Method Article

构建并验证用于识别慢性阻塞性肺病患者的粘液阻塞的命名图

DOI:

10.3791/69780

⸱

June 9th, 2026

 ,  ,  ,  ,  ,  ,  , 
1Department of Pulmonary and Critical Care Medicine, The First Affiliated Hospital of Shenzhen University (Shenzhen Second People's Hospital)

In This Article

Summary

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

本研究旨在识别慢性阻塞性肺病（COPD）患者中计算机断层扫描（CT）检测到小气道粘液堵塞的独立临床预测因子，并构建和验证用于个体化风险预测的命名图。

Abstract

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

胸部计算机断层扫描（CT）中小气道粘液阻塞是慢性阻塞性肺病（COPD）中的一个临床重要发现，该发现与肺功能加速下降、急性急性加重频率增加以及呼吸道感染易感性增加相关。然而，目前尚缺乏经过验证的预测工具来识别CT检测到粘液塞风险患者。本研究旨在开发和验证一种预测COPD患者小气道粘液阻塞的命名图。我们回顾性纳入了深圳第二人民医院212名COPD患者（2021年1月至2022年6月），其中47人有CT确认的粘液塞（黏液塞组，MP），165人未做（非粘液塞组，NMP）。采用单变量和受试者工作特征（ROC）分析来识别候选预测变量。进行了多变量逻辑回归以构建最终预测模型，随后将其转化为名录图。内部验证采用引导抽样（1000次迭代）进行。支气管扩张症、慢性鼻窦炎（CRS）、体质指数（BMI）、强制呼气流量（预测值25–75%（FEF25–75%）、残余容积与总肺活量比（RV/TLC）及血清25-羟基维生素D[25（OH）D]为CT粘液栓的独立风险因子。该命名图显示出极佳的预测价值，AUC为0.9611。校准曲线和决策曲线分析显示出良好的临床效用。Bootstrap 内部验证进一步支持了模型的预测稳定性。该命名仪为早期识别和个性化管理小气道粘液堵塞风险的COPD患者提供了实用且个性化的工具。

Introduction

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

慢性阻塞性肺病（COPD）的特征是持续且几乎不可逆的气流受限。世界卫生组织指出，到2030年，它将成为全球第三大死因。该病主要发病于小气道（内径小于2毫米的气道），这是COPD病理的基本部位。这些区域的结构和炎症变化通常比临床症状出现早几年，但对气流阻塞有显著影响。COPD中小气道疾病的病理特征包括炎症细胞浸润、上皮防御机制受损、气道重塑和纤维化7、8、9以及黏液塞（MP）的形成10,11。

COPD中的气道粘液堵塞代表气道腔内粘液的病理性积聚，导致气流受限12。黏液塞形成与促炎环境相关，表现为嗜酸性粒细胞计数升高和2型细胞因子表达上调13。过多的管内黏液会损害氧气扩散，导致气道上皮细胞缺氧，从而有利于细菌持续定植和反复下呼吸道感染14。这些感染会加重疾病严重度并增加死亡风险15.气道粘液分泌升高还被确认是COPD16急性加重事件的前兆。这凸显了早期发现和对导致慢性阻塞性肺病患者黏液塞成因机制理解的迫切性。

多种风险因素与慢性气道疾病中气道黏液堵塞形成相关，包括病毒感染17,18，铜绿假单胞菌定植19,20反复急性急性加重发作，肺功能受损（1秒内用力呼气量测量，FEV1）21，吸烟史22，嗜酸性粒细胞过氧化物酶水平升高23支气管内黏蛋白5B（MUC5B）蛋白浓度，以及25-羟基维生素D（25（OH）D）水平，以及由支原体和曲霉引起的感染。物种24,25,26。然而，COPD患者黏液塞形成的具体风险特征尚未完全确定，单个风险因素单独的预后效用有限。

整合多个预测因子的多因素方法可能带来更具临床意义的风险分层。命名图已被广泛应用于肿瘤学、心脏病学和肺病学等医学专科，以促进生存预测、风险分层和治疗决策27。它们提供了一种细致且可解释的方式，捕捉多样临床变量间的复杂相互作用。尽管其用途广泛，但目前尚无经过验证的命名图能预测COPD患者CT检测到的黏液塞。本研究通过识别COPD中粘液塞形成的独立风险因素，并开发经过验证的预测性计录图，实现个体化风险评估，从而弥补这一空白。此类工具可轻松整合至常规COPD管理流程中，尤其是在拥有HRCT影像和肺功能测试的中心，支持早期针对性干预，减轻高风险患者的病情加重负担。

Protocol

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

本研究已获深圳第二人民医院伦理委员会批准（议定书编号20193357024）。在注册前，所有参与者或其法律代表均已获得知情同意。

研究人群与方法

本研究设计为单中心回顾性队列研究。审查了深圳第二人民医院呼吸医学科2021年1月至2022年6月期间初级诊断慢性阻塞性肺病患者的病历。所有初次诊断为COPD的成年患者（≥18岁）最初均通过国际疾病分类（ICD-10）编码和医院电子病历系统中的病历审查进行筛查。

纳入标准

（1）根据全球慢性阻塞性肺病倡议（GOLD）指南确诊COPD;（2）住院后一周内进行的高分辨率胸部计算机断层扫描（HRCT）可用;（3）完整的肺功能测量和实验室数据的可用性;以及（4）至少一年的急性加重监测随访数据。

排除标准

（1）HRCT影像时出现活动性肺部感染（如肺炎或结核病）;（2）共存肺恶性肿瘤;（3）先前胸腔手术，可能影响气道解剖结构;以及（4）因运动伪影导致缺失关键临床数据或无法评估的影像。应用这些标准后，最终招募了212名患者，其中47名粘液塞阳性组和165名非黏液栓（NMP）组患者。 代表性的HRCT图像如 图1所示。NMP组（n=165）患者作为内部对照组，实现临床特征、肺功能指标和实验室生物标志物的统计比较。所有分析均基于该内部对照队列，以支持假设驱动模型的发展。

数据收集

数据提取遵循结构化、顺序的协议。收集的人口统计变量包括年龄、性别、身体质量指数（BMI）和吸烟状况。临床史变量包括COPD持续时间、急性加重频率及合并症。检索的肺活量参数包括FEV1%、FEV1至强制肺活量（FVC）、肺活量（VC）、用力呼气流量（FEF25–75%pred）、残余容（RV）、总肺活量（TLC）及RV/TLC比值。实验室指标包括血清总免疫球蛋白E（IgE）、25-羟基维生素D（25（OH）D）、血清钙（Ca2+）、磷、碳水化合物抗原（CA199）、部分呼出一氧化氮（FeNO）和导通气道一氧化氮（CaNO）。共病筛查包括鼻窦炎、哮喘、支气管扩张、真菌和细菌定植，以及心血管和代谢疾病。所有数据均从医院的电子病历（EMR）系统中检索。HRCT影像从医院的图片归档与通信系统（PACS）档案中获取。本研究所用软件和设备的详细信息见 材料表。未使用任何物理试剂或实验室材料;所有分析均基于现有的临床和放射学数据进行。所有患者数据均由两位独立研究者审阅。缺失数据采用R中实现的“missForest”非参数补补方法处理，以最大限度减少多变量分析中的失真。

HRCT粘液塞的诊断标准

所有患者均采用标准化机构影像方案接受HRCT。粘液塞通过放射学定义为轴向CT切片上的管状或分支软组织衰减结构，占据气道腔内，至少可见于至少两个相邻的轴向切片，符合已发表的诊断标准。仅标记为粘液塞阳性，且具有明确界定、节段或亚节段气道混浊且软组织减弱类似软组织且非伪造物或支气管扩张引起的病例。HRCT成像使用西门子SOMATOM Definition AS（128切片）CT扫描仪进行，采集参数如下：切片厚度1.0毫米，重建间隔0.75毫米，并采用B70f高分辨率核。图像在标准肺部窗户设置下进行审核（窗户宽度：1600 Hounsfield 单位 [HU];窗户等级：600 HU。两位拥有超过8年经验的认证胸腔放射科医生独立审查了所有扫描结果。存在解释不一致的案件通过共识讨论解决。诊断标准在所有病例中统一应用，以确保分类一致性。

名录图的构建、评估与验证

开发了一种名为“Nomogram”的技术，基于多元逻辑回归结果预测COPD患者CT检测到的粘液塞。最终模型纳入了以下独立预测因子：支气管扩张、慢性鼻窦炎（CRS）、急性加重（AE）、BMI、FEF25–75%pred、RV/TLC比值及血清25（OH）D水平。每个预测变量在水平评分表上被分配一个分数;将各个分数相加得总分，即输出概率量表上粘液塞存在的预测概率。该命名图通过自助重抽样（1000次迭代）进行内部验证，以评估预测准确性和校准曲线（AUC和ROC）的判别能力。

统计分析

所有统计分析均使用R 4.1.2版和IBM SPSS Statistics 25.0版进行。类别数据以频率和百分比表示;组间比较采用卡方检验或费舍尔精确检验（视情况而定）。常态分布的连续数据以均值±标准差（SD）表示，并使用独立样本t检验进行比较;非正态分布连续数据以中位数（四分位数范围（IQR）表示，并使用Mann-Whitney U检验进行比较。单变量逻辑回归分析中P<为0.1的变量被纳入模型，这与预测模型开发的标准做法一致。使用的R包包括“rms”、“mstate”、“data.table”、“pROC”、“rmada”、“rio”、“boot”和“missForest”。诺莫图构建是通过RMS包中的lrm和诺莫克图函数实现的。ROC曲线和AUC值是利用pROC软件包中的roc和auc函数计算的。校准曲线通过RMS中的校准函数生成。决策曲线分析（DCA）使用RMDA软件包中的决策曲线函数进行。缺失数据补补是通过 missForest 函数完成的。引导程序内部验证（1000次迭代）使用启动包进行。分析开始时应用固定随机种子（set.seed[240708]），以确保可重复性。P值<0.05被视为统计学显著。逻辑回归模型公式为：

glm（mucus_status ~ 支气管扩张 + CRS + BMI + FEF25_75 + RV_TLC + VitD，家族 = “二项”）

Results

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

基线特征

该研究包含212名COPD患者队列，分为两组：47人使用粘液塞（MP）和165人未使用粘液塞（NMP）。该COPD人群中粘液塞的发生率为28.33%。统计分析详见 表1，发现MP组与NMP组在多个关键指标上存在显著差异。这些指标包括体质指数（BMI）、急性发作频率（AE）、支气管扩张和慢性鼻窦炎的患病率、肺容积25–75%的强制呼气流量（FEF25–75pred%）、残余容积与总肺活量比（RV/TLC）以及碳水化合物抗原199（CA199）和25-羟基维生素D（25（OH）D）血清水平，均显示P值小于0.05。MP组的COPD患者AE、联合支气管扩张、鼻窦炎、真菌感染和CA199指数显著高于NMP组（P < 0.05），BMI、FEF 25–75%泼德%和RV/TLC显著低于NMP组（P < 0.05）。 表1 展示了COPD队列的基线人口统计和临床特征，提供了研究人群的详细定量概述。本表对于突出COPD患者中MP组与NMP组的临床和生理差异至关重要，从而为进一步分析和临床解读奠定基础。

单变量逻辑回归分析

为识别黏液塞形成的潜在预测因子，我们首先对上述临床和放射变量进行了单变量逻辑回归分析。若干因素显示，P<0.1阈值时黏液塞存在相关，因此被选中进行进一步评估。这一包容性标准有助于确保相关变量不会过早被排除。这些候选预测变量随后对ROC分析和多元逻辑回归进行了分析，以建立最终预测模型。

ROC分析与最优截断值

本研究将黏液阻滞定义为因变量。我们选取了8个变量，这些变量在接受者工作特征（ROC）曲线分析中，显示出MP（黏膜阻生阳性）组和NMP（黏膜阻生阴性）组之间统计学显著差异。该分析结果系统地呈现在 表2中。此外，通过ROC曲线分析，确定了这些变量的最佳截断值，相关发现详见 表3。 本研究通过表格中详细描述的最大尤登指数确定变量的最优界限。黏液塞阳性状态基于HRCT标准定义：支气管腔内软组织密度占据气道直径至少50%，且至少连续两条轴向切片中存在，且符合粘液而非伪影或液体。连续变量的截断值（如FEF25–75、RV/TLC、维生素D）通过ROC曲线分析确定。每种指标的最佳阈值均通过尤登指数（灵敏度+特异度-1）确定，该指标识别出同时最大化灵敏度和特异性的阈值。这可以确定最大化灵敏度和特异性的数值。这些阈值被用来将变量转换为多元逻辑回归的二元类别。

多元逻辑回归分析

进行了高级的逐步逻辑回归分析，以粘液塞为因变量。分析采用二分预测变量识别独立的风险因素。这些发现详述于 表4。利用单变量分析中显著的变量，多元逻辑回归模型揭示了统计学上显著的结果。分析确定了COPD患者CT检测粘液塞的多个独立风险因素。其中包括支气管扩张，比值比（OR）和95%置信区间（CI）为13.699（4.256,44.1）;慢性鼻窦炎，比值95%置信区间为7.291（1.867,28.467）;体质指数，OR 95%置信区间为0.17（0.053,0.547）;预测25–75%肺容量时的用力呼气（FEF25–75% pred），OR 95% CI为0.091（0.027， 0.307）;残余容积与总肺活量比（RV/TLC），OR 95%置信区间为0.144（0.038,0.541）;以及血清25-羟基维生素D（25（OH）D）水平，比值95%置信区间为0.042（0.011， 0.151）（P < 0.05）。这些发现详见 表5。

名额图评估

本研究构建的命名图是多元逻辑回归模型的可视化翻译，作为个性化、可解释的风险估计工具。模型中的每个预测变量在水平轴上分配一个点值;这些分数相加得出总分，并映射到一个概率尺度，指示粘液堵塞存在的风险。该图形界面允许临床医生利用常规可用的临床和影像数据估算患者特定风险。该方法遵循此前验证的框架，如提出的肺栓塞传科图。 图1 展示了列线图建模， 图2 展示了用于可视化预测特征在计式图模型中相对影响的列线图。列表示单个风险因素（如支气管扩张、CRS、BMI），线高表示其对粘液塞存在概率的贡献强度。该图有助于解释特征权重和相互作用。所有数值均由多元逻辑回归输出生成。不适用误差条或比例杆;验证结果（如 图3所示）显示，COPD患者中预测的粘液塞与实际发生之间存在显著一致性。 图4 中的AUC验证了模型的准确性。 图5 中校准曲线显示的模式强调了该命名图在临床环境中的可靠预测价值，而 图6 则通过敏感图强调模型的可靠性准确性。

数据可用性：

所有支持本研究发现的相关原始数据均已提交为 补充表。

figure-results-1
图1：来自黏液塞阳性组（MP）组的代表性HRCT图像，显示气道粘液塞状态较小。 黄色箭头表示管状软组织衰减结构占据相邻轴切片上小气道腔内，符合黏液塞形成。图像使用西门子SOMATOM定义AS（128切片）CT扫描仪拍摄，肺窗设置（宽度：1600 HU;水平：−600 HU）。 请点击此处查看该图的放大版本。

figure-results-2
图2：预测COPD患者CT检测到的小型气道粘液塞的命名图。 每个预测变量都以水平轴表示，并指定一个点值。将各个分数相加生成总分，该总分对应到输出量表上粘液塞存在的预测概率。预测因素包括：支气管扩张、慢性鼻窦炎（CRS）、体质指数（BMI）、FEF25–75%pred、RV/TLC比值及血清25（OH）D水平。所有数值均基于多元逻辑回归模型推导。 请点击此处查看该图的放大版本。

figure-results-3
图3：计型图的受试者工作特征（ROC）曲线。 红色曲线显示模型在区分粘液塞阳性和阴性COPD患者方面表现出显著的差异。横轴表示假阳性率（1 −特异性），纵轴表示真阳性率（灵敏度）。对角线参考线表示非区分性分类器。 请点击此处查看该图的放大版本。

figure-results-4
图4：用于内部验证的校准曲线。 横轴表示指式图预测的概率，纵轴表示实际存在粘液塞的概率。显示三种曲线：表面曲线（虚线）、偏置校正曲线（实线）和理想曲线（虚线）。Bootstrap 内部验证以 B = 1,000 次重复（n = 212 次）进行;平均绝对误差 = 0.035，表明预测概率与观测概率高度一致。 请点击此处查看该图的放大版本。

figure-results-5
图5：计式图的决策曲线分析（DCA）。 净临床收益（y轴）与三种策略的高风险阈值概率（x轴）绘制：线谱（红色）、全治疗（蓝色）和无治疗（黑色）。该命名图在临床相关阈值范围内，相较于默认策略显示了更优的净收益。 请点击此处查看该图的放大版本。

figure-results-6
图6：经自助验证的接收者工作特征（ROC）曲线。 黑色曲线代表平均ROC曲线，红色误差条表示1000次自助重采样迭代的变异性。曲线下的面积（AUC = 0.9611;95% CI：0.9382–0.984）证实了该命名图的高判别性能和预测稳定性。 请点击此处查看该图的放大版本。

变量议员（人数 = 47）NMP（n = 165）P值
年龄（年份）68 (65–78)69 (64–74)0.39
男性（%）39 (82.98%)139 (84.24%)1
女性（%）8 (17.02%)26 (15.76%)—
BMI（公斤/平方米）20.76 (19.55–23.10)23.03 (21.90–24.51)<0.001
疾病持续时间（月份）10 (5–20)10 (5–13)0.06
吸烟（包年）30 (0–40)20 (0–40)0.35
AE≥每年2人（%）17 (36.17%)19 (11.52%)<0.001
呼吸衰竭（%）8 (17.02%)25 (15.15%)0.82
支气管扩张（%）33 (70.21%)38 (23.03%)<0.001
慢性鼻窦炎（%）18 (38.30%)24 (14.55%)<0.001
真菌感染（%）5 (10.64%)5 (3.03%)0.05
FEF25–75%12.00 (9.40–18.71)19.00 (13.27–29.30)<0.001
RV/TLC（%）45.51 (42.85–49.25)48.68 (43.32–54.51)0.02
CA19926.82 (17.65–49.94)13.86 (10.60–20.61)<0.001
25（OH）D（ng/mL）21.05 (18.49–23.40)25.32 (23.66–27.74)<0.001

表1：研究队列的基线临床和人口统计特征。 黏液塞阳性组（MP）组与阴性组（NMP）组的比较。数据以n（%）、平均±标准差或中位数（IQR）表示。缩写：BMI，身体质量指数;急性急性加重;FEV1%，按预测比例为1秒的强制呼气容积;FEV1/FVC，FEV1与强制肺活量比;FEF25–75%pred，预测强制呼气流量为25–75%。缩写;RV = 残余体积;TLC = 总肺活量;RV/TLC = 残余容积与总肺活量比;IgE = 免疫球蛋白E;25（OH）D = 25-羟基维生素D;CA199 = 碳水化合物抗原199;FeNO = 呼出一氧化氮的分数;CaNO = 导电气道一氧化氮。

变量AUC95%信赖区间P值
25（OH）D0.8260.755–0.896<0.001
BMI0.7370.652–0.821<0.001
CA1990.7570.670–0.843<0.001
支气管扩张症0.7360.651–0.820<0.001
FEF25–75%0.7160.632–0.800<0.001
房车/轻盈0.6160.535–0.6970.015
AE0.6230.526–0.7210.01
慢性鼻窦炎0.6190.522–0.7160.013

表2：候选预测变量的ROC分析结果。 对八个变量的曲线下面积（AUC）值表示，显示MP组和NMP组之间存在统计学显著差异，并附有95%置信区间、敏感性和特异性。

变量截止点灵敏度特异性优登指数
BMI21.110.8420.6170.459
25（OH）D23.060.8060.7450.551
房车/轻盈49.820.4730.7870.26
FEF25–75%15.350.6790.7020.381
CA19917.080.8090.6850.494
支气管扩张症0.50.7020.770.472
AE0.50.3620.8850.247
慢性鼻窦炎0.50.3830.8550.238

表3：连续预测变量的最优截止值。 阈值由ROC曲线分析的Youden指数（灵敏度+特异度−1）确定。在进入多元逻辑回归之前，变量在这些阈值处进行了二分法。

变量或者95%信赖区间P值
BMI0.1160.056–0.239<0.001
25（OH）D0.0820.039–0.177<0.001
FEF25–75%0.2010.099–0.406<0.001
房车/轻盈0.3010.141–0.6460.002
CA1997.1093.403–14.852<0.001
支气管扩张症7.8783.825–16.226<0.001
AE4.3542.030–9.341<0.001
慢性鼻窦炎3.6471.757–7.5680.001

表4：候选预测变量的单变量逻辑回归分析。 结果以比值比（OR）及95%置信区间（CI）及相应的P值形式呈现。选择了P值<0.1的变量纳入多元逻辑回归模型。

变量β或者95%信赖区间P值
支气管扩张症2.61713.6994.256–44.100<0.001
慢性鼻窦炎1.9877.2911.867–28.4670.004
BMI-1.7710.170.053–0.5470.003
FEF25–75%-2.3970.0910.027–0.307<0.001
房车/轻盈-1.9410.1440.038–0.5410.004
25（OH）D-3.1790.0420.011–0.151<0.001

表5：分阶段多变量逻辑回归分析，识别CT检测粘液塞的独立风险因素。 结果以比值比（OR）形式呈现，附有95%置信区间（CI）和P值。P < 0.05被认为具有统计学显著性。

Discussion

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

本研究中，住院COPD患者CT检测粘液塞形成的患病率为22.16%，与先前文献中报告的估计一致。COPD中的黏液塞具有临床意义，因其与加速肺功能下降、急性急性加重频率增加及更高的死亡风险相关28。尽管如此，此前仍缺乏经过验证的预测工具来识别高风险患者。本分析确定支气管扩张、慢性鼻窦炎（CRS）、BMI、FEF25–75%pred、RV/TLC和25（OH）D为CT检测粘液塞的独立风险因子，并将其整合进具有优异鉴别效果的命名图中。

支气管扩张与粘液塞形成有最强的独立关联（OR = 13.70），这与其在抑制粘液清除和促进黏液停滞方面的作用一致。这些发现支持将支气管扩张症与COPD重叠（BCO）视为一种较为显著的临床表型，且对小气道阻塞的易感性较高29。在之前的一项研究中，29岁的COPD患者被放射学检测到支气管扩张症，而同时病变患者则表现出更广泛的气道受累，包括气流滞留和支气管周围壁增厚。直肠直肠炎系与粘液堵塞风险的独立关联，很可能反映了统一的气道假说，即上呼吸道和下呼吸道炎症过程在机制上相互关联。关于BMI，因急性COPD急性加重住院且BMI较低的患者痰黏质和中性粒细胞弹性酶水平升高，表明营养缺乏可能增强粘液过度分泌，尤其是在晚期疾病中。

FEF25–75%pred是小气道阻塞的敏感肺活量标志物，其与粘液塞形成的反向关联与CT粘液嵌塞与小气道呼气流量减小的相关证据一致。一项横断面研究显示，腔粘液评分、肺功能参数与COPD患者健康相关生活质量之间存在显著相关性。另一项涉及500名参与者的研究报告CT粘液阻滞的患病率为22%，慢性阻塞性肺病（GOLD）患者全球倡导率更高，阻碍负担较大，FEV1和FEF25–75%值较低;值得注意的是，73%的初始CT粘液梗阻患者在五年后仍保留粘液。进一步研究表明，FEV1独立预测急性急性COPD急性加重患者的腔腔粘液评分（AECOPD）（R2 = 0.348，F = 18.960，P < 0.001）31。RV/TLC升高反映了气体滞留，这是小气道疾病的生理后果，支持动态高膨胀在粘液塞发病机制中的作用32。

维生素D在肺部免疫防御中起着关键作用，包括调控细胞因子生成、增强巨噬细胞吞噬作用以及减弱炎症反应33。先前研究已证明，低血清25（OH）D水平与肺功能恶化（COPD严重程度35）之间存在关联。MP组25（OH）D水平显著较低的发现与现有证据一致，强调维生素D补充作为可调整干预靶点的潜在作用。维生素D缺乏与呼吸道细菌定植增加相关，36,37，因细胞内和细胞外钙稳态变化而导致睫状体清除受损，以及呼吸道感染易感性增加。研究还显示，轻至中度COPD男性患者的死亡率增加与血清25（OH）D水平显著降低相关，38,39。

与既有的COPD预后工具如BODE指数（身体质量指数、气流阻塞、呼吸困难、运动能力）或ADO评分（年龄、呼吸困难、气流阻塞）不同——后者结合了全身临床参数和肺功能测量（通过肺功能指标得出的肺功能指标，包括FEV1、FVC及推导比值）来预测加重风险或死亡等结局——该模型专门针对小气道粘液塞的放射学存在。这代表了一种具有独立临床意义的独特病理特征，现有风险工具未能涵盖。因此，该命名图为COPD人群的气道级表型分析提供了额外价值。通过进一步的多中心外部验证，该模型可嵌入放射报告平台或电子健康记录系统，以标记高风险患者进行早期黏膜溶解治疗、气道清除治疗或支气管镜干预。

本研究还展示了将多个生物标志物结构域——血清学、功能学、放射学和临床病史——整合到单一预测框架中的价值。一项动物模型药理学研究显示，四项胺显著减少过量MUC5AC的产生，并抑制脂多糖诱导黏液过度分泌模型40中TNF-α、IL-6、IL-8和IL-17A的表达，暗示了候选治疗途径。哥本哈根队列的人群层面证据显示，肺功能受损、慢性粘液分泌过度以及全因及COPD特异性死亡率之间存在强烈关联，而 COPD基因研究则证实CT检测到的腔道阻塞与气流受限、生活质量下降及肺气肿表型相关42。

总之，本研究鉴定支气管扩张、慢性鼻窦炎、BMI、FEF25–75%泼德、RV/TLC和血清25（OH）D为COPD患者CT检测到小气道粘液堵塞的独立风险因子，并提出了经过验证的预测准确率（AUC = 0.96）、强有力校准和临床实用性强的命名图。该模型的特点是整合了多样的预测变量领域，采用可解读的图形格式，并依赖常规可用的临床数据。它为未来将COPD护理工作流程和电子健康记录系统整合到个别化、数据驱动的决策提供了潜力。

该回顾性单中心研究存在固有选择偏差，且样本量较小（n=212）限制了亚组分析的统计能力。目前，该命名图缺乏跨独立患者群体和影像系统的外部验证，而这对于广泛临床采用至关重要。该研究在一家华人三级中心进行，需研究其向其他族裔群体或医疗机构推广的可能性。未来研究应推进前瞻性多中心验证，考虑机器学习方法（如随机森林或梯度增强）以提升预测性能并自动化特征选择，并评估模型在监测粘液塞动态和治疗反应随时间变化中的纵向预测价值。

Disclosures

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

作者声明他们没有已知的竞争性财务利益或个人关系，这些关系可能影响本文报道的工作。他们在该手稿的出版上也没有利益冲突。研究按照伦理标准进行，所有作者均根据期刊要求参与了相关工作。没有任何财务或非财务利益可能影响研究或结果解读的偏见。 作者确认，基于人工智能的语言工具（Grammarly和Quilbot）被用于改进和润色手稿的语法和措辞。手稿的所有部分均由作者手工撰写，即使使用了润色工具，作者仍手动审查最终成果。 所有作者均已阅读并批准最终稿件。他们各自对工作的准确性和完整性承担全部责任。

Acknowledgements

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

本研究由深圳人民医院呼吸疾病研究所、深圳呼吸疾病研究所、深圳临床呼吸疾病研究中心（LCYSSQ20220823091203007）资助的《支气管扩张可治疗性状与多种临床表型比较：前瞻性队列研究》支持。

我衷心感谢所有为这项研究和撰写本手稿做出贡献的人。首先，我非常感谢我的导师何黄，在整个过程中给予了我持续的鼓励、宝贵指导和富有见地的评论。他的专业知识和耐心帮助我理清思路，提升工作质量。我也感谢深圳大学第一附属医院肺重症医学科（深圳第二人民医院）的同事们，特别是张闫、志阳等。他们为我提供了必要的支持，包括分享实验设备、提供技术建议以及参与富有成效的讨论。他们的贡献极大地促进了我的研究。此外，我还要感谢“支气管扩张可治疗性状与多种临床表型比较：前瞻性队列研究”的资助，没有他们，这项研究不可能完成。最后，我要感谢家人和朋友在我研究和写作过程中给予的坚定支持和理解。他们的爱与鼓励给了我克服困难、完成这项工作的力量。

Materials

List of materials used in this article
NameCompanyCatalog NumberComments
HRCT扫描
 		深圳<> 第二家<室/>人民医院<>医院用于诊断慢性阻塞性肺病患者的小气道黏液阻塞
SPSS 25.0 软件1BM用于数据分析的统计软件，包括t检验和逻辑回归。
R 软件（软件包：mms、mstate 等）

 		R统计计算基金会用于统计分析和模型验证，包括计算C指数。
电子医疗记录系统深圳<> 第二公共医院<>人民医院临床和实验室变量的数据来源，包括患者病史和诊断参数。
逻辑回归
方程
 		自定义
（通过 SPSS 和 R 应用
）		用于筛查COPD患者与小气道粘液
阻塞相关的独立风险因素。

References

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  1. Fazleen, A., Wilkinson, T. Early COPD: current evidence for diagnosis and management. Ther. Adv. Respir. Dis. 14, 1753466620942128(2020).
  2. Eapen, M. S., et al. Profiling cellular and inflammatory changes in the airway wall of mild to moderate COPD. Respirology. 22, 1125-1132 (2017).
  3. Bu, T., Wang, L. F., Yin, Y. Q. How do innate immune cells contribute to airway remodeling in COPD progression? Int. J. Chron. Obstruct. Pulmon. Dis. 15, 107-116 (2020).
  4. Ladjemi, M. Z., et al. Increased IgA expression in lung lymphoid follicles in severe COPD. Am. J. Respir. Crit. Care Med. 199, 592-602 (2019).
  5. Blackburn, J. B., et al. Secretory cells are the primary source of pIgR in small airways. Am. J. Respir. Cell Mol. Biol. 67, 334-345 (2022).
  6. Polosukhin, V. V., et al. Secretory IgA deficiency in individual small airways is associated with persistent inflammation and remodeling. Am. J. Respir. Crit. Care Med. 195, 1010-1021 (2017).
  7. Zakarya, R., et al. BET proteins are associated with the induction of small airway fibrosis in COPD. Thorax. 76, 647-655 (2021).
  8. Mahmood, M. Q., et al. Transforming growth factor (TGF)β1 and Smad signalling pathways: a likely key to EMT-associated COPD pathogenesis. Respirology. 22, 974-985 (2017).
  9. Balázs, A., Mall, M. A. Mucus obstruction and inflammation in early cystic fibrosis lung disease: emerging role of the IL-1 signaling pathway. Pediatr. Pulmonol. 54, S5-S12 (2019).
  10. Radicioni, G., et al. Airway mucin MUC5AC and MUC5B concentrations and the initiation and progression of COPD: an analysis of the SPIROMICS cohort. Lancet Respir. Med. 9, 1241-1254 (2021).
  11. Ghosh, A., Boucher, R. C., Tarran, R. Airway hydration and COPD. Cell. Mol. Life Sci. 72, 3637-3652 (2015).
  12. Dunican, E. M., Watchorn, D. C., Fahy, J. V. Autopsy and imaging studies of mucus in asthma: lessons learned about disease mechanisms and the role of mucus in airflow obstruction. Ann. Am. Thorac. Soc. 15, S184-S191 (2018).
  13. Thornton, D. J., Rousseau, K., McGuckin, M. A. Structure and function of the polymeric mucins in airways mucus. Annu. Rev. Physiol. 70, 459-486 (2008).
  14. Mall, M. A., Danahay, H., Boucher, R. C. Emerging concepts and therapies for mucoobstructive lung disease. Ann. Am. Thorac. Soc. 15, S216-S226 (2018).
  15. Hogg, J. C., et al. Survival after lung volume reduction in COPD: insights from small airway pathology. Am. J. Respir. Crit. Care Med. 176, 454-459 (2007).
  16. Jacobson, P. K., Lind, L., Persson, H. L. The exacerbation of COPD: which symptom is most important to monitor? Int. J. Chron. Obstruct. Pulmon. Dis. 18, 1533-1541 (2023).
  17. Inoue, D., et al. Mechanisms of mucin production by rhinovirus infection in cultured human airway epithelial cells. Respir. Physiol. Neurobiol. 154, 484-499 (2006).
  18. Jing, Y., et al. NOTCH3 contributes to rhinovirus-induced goblet cell hyperplasia in COPD airway epithelial cells. Thorax. 74, 18-32 (2019).
  19. Lillehoj, E. P., et al. Neuraminidase 1-mediated desialylation of the mucin 1 ectodomain releases a decoy receptor protecting against Pseudomonas aeruginosa lung infection. J. Biol. Chem. 294, 662-678 (2019).
  20. Kato, K., et al. Membrane-tethered MUC1 mucin counter-regulates the phagocytic activity of macrophages. Am. J. Respir. Cell Mol. Biol. 54, 515-523 (2016).
  21. Hogg, J. C. Pathophysiology of airflow limitation in COPD. Lancet. 364, 709-721 (2004).
  22. Lin, V. Y., et al. Excess mucus viscosity and airway dehydration impact COPD airway clearance. Eur. Respir. J. 55, 1900419(2020).
  23. Dunican, E. M., et al. Mucus plugs in patients with asthma linked to eosinophilia and airflow obstruction. J. Clin. Invest. 128, 997-1009 (2018).
  24. Dunican, E. M., et al. Mucus plugs and emphysema in the pathophysiology of airflow obstruction and hypoxemia in smokers. Am. J. Respir. Crit. Care Med. 203, 957-968 (2021).
  25. Kun, J., et al. Reduced serum 25(OH)D is closely related to bronchial mucus plug formation in children with mycoplasma pneumonia: a prospective cohort study. Front. Public Health. 11, 1099683(2023).
  26. Kodaka, N., et al. Effectiveness of mucus plug removal by bronchoscopy for high-attenuation mucus with allergic bronchopulmonary mycosis. Allergol. Int. 71, 150-152 (2022).
  27. Okajima, Y., et al. Luminal plugging on chest CT scan: association with lung function, quality of life, and COPD clinical phenotypes. Chest. 158, 121-130 (2020).
  28. Rogliani, P., Calzetta, L. Impact of airway-occluding mucus plugs on mortality in COPD according to disease severity: a subset analysis from COPDGene. Int. J. Chron. Obstruct. Pulmon. Dis. 20, 831-840 (2025).
  29. da Silva, S. M. D., et al. Bronchiectasis associated with severe COPD: clinical, functional, microbiological and tomographic features. Lung India. 39, 502-509 (2022).
  30. Polosukhin, V. V., et al. Small airway determinants of airflow limitation in COPD. Thorax. 76, 1079-1088 (2021).
  31. Yang, C., et al. Correlation of luminal mucus score in large airways with lung function and quality of life in severe acute exacerbation of COPD. Int. J. Chron. Obstruct. Pulmon. Dis. 16, 1449-1459 (2021).
  32. Yasuo, M., et al. Differences between central airway obstruction and COPD detected with the forced oscillation technique. Int. J. Chron. Obstruct. Pulmon. Dis. 15, 1425-1434 (2020).
  33. Islam, S., et al. Association of serum vitamin D (25OHD) level with acute exacerbation of COPD. Mymensingh Med. J. 28, 441-448 (2019).
  34. Ghosh, A. J., et al. Vitamin D deficiency is associated with respiratory symptoms and airway wall thickening in smokers with and without COPD: a prospective cohort study. BMC Pulm. Med. 20, 141(2020).
  35. Kurian, N., et al. Dual role for a MEK inhibitor as a modulator of inflammation and host defense in COPD. Int. J. Chron. Obstruct. Pulmon. Dis. 14, 2611-2624 (2019).
  36. Jiang, J. J., et al. TLR3 inhibitor and tyrosine kinase inhibitor attenuate cigarette smoke/poly I:C-induced airway inflammation and remodeling via the EGFR/TLR3/MAPK pathway. Eur. J. Pharmacol. 890, 173654(2021).
  37. Liu, W., et al. Chinese patent medicine for COPD based on tonifying Qi, promoting blood circulation, and resolving phlegm: a systematic review of RCTs. J. Tradit. Chin. Med. 35, 1-10 (2015).
  38. Jorde, I., et al. Association of serum vitamin D levels with disease severity, systemic inflammation, lung function loss, and exacerbations in COPD patients. J. Thorac. Dis. 13, 3597-3609 (2021).
  39. Wannamethee, S. G., et al. Vitamin D deficiency, impaired lung function, and total and respiratory mortality in older men: The British Regional Heart Study. BMJ Open. 11, e040650(2021).
  40. Liu, W., Zhang, X., Mao, B., Jiang, H. Systems pharmacology-based study of Tanreqing injection in airway mucus hypersecretion. J. Ethnopharmacol. 249, 112425(2020).
  41. Lange, P., et al. Relation of ventilatory impairment and chronic mucus hypersecretion to mortality from obstructive lung disease and from all causes. Thorax. 45, 579-585 (1990).
  42. Wu, Z., Wang, D., Tang, C. A novel nomogram for predicting the risk of coronary atherosclerosis in patients with gastroesophageal reflux disease. Arab J. Gastroenterol. 26, 176-184 (2025).

Reprints and Permissions

Request permission to reuse the text or figures of this JoVE article

Request Permission

Tags

Chronic Obstructive PulmonaryMucus ObstructionNomogram ValidationSmall Airway MucusChest Computed TomographyCOPD Risk PredictionLogistic RegressionReceiver Operating CharacteristicBronchiectasisForced Expiratory Flow

Related Articles