营养干预疗法对胃癌患者营养状况影响的荟萃分析

摘要

本研究发现，口服补充剂显著增加了体重，而早期管饲相较于肠外营养更能改善前白蛋白水平。然而，对于关键血液蛋白而言，特异性免疫营养制剂相较于标准配方并未显示出额外益处。仍需进一步研究以验证这些结果。

摘要

本方案为开展一项旨在评估营养疗法对胃癌患者营养状况影响的荟萃分析提供了方法学框架。通过遵循本方案，研究人员将能够系统地识别、评价并整合来自随机对照试验和比较研究的证据。具体步骤包括：在多个数据库中制定全面的检索策略；依据预先设定的PICOS标准（人群、干预、对照、结局和研究设计）进行双人独立的文献筛选与纳入；标准化的数据提取及结局指标的统一化处理；使用Cochrane偏倚风险评估工具2.0版（Cochrane Risk of Bias 2.0 tool）评估研究质量；以及采用适当的统计模型进行数据合并分析，并探讨异质性和开展敏感性分析。将本方案应用于现有证据表明，某些特定营养干预措施可能具有潜在益处，例如口服营养补充对体重的改善作用，但较高的异质性提示该领域仍需严谨且标准化的方法学支持。采用固定效应或随机效应连续模型计算均数差（MD）及其95%置信区间（CIs）。最终共有18项研究、涉及3,586名受试者被纳入荟萃分析。与对照组相比，胃癌患者接受口服营养补充后体重显著增加（MD, 0.74；95% CI, 0.20–1.27，p = 0.007）。与肠外营养相比，早期肠内营养显著提高了患者的前白蛋白水平（MD, 22.53；95% CI, 13.37–31.69，p < 0.001）。然而，肠内免疫营养与标准肠内营养在白蛋白（MD, 0.57，95%CI, -0.31–1.44，p=0.20）、前白蛋白（MD, 0.23，95%CI, -0.29–0.76，p=0.38）或转铁蛋白水平（MD, 0.11，95%CI, -0.09–0.32，p=0.28）方面均未发现显著差异。所分析的数据表明，与对照组相比，口服营养补充显著增加了患者体重，而早期肠内营养相比肠外营养显著改善了前白蛋白水平。然而，仍需更多研究来验证这些发现。

引言

每年，全球约有100万例胃癌病例被确诊¹。尽管发病率持续下降，胃癌仍是全球最常见且致死率最高的肿瘤之一，2018年导致78.3万例死亡（占所有癌症死亡病例的8.2%）²。手术是胃癌的主要治疗手段，在欧美地区，局部进展期胃癌患者的5年生存率约为25.7%³。尽管近年来外科技术及围手术期管理不断进步，但大多数胃癌患者由于胃癌本身的特点、手术创伤、围手术期饮食管理以及热量摄入不足等原因，出现显著的营养不良，从而对营养状况和身体成分产生不利影响⁴。此外，由于免疫反应失调和代谢紊乱导致的分解代谢增强，进一步加剧了营养不良，引发食欲减退、能量消耗增加和体重下降⁵。这些因素共同构成了所谓的疾病相关性营养不良的基础⁶。在此背景下，已建立多种实验室和临床工具用于评估癌症患者的营养状况⁶。营养状况的评估包括体重、体重指数（BMI）、身体成分指标（如去脂体重或脂肪质量）以及生化指标（如白蛋白和前白蛋白水平）等数据⁶。多种营养状态标志物，包括预后营养指数、体重指数、血清白蛋白和术前体重减轻，已被评估为胃癌的预后指标^7,8。事实上，营养状况恶化可导致并发症发生率升高、无进展生存期缩短以及总体生存率降低⁷。这些发现凸显了识别营养不良并提供适当营养支持的重要性，以改善营养状况，从而提高胃癌患者的生活质量和生存率。然而，不同情境下各种营养干预措施对营养状况的影响仍存在争议。

为了研究这些存在争议的效应，我们需要采用标准化的方法。传统的叙述性综述缺乏系统性的严谨性，无法有效整合此类异质性证据，而仅依靠单个试验的数据则无法对不同干预措施的相对有效性得出明确结论。本方案采用荟萃分析（meta-analysis）方法，相较于上述方法具有明显优势，能够为证据整合提供结构化且可重复的研究框架。荟萃分析通过全面的检索策略和明确的纳入标准，最大限度地减少偏倚；同时，它还能对结果进行定量合并，从而提高统计效能和估计精度⁹。该方法在营养肿瘤学研究中尤为有价值，因为该领域的干预措施在成分、实施时机和给药途径方面存在显著差异。

本方案通过提供明确的营养干预分类指导、标准化结局指标测量时间点、基于异质性的模型选择透明标准，以及纳入全面的敏感性分析，弥补了现有方法学中的空白。该方案适用于研究任何针对胃癌患者的营养干预措施的研究，结局指标包括人体测量学指标（体重）、生化标志物（白蛋白、前白蛋白、转铁蛋白）以及功能评估。然而，其结论可能无法推广至其他癌症类型或未明确涉及的营养干预措施，且对于存在显著方法学异质性或结局报告不完整的研究，其适用性可能受限。本研究旨在系统评价并比较不同营养治疗方式——包括口服营养补充、早期肠内营养、肠外营养和肠内免疫营养——对胃癌患者营养状况的影响，评估指标为体重、白蛋白、前白蛋白和转铁蛋白水平的变化。

方案

本研究涉及对已发表数据的分析，无需伦理审批或患者同意。

1. 制定检索策略 ⁹

1. 检索以下数据库：PubMed、Cochrane Library、Embase、Google Scholar 和 OVID。所有检索均需同时使用医学主题词（MeSH）和自由文本关键词，不限制语言和发表时间。
2. 记录检索日期以及从每个数据库获取的文献记录数量。
3. 使用 PICOS 框架（研究人群、干预措施、对照、结局和研究设计）¹⁰ 构建检索式。
   1. 针对研究人群，使用如下术语：Stomach Neoplasms、gastric cancer、stomach cancer、gastric carcinoma。
   2. 针对干预措施，使用如下术语：Enteral Nutrition、Parenteral Nutrition、Dietary Supplements、Nutrition Therapy、enteral nutrition、parenteral nutrition、oral nutritional supplement、immunonutrition。
   3. 针对结局指标，使用如下术语：Nutritional Status、nutritional status、body weight、albumin、prealbumin、transferrin。
   4. 针对研究设计，使用如下术语：randomized controlled trial、controlled clinical trial、randomized、randomized、trial。
4. 使用适当的布尔逻辑运算符（AND、OR、NOT）组合所有检索词，并根据各数据库的具体要求调整检索语法。

2. 研究的筛选与选择 ¹¹

1. 将所有检索结果导入文献管理软件（例如，EndNote X20）。先进行自动去重，再通过人工核对以删除重复记录。
2. 使用专用的系统评价软件（例如，Covidence）进行筛选过程¹²。指派两名独立的作者根据预先设定的纳入与排除标准对标题和摘要进行筛选。作者之间如有分歧，应通过讨论解决，必要时可咨询第三位作者。
3. 采用以下纳入标准：随机对照试验或比较性研究；成年胃癌患者（≥18岁）；营养干预措施与对照组或替代干预措施的比较；报告至少一项相关的营养状态结局指标（体重、白蛋白、前白蛋白、转铁蛋白）。
4. 采用以下排除标准：非比较性研究设计；非胃癌人群；未报告营养相关结局；缺乏可用于荟萃分析的足够数据。
5. 获取所有通过标题/摘要筛选的记录的全文文献¹³。指派两名独立的作者依据纳入标准对每篇全文文献进行评估。记录此阶段每篇被排除文章的具体原因。必要时联系相关研究的通讯作者以获取缺失数据或澄清信息。

3. 提取数据 ¹³

1. 制定标准化的数据提取表。使用 Microsoft Excel 等软件创建该表格，内容应包括：研究特征（作者、年份、国家、设计类型）；参与者特征（样本量、年龄、性别、癌症分期）；干预措施细节（类型、组成、持续时间、实施时机）；对照措施详情；结局数据（各组及各时间点的均值、标准差和样本量）；以及方法学质量评价指标。
2. 指派两名独立的研究人员，使用标准化表格从纳入的研究中提取数据。通过共识讨论或参考原始发表文献来解决分歧。
3. 提取以下指标在指定时间点的结局数据：干预后1个月相对于基线的身体重量变化；术后第7天（±2天）的白蛋白、前白蛋白和转铁蛋白水平。
4. 将所有提取的数据转换为标准化单位：体重以千克（kg）表示，白蛋白以克每升（g/L）表示，前白蛋白以毫克每升（mg/L）表示，转铁蛋白以克每升（g/L）表示。若原文未报告均值和标准差，应使用公认的转换方法，根据可获得的统计量进行计算。

4. 评估纳入研究的质量 ¹⁰

1. 评估每项研究的偏倚风险。对于随机试验，使用Cochrane偏倚风险评估工具2.0版（RoB 2）。
2. 指派两名独立的作者，从以下五个方面对每项研究进行评估：随机化过程导致的偏倚；干预措施偏离预期导致的偏倚；结局数据缺失导致的偏倚；结局测量中的偏倚；以及报告结果选择中的偏倚。将每个领域的偏倚风险分类为“低风险”、“存在一定问题”或“高风险”。通过讨论解决任何评估分歧。
3. 对每项研究做出整体质量判断。将研究分类为：低风险（所有领域均为低风险）、存在一定问题（至少一个领域存在一定问题）或高风险（至少一个领域为高风险，或多个领域存在一定问题）。

5. 统计学分析

1. 准备数据分析。将提取的数据输入元分析软件（例如，Review Manager 5.4）。对于连续性结局指标，计算每项研究的均数差（MD）及其95%置信区间（CI）。若同一结局指标使用了不同的测量量表，则采用标准化均数差（SMD）。
2. 评估统计学异质性。计算I²统计量，以量化由异质性导致的总变异所占比例。I²值的解释如下：0–25%（可能不重要），25–50%（低），50–75%（中等），75–100%（高）。使用Cochran's Q检验（p < 0.10）评估是否存在显著异质性。
3. 选择合适的统计模型。当I² > 50% 或存在明显的临床异质性时，采用随机效应模型；当I² ≤ 50% 且研究间临床特征均质时，采用固定效应模型。将两种模型的结果均作为敏感性分析的一部分进行报告。
4. 进行亚组分析和敏感性分析。根据干预类型、干预时机、地理区域和癌症分期进行亚组分析。通过排除高偏倚风险的研究、使用替代效应量指标、应用不同统计模型以及进行逐一剔除分析（leave-one-out analyses）来实施敏感性分析。
5. 评估发表偏倚¹⁴。针对包含10项或以上研究的任何结局指标，绘制漏斗图以直观检查其不对称性。对包含10项或以上研究的结局指标进行Egger回归检验，以统计学方法检测漏斗图的不对称性。若某结局指标所纳入的研究少于10项，则应谨慎解释结果。

结果

检索结果与研究筛选
2025年7月1日进行的全面文献检索从五个数据库中共识别出3675条记录。去除1226条重复记录后，对2449条记录进行了标题和摘要筛选。其中，148篇全文文章被评估是否符合纳入标准，130篇因不符合纳入标准而被排除。最终共有18项研究^{15,16,17,18,19,20,21,22,23,24,}

讨论

荟萃分析结果
本次荟萃分析共纳入18项研究，涉及3586名受试者^{15,16,17,18,19,20,21,22,23,24,25,26,}

材料

本文使用的材料清单

姓名	公司	目录编号	评论
用于研究筛选的 Covidence	Veritas Health Innovation Ltd.	https://www.covidence.org/
EndNote X9	科睿唯安	https://support.clarivate.com/Endnote/s/article/Download-EndNote?language=zh_CN
R 统计软件（版本 4.3.1）及 metafor 软件包用于附加分析	统计计算基金会 r	https://www.r-project.org/
使用 Review Manager 5.4（The Cochrane Collaboration）进行 meta 分析。	北欧Cochrane中心，Cochrane协作网	https://www.cochrane.org/learn