营养控制状态评分联合预后营养指数评估老年结直肠癌患者合并贫血风险的临床应用价值

doi:10.3969/j.issn.1006-5725.2025.17.013

摘要/Abstract

摘要：

目的探讨营养控制状态评分（controlling nutritional status， CONUT）联合预后营养指数（prognostic nutritional index， PNI）在老年结直肠癌患者贫血风险评估中的临床应用价值，构建贫血风险预测模型。方法回顾性收集2018年7月至2025年3月在新疆维吾尔自治区人民医院就诊的661例老年结直肠癌患者临床资料，依据是否合并贫血分组，并按7∶3比例随机分为训练集和验证集。采用XGBoost算法构建贫血风险预测模型，通过ROC曲线、SHAP值可视化等方法评估模型判别能力与可解释性。结果贫血组患者占比38.9%（257/661）。与对照组相比，贫血组患者PNI和白蛋白水平显著降低，CONUT评分和尿素氮水平显著升高，肿瘤最大径≥ 5 cm、低分化组织分级、Ⅲ—Ⅳ期TNM分期患者比例更高（P < 0.05）。XGBoost模型判别能力良好，AUC为0.897（95%CI：0.868 ~ 0.925）。SHAP值分析显示PNI、CONUT评分、白蛋白、尿素氮、TNM分期、组织分级、肿瘤最大径为模型主要贡献变量，其中PNI和白蛋白为保护因素，CONUT评分、尿素氮及肿瘤相关指标为危险因素。结论 PNI、CONUT评分等营养指标及肿瘤特征可用于预测老年结直肠癌患者贫血风险。基于XGBoost构建的模型具备较高判别能力和良好解释性，有助于临床早期筛查高风险患者，指导个体化营养干预和贫血管理。

关键词: 结直肠癌, 贫血, 预后营养指数, 营养控制状态评分, XGBoost, 机器学习, 预测模型

Abstract:

Objective This study aimed to assess the clinical utility of combining the Controlling Nutritional Status （CONUT） score with the Prognostic Nutritional Index （PNI） for evaluating anemia risk in elderly colorectal cancer patients and to establish a risk prediction model. Methods A total of 661 elderly colorectal cancer patients treated at Xinjiang Uygur Autonomous Region People's Hospital from July 2018 to March 2025 were included in this retrospective study. Patients were categorized into anemic and non-anemic groups and randomly assigned to a training set and validation set at a 7∶3 ratio. The XGBoost algorithm was applied to develop a predictive model for anemia risk， and its performance was assessed using the receiver operating characteristic （ROC） curve. SHAP value visualization， and other methods. Results Among the 661 patients， 257 （38.9%） were diagnosed with anemia. Compared with the non-anemic group， patients in the anemic group had significantly lower levels of PNI and albumin， but higher CONUT scores and blood urea nitrogen levels. Additionally， the anemic group had higher proportions of tumor diameter ≥ 5 cm， poorly differentiated tumors， and stage Ⅲ?Ⅳ disease （all P < 0.05）. The XGBoost model demonstrated good discriminatory ability， with an AUC of 0.897 （95%CI：0.868 ~ 0.925）. SHAP value analysis identified PNI， CONUT score， albumin， blood urea nitrogen， TNM stage， tumor differentiation， and tumor size as major contributing variables. PNI and albumin were protective factors， whereas CONUT score， blood urea nitrogen， and tumor-related features were risk factors. Conclusion Nutritional indicators such as PNI and CONUT score， along with tumor characteristics， can effectively predict the risk of anemia in elderly patients with colorectal cancer. The XGBoost-based predictive model demonstrates high discriminatory power and good interpretability， providing valuable support for early screening of high-risk patients and guiding individualized nutritional interventions and anemia management.

Key words: colorectal cancer, anemia, prognostic nutritional index, controlling nutritional status score, XGBoost, machine learning, predictive model

中图分类号:

R735.3

王翠翠,乔万通,姚俊英,李倩,高维鸽,范旻. 营养控制状态评分联合预后营养指数评估老年结直肠癌患者合并贫血风险的临床应用价值[J]. 实用医学杂志, 2025, 41(17): 2696-2704.

Cuicui WANG,Wantong QIAO,Junying YAO,Qian LI,Weige GAO,Min FAN. Clinical application value of nutritional control status score combined with prognostic nutritional index in evaluating the risk of anemia in elderly colorectal cancer patients[J]. The Journal of Practical Medicine, 2025, 41(17): 2696-2704.

图/表 8

图1

表1

老年结直肠癌患者合并贫血组与对照组的临床特征比较"

项目	对照组（n = 404）	贫血组（n = 257）	t/χ²/Z值	P值
性别/［例（%）］			0.292	0.111
男	226（55.94）	133（51.75）
女	178（44.06）	124（48.25）
年龄（x ± s）/岁	72.21 ± 5.25	71.89 ± 5.38	0.752	0.452
民族/［例（%）］			4.487	0.213
汉族	323（79.95）	197（76.65）
回族	13（3.22）	17（6.61）
维吾尔族	46（11.39）	27（10.51）
其他	22（5.45）	16（6.23）
BMI（x ± s）/（kg/m²）	25.45 ± 3.81	25.18 ± 3.40	0.923	0.356
糖尿病/［例（%）］			2.863	0.091
是	64（15.84）	54（21.01）
否	340（84.16）	203（78.99）
高血压/［例（%）］			2.735	0.098
是	195（48.27）	141（54.86）
否	209（51.73）	116（45.14）
肿瘤部位/［例（%）］			2.745	0.098
直肠	153（37.87）	114（44.36）
结肠	251（62.13）	143（55.64）
肿瘤最大径/［例（%）］			4.432	0.035
< 5 cm	267（66.09）	149（57.98）
≥ 5 cm	137（33.91）	108（42.02）
组织分级/［例（%）］			5.278	0.022
低	210（51.98）	157（61.09）
高	194（48.02）	100（38.91）
TNM分期/［例（%）］			9.694	0.008
Ⅰ—Ⅱ期	212（52.48）	103（40.08）
Ⅲ期	141（34.90）	114（44.36）
Ⅳ期	51（12.62）	40（15.56）
手术方式/［例（%）］			1.314	0.252
腹腔镜	243（60.15）	166（64.59）
开腹	161（39.85）	91（35.41）
手术时间/［例（%）］			0.298	0.585
< 3 h	199（49.26）	121（47.08）
≥ 3 h	205（50.74）	136（52.92）
白蛋白［M（P₂₅，P₇₅）］/（g/L）	39.39（35.99，41.85）	37.59（35.00，40.40）	-4.035	< 0.001
总蛋白［M（P₂₅，P₇₅）］/（g/L）	67.45（62.98，71.93）	68.40（63.50，73.16）	-1.537	0.124
球蛋白［M（P₂₅，P₇₅）］/（g/L）	27.69（25.10，30.50）	27.43（23.70，31.20）	-0.185	0.853
尿素氮［M（P₂₅，P₇₅）］/（mmol/L）	5.42（4.48，6.88）	6.41（5.47，7.62）	-6.502	< 0.001
肌酐［M（P₂₅，P₇₅）］/（μmol/L）	68.75（57.08，79.41）	66.10（56.90，78.20）	-0.790	0.430
葡萄糖［M（P₂₅，P₇₅）］/（mmol/L）	5.33（4.73，6.33）	5.33（4.60，6.45）	-1.012	0.311
淋巴细胞总数（x ± s）/（× 10?/L）	1.60 ± 0.29	1.00 ± 0.31	-25.713	< 0.001
PNI（x ± s）	46.91 ± 5.05	42.62 ± 4.62	-10.768	< 0.001
CONUT（x ± s）	3.58 ± 0.65	4.58 ± 0.66	-15.538	< 0.001

表1

图2

图3

图4

图5

图6

图7

参考文献 23

[1]	王立坤，郝琦，金炜涵，等. 多组学与人工智能在预测和诊断结直肠癌肝转移中的应用［J］. 实用医学杂志， 2025， 41（7）： 1070-1078.
[2]	BRAY F， LAVERSANNE M， SUNG H， et al. Global cancer statistics 2022： Globocan estimates of incidence and mortality worldwide for 36 cancers in 185 countries［J］. CA Cancer J Clin， 2024， 74（3）： 229-263. doi:10.3322/caac.21834 doi: 10.3322/caac.21834
[3]	肖雨，高时娟，彭顺仙，等. 老年结直肠癌患者化疗期间营养不良的危险因素及其预测模型构建［J］. 中华老年多器官疾病杂志， 2024， 23（6）： 407-410.
[4]	LUDWIG H， VAN BELLE S， BARRETT-LEE P， et al. The european cancer anaemia survey （ecas）： A large， multinational， prospective survey defining the prevalence， incidence， and treatment of anaemia in cancer patients［J］. Eur J Cancer， 2004， 40（15）： 2293-2306. doi:10.1016/j.ejca.2004.06.019 doi: 10.1016/j.ejca.2004.06.019
[5]	徐咏梅，王敏，杨明华，等. 云南省德宏州不同民族孕龄人群地中海贫血的基因检测结果分析［J］. 热带医学杂志， 2019， 19（9）： 1070-1073+1077.
[6]	ARENDS J， BACHMANN P， BARACOS V， et al. Espen guidelines on nutrition in cancer patients［J］. Clin Nutr， 2017， 36（1）： 11-48. doi:10.1016/j.clnu.2016.07.015 doi: 10.1016/j.clnu.2016.07.015
[7]	陈龙梅，刘万超，张丽丽，等各红细胞参数在缺铁性贫血鉴别中的应用［J］. 实用医学杂志， 2019， 35（8）： 1331-1335.
[8]	TAKAGI K， BUETTNER S， IJZERMANS J N M. Prognostic significance of the controlling nutritional status （conut） score in patients with colorectal cancer： A systematic review and meta-analysis［J］. Int J Surg， 2020， 78： 91-96. doi:10.1016/j.ijsu.2020.04.046 doi: 10.1016/j.ijsu.2020.04.046
[9]	孙颖. 围手术期肿瘤相关性贫血与食管鳞癌预后的相关分析［D］. 济南：山东大学， 2019.
[10]	许海民，李莹杰，程克文，等. 上海市宝山区百岁老人贫血与营养状态的关系［J］. 同济大学学报（医学版）， 2024， 45（5）： 701-705.
[11]	中华医学会血液学分会红细胞疾病（贫血）学组. 铁缺乏症和缺铁性贫血诊治和预防的多学科专家共识（2022年版）［J］. 中华医学杂志， 2022， 102（41）：3246-3256.
[12]	杨海霞，范本芳，丁文彬，等. 营养控制状态评分联合预后营养指数评估老年胆管癌患者预后的研究［J］. 老年医学与保健， 2021， 27（5）： 1037-1041.
[13]	林红，孙国珍，马潇然，等. 客观营养指数在慢性心力衰竭患者营养评价中的应用价值［J］. 南京医科大学学报（自然科学版）， 2015， 35（7）： 1037-1040.
[14]	SHIBUTANI M， KASHIWAGI S， FUKUOKA T， et al. Impact of preoperative nutritional status on long-term survival in patients with stage i-iii colorectal cancer［J］. In Vivo， 2023， 37（4）： 1765-1774. doi:10.21873/invivo.13265 doi: 10.21873/invivo.13265
[15]	TOKUNAGA R， SAKAMOTO Y， NAKAGAWA S， et al. Prognostic nutritional index predicts severe complications， recurrence， and poor prognosis in patients with colorectal cancer undergoing primary tumor resection［J］. Dis Colon Rectum， 2015， 58（11）： 1048-1057. doi:10.1097/dcr.0000000000000458 doi: 10.1097/dcr.0000000000000458
[16]	GUPTA D， LIS C G. Pretreatment serum albumin as a predictor of cancer survival： A systematic review of the epidemiological literature［J］. Nutr J， 2010， 9： 69. doi:10.1186/1475-2891-9-69 doi: 10.1186/1475-2891-9-69
[17]	BARACOS V E. Cancer-associated malnutrition［J］. Eur J Clin Nutr， 2018， 72（9）： 1255-1259. doi:10.1038/s41430-018-0245-4 doi: 10.1038/s41430-018-0245-4
[18]	AHIKO Y， SHIDA D， NAKAMURA Y， et al. Preoperative nutritional scores as host-related prognostic factors for both overall survival and postoperative complications in patients with stage ii to iii colorectal cancer［J］. Dis Colon Rectum， 2021， 64（10）： 1222-1231. doi:10.1097/dcr.0000000000002033 doi: 10.1097/dcr.0000000000002033
[19]	PAPAGEORGE C M， KENNEDY G D， CARCHMAN E H. Preoperative blood transfusion is a predictor of worse short-term postoperative outcomes after colectomy［J］. Surgery， 2017， 161（4）： 1067-1075. doi:10.1016/j.surg.2016.08.042 doi: 10.1016/j.surg.2016.08.042
[20]	XU H， XU L， PAGE J H， et al. Incidence of anemia in patients diagnosed with solid tumors receiving chemotherapy， 2010-2013［J］. Clin Epidemiol， 2016， 8： 61-71. doi:10.2147/clep.s89480 doi: 10.2147/clep.s89480
[21]	ZHOU C， MA H， WANG G， et al. Association between different types of preoperative anemia and tumor characteristics， systemic inflammation， and survival in colorectal cancer［J］. PeerJ， 2023， 11： e16293. doi:10.7717/peerj.16293 doi: 10.7717/peerj.16293
[22]	严健亮，谢泽宇，景蓉蓉，等. 基于机器学习利用常规检验指标建立胃癌淋巴结转移预测模型［J］. 实用医学杂志， 2024， 40（6）： 844-849.
[23]	SENDERS J T， STAPLES P C， KARHADE A V， et al. Machine learning and neurosurgical outcome prediction： A systematic review［J］. World Neurosurg， 2018， 109： 476-486.e471. doi:10.1016/j.wneu.2017.09.149 doi: 10.1016/j.wneu.2017.09.149