クローン病患者における栄養失調の評価:動的最適化の可能性と有効性検証を備えた新規リスク予測モデル

サマリー

本研究では、メタアナリシス、多変数ロジスティック回帰、機械学習を用いて、クローン病患者向けの新しい栄養失調リスク予測モデルを構築し検証しました。このモデルは、個別化された栄養介入の指導において優れた予測性能と臨床的有用性を示しました。

要約

本研究は、多変数ロジスティック回帰と機械学習を組み合わせたクローン病患者に対する栄養失調リスク予測モデルを構築し検証し、炎症マーカーと疾患特性の統合を通じて栄養失調リスクの特定精度を向上させることを目的としました。PubMed、Web of Science、Cochrane Library、Embase、中国国家知識基盤(CNKI)を体系的に検索し、CD患者の栄養失調に関連するリスク要因を特定しました。グローバル・リーダーシップ・イニシアティブ・オン・栄養失調(GLIM)2019年基準、欧州臨床栄養・代謝学会(ESPEN)2015年基準、または栄養失調ユニバーサルスクリーニングツール(MUST)基準を用いた高品質な研究がメタアナリシスに含まれ、研究コホートは一貫したアウトカム定義を確保するためにESPEN 2015の基準のみを適用しました。この予測モデルは、炎症性腸疾患コホートデータベース(IBDCD)のCD患者800名のデータを用いて開発され、同じデータベースからブートストラップ再サンプリングと独立かつ重複しないホールドアウトサブセット(280名)を用いて検証されました。モデルの性能は、受信者動作特性曲線(AUC)下面積、ホズマー–レムショウ検定、およびブライヤースコアを用いて評価されました。トレーニングコホートと検証コホート間で有意な基底差は認められませんでした。このモデルはトレーニングコホートでAUC0.987、検証コホートで0.967を記録し、良好な識別力と校正を示しました。意思決定曲線解析は、関連する閾値確率において臨床的に意味のある純利益をさらに示しました。このモデルは、CD患者の栄養失調リスクを効果的に特定し、個別化された栄養介入を支援し、臨床意思決定の最適化を行い、患者の転帰や生活の質を向上させる可能性があります。今後の多中心研究は、モデルの一般化可能性をさらに検証し、社会経済的要因の統合を評価するために必要です。

概要

クローン病(CD)は、多因子性病因を持つ慢性進行性炎症性腸疾患(IBD)であり、近年その世界的な負担が大幅に増加しています^。疫学的研究によると、CDは西洋諸国で依然としてより多く見られますが、特に中国を中心としたアジアの集団におけるCD(クラム病)の発生率と有病率は過去30年間で著しく増加^{しています1。}

栄養失調はCD患者における最も一般的かつ臨床的に重要な合併症の一つです。^2 CD患者の約3分の1から半数が中等度から重度の栄養失調を経験します²。栄養失調は長期入院、手術要件の増加、術後合併症の増加、腸線維化の加速、グルココルチコイド依存の増加、治療反応の低下、健康関連生活の質(HRQoL)の低下と関連しています^3,4。さらに、栄養失調は免疫機能障害に寄与し、腸の炎症を悪化させ、社会経済的および医療的負担に大きな負担をもたらす悪循環を形成します ^3,4。

現在、臨床現場で使用されている栄養評価ツールはいくつかあります。しかし、CD患者への適用性^は限定的です。患者生成主観的グローバル評価(PG-SGA)は、慢性疾患患者の栄養スクリーニングに推奨されていますが、主観的な臨床判断に大きく依存しており、CD集団に適用した場合の臨床医間の一貫性は限定的^です6。さらに、PG-SGAは腸内吸収不良に対する特異性を欠いています。体格指数(BMI)に基づく閾値を組み込んだ2002年栄養リスクスクリーニング(NRS 2002)は、アジア系集団では比較的低い感度を示しており、過小診断の一因となる可能性があります^。同様に、高齢者向けに開発されたミニ栄養評価簡表(MNA-SF)は、若年成人のCDで比較的高い偽陽性率を示しています。

重要なのは、現在利用可能なほとんどの栄養評価ツールは静的なスコアリングシステムに基づいており、CD⁸における疾患活動に関連する栄養状態の動的な変動を十分に捉えきれていないことです。CDは寛解期と再発期が交互に起こることを特徴とするため、栄養状態は炎症活動と並行して時間とともに悪化または改善することがあります⁹。従来の評価手法では動的リスク層分けができず、栄養状態の早期の亜臨床悪化を特定できない可能性があります。さらに、多くの既存のツールはC反応性タンパク質(CRP)、血清アルブミン、糞便カルプロテクチンなどの疾患特異的バイオマーカーや炎症指標を組み込んでおらず、複雑な臨床環境での予測精度が制限されています¹⁰。

人工知能と機械学習(ML)の最近の進展により、慢性炎症性疾患における栄養リスク評価の改善に新たな機会が生まれ^{ています。}従来の回帰分析手法と比較して、MLアルゴリズムは変数間の非線形関連や複雑な相互作用を識別できるため、多次元予測変数を持つ異種の臨床データセットに特に適しています。新たな証拠は、MLに基づく栄養リスク予測モデルが^IBD患者の栄養悪化予測において従来の統計手法を上回る可能性があることを示唆しています。予測性能の向上に加え、ML手法は正則化技術を通じて多重共線性を低減し、予測変数選択を最適化してモデルの解釈可能性と一般化可能性を向上させる可能性があります^13,14。

大規模な公共データベースの利用可能性の拡大は、CDにおける栄養関連研究をさらに強化しています。IBDバイオバンク、国立健康栄養検査調査(NHANES)、UKバイオバンクなどの国際データベースには、栄養指標、炎症バイオマーカー、ゲノム情報、生活習慣特性^15、16、17を含む広範な縦断的臨床データが含まれています。これらの多次元データセットの統合により、集団間検証が可能となり、予測モデルの外部適用性が向上します。メタアナリシスにより、多中心統合データセットを用いて開発された予測モデルは、単一センターコホートから得られたモデルよりも安定性と再現性が高いことが示されています。

本研究では、炎症マーカー、疾患特性、人口統計学的および社会経済的要因などの多次元予測変数を統合し、多変数ロジスティック回帰および機械学習アルゴリズムを組み合わせることで、CD患者における栄養失調リスク予測の正確性と効率が向上すると仮説を立てました。その結果生まれた予測モデルは、個別化された栄養介入を促進し、臨床意思決定を最適化し、患者の転帰や生活の質を向上させる可能性があります。

プロトコル

炎症性腸疾患コホートデータベース(IBDCD)にデータが入力されたすべての患者は、データベース登録時に研究目的で非特定化された臨床データを使用することに関する書面によるインフォームドコンセントを提供しました。同じ倫理的承認および同意の枠組みは、データベースから抽出されたすべてのデータ、開発コホートおよび検証コホートの両方に適用されました。本研究では特定可能な患者情報は使用されず、すべてのデータは匿名化され暗号化されて保存されました。本研究は確立されたデータベースからの非識別データの後ろ向き分析を含んでいたため、倫理委員会はこの特定の分析に対して追加の患者同意の要件を免除しました。プロトコルで使用される研究ツールは 材料表に記載されています。

1. メタアナリシスにおける影響因子のスクリーニング

1. 文献検索戦略
   PubMed、Web of Science、Cochrane Library、Embase、中国国家知識基盤(CNKI)で体系的な検索戦略が実施されました。英語の探索戦略は次のように定義されました。
   
   (「クローン病」[メッシュ]または「CD」[脛骨]または「クローン病*」[脛骨])AND(「栄養失調」[メッシュ]または「栄養状態」または「栄養リスク」[tiab])および(「リスク要因」[メッシュ]または「予測*」[tiab])
   
   検索期間はデータベース開始から2025年3月31日までをカバーしました。さらに、含まれた研究の参考文献リストを手動でスクリーニングし、見落としの可能性がある論文を特定しました。この戦略により、クローン病(CD)患者における栄養失調関連リスクおよび予測因子の包括的な文献レビューが可能となり、明確に定義されたデータベース、検索語、期間枠、補助的な手動検索手順を用いて文献コレクションの完全性を確保しました。
2. 参加基準および除外基準
   対象条件では、研究対象集団は2018年の炎症性腸疾患の診断および治療に関するコンセンサスに基づき、クローン病と診断された成人患者(≥18歳)で構成されることが求められました。CDにおける栄養失調の臨床的重要性を踏まえ、欧州臨床栄養代謝学会(ESPEN)2015年基準、グローバル・リーダーシップ・イニシアティブ・オン・栄養失調(GLIM)2019年基準、または栄養失調ユニバーサルスクリーニングツール(MUST)スコア≥2を用いた栄養失調の定義研究に重点が置かれました。文献で定義された診断基準と、研究コホート内でのESPEN 2015アウトカム定義基準の独占的適用との間に明確な区別が維持されました。
   
   対象となる研究デザインには、コホート、症例対照、横断、混合方法の各研究が含まれ、栄養失調リスク要因の包括的な評価が多角的に行われました。除外基準には、十分なデータ支持や査読の欠如により、動物実験、総説論文、会議要旨が含まれていました。オッズ比(OR)および対応する95%信頼区間(CI)を含む重要な統計情報が欠けている研究も除外しました。

2. 文献選考とデータ抽出

文献のスクリーニングとデータ抽出は、完全性と正確性を確保するために2人の研究者によって独立して実施されました。初期段階では、明らかに基準を満たさない研究を除外するためにタイトルや抄録をスクリーニングし、関連性のある高品質な研究に絞り込みました。

その後、適格とみなされた研究に対して全文スクリーニングを実施しました。この段階では、研究設計、方法論、結果、事前定めの包含基準の遵守を詳細に評価し、すべての要件を満たす研究のみが最終解析に含まれるようにしました。

データ抽出は標準化されたフォームを用いて、著者名、出版年、国、サンプルサイズ、モントリオール分類サブタイプ分布、平均疾患期間、栄養失調の定義、評価ツール、そして栄養失調リスクに関連する要因に対応する95%のCIを持つ抽出手術室(OR)など、主要な情報を体系的に記録しました。

スクリーニングおよびデータ抽出中に生じた不一致や不確実性は、内部協議を通じて解決されました。合意が得られない場合は、第三者の専門家に相談して仲裁を行い、主観的な偏見を最小限に抑え客観的な意思決定を確保しました。この厳格なプロセスは方法論的透明性を高め、CDにおける栄養失調リスクに関連する主要要因の特定に強固な基盤を提供しました。

3. 品質評価

含まれた研究の科学的妥当性と信頼性を確保するため、厳格な品質評価基準が適用されました。コホートおよび症例対照研究は、選択、比較可能性、曝露の3つの領域で研究の質を評価するニューカッスル・オタワ尺度(NOS)を用いて評価されました。NOSスコア≥7の研究のみが高品質と分類され、分析に含まれました。

横断的研究は、医療研究品質局(AHRQ)の評価ツールを用いて評価され、参加者の選択、サンプルサイズの適切性、データ収集方法の妥当性、統計解析の適切性を検討しました。AHRQスコア≥8の研究は対象とみなされました。

これらの厳格な品質評価基準の適用により、研究の質の変動に伴う潜在的なバイアスを最小限に抑え、予測モデルが信頼できるエビデンスベースによって支持されることが保証されました。

4. 予測モデルの構築

1. データソース
   炎症性腸疾患コホートデータベース(IBDCD)は、2018年1月から2025年3月にかけてクローン病患者の臨床データを収集した多施設前向きコホートデータベースであり、人口統計情報、臨床特性、検査指標、治療レジメン、栄養状態評価などが含まれます。モデル開発データセットには、IBDCDデータベースから得られたクローン病患者800名が含まれており、トレーニングコホートの520名と検証コホートの280名の患者で構成されていました。
   
   選入基準には、クローン病の診断が少なくとも6か月間確認されていること、およびメタアナリシスから得られた影響因子や栄養評価データを含む完全な臨床データの利用可能性が求められました。悪性腫瘍や慢性腎疾患など、栄養状態に影響を及ぼす可能性のある併存疾患を持つ患者は、データの正確性とモデル妥当性を確保するために除外しました。
2. 変数の定義と割り当て
   栄養失調はESPEN 2015の基準に厳格に従って診断され、その基準には3つの主要な診断要素が含まれます:意図しない体重減少(3か月以内に≥5%または6か月以内に≥10%)、食事摂取または吸収の減少(≥14日間≥25%減少)、および身体検査および人体計測による筋肉量の減少(腕の中間部の筋肉周囲を含む)です。低体格指数(BMI<18.5 kg/^m²)は、決定的な診断指標ではなく、支持的な指標と見なされていました。栄養失調は少なくとも1つのコア基準が満たされた場合にのみ確認され、低BMIは補助的な指標として機能しました。コア基準の証拠がない低いBMIで来院した患者は栄養失調とは分類されませんでした。この定義は、予測変数である低BMIと結果である栄養失調の循環性を回避しました。
   
   栄養失調の有病率は訓練コホートで42.5%(n=520)、検証コホートで40.4%(n=280)でした。メタアナリゼーション結果に基づき、C反応性タンパク質(CRP >10 mg/L)として定義される疾患活性を含む5つの主要な影響因子が予測変数として選定されました。はい = 1、いいえ = 0)、モントリオール分類(LL1/LL3 対 LL2 結腸浸潤)で定義される小腸浸涉;はい = 1、いいえ = 0)、生物学的使用(はい = 1、いいえ = 0)、腸切除の既往(はい = 1、いいえ = 0)、低BMI(<18.5 kg/m²;はい = 1、いいえ = 0)。年齢と性別はベースラインの人口統計的特徴として収集されましたが、予備解析時に統計的に有意でなかったため、最終モデルの予測変数としては含まれませんでした。
   
   合計17件の高品質な研究がメタアナリシスに含まれました。5つの予測因子に対する統合手術室および対応する95%信頼区間は以下の通りです:CRPの上昇(OR = 4.72、95%信頼区間:3.21–6.95)、小腸の関与(OR = 2.89、95%CI:1.93–4.33)、生物学的使用(OR = 0.39、95%CI:0.15–1.01)、腸切除既往(OR = 6.17、95%CI:2.35–16.18)、低BMI(OR = 3.56、95%CI: 2.41–5.27).
3. モデル作成方法
   メタアナリックスから導出されたプールされたORと対応する95%CIはlog-OR値に変換され、多変数ロジスティック回帰モデルの回帰係数(β)を導出するために用いられました。メタ解析結果とモデル係数の整合性はピアソン相関解析(r = 0.98、P < 0.001)を用いて検証されました。特定された影響要因に基づき、以下の式に従って多変数ロジスティック回帰モデルを構築しました。
   
   「logit」(P) = α + β₁ X₁ + β₂ ×₂ + β₃ ×₃ + β₄ ×₄ + β₅ ×₅
   
   ここでPは栄養失調発生確率を表し、β値はメタ解析から導出された統合されたOR値の自然対数を表します。
   
   Rソフトウェア(バージョン4.2.1)と「rms」パッケージを用いて、モデルは臨床的に適用可能なノモグラムに翻訳されました。初期リスクスコア(理論範囲:0–325.1)は、臨床的可読性向上のために0〜100の範囲に線形スケールされました。ノモグラム総スコアに基づき、患者はコホートスコア分布に対してパーセンタイルベースのキャリブレーションを用いて、低リスク(≤20ポイント)、中等リスク(21–40ポイント)、高リスク(>40ポイント)に階層分けされました。
   
   ランダムフォレスト(RF)や勾配ブースティング決定木(GBDT)などの機械学習アルゴリズムが特徴最適化に用いられました。スタック戦略は、RFとGBDTをベース学習器として、ロジスティック回帰をメタ分類器として組み合わせたものでした。ハイパーパラメータは5重クロス検証を用いて最適化され、RFはn_estimators=200、max_depth=10、GBDTはn_estimators=150、learning_rate=0.1と設定されました。合成少数派オーバーサンプリング技術(SMOTE)を用いて、訓練データセット内のマイナークラスの不均衡を解決しました。

5. モデル検証

1. 検証データセット
   二重検証戦略が採用されました。内部検証はブートストラップ再サンプリングを用いて1,000回の繰り返しを行いました。ホールドアウト検証は、トレーニングコホートを含む患者を除外したIBDCDデータベースから抽出された280人の独立で重複しないサブセットを用いて実施されました。検証コホートのすべての患者は、2018年炎症性腸疾患コンセンサスに基づきクローン病と診断され、2018年1月から2025年3月までの前向きデータが収集されました。
   
   検証コホートはトレーニングコホートと同じ確定手順に従っていました。栄養失調はESPEN 2015基準を用いて評価され、CRP、病変部位、生物学的使用、腸切除既往、BMIなどのすべての予測変数が入院後72時間以内に測定されました。年齢、性別、疾患期間などのベースライン特性(P > 0.05)において、トレーニングコホートと検証コホート間で有意な差は認められず、検証結果の信頼性および臨床的適用性を支持しました。
   
   モデルのパフォーマンスをさらに評価するために、追加のパフォーマンス指標も計算されました。トレーニングコホートでは、感度が92.3%、特異度94.1%、陽性中率(PPV)が90.5%、陰性命中率(NPV)が95.2%でした。検証コホートでは、感度が90.2%、特異度92.8%、PPVが88.7%、NPVが93.9%でした。Brierスコアはトレーニングコホートで0.087、検証コホートで0.102で、許容可能な予測誤差を示しました。
2. 検証指標
   モデルの識別力は、受信者動作特性(ROC)曲線(AUC)下の面積を用いて評価されました。較正はHosmer–Lemeshow検定で評価され、P > 0.05は予測確率と観察結果の間に有意差なしを示し、Brierスコアでは<0.20が許容可能な予測誤差を示しました。意思決定曲線分析(DCA)も実施され、さまざまな閾値確率における臨床純利益の評価が行われました。
   
   この検証フレームワークは、個人予後または診断(TRIPOD)ステートメントガイドラインの多変数予測モデルの透明報告に準拠しています。

6. 統計分析

メタアナリシスはRevManバージョン5.4を用いて行われ、対応する95%CIのプールされたORを算出しました。異質性は^I2 統計量を用いて評価されました。値は>50%がかなりの異質性を示しています。有意な異質性が存在する場合にはランダム効果モデルが適用されました。それ以外の場合は固定効果モデルが用いられました。感度分析は個別研究を逐次除外して結果の安定性を評価することで実施されました。出版バイアスは漏斗プロットとエッガー検定を用いて評価されました。

基本的な統計解析はSPSSバージョン26.0を用いて実施されました。Rソフトウェア(バージョン4.2.1)の「pROC」、「rms」、「glmnet」パッケージがモデル構築と検証に使用されました。

結果

研究対象集団の基本的特徴
このメタアナリシスには、クローン病患者の栄養失調を評価した17件の高品質研究が含まれており、補 足表1にまとめられています。これらの研究は2009年から2025年にかけて発表され、中央値サンプル数は502人(範囲:175〜773人)でした。研究デザインには、前向きコホート、後ろ向きコホート、症例対照、横断法、混合方法の研究が含まれ、混合方法研究は含まれる研究の17.6%(3/17)を占めました。

栄養失調の定義は研究ごとに異なっていました。体格指数(BMI)<18.5 kg/^m² )は35.3%(6月17日)で使用され、栄養失調ユニバーサルスクリーニングツール(MUST)スコア≥2は23.5%(4/17)、欧州臨床栄養代謝学会(ESPEN)2015年基準は17.6%(3/17)、2019年グローバルリーダーシップイニシアティブ(GLIM)基準は11.8%(2/17)、主観的グローバル評価(SGA...

ディスカッション

クローン病(CD)は、消化管のあらゆる部分に影響を及ぼす慢性の再発性炎症性腸疾患^です。CDの病因は不明瞭であり、遺伝的感受性、環境への曝露、免疫調節障害など複数の要因が関与していると考えられています。一般的な臨床症状には腹痛、下痢、体重減少、瘻孔形成があり、その中で栄養失調はCD^38、39、40の患者で最も頻繁に見られる合併症の一つです。持続的な腸内炎症はしばしば腸の吸収を妨げ、食欲減退や栄養素の減少増加もこの集団における栄養失調の発生率をさらに高めています。GLIM、ESPEN、MU...

材料

この記事で使用された材料の一覧

名前	会社	カタログ番号	コメント
RevManソフトウェア	コクラン・コラボレーション‌	5.4	コクラン・コラボレーションが開発した専門的なメタ分析ソフトウェアは、主にシステマティックレビューとメタ分析の策定、データ入力、結果の視覚化に使用されます。‌
Rソフトウェア	統計計算のためのRプロジェクト	4.2.1	Rは、統計の分野で広く使用されていたS言語の一分派で、1980年頃に誕生しました。S言語の実装と考えることができます。AT&T Bell LABSによって開発されたS言語は、データ探索、統計分析、グラフ作成に使用される解釈型言語です