Subskrypcja JoVE jest wymagana do oglądania tego materiału. Zaloguj się lub rozpocznij bezpłatny okres próbny.

Artykuł metodologiczny

Ki-67 z stosunkiem neutrofilów do limfocytów oraz CD4/CD8 dodatnich przewiduje wczesną odpowiedź w niedrobnokomórkowym raku płuc

221 wyświetleń

⸱

DOI:

10.3791/70014

⸱

20 marca 2026

 ,  ,  , 
1Department of Oncology, Binhaiwan Central Hospital of Dongguan, 2Department of internal medicine, Binhaiwan Central Hospital of Dongguan

* These authors contributed equally

W tym artykule

Podsumowanie

Protokół ten standaryzuje wczesną ocenę odpowiedzi u pacjentów NSCLC otrzymujących inhibitory PD-1/PD-L1 poprzez integrację bazowego NLR, stosunku CD4/CD8 cytometrycznego przepływu, oceny immunohistochemii guza Ki-67 oraz oceny RECIST 1.1 po dwóch cyklach, z punktami kontrolnymi kontroli jakości skoncentrowanymi na powtarzalności na całym cyklu.

Streszczenie

Badanie to oceniało łączną wartość predykcyjną statusu ekspresji Ki-67 w guzie, stosunku neutrofilów do limfocytów we krwi obwodowej (NLR) oraz stosunku komórek T CD4/CD8 dodatnich dla oceny krótkotrwałej odpowiedzi u pacjentów z niedrobnokomórkowym rakiem płuc otrzymujących terapię inhibitorem PD-1/PD-L1. Analizowaliśmy retrospektywnie 102 kolejnych pacjentów leczonych w Centralnym Szpitalu w Binhaiwanie między styczniem 2021 a październikiem 2023 roku, którzy ustąpili dwóch cykli leczenia. Odpowiedzi oceniano za pomocą kryteriów oceny odpowiedzi u guzów litych (RECIST), wersja 1.1: 13 pacjentów uzyskało pełną odpowiedź, 26 częściową, 54 stabilną chorobę i 9 postępującą chorobę. W analizie zdefiniowaliśmy odpowiedź jako pełną odpowiedź plus częściową odpowiedź, a brak odpowiedzi jako stabilną chorobę plus postępującą chorobę. Jednowymiarowe badanie przesiewowe zidentyfikowało kandydatów predyktorów związanych ze statusem odpowiedzi, które zostały wprowadzone do wielowymiarowej regresji logistycznej skorygowanej o wiek, status wydajności Eastern Cooperative Oncology Group oraz historię palenia, identyfikując status Ki-67, NLR oraz stosunek CD4-dodatni/CD8-dodatni jako niezależne predyktory klasyfikacji krótkoterminowej odpowiedzi. Analiza charakterystyki operacyjnej odbiorcy wspierała lepszą dyskryminację dla modelu biomarkerów połączonych w porównaniu z pojedynczymi markerami, podkreślając praktyczne, minimalnie inwazyjne podejście do wczesnej stratyfikacji odpowiedzi w tym środowisku klinicznym.

Wprowadzenie

Odpowiadając za niemal 85% nowotworów płuc, niedrobnokomórkowy rak płuc (NSCLC) jest najczęstszym podtypem histologicznym i dotyka głównie dorosłych w średnim i starszym wieku w Chinach1. Jej etiologia jest wieloczynnikowa i obejmuje narażenie na tytoń, długotrwały kontakt z pyłem przemysłowym lub zanieczyszczeniami, dziedziczność oraz przewlekłą ekspozycję na czynniki rakotwórcze środowiskowe2˒3. Wczesne stadium NSCLC często objawia się niespecyficznymi objawami oddechowymi i może być błędnie przypisywane powszechnym chorobom dróg oddechowych w podstawowej oczach zdrowia, co przyczynia się do opóźnionego rozpoznania i wysokiego odsetka pacjentów diagnozowanych w zaawansowanym stadium4˒5.

W ostatnich latach blokada punktów kontrolnych immunologicznego stała się centralnym elementem ogólnoustrojowego leczenia zaawansowanego NSCLC. Inhibitory programowanego zgonu 1 (PD-1) oraz programowanego zmarłego ligandu 1 (PD-L1) wykazały trwałe korzyści kliniczne i poprawę przeżycia u wybranych pacjentów6. Jednak heterogeniczność odpowiedzi pozostaje znaczna, a obciążenie finansowe i potencjalna toksyczność długotrwałej terapii są nieistotne7˒8. Klinicznie stosowane predyktory, takie jak immunohistochemia guza PD-L1 oraz obciążenie mutacyjną guza (TMB), dostarczają cennych informacji, choć oba mają praktyczne ograniczenia ograniczające ich jednolite zastosowanie. Ocena PD-L1 może być zależna od heterogeniczności wewnątrzguzowej oraz zmienności testu/platformy, podczas gdy TMB zazwyczaj wymaga zasobów sekwencjonalnych, dłuższego czasu realizacji i wyższych kosztów9. Te ograniczenia czynią klinicznie istotne opracowanie workflow wykorzystujących rutynowo dostępne materiały i mogących być realizowanych ze standaryzowaną kontrolą jakości w centrach o zmiennej pojemności laboratoryjnej.

Z praktycznego punktu widzenia podejście oparte na protokole, integrujące niewielką liczbę dostępnych biomarkerów, może wspierać wczesne planowanie obserwacji po rozpoczęciu leczenia. Na przykład standaryzowane pobieranie próbek wyjściowych przed pierwszą infuzją oraz określone okno oceny dwucyklowej mogą pomóc klinicystom zidentyfikować pacjentów wymagających bliższego monitorowania lub wcześniejszej ponownej oceny, jednocześnie zachowując przejrzystość co do kroków potrzebnych do odtworzenia pomiarów w różnych miejscach. Ten nacisk na wykonalność i powtarzalność jest szczególnie istotny w artykułach protokołu JoVE, gdzie kroki metodologiczne — oraz ich punkty kontrolne jakości — są kluczowe dla wkładu.

Ki-67 to marker proliferacji jądrowej odzwierciedlający dynamikę wzrostu guza i był omawiany w kontekście kontekstury układu odpornościowego. Podwyższony poziom Ki-67 wykazuje korelację z ekspresją PD-L1 i może być powiązany z fenotypami ucieczki immunologicznej, które kształtują wrażliwość na inhibitory punktów kontrolnych układu odpornościowego (ICI)10. Równolegle, stosunek neutrofilów do limfocytów (NLR) jest łatwo dostępnym wskaźnikiem stanów zapalnych układu i był szeroko badanych jako czynnik prognostyczny lub predykcyjny u pacjentów otrzymujących terapię inhibitorową PD-1/PD-L111. Wyższy NLR jest powszechnie interpretowany jako odzwierciedlenie środowiska immunosupresyjnego—poprzez względną neutrofilię i/lub limfopenię—i był związany z gorszą odpowiedzią oraz zmniejszoną liczbą przeżycia w wielu kohortach12. Obwodowy stosunek limfocytów T z CD4 do CD8 dodatnim daje dodatkowe okno na adaptacyjną homeostazę immunologiczną, a równowaga funkcjonalna między przedziałami limfocytów pomocniczych i cytotoksycznych jest mechanistycznie istotna dla skutecznej odporności przeciwnowotworowej w ramach blokady PD-1/PD-L113.

Chociaż Ki-67, NLR oraz stosunek CD4-dodatni/CD8-dodatni wykazują potencjalną wartość jako indywidualne markery, ich zintegrowane zastosowanie jako operacyjnego, minimalnie inwazyjnego workflow do wczesnej oceny reakcji w NSCLC pozostaje niewystarczająco scharakteryzowane. Dlatego badanie to analizowało, czy połączenie ekspresji Ki-67 w guzie z NLR krwi obwodowej oraz stosunku CD4/CD8 pozytywnych poprawia klasyfikację odpowiedzi krótkoterminowych po dwóch cyklach terapii inhibitorami PD-1/PD-L1, z celem wczesnej stratyfikacji ryzyka oraz wsparcia terminowej reoceny klinicznej w rutynowej praktyce.

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Protokół

1. Etyka i zgodność z regulacjami

  1. Uzyskaj zgodę Komisji Etyki Centralnego Szpitala Binhaiwan w Dongguan (Nr Zatwierdzenia: 2021045).
  2. Upewnij się, że wszystkie procedury są zgodne z Deklaracją Helsińską.
  3. Potwierdź, że przed leczeniem uzyskano pisemną świadomą zgodę i dokument o statusie zgody w badaniu.

2. Identyfikacja pacjentów i przesiew kwalifikacyjny

  1. Zidentyfikuj kolejnych pacjentów z diagnozą niedrobnokomórkowego raka płuc, którzy rozpoczęli terapię inhibitorem zaprogramowanej śmierci komórkowej białka 1/programowanym inhibitorem ligandu 1 w okresie od stycznia 2021 do października 2023 w ośrodku badawczym.
  2. Potwierdź diagnozę patologiczną, przeglądając raport patologiczny.
  3. Potwierdź zakończenie dwóch cykli leczenia i określ jeden cykl jako 3 tygodnie.
  4. Stosuj kryteria włączenia.
    1. Potwierdź wiek 35–80 lat na początku leczenia.
    2. Potwierdzenie braku przerzutów wątrobowych na podstawie badań bazowych.
    3. Potwierdzaj brak innych pierwotnych nowotworów.
    4. Potwierdzam udokumentowany przewidywany czas przeżycia > 12 miesięcy w dokumentacji medycznej.
    5. Potwierdź dostępność kompletnej bazowej dokumentacji medycznej oraz danych obrazowych.
  5. Stosuj kryteria wykluczenia.
    1. Wykluczać pacjentów, którzy przeszli operację kardiotorakalną w ciągu 6 miesięcy przed rozpoczęciem leczenia.
    2. Wyklucz pacjentów z udokumentowanymi słabymi przepisami, które kompromitują kontrolę.
    3. Wyklucz pacjentów z poważnymi zaburzeniami psychicznymi, które zagrażają przestrzeganiu protokołów.
    4. Wyklucz pacjentów z nieprawidłowościami hematologicznymi lub krzepnięciami podczas oceny wyjściowej.
    5. Wykluczać pacjentów z ciężką aktywną infekcją na początku.
    6. Wykluczyć pacjentów, którzy otrzymali immunoterapię lub terapię celowaną w ciągu 30 dni przed rozpoczęciem zapisu.
    7. Wykluczyć pacjentów, którzy przerwą leczenie w dwucyklowym oknie oceny z powodu transferu, ograniczeń finansowych lub śmierci.
  6. Przypisz unikalny identyfikator badania każdemu uprawnionemu pacjentowi i usuń identyfikację ze wszystkich dokumentów przed analizą.
  7. Niezależnie zweryfikować kwalifikację przez dwóch badaczy i rozwiązywać rozbieżności za pomocą konsensusu.
  8. Rejestruj rozstrzyganie w dzienniku selekcji zawierającym identyfikator badania, przesiewany element, opis rozbieżności, sędziów oraz datę.
    UWAGA: Dokumentuj stany wyjściowe, które prawdopodobnie przesuwają markery zapalne (np. gorączkę, klinicznie podejrzewane zakażenie lub ogólnoustrojową ekspozycję na kortykosteroidy) w dzienniku przesiewowym, aby wesprzeć decyzje o wykluczeniu i interpretację14.

3. Ekstrakcja danych klinicznych na poziomie wyjściowym

  1. Pobierz zmienne bazowe z elektronicznego systemu dokumentacji medycznej.
  2. Zapisz płeć, wiek, wskaźnik masy ciała, poziom wykształcenia, lokalizację guza, maksymalną średnicę guza, stadium guza–węzeł–przerzuty, metodę leczenia, historię palenia oraz status wydajności Eastern Cooperative Oncology Group.
  3. Wyeksportuj wszystkie zmienne bazowe do nieidentyfikowanego arkusza kalkulacyjnego.
  4. Zablokuj zbiór danych do analizy, zapisując kopię tylko do odczytu ze znacznikiem czasu.
  5. Weryfikuj dokładność danych, porównując co najmniej 10% wpisów z rekordami źródłowymi.
  6. Poprawki zapisów w dzienniku poprawek zawierającym nazwę pola, oryginalną wartość, poprawioną wartość, inicjały recenzenta oraz datę.
  7. Podsumuj charakterystyki bazowe według statusu odpowiedzi i sporządź tabelę charakterystyk bazowych do raportowania jako Tabela 1.

4. Bazowe pobieranie krwi obwodowej oraz stosunek neutrofilów do limfocytów z hematologii

  1. Pobierz na czczo krew żylną z żyły kończyny górnej w ciągu 2 godzin przed pierwszym podáním inhibitora za pomocą rurek przeciwzakrzepowych EDTA (patrz Tabela materiałów).
  2. Odwróć każdą rurkę 8–10 razy zaraz po zebraniu.
  3. Wykonaj pełne badanie morfologii krwi w ciągu 2 godzin od pobrania za pomocą zautomatyzowanego analizatora hematologicznego (model wymieniony w Tabeli Materiałów).
  4. Codziennie weryfikuj status wewnętrznej kontroli jakości analizatora przed testami próbkowymi i zapisuj status przejścia/niepowodzenia QC, poziom kontroli, operator oraz model analizatora w dzienniku badania.
  5. Rejestruj bezwzględną liczbę neutrofili i limfocytów z analizy analizatora.
  6. Oblicz stosunek neutrofilów do limfocytów, używając wzoru NLR = bezwzględna liczba neutrofilów / bezwzględna liczba limfocytów.
  7. Oznaczono próbki zakrzepłych lub hemolizowanych jako nieważne w dzienniku badania.
  8. Powtórz pobieranie krwi w tym samym oknie przed leczeniem, jeśli jest to klinicznie możliwe, i dokumentuj przyczynę ewentualnego braku lub nieważności wyniku.
  9. Zapisz czas pobierania krwi i czas wykonania morfologii, aby udokumentować ≤ 2-godzinne okno przedanalityczne.

5. Cytometria przepływowa dla stosunku limfocytów T CD4-dodatnich/CD8-dodatnich

  1. Aliquot 50 μL EDTA – antykoagulowana krew pełna do rurki przepływowej o średnicy 12 × 75 mm (patrz Tabela materiałów).
  2. Dodaj 20 μL czterokolorowego podzbioru komórek T, identyfikującego CD3, CD4, CD8 i CD45, używając czterech fluorochromów (patrz Tabela materiałów).
  3. Wiruj przez 1–2 sekundy i inkubuj przez 15 minut w temperaturze 20–25 °C, chroniona przed światłem.
  4. Dodaj 450 μL roztworu lizyjującego krwinka czerwonego o pojemności 1× przygotowanego z koncentratu 10× (patrz Tabela materiałów).
  5. Wymieszaj przez delikatną inwersję i inkubuj przez 10 minut w temperaturze 20–25 °C, chronionej przed światłem.
  6. Dodaj 2 mL soli fizjologicznej z buforem fosforanowym (patrz Tabela materiałów) i mieszaj przez inwersję 3–5 razy.
  7. Wirówka w 350 × g przez 5 minut w temperaturze pokojowej.
  8. Wyrzuć supernatant, nie naruszając granulki.
  9. Ponownie zawiesić pellet w soli fizjologicznej z buforem fosforanowym 300–500 μL do pobrania.
  10. Wykonuj codzienne kontrole wydajności cytometru zgodnie z przepływem pracy instrumentów i zapisuj status zdań/niezaliczeń w arkuszu roboczym.
  11. Ustawiaj napięcia fotopowielacza za pomocą lampy bez barwienia.
  12. Uruchom jednokolorowe kontrolki (komórki lub kulki) dla każdego fluorochromu.
  13. Obliczaj kompensację w oprogramowaniu akwizycji, używając sterowania jednokolorowymi.
  14. Zachowaj te same ustawienia napięcia i macierz kompensacji dla wszystkich próbek w tej samej partii i dacie zapisu, operatora, migawki napięcia oraz nazwy pliku kompensacji.
  15. Każdą próbkę pobieraj z niskim do umiarkowanym przepływem i zbieraj co najmniej 10 000 zdarzeń limfocytów na próbkę.
  16. Limfocyty bramkowe za pomocą CD45 kontra rozpraszanie boczne.
  17. Bramkowe singlety wykorzystujące pole rozproszenia do przodu względem wysokości rozrzutu do przodu.
  18. Brama CD3-dodatnia limfocyty T.
  19. Ilościowo określić podzbiory CD4 i CD8 w ramach zdarzeń CD3 dodatnich.
  20. Oblicz stosunek CD4-dodatnich/CD8-dodatnich, stosując wzór CD4-dodatni/CD8-dodatni = (% CD4-dodatni wśród CD3-pozytywnych) / (% CD8-dodatni wśród CD3-dodatni).
  21. Zweryfikować rozdzielenie populacji CD4 i CD8 na wykresach bivariacyjnych.
  22. Przelicz kompensację i powtórz kontrolę po zaobserwowaniu nakładania się nieprawidłowości z oczekiwanym separacją populacji.
  23. Zapisz reprezentatywne wykresy dla każdej partii (CD45/SSC, singlety, bramka CD3, CD4 vs CD8) i archiwizuj je z ID partii i datą.
    UWAGA: Rejestruj numery partii odczynników i daty serii w wewnętrznych arkuszach serii, aby wspierać śledzenie partii15.

6. Immunohistochemia guza Ki-67 i przypisanie statusu binarnego

  1. Wyciąć przekroje tkanki nowotworowej w parafinie utrwalonej formaliną na długości 4 μm i zamontować fragmenty na naładowanych preparatach (patrz Tabela materiałów).
  2. Odparaffiniuj fragmenty w ksylenie i nawodnij je poprzez stopniowy etanol do wody.
  3. Wykonaj pobieranie epitopów indukowanych ciepłom, używając buforu odzyskiwania cytrynianu, pH 6 (patrz Tabela materiałów).
  4. Przed rozgrzaniem bufora do temperatury bliskiej wrzeniu.
  5. Cieplne ślizgają się w buforze pobierania przez 20 minut.
  6. Chłodne zjeżdżania w temperaturze pokojowej przez 20 minut.
  7. Płukaj szkiełka z buforem do płukania, aby usunąć resztki roztworu odzyskującego.
  8. Inkubuj fragmenty z nadtlenkiem wodoru 3% przez 10 minut w temperaturze pokojowej.
  9. Wash przesuwa się trzy razy z buforem płukania przez 1–2 minuty na każde pranie.
  10. Inkubuj sekcje z pierwotnym przeciwciałem Ki-67 (klon MIB-1; gotowe do użycia; patrz Tabela materiałów) przez 20 minut w temperaturze pokojowej.
  11. Wash przesuwa się trzy razy z buforem płukania przez 1–2 minuty na każde pranie.
  12. Zastosuj system detekcji oparty na HRP i rozwijaj chromogen z użyciem DAB zgodnie z instrukcjami producenta (patrz Tabela materiałów).
  13. Zatrzymaj rozwój chromogenów, płucząc wodą, gdy zabarwienia jądrowe są wyraźnie widoczne, a tło pozostaje niskie.
  14. Przeciwbarwienie fragmentów hematoksyliną, spłukanie, spłaszczenie, suszenie przez oklasowany etanol, przezroczyste w ksylenie, a następnie montaż za pomocą stałego nośnika montażowego (patrz tabela materiałów).
  15. Zbadaj przekroje pod mikroskopią jasnego pola w 400×.
  16. Wybierz pięć nienakładających się aktywnych pól guza i uniknij martwicy, artefaktów miażdżenia i efektów brzegowych.
  17. Policz co najmniej 100 jąder nowotworowych na pole i zapisz liczbę jąder z jednoznacznym brązowym barwieniem jądrowym.
  18. Policz co najmniej 500 jąder nowotworowych na każdy przypadek w pięciu dziedzinach.
  19. Oblicz wskaźnik znakowania Ki-67 na poziomie przypadku, używając indeksu znakowania wzoru (%) = (łączna liczba pozytywnych jąder nowotworowych / całkowita liczba jąder nowotworowych) × 100%.
  20. Oceniaj intensywność barwienia dla każdego przypadku jako 0 (brak), 1 (jasnożółty), 2 (brązowo-żółty) lub 3 (ciemnobrązowy), używając dominującej intensywności w liczonych jądrach nowotworowych.
  21. Uzyskaj ocenę pozytywną dla każdego przypadku jako 0 (0–5%), 1 (6–25%), 2 (26–50%), 3 (51–75%) lub 4 (>75%) według wskaźnika oznaczania na poziomie przypadku.
  22. Oblicz wynik immunoreaktywny używając IRS = wskaźnik intensywności × procent.
  23. Przypisz status ekspresji Ki-67 do analizy jako Ki-67 ujemny dla IRS 0–4 i Ki-67 dodatny dla IRS 5–12 i konsekwentnie używaj tego statusu binarnego w tabelach 1–4 oraz w wynikach modelowania.
  24. Wykonaj ślepe ocenianie przez dwóch patologów.
  25. Zasłonić zarówno patologów, jak i wyniki kliniczne oraz wartości biomarkerów krwi.
  26. Rozstrzygnij różnice w punktacji poprzez wspólny przegląd i zapisz ostateczną klasyfikację konsensusu oraz datę.
  27. Archiwizuj reprezentatywne zdjęcia dla każdego przypadku wraz z identyfikacją badania i powiększeniem.
  28. W każdym cyklu barwienia uwzględnij znaną tkankę pozytywną kontroli oraz negatywną kontrolę (pominięcie pierwotnego przeciwciała).
  29. Powtarzaj barwienie przy niepowodzeniu kontroli lub przy barwieniu tła, co uniemożliwia interpretację.
    UWAGA: Zarchiwizuj arkusz punktacji zawierający liczbę pięciu pól, indeks etykietowania, wynik intensywności, wynik procentowy, IRS oraz ostateczny status negatywny/pozytywny dla możliwości audytu16.

7. Ocena odpowiedzi po dwóch cyklach

  1. Wykonaj obrazowanie wyjściowe przed pierwszym cyklem w ramach rutynowego przepływu pracy klinicznej.
  2. Powtórz badania obrazowe po dwóch cyklach leczenia i definiuj każdy cykl jako 3 tygodnie.
  3. Ocena reakcji na leczenie za pomocą kryteriów oceny odpowiedzi u guzów litych, wersja 1.1. 14
  4. Przeprowadz niezależną ocenę ślepą przez dwóch radiologów.
  5. Oślepienie obu radiologów na wartości biomarkerów i modelowanie kowarianów.
  6. Rozwiązuj spory poprzez konsensus i zapisuj szczegóły rozstrzygania (inicjały czytelnika, data, ostateczna decyzja).
  7. Kategorie odpowiedzi klasyfikują jako pełną odpowiedź, częściową odpowiedź, chorobę stabilną lub postępującą chorobę zgodnie z RECIST 1.1.
  8. Przypisz grupie odpowiedzi pełną odpowiedź + częściową odpowiedź.
  9. Przypisz stabilną chorobę + postępującą chorobę do grupy nieodpowiedzi.
  10. Przechowuj daty badań wyjściowych i kontrolnych oraz sprawdzaj, czy okno oceny odpowiada dwóm cyklom.
  11. Archiwizuj arkusze pomiarowe RECIST z identyfikatorem badania, czytnikiem i datą audytu.

8. Analiza statystyczna

  1. Przeprowadzaj analizy statystyczne z użyciem oprogramowania statystycznego (patrz Tabela materiałów).
  2. Przedstawić zmienne ciągłe rozkładu normalnego jako średnią ± odchyleniu standardowym i porównać grupy za pomocą testu t z niezależną próbą.
  3. Przedstawić zmienne kategoryczne jako liczby i procenty oraz porównać grupy za pomocą testu chi-kwadrat lub testu dokładnego Fishera, w zależności od stosowności.
  4. Koduj zmienne niezależne zgodnie z wcześniej określonym schematem kodowania i kompiluj tabelę kodowania jako Tabelę 2.
  5. Przesiewają predyktory za pomocą analiz unizmiennych i wybierają zmienne spełniające określone kryteria modelowania wielozmiennego.
  6. Dopasuj model regresji logistycznej wielowymiarowej, używając odpowiedzi = 0 i nieodpowiedzi = 1 jako zmienną zależną.
  7. Dostosuj model wielowymiarowy pod kątem wieku, statusu wydajności Eastern Cooperative Oncology Group oraz historii palenia.
  8. Przedstawij ostateczne skorygowane szacunki modelu jako Tabela 3.
  9. Generuj charakterystyki operacyjne odbiornika dla pojedynczych predyktorów oraz połączonego modelu.
  10. Określ progi oparte na ROC, stosując indeks Youdena dla NLR oraz stosunek CD4-dodatni/CD8-dodatni, a następnie konsekwentnie stosuj wyprowadzone progi w analizach dychotomizowanych przedstawionych w Tabeli 4.
  11. Podsumuj wyniki dyskryminacji i klasyfikacji dla pojedynczych predyktorów oraz modelu połączonego w Tabeli 4.
  12. Przeprowadz analizy czułości traktujące stosunek neutrofilów do limfocytów oraz stosunek CD4/CD8 dodatni jako ciągłe predyktory przy tym samym zestawie kodowania i korekty wyników.
  13. Wyniki analizy wrażliwości przedstawić jako Tabelę Uzupełniającą S1.
  14. Zweryfikować spójność wartości w tekście rękopisu a odpowiadających im tabelach i rysunkach oraz archiwizować pliki końcowe i użyte wersje oprogramowania.

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Wyniki

Charakterystyka bazowa
Podstawowe cechy kliniczne 102 pacjentów z niedrobnokomórkowym rakiem płuc są podsumowane w Tabeli 1. Grupa odpowiedzi (pełna odpowiedź + częściowa odpowiedź) obejmowała 30 mężczyzn i 9 kobiet, natomiast grupa nieodpowiedzi (choroba stabilna + postępująca choroba) obejmowała 50 mężczyzn i 13 kobiet (p = 0,771). W grupie odpowiedzi 79,49% pacjentów miało mniej niż 65 lat, w porównaniu do 66,67% w grupie nieodpowiedzi. Nie zaobserwowano statystycznie istotnych r...

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Dyskusja

Hamowanie punktów kontrolnych odporności stało się kluczowym elementem terapii ogólnoustrojowej zaawansowanego niedrobnokomórkowego raka płuc (NSCLC), jednak klinicznie istotne korzyści pozostają skoncentrowane u podgrupy pacjentów15˒16. Ta heterogeniczność odpowiedzi, wraz z kosztami i potencjalną toksycznością długotrwałego leczenia, sprawia, że wczesna stratyfikacja odpowiedzi jest klinicznie istotna dla planowania obserwacji i terminowej ponownej oceny...

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Oświadczenia

Autorzy deklarują brak konkurencyjnych interesów finansowych ani relacji osobistych, które mogłyby wpłynąć na prace opisane w tym artykule.

Podziękowania

Dziękujemy Katedrze Patologii oraz Centralnemu Laboratorium Centralnego Szpitala w Dongguan w Binhaiwan za pomoc techniczną w zakresie immunohistochemii i cytometrii przepływowej. Prace te były wspierane przez Projekt Funduszu Badań Medycznych i Technologii Guangdong (grant nr B2022247).

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Materiały

Lista materiałów użytych w tym artykule
NazwaFirmaNumer katalogowyKomentarze
Automatyczny analizator hematologicznySysmex CorporationXN-1000Pełna morfologia krwi i obliczenie NLR
Mikroskop jasnego polaOlympusBX53Ocena histologiczna
Bufor pobierania antygenu cytrynowego (pH 6,0)Abcamab93678Pobieranie antygenów wywołane ciepłem
Zestaw podłoża DABLaboratoria VectorSK-4100Rozwój chromogeniczny
Rurka do pobierania krwi antykoagulantna EDTABD Biosciences367525Pobieranie krwi obwodowej
Cytometr przepływowyBD BiosciencesFACSCanto IIAnaliza podzbiorów limfocytów T
Lampy cytometrii przepływowej (12 figure-materials-1 75 mm)BD Falcon352058Probówki do pobierania próbek
Bloki tkanki nowotworowe z parafiną utrwaloną formalinąArchiwum Patologii KlinicznejNie maPróbki guzów NSCLC
Czterokolorowy podzbiór komórek T (CD3/CD4/CD8/CD45)BD Biosciences340499Do wykrywania podzbiorów limfocytów
Barwienie hematoksylynoweSigma-AldrichH3136Jądrowe barwienie przeciwbarwne
Zestaw do wykrywania HRPDako (Agilent)K5007System wykrywania przeciwciał wtórnych
Przeciwciało pierwotne Ki-67 (klon MIB-1)AbcamAB16667Detekcja immunohistochemiczna
MikrotomLeica MicrosystemsRM2235Cięcie 4 figure-materials-2 m
Sól fizjologiczna z buforem fosforanowym (PBS)Thermo Fisher Scientific10010023Płukanie i resuspension komórek
Szkiełka mikroskopowe z dodatnim naładowaniemThermo Fisher ScientificJ1800AMNZMontaż sekcji tkanek
Roztwór lizujący czerwone krwinkiBD Biosciences349202Liza erytrocytów przed cytometrią przepływową
Oprogramowanie do analizy statystycznejIBMSPSS v26.0Analiza danych

Bibliografia

  1. Chen, Z., et al. Non-small-cell lung cancers: a heterogeneous set of diseases. Nat. Rev. Cancer. 14 (8), 535-546 (2014).
  2. Kotecha, J., et al. Evaluating the delay prior to primary care presentation in patients with lung cancer: a cohort study. BJGPO Open. 5 (2), (2021).
  3. Cheng, E. S., Weber, M., Steinberg, J., Yu, X. Q. Lung cancer risk in never-smokers: An overview of environmental and genetic factors. Chin J Cancer Res. 33 (5), 548-562 (2021).
  4. Hamilton, W., Peters, T. J., Round, A., Sharp, D. What are the clinical features of lung cancer before the diagnosis is made. A population based case-control study. 60 (12), 1059-1065 (2005).
  5. Caswell, G., Seymour, J., Crosby, V. Lung cancer diagnosed following an emergency admission: Exploring patient and carer perspectives on delay in seeking help. Support Care Cancer. 25 (7), 2259-2266 (2017).
  6. Li, F., Liao, B., Wang, T., Qi, T., Wang, Y. Programmed cell death protein 1/programmed cell death protein ligand 1 immunosuppressants in advanced non-small cell lung cancer: Research progress in treatment. Front Pharmacol. 13, 918709(2022).
  7. Liao, W., Huang, J., Hutton, D., Li, Q. Cost-effectiveness analysis of first-line pembrolizumab treatment for PD-L1 positive, non-small cell lung cancer in China. J Med Econ. 22 (4), 344-349 (2019).
  8. Schneider, B. J., et al. Management of immune-related adverse events in patients treated with immune checkpoint inhibitor therapy: ASCO guideline update. J Clin Oncol. 39 (36), 4073-4126 (2021).
  9. Dong, A., Zhao, Y., Li, Z., Hu, H. PD-L1 versus tumor mutation burden: Which is the better immunotherapy biomarker in advanced non-small cell lung cancer. J Gene Med. 23 (2), e3294(2021).
  10. Mitchell, K. G., et al. Tumor cellular proliferation is associated with enhanced immune checkpoint expression in stage I non-small cell lung cancer. J Thorac Cardiovasc Surg. 158 (3), 911-919.e6 (2019).
  11. Jiang, T., et al. Clinical value of neutrophil-to-lymphocyte ratio in patients with non-small-cell lung cancer treated with PD-1/PD-L1 inhibitors. Lung Cancer. 130, 76-83 (2019).
  12. Yang, T., et al. Prognostic value of derived neutrophil-to-lymphocyte ratio (dNLR) in patients with non-small cell lung cancer receiving immune checkpoint inhibitors: a meta-analysis. BMJ Open. 11 (9), e049123(2021).
  13. Su, S., et al. Predictive value of peripheral blood biomarkers in patients with non-small-cell lung cancer responding to anti-PD-1-based treatment. Cancer Immunol Immunother. 73 (1), 12(2024).
  14. Riley, L. K., Rupert, J. Evaluation of patients with leukocytosis. Fam Physician. 92 (11), 1004-1011 (2015).
  15. Cossarizza, A., et al. Guidelines for the use of flow cytometry and cell sorting in immunological studies. J Immunol. 51 (12), 2708-3145 (2021).
  16. Leung, S. C. Y., et al. Analytical validation of a standardized scoring protocol for Ki67: phase 3 of an international multicenter collaboration. NPJ Breast Cancer. 2, 16014(2016).
  17. Wang, J., Fan, X., Zhang, J. Clinical value of peripheral blood circulating tumor DNA in predicting the efficacy of immunotherapy for non-small cell lung cancer. Thorac Dis. 15 (5), 2659-2667 (2023).
  18. Li, H., van der Merwe, P. A., Sivakumar, S. Biomarkers of response to PD-1 pathway blockade. BR J Cancer. 126, 1663-1675 (2022).
  19. Sholl, L. M. Biomarkers of response to checkpoint inhibitors beyond PD-L1 in lung cancer. Mod Pathol. 35, 66-74 (2022).
  20. Narayanan, S., Guder, W. G. Preanalytical Variables and Their Influence on the Quality of Laboratory Results. EJIFCC. 13 (1), 9-12 (2001).
  21. Maecker, H. T., McCoy, J. P., Nussenblatt, R. Standardizing immunophenotyping for the Human Immunology Project. Nat Rev Immunol. 12 (3), 191-200 (2012).
  22. Dowsett, M., et al. Assessment of Ki67 in breast cancer: recommendations from the International Ki67 in Breast Cancer working group. Natl Cancer Inst. 103 (22), 1656-1664 (2011).
  23. Eisenhauer, E. A., et al. New response evaluation criteria in solid tumours: revised RECIST guideline (version 1.1). Eur J Cancer. 45 (2), 228-247 (2009).
  24. Fenizia, F., et al. Measuring tumor mutation burden in non-small cell lung cancer: tissue versus liquid biopsy. Transl Lung Cancer Res. 7 (6), 668(2018).
  25. Royston, P., Altman, D. G., Sauerbrei, W. Dichotomizing continuous predictors in multiple regression: a bad idea. Stat Med. 25 (1), 127-141 (2006).
  26. Moons, K. G. M., et al. Transparent Reporting of a multivariable prediction model for Individual Prognosis or Diagnosis (TRIPOD): explanation and elaboration. Ann Intern Med. 162 (1), W1-W73 (2015).

Dostęp ograniczony. Zaloguj się lub rozpocznij wersję próbną, aby wyświetlić tę treść.

Przedruki i uprawnienia

Przeglądaj więcej artykułów

Ekspresja Ki-67stosunek neutrofili do limfocytówstosunek CD4 do CD8inhibitor PD-1inhibitor PD-L1przewidywanie wczesnej odpowiedzibiomarkery nowotworoweregresja logistycznakryteria oceny odpowiedzi
Skontaktuj się z nami
Poleć bibliotece

Prywatność

Warunki korzystania z usługi

Zasady

Prawa autorskie © 2026 MyJoVE Corporation. Wszelkie prawa zastrzeżone.