📄 medicine

Prognostic Significance of C-Reactive Protein-Albumin Score in Cancer Patients: Associations with Cachexia, Functional Status and Survival Outcomes

这项多中心研究验证了新型 C-反应蛋白-白蛋白 (CAZ) 指标作为一种稳健、标准化的预后生物标志物，它能独立预测总生存期，并通过显著的剂量效应关系识别处于严重营养不良和恶病质高风险中的癌症患者。

原作者： Nuo Xu, yibo chen, lishuang wei, Shuyao Wang, Changhong Xu, Siyu Lin, changyang chen, taiqi Chen, hanping shi, Hailun Xie

发布于 2026-07-28

📖 1 分钟阅读☕ 轻松阅读

CC BY 4.0

原作者： Nuo Xu, yibo chen, lishuang wei, Shuyao Wang, Changhong Xu, Siyu Lin, changyang chen, taiqi Chen, hanping shi, Hailun Xie

原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 ✨ 这是对下方论文的AI生成解释。它不是由作者撰写或认可的。如需技术准确性，请参阅原始论文。阅读完整免责声明

身体内部的天气预报

想象你的身体是一座繁忙的城市。当肿瘤（一个不请自来的违规施工队）在不该建造的地方开始施工时，它不仅仅是静静地待在那里；它还会引发一场混乱的派对，扰乱整个社区。这场派对造成了两个主要问题：炎症和营养不良。把炎症想象成到处都在鸣响的持续烟雾报警器，唤醒了免疫系统并引发恐慌。把营养不良想象成城市的电网故障，导致建筑（你的肌肉和器官）失去了维持强壮所需的能量。

长期以来，医生一直试图通过观察肿瘤本身——其大小、位置和生长速度——来猜测癌症患者的病情会变得多么严重。这就像仅仅通过观察一朵云来预测一场风暴。但真正的故事往往在于这座“城市”（患者的身体）对那朵云的反应如何。是电网失效了？还是火警声响得太大，甚至引发了心脏病？科学家们一直在寻找一种衡量这种“身体反应”的方法，以预测谁能在风暴中幸存，谁又不能。他们曾尝试使用单一的线索，比如只检查“烟雾”（一种名为 C-反应蛋白的蛋白质）或只检查“电力水平”（一种名为白蛋白的营养素），但单一的线索往往会错过大局。

新的计分卡：CAZ 评分

在这项研究中，来自广西医科大学的研究人员决定建立一个更好的天气预报。他们创建了一个名为 CAZ 评分（C-反应蛋白-白蛋白 Z 分数）的新工具。他们并没有仅仅观察炎症和营养的原始数值，而是使用了一种聪明的技巧，叫做“Z 分数”。想象一下你在比较一个教室里学生的身高。如果你只说“5 英尺高”，在不知道全班平均身高的情况下，你无法判断这是高还是矮。CAZ 评分正是这样做的：它获取患者的炎症和营养数值，并将其与成千上上名癌症患者的平均值进行比较。这实现了公平竞争，确保来自一家医院的患者可以公平地与来自另一家医院的患者进行比较，即使两家的实验室设备测量方式略有不同。

研究人员收集了来自大规模群体——6,492 名癌症患者的数据来构建这个评分，然后又在另外两个庞大的群体（一个包含 4,548 人，另一个包含 1,944 人）上进行了测试，以确保它确实有效。他们想看看这个新评分是否能预测总生存期 (OS)——基本上就是患者在确诊后能活多久。

他们的发现：陡峭的攀升

结果令人震惊。研究人员根据 CAZ 评分将患者分为四个组：正常、轻度、中度、重度。事实证明，评分越高，预后越差。

生存差距： CAZ 评分为正常的患者五年后的生存率为 71.9%。但对于重度组的患者，这个数字降至仅为 42.3%。这是一个巨大的差距，表明身体对癌症的反应是生存的一个重要因素。
“剂量”效应： 研究发现了一种直线关系。不仅仅是“高”评分很糟糕；评分每上升一个等级，死亡风险就会增加。即使在调整了年龄、癌症类型和其他健康问题后，CAZ 评分为重度的患者死亡的可能性是正常评分者的 2.102 倍。
饥饿的联系： 该评分还充当了恶病质（身体严重的消瘦）和营养不良的预言球。评分较高的患者更有可能遭受严重的饥饿和肌肉流失。事实上，与正常评分的患者相比，最高评分组出现严重营养不良的可能性高出四倍以上。

为什么这很重要

论文指出，CAZ 评分是一个强大的新工具，因为它将两个关键信号——火警（炎症）和电网（营养）——结合成了一个易于阅读的数字。与那些在不同医院之间难以比较结果的旧方法不同，该评分使用“Z 分数”方法来确保每个人都在同一标准下进行衡量。

这项研究证实，该评分是一个独立的生存预测因子。这意味着它告诉医生一些关于患者未来的重要信息，而这些信息是他们仅通过观察肿瘤阶段或患者年龄无法了解的。虽然研究人员承认，他们的研究是通过回顾过去记录（回顾性研究）完成的，并且未来仍需研究通过改变评分（通过饮食或抗炎药物）是否真的能帮助患者活得更久，但数据强烈表明，CAZ 评分是识别谁处于最高风险中的可靠方法。这是一种识别那些身体正处于挣扎状态的患者的方法，以便他们能更早地获得额外的帮助。

技术摘要：C-反应蛋白-白蛋白评分（CAZ 评分）在癌症患者中的预后意义

问题陈述

目前癌症患者的临床预后分层主要依赖于肿瘤-结节-转移（TNM）分期和组织病理学特征。虽然这些指标反映了肿瘤内在的生物学特性，但它们无法捕捉肿瘤微环境与宿主全身生理状态（特别是全身性炎症和营养状态）之间复杂的双向相互作用。现有的综合炎症-营养生物标志物，如 C-反应蛋白/白蛋白比值（CAR）、格拉斯哥预后评分（GPS）和改良营养风险指数，存在两个关键局限性：

缺乏标准化： 它们缺乏统一的计算框架，导致在临床和研究设置中的应用不一致。
实验室间差异： 它们未考虑不同医疗中心 C-反应蛋白（CRP）和白蛋白参考范围及测量截断值的差异，从而引入了偏差并降低了可比性。

因此，需要一种新型的标准化综合生物标志物，通过整合宿主来源的炎症和营养参数，以增强预后准确性并指导个体化管理。

方法学

这项多中心回顾性队列研究利用了来自“营养状态与常见癌症临床结局调查”（INSCOC）数据库的去标识化临床数据。

队列： 研究包括一个包含 6,492 名癌症患者（2012–2021 年诊断）的训练队列，以及两个独立的内部验证队列（队列 A：n=4,548；队列 B：n=1,944）。
纳入/排除标准： 符合条件的患者为 ≥18 岁，确诊为恶性肿瘤，且在治疗前一周内获得基线 CRP/白蛋白水平。排除标准包括活动性感染、严重器官功能不全、怀孕、近期使用免疫治疗/类固醇药物以及随访数据不完整。
CAZ 评分计算： 其核心创新在于 C-反应蛋白-白蛋白 Z 评分（CAZ 评分）。
1. 基线 CRP 和白蛋白水平通过基于人群的均值 ( $\mu$ ) 和标准差 ( $\sigma$ ) 进行标准化处理，这些参数源自整个队列（ $\mu_{CRP}=19.63$ ， $\sigma_{CRP}=41.12$ ； $\mu_{Alb}=38.81$ ， $\sigma_{Alb}=5.56$ ）。
2. 公式： $Z\text{-值} = (\text{个体值} - \mu) / \sigma$ 。
3. CAZ 评分是 CRP Z 值与白蛋白 Z 值之和。
4. 根据四分位数将患者分为四个类别：正常（最低）、轻度、中度及重度（最高）。
统计分析： 使用 Kaplan-Meier 曲线和 Log-rank 检验评估总生存期（OS）。Cox 比例风险模型（粗模型、部分调整模型和全调整模型）确定独立预后价值。限制性立方样条（RCS）分析评估了剂量-反应关系。逻辑回归评估了与严重营养不良及癌症恶病质的关联。敏感性分析排除了短期死亡率（死亡在 6 个月内），以测试稳健性。

主要贡献

开发 CAZ 评分： 本研究引入了一种新型综合生物标志物，利用 Z 评分标准化技术，根据人群基准对个体测量值进行校准。这种方法有效地减轻了 CRP 和白蛋白参考范围的实验室间差异，从而能够在不同的临床中心实现一致且客观的指标整合。
肿瘤炎症分级系统： 基于 CAZ 评分，作者构建了一个新型分级系统，根据其固有的全身炎症负荷，将 11 种常见恶性肿瘤分为三组（轻度、中度、重度炎症）。
全面验证： CAZ 评分的预后价值在涵盖泛癌种的大型训练集和两个独立的内部验证队列中得到了严格验证。

结果

生存结局： Kaplan-Meier 分析显示，四个 CAZ 评分类别之间的 5 年 OS 呈现显著的阶梯式差异：正常组 (71.9%)、轻度组 (65.9%)、中度组 (54.9%) 和重度组 (42.3%) ( $P < 0.001$ )。
剂量-反应关系： RCS 分析证实，连续变量 CAZ 评分与癌症相关死亡风险之间存在显著的线性剂量-反应关系 ( $P < 0.001$ )。
独立预后价值： 在全调整 Cox 模型中，CAZ 评分仍是独立的预后因素。与正常组相比，重度 CAZ 评分患者的死亡风险高出 2.102 倍（95% CI: 1.872–2.360， $P < 0.001$ ）。
与营养不良及恶病质的关联： 逻辑回归显示，随着 CAZ 评分升高，严重营养不良和癌症恶病质的风险呈剂量依赖性增加。在全调整模型中，重度 CAZ 评分与严重营养不良风险增加 4.163 倍（95% CI: 3.479–4.981）以及恶病质风险增加 2.332 倍（95% CI: 1.980–2.746）相关。
肿瘤炎症分级： 基于 CAZ 的分级系统显示出显著的预后分层能力。处于“重度炎症”组（如肺癌、胰腺癌、中枢神经系统肿瘤）的患者 5 年 OS 为 46.9%，而“轻度炎症”组（如乳腺癌、鼻咽癌）为 85.5% ( $P < 0.001$ )。
验证： 所有发现均在两个独立的验证队列（队列 A 和 B）中得到一致重复，证实了该评分的稳定性及泛化能力。

意义与主张

本文主张 CAZ 评分是一种新型标准化综合生物标志物，能有效预测癌症患者的总生存期，并识别严重营养不良和恶病质的高风险人群。其主要意义在于通过使用 Z 评分标准化技术克服了现有评分的技术局限，实现了异质性生物标志物数据的协调，从而允许在不同临床环境中进行一致的应用。

作者断言，CAZ 评分捕捉了慢性炎症与营养消耗之间的双向对话，相比于单一生物标志物或传统的综合工具，它能更全面地评估宿主对癌症的全身反应。此外，研究表明该评分可作为临床风险分层和早期针对性干预的实用工具。基于 CAZ 评分开发的肿瘤炎症分级系统被呈现为一个理解肿瘤类型间生物学异质性并定制管理策略的框架。

研究承认了其局限性，包括回顾性设计（无法监测治疗期间动态的评分变化），以及未来需要开展前瞻性研究来验证该评分在所有亚组中的稳定性，及其在针对高风险患者的干预试验中的效用。