Een abonnement op JoVE is vereist om deze inhoud te bekijken. Log in of start vandaag met uw gratis proefperiode.
Onderzoeksartikel
Dit protocol beschrijft een reproduceerbare workflow voor het integreren van PIVKA-II, AFP en routinematige klinische variabelen in een logistische regressie-diagnostisch model voor hepatocellulair carcinoom, met validatie bij vroege stadia en AFP-negatieve ziekte.
Vroege detectie van hepatocellulair carcinoom (HCC) blijft beperkt door de onvolledige sensitiviteit van alfafetoproteïne (AFP), vooral bij tumoren in een vroeg stadium en AFP-negatieve tumoren. Deze studie evalueerde of abnormaal prothrombine/protein induced by vitamin K absence-II (PIVKA-II), AFP en routinematige klinische variabelen konden worden geïntegreerd in een reproduceerbaar diagnostisch model voor HCC. Een retrospectieve trainingscohort van 205 deelnemers, waaronder 112 beeldbevestigde HCC-gevallen en 93 non-HCC controles, werd gebruikt voor de modelontwikkeling. Een onafhankelijke prospectieve validatiecohort van 184 deelnemers, waaronder 58 HCC-gevallen en 126 non-HCC controles, werd gebruikt voor out-of-sample testen zonder heraanpassing van het model. Bloedmonsters vóór beeldvorming werden gebruikt voor de meting van AFP en PIVKA-II, en klinische variabelen werden geëxtraheerd uit hetzelfde diagnostische venster. Het uiteindelijke multivariabele logistische regressiemodel combineerde ln(AFP), ln(PIVKA-II), leeftijd, geslacht, albumine, de international normalized ratio en het aantal bloedplaatjes. Het gecombineerde model behaalde een AUC van 0,93 in de trainingscohort en 0,89 in de validatiecohort. Bij validatie was de sensitiviteit 84,5% en de specificiteit 90,5%. De sensitiviteit bleef 72,7% bij HCC in een vroeg stadium en 73,1% bij AFP-negatief HCC, wat in beide subgroepen hoger was dan bij alleen AFP. Calibratie en bootstrap-validatie ondersteunden een acceptabele modelstabiliteit. Deze resultaten tonen aan hoe PIVKA-II, AFP en routinematig beschikbare klinische variabelen kunnen worden gecombineerd tot een praktisch diagnostisch triage-instrument voor populaties met een hoog risico op leverziekten.
Hepatocellulair carcinoom (HCC) is een belangrijke oorzaak van kankergerelateerde mortaliteit en ontstaat gewoonlijk bij patiënten met chronische leverziekten, waaronder infecties met het hepatitis B-virus, infecties met het hepatitis C-virus, alcoholgerelateerde leverziekten en metabole dysfunctie-geassocieerde steatotische leverziekte1. Vroege detectie is klinisch van groot belang omdat curatieve behandeling het meest effectief is wanneer tumoren worden ontdekt vóór vasculaire invasie, extrahepatische verspreiding of een aanzienlijke verslechtering van de leverreserve. Huidige surveillancestrategieën vertrouwen over het algemeen op een echo van de lever, met of zonder bepaling van serum alfa-foetoproteïne (AFP)2. In de routinepraktijk wordt de prestatie van de surveillance echter beïnvloed door operatorafhankelijkheid, geringe tumorgrootte, heterogene cirrotische noduli, beeldvormingsproblemen als gevolg van obesitas en tumoren die weinig of geen AFP produceren3,4.
AFP wordt nog steeds veelvuldig gebruikt omdat het goedkoop en toegankelijk is en bekend is bij clinici. De diagnostische waarde ervan wordt beperkt door een onvolledige sensitiviteit en een imperfecte specificiteit. Bij de conventionele drempelwaarde van 20 ng/mL kan AFP een aanzienlijk deel van HCC in een vroeg stadium en AFP-negatieve HCC over het hoofd zien. Lagere drempelwaarden kunnen de sensitiviteit verbeteren, maar verhogen het aantal fout-positieve resultaten bij patiënten met actieve hepatitis, cirrose of andere inflammatoire leveraandoeningen5,6. Deze beperkingen maken de interpretatie van een enkele marker onvoldoende voor diagnostische triage bij populaties met een hoog risico op leverziekten.
Abnormaal protrombine, ook bekend als proteïne geïnduceerd door vitamine K-afwezigheid-II (PIVKA-II) of des-γ-carboxy-protrombine, komt vrij wanneer maligne hepatocyten onvolledig gecarboxyleerd protrombine produceren. PIVKA-II weerspiegelt de coagulatie-gerelateerde tumorbiologie in plaats van AFP-secretie en kan informatief blijven wanneer AFP laag is7. Eerdere studies en meta-analyses hebben aangetoond dat PIVKA-II de detectie van HCC verbetert, in het bijzonder in combinatie met AFP, en waarde kan toevoegen bij ziekten in een vroeg stadium of bij AFP-negatieve ziekten8,9. Strategieën die enkel op markers zijn gebaseerd, houden echter geen volledig rekening met de achtergrond van de gastheer, de leverreserve, het aantal bloedplaatjes, de coagulatiestatus of de onderliggende leveraandoening.
Samengestelde diagnostische modellen bieden een praktische manier om tumor-markeerresultaten samen met de klinische context te interpreteren. GALAD, GAAD en aanverwante modellen hebben aangetoond dat demografische variabelen en biomarkers gecombineerd kunnen worden om de detectie van HCC te verbeteren over verschillende etiologieën en populaties heen10,11. Hun prestaties ondersteunen het gebruik van multivariabele risicoschatting in plaats van geïsoleerde biomarker-drempelwaarden. Tegelijkertijd bevatten sommige modellen assays die niet in alle laboratoria beschikbaar zijn, en kan het gedrag van de afkapwaarden variëren per regio, etiologisch profiel, ziektestadium en beoogd klinisch gebruik12. Een model dat is gebouwd op basis van breed beschikbare biomarkers en routineuze laboratoriumvariabelen kan gemakkelijker worden geïmplementeerd in reguliere diagnostische workflows. In tegenstelling tot eerder gepubliceerde modellen, die mogelijk vertrouwen op gespecialiseerde biomarkers of populatiespecifieke afkapstrategieën, evalueerde de huidige studie een multivariabel diagnostisch model gebaseerd op breed beschikbare biomarkers en routineuze klinische variabelen en valideerde de prestaties hiervan in een onafhankelijke prospectieve cohort.
PIVKA-II is geschikt voor dit raamwerk omdat het AFP aanvult en gemeten kan worden op geautomatiseerde immunoassay-platforms die reeds in klinische laboratoria worden gebruikt. Routinematige variabelen zoals leeftijd, geslacht, albumine, bilirubine, aantal bloedplaatjes, internationale genormaliseerde ratio en de achtergrond van de leveraandoening zijn beschikbaar bij hetzelfde klinische consult en kunnen informatie over de leverreserve of stollingsgerelateerde gegevens vastleggen die relevant zijn voor het risico op HCC13. Het combineren van deze variabelen met AFP en PIVKA-II kan de discriminatie verbeteren, terwijl afhankelijkheid van een enkele afkapwaarde wordt vermeden.
PIVKA-II, AFP en routinematige klinische variabelen werden daarom beoordeeld met behulp van een diagnostisch ontwerp met een dubbele cohort. Een multivariabel logistisch regressiemodel werd ontwikkeld in een retrospectieve trainingscohort en getest in een onafhankelijke prospectieve validatiecohort zonder heraanpassing. De diagnostische prestaties werden vergeleken met AFP, PIVKA-II en klinische variabelen afzonderlijk, waarbij vooraf aandacht werd besteed aan HCC in een vroeg stadium, AFP-negatief HCC, interpretatie van de afkapwaarden, kalibratie en bootstrap interne validatie.
Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.
Deze studie is beoordeeld en goedgekeurd door de Ethiekcommissie van het Affiliated Hangzhou First People's Hospital, School of Medicine, Westlake University. Het goedkeuringsnummer was IIT-20230528-0108-01. Voorafgaand aan de bloedafname werd schriftelijke geïnformeerde toestemming verkregen van prospectief geïncludeerde deelnemers. Voor retrospectief opgenomen klinische dossiers en gearchiveerde restmonsters die tijdens de routinestezorg zijn verzameld, is geïnformeerde toestemming door de ethiekcommissie kwijtgescholden omdat gedeïdentificeerde gegevens werden gebruikt en er geen aanvullende interventie is uitgevoerd.
Reproduceerbaarheid, beheersing van bias en gegevensintegriteit
De criteria voor deelname, tijdstippen van bloedafname, regels voor de beoordeling van beeldvorming, definities van subgroepen, potentiële predictoren, definities van afkapwaarden, regels voor ontbrekende gegevens en validatieprocedures waren vooraf vastgesteld vóór de statistische analyse. Bloedmonsters werden verzameld vóór de bevestiging via contrastversterkte beeldvorming en vóór elke anti-tumorbehandeling. Bij de laboratoriumtesten werden geanonimiseerde studie-identificatoren gebruikt, en monsters van de trainings- en validatiecohorten werden in willekeurige volgorde getest. Het laboratoriumpersoneel was blind voor de definitieve diagnose, de toewijzing aan de cohort, het Barcelona Clinic Liver Cancer (BCLC)-stadium en de AFP-negatieve status. De beeldvormingsdiagnose en het stadium werden onafhankelijk van de laboratoriumtesten geëxtraheerd. Gegevensinvoer, eenheidconversie, cohorttoewijzing, codering van exclusies, codering van ontbrekende waarden en statistische datasets werden door twee onderzoekers gecontroleerd vóór het fitten van het model. De trainings- en validatiecohorten werden gedurende de gehele screening van variabelen, het fitten van het model, het afleiden van de afkapwaarden en de validatie gescheiden gehouden.
Studiepopulatie en ontwerp
Deze diagnostische studie met twee cohorten ontwikkelde en valideerde een multivariabel model voor de detectie van HCC met gebruik van abnormaal protrombine/eiwit geïnduceerd door PIVKA-II, AFP en routinematige klinische variabelen. De retrospectief samengestelde trainingscohort omvatte deelnemers die werden beoordeeld tussen 1 januari 2021 en 31 december 2023. Deze cohort werd gebruikt voor variabelscreening, modelpassing, afleiding van afkapwaarden en bootstrap interne validatie. De prospectief ingeschreven validatiecohort omvatte deelnemers die werden beoordeeld tussen 1 januari 2024 en 31 december 2025. Deze cohort werd uitsluitend gebruikt voor out-of-sample testen. Er werd geen herselectie van variabelen, herpassing van het model, bijwerking van coëfficiënten, heroptimalisatie van afkapwaarden of recalibratie op basis van subgroepen uitgevoerd in de validatiecohort. De deelnemersstroom, cohorttoewijzing, bloedafname, plasmaprocessing, biomarkertesten, beoordeling van beeldvorming en de statistische workflow worden weergegeven in Figuur 1.
Deelnemers werden geworven uit een surveillance- of diagnostisch traject voor leverziekten met een hoog risico bij het Affiliated Hangzhou First People's Hospital, School of Medicine, Westlake University. De status van hoog risico werd gedefinieerd als een chronische hepatitis B-infectie, een chronische hepatitis C-infectie, cirrose van elke etiologie, of leververvetting met gedocumenteerde fibrose op basis van klinische beoordeling, laboratoriumgegevens of eerdere beeldvorming. In aanmerking komende deelnemers waren volwassenen van ≥18 jaar die bloedafname voorafgaand aan de beeldvorming hadden ondergaan en een contrastrijk multifasisch computertomografieonderzoek (CT) en/of een dynamische contrastrijk magnetische resonantie-onderzoek (MRI) hadden voltooid binnen 14 dagen na de bloedafname. De exclusiecriteria waren eerdere HCC-behandeling, inclusief resectie, ablatie, transarteriële therapie of systemische therapie; toediening van vitamine K binnen 7 dagen voor de afname; therapie met vitamine K-antagonisten of andere anticoagulantia die de interpretatie van de stolling waarschijnlijk beïnvloeden; acute cholangitis of galwegobstructie bij afname; zwangerschap; ontbrekende AFP, PIVKA-II of definitieve beeldvormingsdiagnose; en onaanvaardbare specimenkwaliteit zonder een geldige herhaalmonster.
De uiteindelijke studiepopulatie bestond uit 389 deelnemers. De trainingscohort omvatte 205 deelnemers, bestaande uit 112 beeldbevestigde HCC-gevallen en 93 non-HCC-controles. De validatiecohort omvatte 184 deelnemers, bestaande uit 58 beeldbevestigde HCC-gevallen en 126 non-HCC-controles. In de trainingscohort bestonden de 93 non-HCC-controles uit 30 gezonde controles en 63 controles met chronische leverziekte. In de validatiecohort bestonden de 126 non-HCC-controles uit 0 gezonde controles en 126 controles met chronische leverziekte.
De symptomatische status werd niet uitsluitend toegewezen op basis van de geschiedenis van hepatitis of gecompenseerde cirrose. Een deelnemer werd alleen als symptomatisch geclassificeerd wanneer uit het dossier voorafgaand aan de beeldvorming bleek dat er sprake was van nieuwe of verergerende pijn in het rechter bovenkwadrant, onverklaarbaar gewichtsverlies, abdominale distensie, geelzucht, donkere urine of klinisch gedocumenteerde decompensatie die niet door een andere bevestigde oorzaak kon worden verklaard. Deelnemers zonder deze bevindingen werden geclassificeerd als asymptomatisch of via surveillance gedetecteerd.
Diagnostische beoordeling en stadiëring
De uiteindelijke HCC-status werd vastgesteld met behulp van contrastversterkte multifasische CT en/of dynamische contrastversterkte MRI die in de reguliere zorg werden uitgevoerd. De beeldvorming moest ten minste een arteriële fase en een portaalveenfase omvatten; bevindingen uit de late fase werden meegenomen indien beschikbaar. Een laesie werd geclassificeerd als HCC wanneer beeldvorming in een risicolever arteriële hyperenhancement vertoonde met washout in de portaalveenfase en/of de late fase, met of zonder een contrastversterkende capsule. Deelnemers zonder beeldvormingskenmerken die consistent waren met HCC en zonder een andere maligne diagnose werden geclassificeerd als non-HCC.
Beeldvormingsinformatie werd geëxtraheerd met een vooraf vastgesteld formulier waarin de beeldvormingsmodaliteit, de verkregen fasen, arteriële fase-hyperenhancement, washout, het uiterlijk van het kapsel, het aantal laesies, de maximale diameter van de laesie, macrovasculaire invasie en extrahepatische verspreiding werden geregistreerd. Twee getrainde beoordelaars extraheerden onafhankelijk de beeldvormingskenmerken uit de definitieve radiologierapporten. Meningsverschillen werden door consensus opgelost met gebruik van dezelfde vooraf gedefinieerde criteria. Indien zowel CT als MRI beschikbaar waren, werd de modaliteit met de meest volledige multifasische karakterisering gebruikt. Wanneer beide modaliteiten volledig waren, werd de modaliteit die als basis voor de definitieve klinische beslissing was gedocumenteerd, gebruikt.
Het BCLC-stadium werd toegewezen nadat de HCC-status was vastgesteld. HCC in een vroeg stadium werd gedefinieerd als BCLC-stadium 0–A. AFP-negatief HCC werd gedefinieerd als AFP <20 ng/mL bij de bloedafname voorafgaand aan de beeldvorming. Deze subgroepslabels werden gebruikt voor de evaluatie van de prestaties per subgroep, niet voor de training van het model of de geschiktheid van deelnemers.
Monstername en plasmaverwerking
Perifeer veneus bloed werd in de ochtend afgenomen na een overnight vasten van ten minste 8 h, voorafgaand aan de bevestiging via contrastversterkte CT/MRI en vóór de antitumortherapie. In totaal werd 10 mL veneus bloed opgevangen in bloedafnamebuizen met K2-EDTA antistollingsmiddel. De buizen werden direct na afname 8–10 keer omgekeerd en bij 4 °C naar het laboratorium getransporteerd. Het interval tussen de venapunctie en de centrifugatie werd beperkt tot 2 h en genoteerd in het monsterlogboek.
Plasma werd gescheiden door centrifugatie bij 1.600 × g gedurende 10 min bij 4 °C met behulp van een gekoelde centrifuge. Het plasmasupernatant werd overgebracht naar nucleasevrije microcentrifugebuisjes van 1,5 mL en verdeeld in aliquots van 0,5–1,0 mL. De aliquots werden bewaard bij -80 °C tot aan de analyse. Voorafgaand aan de biomarkermeting werd één aliquot eenmaal ontdooid bij kamertemperatuur, 20–25 °C, gedurende 20–30 min, voorzichtig gemengd door inversie en getest binnen 2 u na volledige ontdooiing. Monsters met zichtbare stolling, matige tot ernstige hemolyse of uitgesproken lipemie werden afgekeurd volgens vooraf vastgestelde laboratoriumacceptatiecriteria. Voor de prospectieve validatiecohort werd, indien klinisch haalbaar, een herhaalde bloedafname uitgevoerd vóór de bevestiging via beeldvorming.
Meting van AFP en PIVKA-II
AFP en PIVKA-II werden gemeten met elektrochemiluminescentie-immunoassays op een geautomatiseerde immunoassay-analyser. AFP werd geregistreerd in ng/mL en PIVKA-II werd geregistreerd in mAU/mL. De resultaten werden rechtstreeks geëxporteerd vanuit het laboratoriuminformatiesysteem.
Elke analytische batch bevatte assay-specifieke kalibratoren en ten minste twee interne kwaliteitscontrolleniveaus. Voor de acceptatie van de batch was het vereist dat alle kwaliteitscontroleresultaten binnen het vooraf gedefinieerde laboratoriumcontrolespectrum vielen. De doelen voor analytische precisie waren een intra-run variatiecoëfficiënt ≤10% en een inter-run variatiecoëfficiënt ≤15% voor zowel AFP als PIVKA-II. Indien de kwaliteitscontrole mislukte of er batchdrift werd gedetecteerd, werd de batch afgekeurd, werd de analyzer opnieuw gekalibreerd en werd de batch herhaald wanneer er voldoende monstervolume over was. Bij een onwaarschijnlijk of buiten bereik liggend resultaat van een enkel monster werden, indien mogelijk, twee herhaalde metingen uitgevoerd vanuit hetzelfde ontdooide aliquot, waarbij het gemiddelde van de twee geaccepteerde herhaalwaarden werd gebruikt. Als herhaald testen mislukte of het monstervolume onvoldoende was, werd het resultaat als ongeldig gemarkeerd en behandeld volgens de regel voor ontbrekende gegevens.
Routine extractie van klinische variabelen
Routine klinische variabelen werden geëxtraheerd uit hetzelfde klinische consult als de AFP/PIVKA-II bloedafname voorafgaand aan de beeldvorming. Kandidaatvariabelen waren leeftijd, geslacht, alanine-aminotransferase, aspartaat-aminotransferase, albumine, totaal bilirubine, internationale genormaliseerde ratio (INR), protrombinetijd en aantal bloedplaatjes. Wanneer meerdere waarden beschikbaar waren binnen het tijdvenster voorafgaand aan de beeldvorming, werd de waarde geselecteerd die het dichtst bij het tijdstip van de AFP/PIVKA-II bemonstering lag. Eenheden werden gestandaardiseerd vóór de analyse. Leeftijd werd genoteerd in jaren; geslacht werd gecodeerd als vrouw = 0 en man = 1; het aantal bloedplaatjes werd genoteerd als ×10⁹/L; albumine werd genoteerd als g/L; totaal bilirubine werd genoteerd als μmol/L; AFP werd genoteerd als ng/mL; en PIVKA-II werd genoteerd als mAU/mL.
Na de extractie werden controles van het bereik, de eenheden en onwaarschijnlijke waarden uitgevoerd. Gemarkeerde waarden werden geverifieerd aan de hand van de brongegevens. Een waarde werd alleen uitgesloten wanneer de brongegevens een probleem met de monsterkwaliteit, een fout bij de eenheidsconversie of een afwijking in de verwerking bevestigden. Geverifieerde extreme waarden werden behouden. Het variabelenwoordenboek definieerde de datasetstructuur, variabelenamen, eenheden, coderingsregels, transformatieregels en codes voor ontbrekende waarden.
Definitie van predictoren en selectie van variabelen
Kandidaat-predictoren werden gedefinieerd vóór de ontwikkeling van het model. De kernbiomarkers waren AFP en PIVKA-II. Routineklinische kandidaten waren leeftijd, geslacht, alanine aminotransferase, aspartaat aminotransferase, albumine, totaal bilirubine, INR of protrombinetijd en het aantal bloedplaatjes. AFP en PIVKA-II werden natuurlogaritmisch getransformeerd. Waarden onder de rapportagelimiet van de assay werden vóór de transformatie vervangen door de helft van de onderste rapportagelimiet.
Univariate vergelijkingen tussen HCC- en non-HCC-deelnemers in de trainingscohort werden uitgevoerd met onafhankelijke t-toetsen voor bijna normaal verdeelde variabelen, Mann-Whitney U-toetsen voor scheve continue variabelen en χ2- of Fisher's exact tests voor categorische variabelen. Variabelen met P < 0,10 bij de univariate screening werden overwogen voor multivariabele modellering. Multicollineariteit werd beoordeeld aan de hand van de variantie-opblastfactor (VIF), waarbij een VIF > 5 werd beschouwd als een teken van collineariteit. Wanneer twee variabelen sterk collinear waren, werd de variabele met de duidelijkere klinische interpreteerbaarheid en betere incrementele modelprestaties behouden.
Het uiteindelijke multivariabele logistische regressiemodel werd uitsluitend ontwikkeld in de trainingscohort. ln(AFP) en ln(PIVKA-II) werden geforceerd in het model. Aanvullende predictoren werden geselecteerd via backward eliminatie op basis van het Akaike-informatiecriterium. Na de backward selectie waren de behouden variabelen ln(AFP), ln(PIVKA-II), leeftijd, geslacht, albumine, INR en het aantal bloedplaatjes.
Modelontwikkeling en berekening van de risicoscore
Het diagnostische model werd gefit met behulp van multivariabele logistische regressie, waarbij de HCC-status als binaire uitkomst diende. De voorspelde kans op HCC werd berekend uit de lineaire voorspeller η met behulp van de volgende vergelijking:
p(HCC)=1/[1+exp(-η)]
η = -4.862+0.247×ln(AFP)+0.712×ln(PIVKA-II)+0.018×age+0.331×sex-0.062×albumin+0.554×INR-0.004×plateletcount
AFP werd gemeten in ng/mL, PIVKA-II in mAU/mL, leeftijd in jaren, geslacht werd gecodeerd als vrouw = 0 en man = 1, albumine werd gemeten in g/L, INR was dimensieloos en het aantal bloedplaatjes werd gemeten als ×109/L. Natuurlijke logaritmen werden gebruikt voor AFP en PIVKA-II. Er werd een nomogram gegenereerd op basis van dezelfde gefitte coëfficiënten. Voor de receiver operating characteristic (ROC)-analyse, kalibratieanalyse, decision curve-analyse en validatie werd de voorspelde waarschijnlijkheid gebruikt, en niet de puntenschaal van het nomogram.
Definities van afkapwaarden en omgang met drempelwaarden
PIVKA-II-drempelwaarden werden gelabeld op basis van het analytische doel. De vastgestelde klinische afkapwaarde voor PIVKA-II was 40,0 mAU/mL. De Youden-afkapwaarde van de trainingscohort voor PIVKA-II was 45,0 mAU/mL. De afkapwaarde met vaste specificiteit werd bepaald door de drempelwaarde te selecteren die het dichtst bij een specificiteit van 90% lag in de trainingscohort; dit resulteerde in 38,0 mAU/mL voor PIVKA-II. Een schijnbare drempelwaarde van 37,5 mAU/mL, uitsluitend voor validatie, werd als verkennend beschouwd en werd niet gebruikt als de primaire validatie-afkapwaarde.
Voor het gecombineerde model werd de primaire binaire afkapwaarde afgeleid van de trainingscohort met behulp van de Youden-index en ongewijzigd toegepast op de validatiecohort. Voor AFP werd de vastgestelde klinische afkapwaarde van 20,0 ng/mL gebruikt voor de definitie van de AFP-negatieve subgroep en voor vergelijking met de routinepraktijk. Geoptimaliseerde AFP-afkapwaarden die in de ROC-analyse zijn gebruikt, werden apart gelabeld van de klinische drempelwaarde. Afkapwaarden werden daarom gerapporteerd op basis van het analytische doel in plaats van als uitwisselbare drempelwaarden te worden beschouwd.
Modelprestaties, kalibratie en validatie
De discriminatie werd geëvalueerd met behulp van receiver operating characteristic-curves en de oppervlakte onder de curve (AUC). AUC's werden gerapporteerd met 95% betrouwbaarheidsintervallen. Voor de vergelijkingen van AUC's werd de DeLong-test gebruikt. De classificatieprestaties werden gerapporteerd als sensitiviteit, specificiteit, positieve voorspellende waarde, negatieve voorspellende waarde en nauwkeurigheid bij vooraf vastgestelde afkapwaarden.
De kalibratie werd geëvalueerd aan de hand van het kalibratie-intercept, de kalibratieshelling, de Brier-score en de Hosmer–Lemeshow goodness-of-fit test. Kalibratieplots werden gebruikt om de voorspelde en geobserveerde HCC-waarschijnlijkheden over de risicogroepen te vergelijken. Voor de interne validatie werden 1.000 bootstrap-resamples in de trainingscohort gebruikt om de optimisme-gecorrigeerde AUC en de optimisme-gecorrigeerde kalibratieshelling te schatten. De validatiecohort werd uitsluitend gebruikt voor een externe prestatiebeoordeling. In de validatiecohort werden geen updates van coëfficiënten, modelaanpassingen, heroptimalisaties van drempelwaarden of recalibraties op basis van subgroepen uitgevoerd.
De klinische bruikbaarheid werd beoordeeld met behulp van decision curve-analyse over drempelwaarschijnlijkheden van 0,05 tot 0,50. Het netto voordeel werd vergeleken voor AFP alleen, PIVKA-II alleen, het klinische-variabelenmodel en het gecombineerde model.
Omgang met ontbrekende gegevens en sensitiviteitsanalyse
Voor de primaire analyse werd gebruikgemaakt van complete-case modellering voor deelnemers waarbij alle variabelen in het uiteindelijke model waren behouden. Ontbrekende waarden werden samengevat voor elke kandidaat-predictor. Indien het percentage ontbrekende gegevens voor een behouden predictor 5% overschreed, werd als sensitiviteitsanalyse multiple imputatie via chained equations uitgevoerd, waarbij de uitkomst, alle behouden predictoren en de cohortindicator in het imputatiemodel waren opgenomen. Variabelen met meer dan 20% ontbrekende gegevens kwamen niet in aanmerking voor multivariabele modellering. Modelcoëfficiënten, AUC, de kalibratierichting en classificatiemetrics van de geïmputeerde analyse werden vergeleken met de complete-case resultaten.
Software en reproduceerbare rapportage
Alle analyses werden uitgevoerd met R versie 4.3.2 en RStudio versie 2023.12.1. Logistische regressie werd uitgevoerd met het basis stats-pakket. ROC-analyse en DeLong-vergelijkingen werden uitgevoerd met pROC versie 1.18.5. Calibratieanalyse werd uitgevoerd met rms versie 6.7-1 en ResourceSelection versie 0.3-6. Voor de bootstrap-validatie werden 1.000 resamples gebruikt met een vaste random seed van 70558. Decision curve-analyse werd uitgevoerd met rmda versie 1.6. Indien nodig werd multiple imputatie uitgevoerd met mice versie 3.16.0. Het analysescript reproduceerde de deelnemersstroom, modelcoëfficiënten, ROC-curves, calibratiemetrics, bootstrap-validatie, decision curve-analyse, analyses op basis van afkapwaarden en statistische tabellen.
Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.
Basiskenmerken
De definitieve analyse omvatte 389 deelnemers. De trainingscohort bestond uit 205 deelnemers, waaronder 112 via beeldvorming bevestigde HCC-gevallen en 93 non-HCC-controles. De validatiecohort omvatte 184 deelnemers, bestaande uit 58 via beeldvorming bevestigde HCC-gevallen en 126 non-HCC-controles. De basiskenmerken zijn samengevat in Tabel 1.
In de trainingscohort omvatten de 93 non-HCC-controles 30 gezonde controle...
Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.
Deze studie evalueerde een geïntegreerde diagnostische strategie voor HCC met gebruik van PIVKA-II, AFP en routinematige klinische variabelen, met specifieke aandacht voor ziekte in een vroeg stadium en AFP-negatieve ziekte14. Over de trainings- en validatiecohorten heen presteerde het gecombineerde model beter dan testen met een enkele marker. In de trainingscohort behaalde het gecombineerde model een AUC van 0,93, vergeleken met 0,78 voor AFP en 0,85 voor PIVKA-II. In de onafhankelijke validatie...
Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.
De auteurs verklaren dat er geen concurrerende financiële of niet-financiële belangen zijn. Geen enkele commerciële financier, fabrikant van reagentia, softwareleverancier of bedrijf dat diagnostische platforms produceert, heeft enige rol gespeeld in het ontwerp van de studie, de gegevensverzameling, de statistische analyse, de interpretatie van de resultaten, het opstellen van het manuscript of de beslissing om het werk ter publicatie voor te leggen.
De auteurs danken de deelnemers aan het onderzoek en het klinische personeel dat ondersteuning heeft geboden bij de bloedafname, klinische coördinatie, beoordeling van beeldvorming en gegevensverificatie voor deze studie.
Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.
| Naam | Bedrijf | Catalogusnummer | Opmerkingen |
|---|---|---|---|
| 1,5 mL nucleasevrije microcentrifugebuis | Eppendorf | 30123328 | Plasma-aliquotering en opslag |
| AFP-kalibrator | Roche Diagnostics | AFP CalSet II, 09227261190 | AFP-kalibratie |
| Kwaliteitscontrolemateriaal voor AFP | Roche Diagnostics | PreciControl Tumormarker, 11776452160 | Kwaliteitscontrole van AFP |
| AFP-kwaliteitscontrolemateriaal | Roche Diagnostics | PreciControl Universal, 11731416160 | Kwaliteitscontrole van AFP |
| AFP-reagenskit | Roche Diagnostics | Elecsys AFP, 09015124190 | AFP-meting |
| Geautomatiseerde electrochemiluminescentie-immunoassay-analyser | Roche Diagnostics | cobas e 801 | Meting van AFP en PIVKA-II |
| Kalibratiepakket | R-pakket | rms 6,7–1 | Kalibratieanalyse |
| Pakket voor decision curve analysis | R-pakket | rmda 1.6 | Beslissingscurve-analyse |
| Hosmer–Lemeshow-testpakket | R-pakket | ResourceSelectie 0.3–6 | Hosmer–Lemeshow-toets |
| K2-EDTA-bloedafnamebuis, 10 mL | BD | 367525 | Perifere veneuze bloedafname |
| Multiple-imputation package | R-pakket | muizen 3.16.0 | Meervoudige imputatie |
| PIVKA-II reagenskit | Roche Diagnostics | Elecsys PIVKA-II, 08333629190/08333629500 | PIVKA-II-meting |
| Gekoelde centrifuge | Eppendorf | Centrifuge 5425 R | Plasmascheiding |
| ROC-analysepakket | R-pakket | pROC 1.18.5 | ROC-analyse en DeLong-test |
| Statistische software | R Foundation | R 4.3.2 | Statistische analyse |
| Interface van statistische software | Posit Software | RStudio 2023.12.1 | Statistische analyse |
Toegang beperkt. Log in of start een proefperiode om deze inhoud te bekijken.