤细胞有一定的抑制作用。本文从安全性，对神经系统肿瘤、前列腺癌、乳腺癌等多种肿瘤的有效性，以及与放疗、维生素D的协同作用等方面做较全面的阐述。Abstract: Ketogenic diet is a specific diet with very low carbohydrates, moderate to low protein and sufficient fat, which causes decreasing of blood glucose, insulin secretion, activity of insulin-like growth factor-1 (IGF-1) axis, and inhibiting in proliferation of cancer cells with hyperactivity of aerobic glycolysis. This paper reviewed on the safety of ketogenic diets and efficacy of nervous system tumors, prostate cancer, breast cancer and other tumors, as well as its synergistic effect with radiotherapy and vitamin D.
-
Keywords:
- ketogenic diet /
- nervous system tumors /
- breast cancer /
- prostate cancer /
- cancer cachexia /
- low carbohydrates /
- insulin /
- vitamin D
-
结直肠癌(CRC)包括结肠癌和直肠癌，是消化系统较常见的恶性肿瘤，约占消化系统肿瘤的50%, 发病率仅次于胃癌和食管癌，也是世界上第3大最常见的恶性肿瘤[1-2]。在中国, CRC的发病率和致死率分别位居第3位和第5位，且呈现不断上升的趋势[3]。受CRC生理功能及解剖位置的特殊性、患者自身心理及个人体质等因素影响，患者发生营养不良的风险远高于其他非消化系统肿瘤患者[4]。营养不良不仅会延长患者的住院时间，增加治疗费用，降低治疗的耐受度，还会导致CRC患者更易发生器官功能衰竭、死亡率增高等不良治疗结局[4-5]。目前临床上常用的营养不良风险筛查工具如2019年发布的全球(营养)领导层倡议营养不良(GLIM)诊断标准(共识)、营养风险筛查2002(NRS-2002)虽被广大医务工作者所应用，但因专家共识证据级别低、主观性较大和不确定性，限制了其准确性和可靠性[6-7]。列线图具有将风险因素合理整合并直观化呈现、准确预测结局事件发生概率的优点，目前已被应用于医学研究的各个领域[8]。本研究通过收集、分析CRC患者的一般资料及实验室检查等临床资料，探讨CRC患者营养不良的风险因素，并构建了列线图预测模型，现将结果报告如下。
结直肠癌(CRC)包括结肠癌和直肠癌，是消化系统较常见的恶性肿瘤，约占消化系统肿瘤的50%, 发病率仅次于胃癌和食管癌，也是世界上第3大最常见的恶性肿瘤[1-2]。在中国, CRC的发病率和致死率分别位居第3位和第5位，且呈现不断上升的趋势[3]。受CRC生理功能及解剖位置的特殊性、患者自身心理及个人体质等因素影响，患者发生营养不良的风险远高于其他非消化系统肿瘤患者[4]。营养不良不仅会延长患者的住院时间，增加治疗费用，降低治疗的耐受度，还会导致CRC患者更易发生器官功能衰竭、死亡率增高等不良治疗结局[4-5]。目前临床上常用的营养不良风险筛查工具如2019年发布的全球(营养)领导层倡议营养不良(GLIM)诊断标准(共识)、营养风险筛查2002(NRS-2002)虽被广大医务工作者所应用，但因专家共识证据级别低、主观性较大和不确定性，限制了其准确性和可靠性[6-7]。列线图具有将风险因素合理整合并直观化呈现、准确预测结局事件发生概率的优点，目前已被应用于医学研究的各个领域[8]。本研究通过收集、分析CRC患者的一般资料及实验室检查等临床资料，探讨CRC患者营养不良的风险因素，并构建了列线图预测模型，现将结果报告如下。
1. 资料与方法
1. 资料与方法
1.1 一般资料
本研究采用回顾性病例对照研究设计，选取2021年7月—2023年12月在昆明理工大学附属安宁市第一人民医院住院就诊的402例CRC住院患者为研究对象，其中男248例，女154例，年龄18~85岁，平均(64.82±11.67)岁。本研究已通过昆明理工大学附属安宁市第一人民医院伦理委员会审批(伦审2024-020)。纳入标准: ①所有住院患者均经病理学诊断为CRC; ②入院时未诊断为营养不良者; ③入组患者卡氏功能状态评分法(KPS) 评分≥60分。排除标准: ①合并严重心、肺、肾等脏器功能不全，转诊重症监护室患者; ②预期生存时间不足6个月者; ③合并消化道、呼吸道或肝脏等重要脏器出血的患者; ④所需病例数据缺失比率超过20%的患者。
1.1 一般资料
本研究采用回顾性病例对照研究设计，选取2021年7月—2023年12月在昆明理工大学附属安宁市第一人民医院住院就诊的402例CRC住院患者为研究对象，其中男248例，女154例，年龄18~85岁，平均(64.82±11.67)岁。本研究已通过昆明理工大学附属安宁市第一人民医院伦理委员会审批(伦审2024-020)。纳入标准: ①所有住院患者均经病理学诊断为CRC; ②入院时未诊断为营养不良者; ③入组患者卡氏功能状态评分法(KPS) 评分≥60分。排除标准: ①合并严重心、肺、肾等脏器功能不全，转诊重症监护室患者; ②预期生存时间不足6个月者; ③合并消化道、呼吸道或肝脏等重要脏器出血的患者; ④所需病例数据缺失比率超过20%的患者。
1.2 方法
通过医院信息系统(HIS)、实验室信息管理系统(LIS)收集所需病例的全面信息。数据录入及复核由双人进行，重点采集入组患者性别、居住地、婚姻状态、是否长期卧床、年龄、KPS评分、肿瘤分期、体质量指数(BMI)、饮酒史、消化系统手术史(近2年内)、高血压、糖尿病、冠心病、NRS-2002、红细胞(RBC)、白细胞(WBC)、血红蛋白(HGB)、血小板(PLT)、白蛋白(ALB)、前白蛋白(PAB)、谷丙转氨酶(ALT)、谷草转氨酶(AST)、尿素(Urea)及血清肌酐(Cr)。
本研究采用GLIM标准作为营养不良诊断标准[9]。第1步采用NRS-2002作为主要筛查工具，通过查阅病历，将NRS-2002≥3分定义为有营养不良风险; 第2步则是在筛查阳性的基础上对患者进行营养不良评定。营养不良评定标准内容有5项，分别为非自主性体质量丢失(6个月及以内>5%, 或6个月以上>10%)、低BMI(亚洲标准: < 70岁者BMI < 18.5 kg/m2, ≥70岁者BMI < 20 kg/m2)、肌肉量降低(低于各种机体组成测定方法的正常值)，这3项属于表现型指标范畴; 另2项为食物摄入或吸收减少(食物摄入 < 50%超过1周，或摄入减少超过2周，或慢性胃肠道功能障碍影响食物消化吸收)，疾病负担或炎症(急性疾病或创伤相关，或慢性疾病相关)，此2项属于病因型指标范畴。至少符合l项表现型诊断标准和1项病因型诊断标准则评定为营养不良。根据营养不良判定及分组标准，将402例患者分为营养不良组111例和营养良好组291例，营养不良发生率为27.61%。
1.2 方法
通过医院信息系统(HIS)、实验室信息管理系统(LIS)收集所需病例的全面信息。数据录入及复核由双人进行，重点采集入组患者性别、居住地、婚姻状态、是否长期卧床、年龄、KPS评分、肿瘤分期、体质量指数(BMI)、饮酒史、消化系统手术史(近2年内)、高血压、糖尿病、冠心病、NRS-2002、红细胞(RBC)、白细胞(WBC)、血红蛋白(HGB)、血小板(PLT)、白蛋白(ALB)、前白蛋白(PAB)、谷丙转氨酶(ALT)、谷草转氨酶(AST)、尿素(Urea)及血清肌酐(Cr)。
本研究采用GLIM标准作为营养不良诊断标准[9]。第1步采用NRS-2002作为主要筛查工具，通过查阅病历，将NRS-2002≥3分定义为有营养不良风险; 第2步则是在筛查阳性的基础上对患者进行营养不良评定。营养不良评定标准内容有5项，分别为非自主性体质量丢失(6个月及以内>5%, 或6个月以上>10%)、低BMI(亚洲标准: < 70岁者BMI < 18.5 kg/m2, ≥70岁者BMI < 20 kg/m2)、肌肉量降低(低于各种机体组成测定方法的正常值)，这3项属于表现型指标范畴; 另2项为食物摄入或吸收减少(食物摄入 < 50%超过1周，或摄入减少超过2周，或慢性胃肠道功能障碍影响食物消化吸收)，疾病负担或炎症(急性疾病或创伤相关，或慢性疾病相关)，此2项属于病因型指标范畴。至少符合l项表现型诊断标准和1项病因型诊断标准则评定为营养不良。根据营养不良判定及分组标准，将402例患者分为营养不良组111例和营养良好组291例，营养不良发生率为27.61%。
1.3 统计学分析
采用Excel 2019进行数据录入，采用SPSS 26.0统计软件进行数据分析，符合正态分布的计量资料以(x±s)表示，组间比较采用t检验; 非正态分布数据采用[M(Q1, Q3)]表示，组间比较采用秩和检验; 计数资料以[n(%)]表示，组间比较采用χ2检验。在单因素Logistic分析基础上，选择差异有统计学意义的危险因素进行多元Logistic回归分析，采用R语言软件包构建列线图模型，并计算受试者工作特征(ROC)曲线的曲线下面积(AUC), 评价预测模型的预测能力。当ROC曲线的AUC为0.5~0.7时表示模型判别能力低, >0.7~0.9时表示判别能力中等，>0.9~1.0时表示判别能力高。通过绘制校准曲线来评估预测发生概率与实际发生概率的一致性。通过临床决策曲线(DCA)评估模型的临床应用价值，P < 0.05为差异有统计学意义。
1.3 统计学分析
采用Excel 2019进行数据录入，采用SPSS 26.0统计软件进行数据分析，符合正态分布的计量资料以(x±s)表示，组间比较采用t检验; 非正态分布数据采用[M(Q1, Q3)]表示，组间比较采用秩和检验; 计数资料以[n(%)]表示，组间比较采用χ2检验。在单因素Logistic分析基础上，选择差异有统计学意义的危险因素进行多元Logistic回归分析，采用R语言软件包构建列线图模型，并计算受试者工作特征(ROC)曲线的曲线下面积(AUC), 评价预测模型的预测能力。当ROC曲线的AUC为0.5~0.7时表示模型判别能力低, >0.7~0.9时表示判别能力中等，>0.9~1.0时表示判别能力高。通过绘制校准曲线来评估预测发生概率与实际发生概率的一致性。通过临床决策曲线(DCA)评估模型的临床应用价值，P < 0.05为差异有统计学意义。
2. 结果
2. 结果
2.1 2组一般资料比较
营养不良组与营养良好组年龄、肿瘤分期、长期卧床情况、KPS评分、BMI及NRS-2002评分比较，差异有统计学意义(P < 0.05), 见表 1。2组RBC、WBC、HGB、ALB、PAB、ALT及Urea水平比较，差异有统计学意义(P < 0.05), 见表 2。
表 1 2组一般资料比较[n(%)]一般资料 分类 营养不良组(n=111) 营养良好组(n=291) χ2 P 年龄 < 65岁 35(31.5) 148(50.9) 12.103 < 0.001 ≥65岁 76(68.5) 143(49.1) 性别 男 68(61.3) 180(61.9) 0.012 0.500 女 43(38.7) 111(38.1) 肿瘤分期 Ⅰ~Ⅲ期 30(27.0) 143(49.1) 16.082 < 0.001 Ⅳ期 81(73.0) 148(50.9) 婚姻状态 已婚 89(80.2) 250(85.9) 1.997 0.105 其他(未婚/丧偶/离异) 22(19.8) 41(14.1) 居住地 农村 36(32.4) 113(38.8) 1.411 0.142 城镇 75(67.6) 178(61.2) 长期卧床 是 21(18.9) 4(1.4) 42.470 < 0.001 否 90(81.1) 287(98.6) 卡氏功能状态评分法评分 ≥90分 45(40.5) 174(59.8) 12.010 < 0.001 ≤80分 66(59.5) 117(40.2) 体质量指数 < 18.5 kg/m2 82(73.9) 3(1.1) 261.557 < 0.001 18.5~24.0 kg/m2 29(26.1) 191(65.6) >24.0 kg/m2 0 97(33.3) 饮酒史 无 94(84.7) 260(89.3) 1.661 0.133 是 17(15.3) 31(10.7) 消化系统手术史(近2年) 无 47(42.3) 125(43.0) 0.012 0.502 有 64(57.7) 166(57.0) 高血压 无 72(64.9) 190(65.3) 0.006 0.513 有 39(35.1) 101(34.7) 糖尿病 无 97(87.4) 247(84.9) 0.409 0.320 有 14(12.6) 44(15.1) NRS-2002评分 0~2分 23(20.7) 246(84.5) 147.805 < 0.001 ≥3分 88(79.3) 45(15.5) NRS-2002: 营养风险筛查2002。长期卧床定义为连续安静卧床72 h, 或至少连续7 d每天卧床时间>4 h(睡觉时间除外)。 表 2 2组实验室指标水平比较(x±s)[M(Q1, Q3)]指标 营养不良组(n=111) 营养良好组(n=291) t/Z P 红细胞/(×1012/L) 3.67(2.97, 4.16) 4.32(3.72, 4.77) -6.381 < 0.001 白细胞/(×109/L) 6.77(4.65, 9.88) 5.41(3.99, 7.43) -3.385 0.001 血小板/(×109/L) 196.00(142.50, 289.00) 191.5(141.25, 256.25) -1.599 0.110 血红蛋白/(g/L) 109.57±28.20 131.56±24.41 7.173 < 0.001 白蛋白/(g/L) 32.22±6.05 38.21±5.05 9.272 < 0.001 前白蛋白/(g/L) 127.41±53.71 172.85±56.67 4.087 < 0.001 谷丙转氨酶/(U/L) 19.00(12.00, 34.50) 22(15.00, 34.00) -2.057 0.040 谷草转氨酶/(U/L) 25.00(17.00, 45.75) 26(20.00, 39.00) -0.797 0.425 尿素/(mmol/L) 5.78(4.40, 9.34) 5.14(4.08, 6.60) -3.240 0.001 血清肌酐/(μmol/L) 69.00(55.00, 84.10) 68.10(60.00, 80.00) -0.557 0.564 2.1 2组一般资料比较
营养不良组与营养良好组年龄、肿瘤分期、长期卧床情况、KPS评分、BMI及NRS-2002评分比较，差异有统计学意义(P < 0.05), 见表 1。2组RBC、WBC、HGB、ALB、PAB、ALT及Urea水平比较，差异有统计学意义(P < 0.05), 见表 2。
表 1 2组一般资料比较[n(%)]一般资料 分类 营养不良组(n=111) 营养良好组(n=291) χ2 P 年龄 < 65岁 35(31.5) 148(50.9) 12.103 < 0.001 ≥65岁 76(68.5) 143(49.1) 性别 男 68(61.3) 180(61.9) 0.012 0.500 女 43(38.7) 111(38.1) 肿瘤分期 Ⅰ~Ⅲ期 30(27.0) 143(49.1) 16.082 < 0.001 Ⅳ期 81(73.0) 148(50.9) 婚姻状态 已婚 89(80.2) 250(85.9) 1.997 0.105 其他(未婚/丧偶/离异) 22(19.8) 41(14.1) 居住地 农村 36(32.4) 113(38.8) 1.411 0.142 城镇 75(67.6) 178(61.2) 长期卧床 是 21(18.9) 4(1.4) 42.470 < 0.001 否 90(81.1) 287(98.6) 卡氏功能状态评分法评分 ≥90分 45(40.5) 174(59.8) 12.010 < 0.001 ≤80分 66(59.5) 117(40.2) 体质量指数 < 18.5 kg/m2 82(73.9) 3(1.1) 261.557 < 0.001 18.5~24.0 kg/m2 29(26.1) 191(65.6) >24.0 kg/m2 0 97(33.3) 饮酒史 无 94(84.7) 260(89.3) 1.661 0.133 是 17(15.3) 31(10.7) 消化系统手术史(近2年) 无 47(42.3) 125(43.0) 0.012 0.502 有 64(57.7) 166(57.0) 高血压 无 72(64.9) 190(65.3) 0.006 0.513 有 39(35.1) 101(34.7) 糖尿病 无 97(87.4) 247(84.9) 0.409 0.320 有 14(12.6) 44(15.1) NRS-2002评分 0~2分 23(20.7) 246(84.5) 147.805 < 0.001 ≥3分 88(79.3) 45(15.5) NRS-2002: 营养风险筛查2002。长期卧床定义为连续安静卧床72 h, 或至少连续7 d每天卧床时间>4 h(睡觉时间除外)。 表 2 2组实验室指标水平比较(x±s)[M(Q1, Q3)]指标 营养不良组(n=111) 营养良好组(n=291) t/Z P 红细胞/(×1012/L) 3.67(2.97, 4.16) 4.32(3.72, 4.77) -6.381 < 0.001 白细胞/(×109/L) 6.77(4.65, 9.88) 5.41(3.99, 7.43) -3.385 0.001 血小板/(×109/L) 196.00(142.50, 289.00) 191.5(141.25, 256.25) -1.599 0.110 血红蛋白/(g/L) 109.57±28.20 131.56±24.41 7.173 < 0.001 白蛋白/(g/L) 32.22±6.05 38.21±5.05 9.272 < 0.001 前白蛋白/(g/L) 127.41±53.71 172.85±56.67 4.087 < 0.001 谷丙转氨酶/(U/L) 19.00(12.00, 34.50) 22(15.00, 34.00) -2.057 0.040 谷草转氨酶/(U/L) 25.00(17.00, 45.75) 26(20.00, 39.00) -0.797 0.425 尿素/(mmol/L) 5.78(4.40, 9.34) 5.14(4.08, 6.60) -3.240 0.001 血清肌酐/(μmol/L) 69.00(55.00, 84.10) 68.10(60.00, 80.00) -0.557 0.564 2.2 影响CRC患者营养不良发生的单因素分析
具有统计学意义的相关指标赋值见表 3, 并进行Logistic回归分析。单因素分析结果显示, TNM分期、年龄、长期卧床、KPS评分、BMI、RBC、WBC、HGB、PAB、ALB、ALT和Urea是CRC患者发生营养不良的独立影响因素(P < 0.05)。见表 4。
表 3 相关变量赋值表变量 赋值 0 1 2 3 TNM分期 — Ⅰ~Ⅲ期 Ⅳ期 — 年龄/岁 — < 65 ≥65 — 长期卧床 否 是 — — KPS评分/分 — ≥90 ≤80 — BMI/(kg/m2) — < 18.5 18.5~24.0 >24.0 红细胞/(×1012/L) — < 4.0 ≥4.0 — 白细胞/(×109/L) — < 3.5 3.5~9.5 >9.5 血红蛋白/(g/L) — < 120 ≥120 — 前白蛋白/(g/L) — < 200 ≥200 — 白蛋白/(g/L) — < 35 ≥35 — 谷丙转氨酶/(U/L) — < 40 ≥40 — 尿素/(mmol/L) — <9.5 ≥9.5 — 表 4 CRC患者发生营养不良的单因素Logistic回归分析变量 B SE P OR 95%CI TNM分期 0.959 0.244 < 0.001 2.609 1.618~4.207 年龄 0.810 0.236 0.001 2.247 1.416~3.566 长期卧床 2.818 0.559 < 0.001 16.742 5.600~50.052 KPS评分 0.780 0.227 0.001 2.181 1.397~3.405 BMI -5.227 0.617 < 0.001 0.005 0.002~0.018 红细胞 -1.348 0.238 < 0.001 0.260 0.163~0.414 白细胞 0.719 0.211 0.001 2.053 1.358~3.101 血红蛋白 -1.447 0.238 < 0.001 0.235 0.148~0.375 前白蛋白 -1.331 0.242 < 0.001 0.264 0.164~0.424 白蛋白 -1.578 0.239 < 0.001 0.206 0.129~0.330 谷丙转氨酶 0.850 0.348 0.015 2.339 1.181~4.630 尿素 1.934 0.373 < 0.001 6.919 3.328~14.328 2.2 影响CRC患者营养不良发生的单因素分析
具有统计学意义的相关指标赋值见表 3, 并进行Logistic回归分析。单因素分析结果显示, TNM分期、年龄、长期卧床、KPS评分、BMI、RBC、WBC、HGB、PAB、ALB、ALT和Urea是CRC患者发生营养不良的独立影响因素(P < 0.05)。见表 4。
表 3 相关变量赋值表变量 赋值 0 1 2 3 TNM分期 — Ⅰ~Ⅲ期 Ⅳ期 — 年龄/岁 — < 65 ≥65 — 长期卧床 否 是 — — KPS评分/分 — ≥90 ≤80 — BMI/(kg/m2) — < 18.5 18.5~24.0 >24.0 红细胞/(×1012/L) — < 4.0 ≥4.0 — 白细胞/(×109/L) — < 3.5 3.5~9.5 >9.5 血红蛋白/(g/L) — < 120 ≥120 — 前白蛋白/(g/L) — < 200 ≥200 — 白蛋白/(g/L) — < 35 ≥35 — 谷丙转氨酶/(U/L) — < 40 ≥40 — 尿素/(mmol/L) — <9.5 ≥9.5 — 表 4 CRC患者发生营养不良的单因素Logistic回归分析变量 B SE P OR 95%CI TNM分期 0.959 0.244 < 0.001 2.609 1.618~4.207 年龄 0.810 0.236 0.001 2.247 1.416~3.566 长期卧床 2.818 0.559 < 0.001 16.742 5.600~50.052 KPS评分 0.780 0.227 0.001 2.181 1.397~3.405 BMI -5.227 0.617 < 0.001 0.005 0.002~0.018 红细胞 -1.348 0.238 < 0.001 0.260 0.163~0.414 白细胞 0.719 0.211 0.001 2.053 1.358~3.101 血红蛋白 -1.447 0.238 < 0.001 0.235 0.148~0.375 前白蛋白 -1.331 0.242 < 0.001 0.264 0.164~0.424 白蛋白 -1.578 0.239 < 0.001 0.206 0.129~0.330 谷丙转氨酶 0.850 0.348 0.015 2.339 1.181~4.630 尿素 1.934 0.373 < 0.001 6.919 3.328~14.328 2.3 影响营养不良的多因素Logistic回归分析
以是否存在营养不良为因变量(1=有, 0=无)，将单因素分析中有统计学意义的指标作为自变量，进行多因素Logistic回归分析，结果显示，以TNM分期Ⅰ~Ⅲ期作为参考, Ⅳ期是促进营养不良发生的危险因素(P < 0.05), 高龄、较差的KPS评分、卧床、低血红蛋白以及血清PAB水平低是促进营养不良发生的危险因素(P < 0.05), 见表 5。
表 5 影响营养不良发生的多因素Logistic回归分析变量 分类 B SE P OR 95%CI TNM分期 Ⅰ~Ⅲ期(作为参考) Ⅳ期 0.616 0.280 0.028 1.851 1.069~3.205 年龄 < 65岁(作为参考) ≥65岁 0.820 0.276 0.003 2.269 1.322~3.897 KPS评分 ≥90分(作为参考) ≤80分 0.967 0.269 < 0.001 2.630 1.551~4.460 长期卧床 否(作为参考) 是 2.209 0.606 < 0.001 9.109 2.778~29.867 血红蛋白 < 110 g/L (作为参考) ≥110 g/L -1.115 0.281 < 0.001 0.328 0.189~0.569 前白蛋白 < 200 g/L (作为参考) ≥200 g/L -0.686 0.290 0.018 0.503 0.285~0.890 2.3 影响营养不良的多因素Logistic回归分析
以是否存在营养不良为因变量(1=有, 0=无)，将单因素分析中有统计学意义的指标作为自变量，进行多因素Logistic回归分析，结果显示，以TNM分期Ⅰ~Ⅲ期作为参考, Ⅳ期是促进营养不良发生的危险因素(P < 0.05), 高龄、较差的KPS评分、卧床、低血红蛋白以及血清PAB水平低是促进营养不良发生的危险因素(P < 0.05), 见表 5。
表 5 影响营养不良发生的多因素Logistic回归分析变量 分类 B SE P OR 95%CI TNM分期 Ⅰ~Ⅲ期(作为参考) Ⅳ期 0.616 0.280 0.028 1.851 1.069~3.205 年龄 < 65岁(作为参考) ≥65岁 0.820 0.276 0.003 2.269 1.322~3.897 KPS评分 ≥90分(作为参考) ≤80分 0.967 0.269 < 0.001 2.630 1.551~4.460 长期卧床 否(作为参考) 是 2.209 0.606 < 0.001 9.109 2.778~29.867 血红蛋白 < 110 g/L (作为参考) ≥110 g/L -1.115 0.281 < 0.001 0.328 0.189~0.569 前白蛋白 < 200 g/L (作为参考) ≥200 g/L -0.686 0.290 0.018 0.503 0.285~0.890 2.4 营养不良发生的列线图模型的建立与评价
将TNM分期、年龄、KPS评分、PAB、HGB和卧床情况6个指标纳入构建列线图模型，见图 1。预测模型的阳性预测值阈值设定为0.454时，预测模型灵敏度为57.4%, 特异度为88.0%, AUC为0.821(95%CI: 0.773~0.870, P < 0.001), 提示该模型区分度良好，见图 2。通过Hosmer-Lemeshow拟合优度检验评价预测模型的校准能力，结果显示Hosmer-Lemeshow χ2=2.076, P=0.979。模型的校准曲线显示预测曲线与标准曲线基本拟合，见图 3。进一步采用Bootstrap自助法重抽样1 000次，一致性指数为0.821。绘制临床DCA曲线，提示该列线图预测模型有较佳的临床应用价值，见图 4。
![]()
图 1 CRC患者营养不良发生的列线图模型营养不良发生风险: 根据肿瘤分期(Ⅰ~Ⅲ期=1, Ⅳ期=2)、年龄(< 65岁=1, ≥65岁=1)、KPS评分(≤80分=2, ≥90分=1)、PAB(≥200 g/L=2, < 200 g/L=1)、HGB(≥110 g/L=2, < 110 g/L=1)、卧床状态(是=1, 否=0)相应得分的总分计算出对应的营养不良发生概率。![]()
图 4 CRC患者营养不良发生的列线图模型的临床决策曲线图黑色水平实线是参与者的净收益，假设所有患者都不会形成营养不良; 灰色实线是所有参与者的净收益，假设所有患者都会形成营养不良; 黑色虚线代表本预测模型的实际发生情况。该图描述了在预测营养不良形成风险时，每例患者相对于列线图的预期净效益。随着模型曲线的扩展，净效益增加。使用引导重采样(次数=1 000)。2.4 营养不良发生的列线图模型的建立与评价
将TNM分期、年龄、KPS评分、PAB、HGB和卧床情况6个指标纳入构建列线图模型，见图 1。预测模型的阳性预测值阈值设定为0.454时，预测模型灵敏度为57.4%, 特异度为88.0%, AUC为0.821(95%CI: 0.773~0.870, P < 0.001), 提示该模型区分度良好，见图 2。通过Hosmer-Lemeshow拟合优度检验评价预测模型的校准能力，结果显示Hosmer-Lemeshow χ2=2.076, P=0.979。模型的校准曲线显示预测曲线与标准曲线基本拟合，见图 3。进一步采用Bootstrap自助法重抽样1 000次，一致性指数为0.821。绘制临床DCA曲线，提示该列线图预测模型有较佳的临床应用价值，见图 4。
![]()
图 1 CRC患者营养不良发生的列线图模型营养不良发生风险: 根据肿瘤分期(Ⅰ~Ⅲ期=1, Ⅳ期=2)、年龄(< 65岁=1, ≥65岁=1)、KPS评分(≤80分=2, ≥90分=1)、PAB(≥200 g/L=2, < 200 g/L=1)、HGB(≥110 g/L=2, < 110 g/L=1)、卧床状态(是=1, 否=0)相应得分的总分计算出对应的营养不良发生概率。![]()
图 4 CRC患者营养不良发生的列线图模型的临床决策曲线图黑色水平实线是参与者的净收益，假设所有患者都不会形成营养不良; 灰色实线是所有参与者的净收益，假设所有患者都会形成营养不良; 黑色虚线代表本预测模型的实际发生情况。该图描述了在预测营养不良形成风险时，每例患者相对于列线图的预期净效益。随着模型曲线的扩展，净效益增加。使用引导重采样(次数=1 000)。3. 讨论
营养不良易导致肿瘤患者毒性增加、化疗耐受性降低以及其他并发症，甚至增高患者病死率[10]。目前营养不良在诊断标准方面仍无统一的标准，常用的GLIM标准及NRS-2002在营养不良的早期诊断及风险筛查中有效[11]。目前只有NRS-2002具有高级别循证医学基础，其结论为营养风险，与患者结局相关，是首选的筛查工具[12]。然而, NRS-2002在实际应用中存在一些限制和缺陷，包括体质量测量困难、意识状态影响、血清白蛋白不适用、治疗环境差异、临床结局观察不足、肿瘤类型评估不够细致等[13]。研究[14-15]报道CRC住院患者营养不良发生率为20%~37%, 本研究CRC患者营养不良发生率为27.61%, 这可能与不同研究所选取的筛查工具有关。
本研究采用多元Logistic回归分析法对CRC患者营养不良发生的影响因素展开分析，最终发现TNM分期、年龄、KPS评分、PAB、HGB和长期卧床情况是其主要影响因素。①肿瘤TNM分期。本研究发现Ⅳ期CRC患者发生营养不良风险是Ⅰ~Ⅲ期患者的近2倍, Ⅳ期CRC患者营养不良的风险很高且易出现恶病质，同时肿瘤分期越晚的患者因肿瘤侵袭范围增大而更易出现恶心、呕吐、腹痛、腹泻及消化道梗阻等症状; 此外，也可能与分期较晚患者机体代谢较差、基础消耗量更大以及肿瘤细胞繁殖过快有关[16-18]。②本研究根据最佳截断值将年龄分界设置为65岁，这与目前大部分研究中将65岁作为老年人分界点的观念相同[19]。本研究发现老年CRC患者发生营养不良的风险是非老年患者的2.26倍。随着年龄的增长，胃肠功能逐渐减弱，消化吸收能力差，会影响营养物质的摄取[18]。③ KPS评分与肿瘤患者的营养状况有关。陈晓艳等[20]研究发现, KPS评分是消化系统肿瘤患者营养不良的主要危险因素, KPS评分 < 90分者营养不良发生风险增加3.46倍。胡露等[21]针对CRC患者营养不良的研究分析发现, KPS评分 < 80分者较≥80分者营养不良发生风险增加8倍。本研究发现KPS评分 < 80分者营养不良发生风险增加3.72倍。④长期卧床的患者因活动量减少和胃肠功能发生紊乱，导致能量吸收减少、肌肉萎缩、代谢率下降、食欲减退及消化吸收功能减弱，进而易发生营养不良。因此针对这部分人群应采取个性化营养支持和床边运动等措施以预防和改善。⑤ HGB是营养调查中常用的观察指标，可以反映患者的营养状况[22]。HGB的主要功能是气体交换、运送营养物质到全身组织。HGB水平降低易造成机体缺氧、营养物质缺乏，长期HGB水平降低则会引起贫血，再加上肿瘤患者自身消耗加剧，营养物质得不到吸收利用，部分患者抗肿瘤治疗最终增加了营养不良的发生风险[23]。本研究发现HGB可作为营养不良的主要预测因素，医护人员要密切监测患者住院期间的HGB水平，积极纠正贫血。⑥ PAB的半衰期较ALB短2 d, 目前研究[24-25]证明PAB是一个良好的营养不良预测指标，且血清PAB较ALB能更好地反映患者最近的营养状况，可以早期识别营养不良的发生。血清PAB水平降低可能导致负氮平衡，进而造成机体营养供应不足。肿瘤患者的营养供应与消耗的失衡会显著增加营养不良的发生风险[23, 26-27]。本研究发现PAB是CRC患者营养不良发生的重要预测因子，建议针对营养不良高危患者应及时给予优质蛋白营养补充剂来纠正血清PAB水平，降低营养不良发生率。
本研究基于402例CRC患者的数据进行分析并利用6个因素构建了一个高灵敏度、高特异度的列线图预测模型。通过拟合优度检验及模型校准曲线来评价预测模型的校准能力，结果显示实际观测值与模型预测值基本拟合，表明该预测模型可为临床工作者早期识别CRC肿瘤患者营养不良提供依据。
综上所述，本研究纳入的402例CRC肿瘤患者住院期间营养不良的发生率为27.61%; 高龄、TNM分期Ⅳ期、较差的KPS评分、长期卧床、HGB降低、PAB降低6个因素是CRC肿瘤患者营养不良发生的危险因素。据此构建的列线图风险预测模型具有较好的区分能力和预测效果，能够为临床医生预防营养不良提供重要指导。
3. 讨论
营养不良易导致肿瘤患者毒性增加、化疗耐受性降低以及其他并发症，甚至增高患者病死率[10]。目前营养不良在诊断标准方面仍无统一的标准，常用的GLIM标准及NRS-2002在营养不良的早期诊断及风险筛查中有效[11]。目前只有NRS-2002具有高级别循证医学基础，其结论为营养风险，与患者结局相关，是首选的筛查工具[12]。然而, NRS-2002在实际应用中存在一些限制和缺陷，包括体质量测量困难、意识状态影响、血清白蛋白不适用、治疗环境差异、临床结局观察不足、肿瘤类型评估不够细致等[13]。研究[14-15]报道CRC住院患者营养不良发生率为20%~37%, 本研究CRC患者营养不良发生率为27.61%, 这可能与不同研究所选取的筛查工具有关。
本研究采用多元Logistic回归分析法对CRC患者营养不良发生的影响因素展开分析，最终发现TNM分期、年龄、KPS评分、PAB、HGB和长期卧床情况是其主要影响因素。①肿瘤TNM分期。本研究发现Ⅳ期CRC患者发生营养不良风险是Ⅰ~Ⅲ期患者的近2倍, Ⅳ期CRC患者营养不良的风险很高且易出现恶病质，同时肿瘤分期越晚的患者因肿瘤侵袭范围增大而更易出现恶心、呕吐、腹痛、腹泻及消化道梗阻等症状; 此外，也可能与分期较晚患者机体代谢较差、基础消耗量更大以及肿瘤细胞繁殖过快有关[16-18]。②本研究根据最佳截断值将年龄分界设置为65岁，这与目前大部分研究中将65岁作为老年人分界点的观念相同[19]。本研究发现老年CRC患者发生营养不良的风险是非老年患者的2.26倍。随着年龄的增长，胃肠功能逐渐减弱，消化吸收能力差，会影响营养物质的摄取[18]。③ KPS评分与肿瘤患者的营养状况有关。陈晓艳等[20]研究发现, KPS评分是消化系统肿瘤患者营养不良的主要危险因素, KPS评分 < 90分者营养不良发生风险增加3.46倍。胡露等[21]针对CRC患者营养不良的研究分析发现, KPS评分 < 80分者较≥80分者营养不良发生风险增加8倍。本研究发现KPS评分 < 80分者营养不良发生风险增加3.72倍。④长期卧床的患者因活动量减少和胃肠功能发生紊乱，导致能量吸收减少、肌肉萎缩、代谢率下降、食欲减退及消化吸收功能减弱，进而易发生营养不良。因此针对这部分人群应采取个性化营养支持和床边运动等措施以预防和改善。⑤ HGB是营养调查中常用的观察指标，可以反映患者的营养状况[22]。HGB的主要功能是气体交换、运送营养物质到全身组织。HGB水平降低易造成机体缺氧、营养物质缺乏，长期HGB水平降低则会引起贫血，再加上肿瘤患者自身消耗加剧，营养物质得不到吸收利用，部分患者抗肿瘤治疗最终增加了营养不良的发生风险[23]。本研究发现HGB可作为营养不良的主要预测因素，医护人员要密切监测患者住院期间的HGB水平，积极纠正贫血。⑥ PAB的半衰期较ALB短2 d, 目前研究[24-25]证明PAB是一个良好的营养不良预测指标，且血清PAB较ALB能更好地反映患者最近的营养状况，可以早期识别营养不良的发生。血清PAB水平降低可能导致负氮平衡，进而造成机体营养供应不足。肿瘤患者的营养供应与消耗的失衡会显著增加营养不良的发生风险[23, 26-27]。本研究发现PAB是CRC患者营养不良发生的重要预测因子，建议针对营养不良高危患者应及时给予优质蛋白营养补充剂来纠正血清PAB水平，降低营养不良发生率。
本研究基于402例CRC患者的数据进行分析并利用6个因素构建了一个高灵敏度、高特异度的列线图预测模型。通过拟合优度检验及模型校准曲线来评价预测模型的校准能力，结果显示实际观测值与模型预测值基本拟合，表明该预测模型可为临床工作者早期识别CRC肿瘤患者营养不良提供依据。
综上所述，本研究纳入的402例CRC肿瘤患者住院期间营养不良的发生率为27.61%; 高龄、TNM分期Ⅳ期、较差的KPS评分、长期卧床、HGB降低、PAB降低6个因素是CRC肿瘤患者营养不良发生的危险因素。据此构建的列线图风险预测模型具有较好的区分能力和预测效果，能够为临床医生预防营养不良提供重要指导。
-
表 1 正在开展和已经完成的生酮饮食干预恶性肿瘤的临床研究
临床试验注册号 研究主题 研究机构 神经系统肿瘤 NCT03278249 Feasibility Study of Modified Atkins Ketogenic Diet in the Treatment of Newly Diagnosed Malignant Glioma University of Cincinnati NCT03075514 Ketogenic Diets as an Adjuvant Therapy in Glioblastoma University of Liverpool NCT02286167 Glioma Modified Atkins-based Diet in Patients With Glioblastoma Wake Forest University Health Sciences NCT02046187 Ketogenic Diet With Radiation and Chemotherapy for Newly Diagnosed Glioblastoma St.Joseph′s Hospital and Medical Center NCT01754350 Calorie-restricted Ketogenic Diet and Transient Fasting During Reirradiation for Patients With Recurrent Glioblastoma Johann Wolfgang Goethe University Hospital NCT01535911 Pilot Study of a Metabolic Nutritional Therapy for the Management of Primary Brain Tumors Michigan State University|Sparrow Health System NCT00575146 Ketogenic Diet for Recurrent Glioblastoma University Hospital Tuebingen 乳腺癌 NCT02092753 Ketogenic or LOGI Diet In a Breast Cancer Rehabilitation Intervention (KOLIBRI) Universitätsmedizin Mannheim NCT02744079 Comparison of Healthy Diets on Breast Cancer Markers Albert Einstein College of Medicine NCT03962647 A 2-Week Ketogenic Diet in Combination With Letrozole to Modulate PI3K Signaling in ER+Breast Cancer Vanderbilt-Ingram Cancer Center NCT03535701 Ketogenic Diet and Chemotherapy in Affecting Recurrence in Patients With Stage IV Breast Cancer Ohio State University Comprehensive Cancer Center 胰腺癌 NCT03510429 Clinical Validation of Nutritional Supplements(“Ketogenic Plus”) Developed for Pancreaticobiliary Cancer Patients Yonsei University NCT02964806 Development and Clinical Validation of Ketogen-based Therapeutic Diet for Pancreaticobiliary Cancer Patients Yonsei University NCT01419483 Ketogenic Diet With Concurrent Chemoradiation for Pancreatic Cancer University of Iowa 前列腺癌 NCT03679260 Carbohydrate Restricted Diet Intervention for Men on Prostate Cancer Active Surveillance Cedars-Sinai Medical Center NCT03194516 Ketogenic Diet and Prostate Cancer Surveillance Pilot University of Maryland 肺癌 NCT01419587 Ketogenic Diet With Chemoradiation for Lung Cancer (KETOLUNG) University of Iowa 黑色素瘤 NCT03950635 Dietary Intervention in Patients With a History of Melanoma M.D.Anderson Cancer Center 头颈部肿瘤 NCT01975766 Ketogenic Diet Phase 1 for Head & Neck Cancer University of Iowa 卵巢癌 NCT03285152 A Study of Ketogenic Diet in Newly Diagnosed Overweight or Obese Endometrial Cancer Patients Memorial Sloan Kettering Cancer Center 其他 NCT02516501 Impact of a Ketogenic Diet Intervention During Radiotherapy on Body Composition MVZ Leopoldina GmbH|dr.reinwald healthcare NCT01716468 Ketogenic Diet in Advanced Cancer VA Pittsburgh Healthcare System NCT01092247 The Effect of Ketogenic Diet on Malignant Tumors-Recurrence and Progress Tel-Aviv Sourasky Medical Center 
下载: 导出CSV
-
[1] van der Louw E J T M, Reddingius R E, Olieman J F, et al. Ketogenic diet treatment in recurrent diffuse intrinsic pontine glioma in children: A safety and feasibility study[J]. Pediatr Blood Cancer, 2019, 66(3): e27561-e27566. doi: 10.1002/pbc.27561
[2] Noorlag L, De Vos F Y, Kok A, et al. Treatment of malignant gliomas with ketogenic or caloric restricted diets: A systematic review of preclinical and early clinical studies[J]. Clin Nutr, 2018: S0261-S5614(18)32519-6.
[3] Vidali S, Aminzadeh-Gohari S, Feichtinger R G, et al. The ketogenic diet is not feasible as a therapy in a CD-1 nu/nu mouse model of renal cell carcinoma with features of Stauffer's syndrome[J]. Oncotarget, 2017, 8(34): 57201-57215. doi: 10.18632/oncotarget.19306
[4] Liskiewicz A D, Kasprowska D, Wojakowska A, et al. Long-term high fat ketogenic diet promotes renal tumor growth in a rat model of tuberous sclerosis[J]. Sci Rep, 2016, 6: 21807-21811. doi: 10.1038/srep21807
[5] Xia S Y, Lin R T, Jin L T, et al. Prevention of dietary-fat-fueled ketogenesis attenuates BRAF V600E tumor growth[J]. Cell Metab, 2017, 25(2): 358-373. doi: 10.1016/j.cmet.2016.12.010
[6] Kang H B, Fan J, Lin R T, et al. Metabolic rewiring by oncogenic BRAF V600E links ketogenesis pathway to BRAF-MEK1 signaling[J]. Mol Cell, 2015, 59(3): 345-358. doi: 10.1016/j.molcel.2015.05.037
[7] Morscher R J, Aminzadeh-Gohari S, Feichtinger R G, et al. Inhibition of neuroblastoma tumor growth by ketogenic diet and/or calorie restriction in a CD1-nu mouse model[J]. PLoS One, 2015, 10(6): e0129802-e0129808. doi: 10.1371/journal.pone.0129802
[8] Aminzadeh-Gohari S, Feichtinger R G, Vidali S, et al. A ketogenic diet supplemented with medium-chain triglycerides enhances the anti-tumor and anti-angiogenic efficacy of chemotherapy on neuroblastoma xenografts in a CD1-nu mouse model[J]. Oncotarget, 2017, 8(39): 64728-64744. doi: 10.18632/oncotarget.20041
[9] Rieger J, Bähr O, Maurer G D, et al. ERGO: a pilot study of ketogenic diet in recurrent glioblastoma[J]. Int J Oncol, 2014, 44(6): 1843-1852. doi: 10.3892/ijo.2014.2382
[10] Augur Z M, Doyle C M, Li M Y, et al. Nontoxic targeting of energy metabolism in preclinical VM-M3 experimental glioblastoma[J]. Front Nutr, 2018, 5: 91-96. doi: 10.3389/fnut.2018.00091
[11] Klement R J, Bandyopadhyay P S, Champ C E, et al. Application of Bayesian evidence synthesis to modelling the effect of ketogenic therapy on survival of high grade glioma patients[J]. Theor Biol Med Model, 2018, 15(1): 12-21. doi: 10.1186/s12976-018-0084-y
[12] Kaiser A, Haskins C, Siddiqui M M, et al. The evolving role of diet in prostate cancer risk and progression[J]. Curr Opin Oncol, 2019, 31(3): 222-229. doi: 10.1097/CCO.0000000000000519
[13] Masko E M, Thomas J A 2nd, Antonelli J A, et al. Low-carbohydrate diets and prostate cancer: how low is "low enough"[J]. Cancer Prev Res (Phila), 2010, 3(9): 1124-1131. doi: 10.1158/1940-6207.CAPR-10-0071
[14] Cohen C W, Fontaine K R, Arend R C, et al. A ketogenic diet reduces central obesity and serum insulin in women with ovarian or endometrial cancer[J]. J Nutr, 2018, 148(8): 1253-1260. doi: 10.1093/jn/nxy119
[15] Schmidt M, Pfetzer N, Schwab M, et al. Effects of a ketogenic diet on the quality of life in 16 patients with advanced cancer: A pilot trial[J]. Nutr Metab (Lond), 2011, 8(1): 54-63. doi: 10.1186/1743-7075-8-54
[16] Barber M D, Ross J A, Voss A C, et al. The effect of an oral nutritional supplement enriched with fish oil on weight-loss in patients with pancreatic cancer[J]. Br J Cancer, 1999, 81(1): 80-86. doi: 10.1038/sj.bjc.6690654
[17] Tisdale M J, Brennan R A, Fearon K C. Reduction of weight loss and tumour size in a cachexia model by a high fat diet[J]. Br J Cancer, 1987, 56(1): 39-43. doi: 10.1038/bjc.1987.149
[18] Tisdale M J, Brennan R A. A comparison of long-chain triglycerides and medium-chain triglycerides on weight loss and tumour size in a cachexia model[J]. Br J Cancer, 1988, 58(5): 580-583. doi: 10.1038/bjc.1988.263
[19] Klement R J, Sweeney R A. Impact of a ketogenic diet intervention during radiotherapy on body composition: I. Initial clinical experience with six prospectively studied patients[J]. BMC Res Notes, 2016, 9: 143-148. doi: 10.1186/s13104-016-1959-9
[20] Nakamura K, Tonouchi H, Sasayama A, et al. A ketogenic formula prevents tumor progression and cancer cachexia by attenuating systemic inflammation in colon 26 tumor-bearing mice[J]. Nutrients, 2018, 10(2): E206-E213. doi: 10.3390/nu10020206
[21] Klement R J, Champ C E, Otto C, et al. Anti-tumor effects of ketogenic diets in mice: A meta-analysis[J]. PLoS One, 2016, 11(5): e0155050-e0155058.
[22] Byrne F L, Hargett S R, Lahiri S, et al. Serial MRI imaging reveals minimal impact of ketogenic diet on established liver tumor growth[J]. Cancers (Basel), 2018, 10(9): E312-E319. doi: 10.3390/cancers10090312
[23] Zhang J, Jia P P, Liu Q L, et al. Low ketolytic enzyme levels in tumors predict ketogenic diet responses in cancer cell lines in vitro and in vivo[J]. J Lipid Res, 2018, 59(4): 625-634. doi: 10.1194/jlr.M082040
[24] Dardis C, Renda L, Honea N, et al. Actr-15. therapeutic ketogenic diet (kd) with radiation and chemotherapy for newly diagnosed glioblastoma-preliminary results from nct02046187[J]. Neuro-Oncology, 2017, 19(suppl 6): vi4.
[25] Branca J J, Pacini S, Ruggiero M. Effects of pre-surgical vitamin D supplementation and ketogenic diet in a patient with recurrent breast cancer[J]. Anticancer Res, 2015, 35(10): 5525-5532.
-
期刊类型引用(1)
1. 齐丽君，彭艺，赵峰，张同楠. 肺部超声预测腹腔镜直肠癌根治术患者容量反应性的准确性. 南通大学学报(医学版). 2025(01): 39-42 . 
百度学术
其他类型引用(0)
计量
- 文章访问数: 338
- HTML全文浏览量: 178
- PDF下载量: 12
- 被引次数: 1
苏公网安备 32100302010246号
