胃癌發生風險的列線圖預測模型研究

【摘要】背景胃癌（GC）嚴重危害我國居民健康，對個體GC發病風險進行預測有助于早期識別高風險人群，進而采取有針對性的干預措施避免或延緩GC進展。目的構建并驗證預測個體GC發生風險的列線圖模型。方法選取2020年1月—2021年7月在安徽、河南、山東、江蘇4省14個縣（區）腫瘤登記系統中確診的 ?40 歲的GC患者作為病例組（684例），按 1：2 比例納入性別、年齡、居住地及健康狀況匹配的一般人群作為對照組（1368例）。將所有研究對象按 8：2 比例隨機分為訓練集（1641例）和驗證集（411例）。采用多因素Logistic回歸分析篩選變量，建立列線圖預測模型。繪制模型預測GC發病風險的受試者工作特征（ROC）曲線，采用ROC曲線下面積（AUC）、Hosmer-Lemeshow 法評估模型的區分度和校準度；采用 Botstrap 法進行模型驗證，采用臨床決策曲線（DCA）評估模型的臨床適用性。結果多因素Logistic回歸分析結果顯示，飲食口味偏咸（ OR=1.690 95%CI=1.333～2.142）、食物偏硬（ OR=1.596 ！ 95%CI=1.145～2.225 ）、喜食辣食（ OR=1.387 ， 95%CI=1.093～1.760 ）、二手煙暴露（ OR=1.880 ， 95%CI=1.473～2.399 ）、經常發脾氣（ OR=3.283 ， 95%CI=2.236～4.819 ）、胃部疾病史（ OR=4.008 ， 95%CI=3.046～5.273 ）、一級親屬腫瘤史（ OR=1.549 ， $9 5 ＼% C I { = } 1 . 1 7 0 { ＼sim } 2 . 0 5 1 ＼ ＼$ ）、幽門螺桿菌感染（ OR=1.298 95%CI=1.028～1.693）、高鹽飲食（ OR=1.338 ， 95%CI=1.033～1.734） ）是GC發生的獨立危險因素（ Plt;0.05 ）；初中（ OR=0.616 ，95%CI=0.468～0.811）和高中及以上學歷（ OR=0.491 ， 95%CI=0.342～0.703 、規律飲食（ OR=0.542 95%CI=0.405～0.726）、食生蒜或蒜苗（ OR=0.501 ， 95%CI=0.394～0.636 ）是GC發生的保護因素（ Plt;0.05 ）。訓練集和驗證集預測GC發生風險的AUC分別為0.768（ 95%CI=0.744～0.792 ）和0.776（ 95%CI=0.728～0.823 ）。Bootstrap 法驗證結果顯示，校正曲線與實際曲線一致性良好（訓練集：Brier評分 =0.177 ；驗證集：Brier評分 =0.176 ）；Hosmer-Lemeshow檢驗結果顯示，模型擬合度良好（訓練集： x²=4.408 ， P=0.819 ；驗證集： χ²=4.650 ， P=0.794 ）。DCA顯示當閥值為0.05～0.79時，使用列線圖模型預測GC發生風險可以使患者臨床獲益。結論本研究構建的列線圖模型可預測GC的發病風險，便于早期識別高風險人群，且有助于制定有針對性的個體化干預措施。

【關鍵詞】胃癌；危險因素；列線圖；預測模型；病例對照研究；Logistic回歸【中圖分類號】R735.2【文獻標識碼】A DOI：10.12114/j.issn.1007-9572.2024.0525

【Abstract】BackgroundGastric cancer（GC） causes a heavy burden in China. Predicting individual GC riskcan neip o luenuy mgn-sk gioups eally，anu uen lake taigeteu mervemuons t avoiu ol ueray Gu pogiesson. Uujecuve Establishand validate a nomogram model for predicting individual GC risk.MethodsFrom January 2O2O to July 2021， GC patients ?40 years were diagnosed from the cancer registry system in14 counties（districts）of Anhui province，Henan province，Shandong province andJiangsu province were selected asthecase group（684 cases）.Match the general population with a frequency of 1：2 based on gender，age，place of residence and health status matching people as a control group （1368 cases）.Allsubjects were randomly divided into training set（1 641 cases）and validationset（41l cases ） according to a ratio of 8：2 . Multivariate Logistic regression analysis was used to screen variables and establish nomogram prediction model.The receiver operating characteristic（ROC）curve of the model predicting the risk of GC was drawn， the discrimination and calibration of the model were evaluated via the area under the ROC curve（AUC）and the Hosmer-Lemeshow test.The model was verified by Bootstrap method and the decisioncurve analysis（DCA）was used to evaluatetheclinical practicabilityofthe model.ResultsMultivariateLogisticregresionanalysis showed thatsalty tastes （OR=1.690，95%CI=1.33-2.142），dry and hard diet（OR=1.596，95%CI=1.145-2.225），spicy food tastes （OR=1.387， 95%CI=1.093-1.760），exposure tosecondhandsmoking（OR=1.880，95%CI=1.473-2.399），frequenttantrums（OR=3.283， 95%CI=2.236-4.819），history of stomach disease（OR=4.008，95%CI=3.046-5.273），the family historyof cancer （OR=1.549，95%CI=1.170-2.051），Helicobacter pylori（ Hp ）infection（ OR =1.298，95%CI=1.028-1.693），high-salt diet（OR=1.338，95%CI=1.033-1.734）were independent risk factors for GC（ P lt;0.05）.Junior high school education（OR=0.616， 95%CI=0.468-0.811），high school education or above（OR=0.491，95%CI=0.342-0.703），regular diet（OR=0.542， 95%CI=0.405-0.726），the garlic consumption （OR=0.501，95%CI=0.394-0.636）were protective factors for GC（ P lt;0.05） . The AUC forpredicting GCrisk inthe training andvalidationsets was 0.768（95%CI=0.744-0.792）and0.776（95%CI=0.728- 0.823），respectively.The verificationresultsof Bootstrap method showedthatthecalibrationcurvewas in goodagreement with theactualcurve（Brierscoreof trainingset=0.177；rierscoreofverificationset=0.176）；Hosmer-Lemeshowresultsshowed that the model had a good fit （training set： χ² =4.408， P： =0.819；verification set： χ² =4.650， P =0.794） . The DCA curve showedthat when thethresholdisbetween O.O5andO.79，patientscanbenefitclinicallyusing thenomogram modeltopredict therisk ofGCourence.ConclusionThe nomogram modelconstructed in thisstudycould predict individualGCrisk，early identify high-risk groups and help to formulate targeted and individualized interventions.

【Key words】 Gastric cancer；Risk factors；Nomogram；Prediction model；Case-control study；Logistic regression

胃癌（gastriccancer，GC）嚴重威脅人類健康。數據顯示，2020年全球新增108.9萬GC病例，76.9萬死亡病例（全球每13例中死亡1例）[1]。2020年我國GC新發病例數為47.9萬，死亡病例數達37.4萬，分別占全球的 43.94% 和 48.62% ，居惡性腫瘤第3位[2]。我國GC發病率和死亡率在全球范圍內仍居高位，疾病負擔沉重。

研究表明，早期GC手術治療后5年生存率可達97.6% [3]，進展期GC積極治療后，其5年生存率僅為35% 左右[4]。且早期GC癥狀不明顯，多數患者首診時已處于進展期，早期發現和治療對降低GC發病和死亡至關重要。內鏡及活檢是目前診斷GC的金標準，但其屬于侵入性診斷方法，費用相對較高且患者接受程度差［5］，不適用于整個人群的GC篩查。應用非侵入性診斷方法作為初始預篩查工具，預篩選后再進行內鏡精查是更可行的篩查策略。

近年來，風險預測模型廣泛應用于癌癥防治領域中，腫瘤風險預測模型能定量識別高危人群的患癌風險，有效降低癌癥的發病和死亡[6-7]。因此，本研究基于飲食習慣、生活方式、胃部疾病史、幽門螺桿菌（Helicobacterpylori， H_P ）感染等GC危險因素，構建定量、直觀的GC風險預測模型，并對模型效能、穩定性和臨床效用進行評估，以作為初始篩查工具準確識別高風險人群，從而為GC早期預防和治療提供參考依據。

1對象與方法

1.1 研究對象

本研究為1：2匹配病例對照研究。選取安徽、河南、山東、江蘇4省中14個縣（區）（包括：江蘇省盱眙縣、金湖縣和射陽縣；安徽省潁東區、通橋區、靈璧縣、蒙城縣和壽縣；山東省汶上縣、巨野縣；河南省扶溝縣、西平縣、羅山縣和沈丘縣，具體入組人數見附表1，附表請掃描本文首頁二維碼查看）腫瘤登記系統中于2020年1月—2021年7月確診的 ?40 歲GC患者作為病例組，選取性別、年齡、居住地及健康狀況符合納入標準的一般人群作為對照組。

1.1.1樣本量計算：通過本次調查的研究因素在人群中的暴露率（ P₀ ）和與疾病關聯強度的估計值（OR）以及統計學檢驗假設的顯著性水平（ α ）和檢驗效能（ 1-β ）估算病例組所需樣本量 n ，對照組為 2n 。選擇

H_P 感染因素為主要暴露因素計算樣本量。設置檢驗水準 α=0.025 ，檢驗效能 1-β=0.95 ，能獲得更高的檢驗水準。根據既往文獻可知Hp 感染與胃癌OR=2.56[8]中國成人 H_P 暴露率 P₀=0.43^[9] ，危險因素相關程度Phi=0.2 ，根據PASS軟件計算結果得 n=123 。考慮研究對象的無應答率為 10% ，則需樣本量為病例組137例，對照組274例。本研究在計算所得樣本量基礎上將樣本擴大4倍，病例組為548例，對照組為1096例。通過腫瘤登記系統，在14個縣（區）各選取胃癌新發病例50例，并按要求選取一般人群作為對照。最終共收集2139例調查對象信息，整理清洗數據后，刪除87例存在數據缺失或無法進行匹配的調查個例，最后共納入2052例，病例組684例，對照組1368例，見附表1。1.1.2納入標準：病例組：年齡 ?40 歲，確診時間在2020年1月一2021年7月的新發病例；精神狀況正常，無認知障礙；在本地居住時間 ?10 年；無其他既往惡性腫瘤病史；診斷標準同《2019年中國腫瘤登記年報》10]一致，疾病分類編碼為C16；調查開展時存活的GC患者。對照組：年齡 ?40 歲且與病例組患者相差5歲以內，與病例性別相同者；精神狀況正常，無認知障礙；在本地居住 ?10 年；無既往惡性腫瘤病史。排除標準：因健康問題等無法參與調查、疾病嚴重，無法配合或喪失語言或行動能力的受試者。

本研究未對研究對象實施干預，且通過了中國疾病預防控制中心慢性非傳染性疾病預防控制中心倫理審查委員會的審查（批準號：202025）。

1.2 研究方法

1.2.1一般資料采集：用問卷調查方式收集研究對象基本信息，問卷調查主要包括基本信息（姓名、性別、出生日期、民族、地區、文化程度、居住方式、住址）、飲食習慣、生活方式、性格情緒特征及精神狀態、胃部疾病史及家族腫瘤史等。飲食習慣包括：飲茶（每周至少一杯連續半年以上），飲食口味偏咸（指在日常飲食中傾向于選擇含鹽量較高或經過咸味加工的食物，并且更喜歡咸味帶來的口感和風味，如腌制食品、方便面等方便食品、午餐肉等罐頭食品等）、食用食物偏硬（食物選擇上偏好質地較硬、不易咀嚼的食物，如肉類干制品、堅果、干果、粗糧等）、喜食辛辣食物（指在食物選擇上偏好辛辣口味，即喜歡食用添加了辣椒、芥末、花椒、姜等辛辣調料的食物）、規律飲食（指按照一定的時間間隔及合理的膳食結構來安排每日的飲食，即每天定時、定量和均衡飲食）。胃部疾病史：指在過去患有或現患有胃潰瘍、萎縮性胃炎或胃食管反流病一種或幾種的記錄或歷程。

1.2.2鹽閾值檢測：采用不同濃度的鹽閾值口嚼片進行檢測。共有4種鹽濃度 0.3% 、 0.6% 、 0.9% 和 1.2% ，分別對應日均鹽攝入量4、6、8、 12g 。測試方法：受試者清水漱口后依次咀嚼4種鹽濃度口嚼片嘗試鹽味濃度，每次咀嚼10次左右，當嘗至與自身日常飲食口味最相當的咸度時對應的口嚼片號數記錄為鹽閾值。鹽閾值 gt;2 則認為研究對象處于高鹽飲食狀態。

1.2.3 Hp 檢測：采用尿素 ¹³C 呼氣診斷試驗試劑盒（北京華亙安邦科技有限公司，貨號：6655866449047186），進行呼氣試驗測定。操作方法：空腹 2h 以上的受試者向 0min 集氣袋吹氣，并加蓋密封；在試劑瓶中加入飲用水至刻度線，加蓋搖晃至試劑充分溶解后讓受試者服用；靜坐 30min 后開啟 30min 集氣袋，向其中平靜吹氣至氣袋鼓起，加蓋密封；將集氣袋貼好標簽后常溫儲存，待送檢。

問卷調查、體格檢查及鹽閾值檢測均由培訓合格的疾病預防控制中心工作人員完成， H_P 檢測由試劑檢測公司（華宣實驗室）的專業檢測人員完成。

1.3 統計學方法

采用SAS9.4和 R4.2.3 軟件對數據進行統計分析。符合正態分布的計量資料采用（ 表示，組間比較采用獨立樣本 Φ_t 檢驗；不符合正態分布數據以 M （ P₂₅ P₇₅ ）表示，組間比較采用秩和檢驗；計數資料采用構成比表示，組間比較采用 χ² 檢驗。多因素Logistic回歸篩選獨立危險因素，構建列線圖模型。采用Bootstrap法進行內部驗證，繪制受試者工作特征（ROC）曲線，并計算ROC曲線下面積（AUC），評估模型區分度。采用Hosmer-Lemeshow檢驗評價模型擬合度。采用臨床決策曲線（DCA）評估模型的臨床適用性。以 Plt;0.05 為差異有統計學意義。

2結果

2.1一般資料

共納人2052例研究對象，其中男性1479例（ 72.08% ），女性573例（ 27.92% ），年齡67.0（58.0，72.0）歲。病例組與對照組性別、年齡、民族、居住方式、食奶制品比較，差異無統計學意義（ Pgt;0.05 ）。病例組與對照組文化程度、飲食口味偏好、食物軟硬偏好、辛辣食物偏好、吃飯時長、規律飲食、畜肉食用量、食豆制品、食生蒜或蒜苗、喜食零食、飲茶、二手煙暴露、鍛煉、發脾氣、生悶氣、胃部疾病史、一級親屬腫瘤史、Hp 感染、高鹽飲食比較，差異有統計學意義（ Plt;0.05 ），見表1。

2.2 GC發生風險的多因素Logistic回歸分析

以是否患GC（賦值：否 =0 ，是 ⁼¹ ）為因變量，將表1中差異有統計學意義的19個變量（文化程度、飲食口味偏好、食物軟硬偏好、辛辣食物偏好、吃飯時長、規律飲食、食用畜肉、食豆制品、食生蒜或蒜苗、喜食零食、飲茶、二手煙暴露、鍛煉、發脾氣、生悶氣、胃部疾病史、一級親屬腫瘤史、 H_P 感染、高鹽飲食）納人多因素Logistic回歸分析，采用逐步回歸法篩選變量，變量賦值見表2。結果顯示，飲食口味偏咸、食物偏硬、喜食辛辣食物、二手煙暴露、經常發脾氣、胃部疾病史、一級親屬腫瘤史、 Hp 感染、高鹽飲食是GC的危險因素，初中及以上學歷、規律飲食、食用生蒜或蒜苗是GC的保護因素（ Plt;0.05 ），見表3。

2.3 GC發生風險的列線圖模型

納入多因素Logistic回歸分析有統計學意義的變量繪制列線圖，將各預測變量的分數相加得到總分，通過向下繪制垂線得出GC發病的估計概率。以高中及以上學歷、飲食口味清淡、食用食物偏軟、喜食辣食、規律飲食、食用生蒜或蒜苗、有二手煙暴露、不常發脾氣、無胃部疾病史、一級親屬無腫瘤史、無 H_P 感染、非高鹽飲食者為例，總分為357分，GC發病風險為 9.02% ，見圖1。

2.4模型驗證

按照8：2的比例將研究對象隨機分為訓練集（1641例）和驗證集（411例）進行模型構建和驗證。繪制列線圖模型預測GC發生風險的ROC曲線，結果顯示，訓練集的AUC為0.768（ 95%CI=0.744～0.792 ），特異度為0.693，靈敏度為0.702；驗證集的AUC為0.776（ 95%CI=0.728～0.823 ），特異度為0.693，靈敏度為0.752，見圖2。

Bootstrap法驗證結果顯示，校正曲線與實際曲線一致性良好（訓練集：Brier評分 _=0.177 ；驗證集：Brier評分 _=0.176 ）；Hosmer-Lemeshow檢驗結果顯示，列線圖模型的校準度良好（訓練集： x²=4.408 ， P=0.819 ：驗證集： χΩ²=4.650 ， P=0.794 ），見圖3。進一步DCA檢測結果顯示，當閾值為0.05～0.79時，列線圖模型具有較好的臨床實用性，見圖4。

表1病例組與對照組一般資料比較 Table 1Comparison of general information between case group and control group

注：“表示 Z 值； H_P= 幽門螺桿菌。

表2多因素Logistic回歸分析變量賦值 Table2Variable assignment for multivariate Logistic regression analysis

表3GC發生風險的多因素Logistic回歸分析

Table 3Multivariate Logistic regression analysis of GC occurrence risl

圖1GC發病風險的列線圖 Figure1Nomogram for the risk of GC

3討論

近年來，在全部惡性腫瘤的發病和死亡中，GC居重要地位[1]。成年人口規模的增加和老齡化加速是GC 發病率和死亡率上升的重要因素[12]，診斷不及時導致病情延誤是另一關鍵因素。因此，亟需通過GC風險預測模型等進行評估和篩查，盡早識別GC患者并積極治療，從而有效避免或降低GC發病和死亡。由于早期推行的篩查計劃，近年來我國GC死亡率已有所下降，但總體情況仍較差。研究指出，2013—2017年我國GC篩查率為 19.62% ，居常見癌種類篩查率的第5位，表明篩查措施尚未廣泛覆蓋[13]。我國GC 防治相關指南推薦從非侵入初篩（GC風險自評等）到侵入性精查（內鏡）的GC篩查策略[5]。從最初的“ABC分級法”[14]、“新ABC分級”［15］、CAI等[16]開發的中國高危人群胃癌風險預測規則到胃癌前病變列線圖構建等，均基于不同的預測變量構建GC預測模型[17]，上述研究結果促進了癌癥防治領域的預測模型研究的深入發展。但當前與GC有關的預測模型研究多集中于GC治療、治療后感染或并發癥、藥物敏感性等［18-20]，而與GC前病變及GC患者早期識別相關的預測模型研究較少。因其不良預后而構成重大的全球健康挑戰［20]，使GC 防治關口前移，早期診斷和治療是防治GC的關鍵策略，因

注：A為訓練集，B為驗證集。

圖2列線圖模型預測GC發生的ROC曲線Figure2 ROC curve of thenomogram predictionmodel to predict the risk ofG（

注：A為訓練集，B為驗證集。

圖3列線圖模型的校準曲線Figure3Calibrationcurveof the Nomogrammodel

圖4列線圖模型的DCA檢測 Figure 4 DCAanalysis of the Nomogram model

注：A為訓練集，B為驗證集。

此需不斷加強和完善GC發生風險預測模型相關研究。

《中華醫學會胃癌臨床診療指南（2021版）》［5]建議對40歲以上人群進行GC篩查。本研究針對一般人群的可改變危險因素預防，通過問卷調查分析40歲及以上GC患者與對照人群的飲食習慣、生活方式、健康狀況等資料，發現文化程度、飲食口味偏好、食物軟硬偏好、辛辣食物偏好、規律飲食、食用生蒜或蒜苗、二手煙暴露、經常發脾氣、胃部疾病史、一級親屬腫瘤史、 H_P 感染及高鹽飲食是GC發病的獨立影響因素。高中及以上學歷（ OR=0.491 ）是GC的保護因素，這與HUANG等[21的研究結果一致。因為受教育程度高者普遍具有較高的健康素養水平，其對健康信息的理解、甄別和應用能力更高[22]，更易采取健康的生活方式，如：均衡飲食、適量運動、定期體檢等，從而降低患GC的風險。

飲食習慣分析結果顯示口味偏咸（ OR=1.690 ）、高鹽飲食（ OR=1.338 ）、食物偏硬（ OR=1.596 ）、喜食辣食（ OR=1.387 ）是GC發生風險的危險因素，而規律飲食（ OR=0.542 ）、食用生蒜或蒜苗（ OR=0.501 ）是GC發生風險的保護因素，該結果與其他研究一致[23-25] 。高鹽飲食是GC重要的危險因素之一，WHO建議每日攝入量 lt;5g ，過量攝入會刺激胃黏膜，可能導致黏膜萎縮、DNA合成增加和細胞增殖等，從而增加GC患病風險［26]。干硬或辛辣食物在消化過程中也會對胃黏膜產生物理或化學刺激，增加胃炎等胃部疾病風險[1]。此外，飲食不規律可導致營養不良、肥胖、消化道疾病等[5]，還會誘發胃黏膜反復損傷，損害其保護機制，長此以往可導致GC的發展[27]。本研究結果顯示食用生蒜或蒜苗可降低GC發生風險，與LI等[28的研究結果一致。補充大蒜（提取物和油）可降低GC發病和死亡，因為蒜及其衍生物具有抗氧化、抗菌和免疫調節的特性，同時大蒜富含烯丙基衍生物，可通過調節致癌物的代謝酶活性、防止DNA加合物形成、改變細胞周期等抑制細胞增殖和腫瘤生長［29]

生活方式分析結果顯示二手煙暴露（ OR=1.880 ）和經常發脾氣（ OR=3.283 ）是GC發生的危險因素，這與美國一項縱向研究結果一致［30]。研究表明，煙草產品的煙霧中含有大量的有害物質和致癌物，二手煙暴露者吸入煙霧中的尼古丁、焦油等有害物質和致癌物是吸煙者的5.1倍，長期高水平的二手煙暴露會顯著增加肺癌、GC、結直腸癌等多種惡性腫瘤患病風險[31]。此外，本研究結果表明經常發脾氣是GC的獨立危險因素，這與熊文燕等［32]、沙宇婷等［33]的研究結論一致，這可能是因為發脾氣會影響胃腸功能，導致消化系統紊亂，因而加重胃腸道負擔，造成消化不良、胃黏膜損傷等問題，經常發脾氣而長期處于消化系統紊亂和胃黏膜損傷狀態，從而增加GC的發病風險［34]

本研究顯示胃部疾病史（ OR=4.008 ）、 H_P 感染（ OR=1.298 ）是GC發生的獨立危險因素，這與孫凱旋等［35］的研究結果一致。 Hp 感染是胃癌最重要的致病因素，其通過分泌特異的毒力因子與生活環境、宿主遺傳及胃內微生態共同作用致癌[6]。 H_P 還與慢性胃炎、消化性潰瘍等一些嚴重的胃腸道疾病的發生密切相關[36]。根據CORREA等[37]提出的GC進展級聯模型，從胃黏膜炎癥反應開始，急性胃炎逐漸轉化為慢性胃炎，隨后在長期的炎癥過程中，胃黏膜反復損傷和修復，進而發展為萎縮性胃炎、腸上皮化生或異型增生等胃部疾病，最終導致GC的發生。此外，研究發現一級親屬腫瘤史（ OR=1.549 ）是GC發生的危險因素，與既往研究結果一致[23，33]。其原因可能在于腫瘤家族史不僅會增加個體患GC的風險，還會增加胃黏膜萎縮的風險［38]，從而使患GC的風險增加。

本研究基于篩選出的GC危險因素構建列線圖模型，結果顯示模型具有良好的判別能力，訓練集AUC為0.768，驗證集AUC為 0.776 。校準曲線和Hosmer-Lemeshow擬合優度檢驗顯示訓練集和驗證集的預測概率與實際概率一致性較好。DCA曲線顯示模型具有良好的臨床效用，表明使用該列線圖模型預測GC發生風險并進行相應的干預可以獲得正向凈收益。本研究構建的列線圖模型具有較好的預測能力，可準確識別個體的GC發病風險，為GC早期防治提供定量、直觀的參考工具。

本研究還存在一些不足：（1）為控制選擇偏倚，本研究按年齡和性別匹配對照人群，導致無法評估年齡和性別在GC發生風險預測中的作用；（2）GC是一個病程較長的復雜疾病，期間暴露因素可能隨時間發生變化，可能影響本研究中暴露因素與疾病之間的關聯強度，導致所得效應值與其他研究結論稍有出人；（3）本研究數據來源較為單一，未利用外部數據進一步驗證模型效能，在后續研究中將借助其他地區數據對該模型進行外部驗證，以提高模型的預測精度和通用性。

綜上所述，本研究構建的列線圖模型能有效預測GC發生風險。該模型納人GC可改變危險因素進行預測，屬非侵入性自我診斷方法，經濟成本低易被篩查人群所接受，有助于早期識別GC高危人群，并通過進一步胃鏡檢查等手段早診早治，提高治療效果和生存率；也可通過危險因素評估可能發生GC的風險，從而增強健康意識、提高生活質量，使GC防治關口前移。

作者貢獻：周倩提出主要研究目標，負責研究的構思與設計，撰寫論文；周倩、吳曉敏、王寶華進行數據的收集與整理，統計學處理，圖、表的繪制與展示；周倩、嚴若菡、蔚苗進行論文的修訂；王寶華、吳靜負責文章的質量控制與審查，對文章整體負責，監督管理。本文無利益沖突。

參考文獻

[1] SUNG H，FERLAY J， SIEGEL R L，et al. Global cancer statistics2020：GLOBOCAN estimates of incidence and mortality worldwidefor 36 cancers in185countries[J].CA CancerJClin，2021，71（3）：209-249. D0I： 10.3322/caac.21660.

［2］閆超，陜飛，李子禹.2020年全球胃癌負擔分析：聚焦中國流行現狀［J].中國腫瘤，2023，32（3）：161-170.

[3]CHOIS，SONGJH，LEE SJ，et al. Trends in clinical outcomesand long-term survival after robotic gastrectomy for gastric cancer：a single high-volume center experience of consecutive 2OoO patients[J].Gastric Cancer，2022，25（1）：275-286.DOI：10.1007/s10120-021-01231-3.

［4］中國抗癌協會胃癌專業委員會，中國醫師協會外科醫師分會上消化道外科醫師委員會，中國人群健康風險管理協作組－胃癌專業組.中國人群胃癌風險管理公眾指南（2023版）［J].中華醫學雜志，2023，103（36）：2837-2849.

［5］中華醫學會腫瘤學分會，中華醫學會雜志社.中華醫學會胃癌臨床診療指南（2021版）［J].中華醫學雜志，2022，102（16）：1169-1189.D0I： 10.3760/cma.j.cn112137-20220127-00197.

[6]KARPINSKI M J，HUSING J，CLAASSEN K，et al. CombiningPSMA-PET and PROMISE to re-define disease stage and risk inpatients with prostate cancer：a multicentre retrospective study[J].Lancet Oncol，2024，25（9）：1188-1201.D0I：10.1016/S1470-2045（24）00326-7.

[7]HARRISONH，PENNELLSL，WOODA，et al.Validation andpublic health modelling of risk prediction models for kidney cancerusing theUKBiobank［J].BJUInt，2022，129（4）：498-511.DOI：10.1111/bju.15598.

[8］POOROLAJAL J，MORADI L，MOHAMMADI Y，et al. Riskfactors for stomach cancer：a systematic review and meta-analysis[J].Epidemiol Health，2020，42：e2020004.DOI：10.4178/epih.e2020004.

[9] ZHOU XZ，LYUNH，ZHU HY，et al.Large-scale，national，family-based epidemiological studyon Helicobacter pylori infectionin China：the time to change practice for related disease prevention[J].Gut，2023，72（5）：855-869.D01：10.1136/gutjnl-2022-328965.

［10］國家癌癥中心.2019中國腫瘤登記年報［M］.北京：人民衛生出版社，2021：20-40.

[11］HAN BF， ZHENG R S，ZENG HM，et al. Cancer incidence andmortality in China，2022[J].JNatl Cancer Cent，2024，4（1）：47-53. DOI： 10.1016/j.jncc.2024.01.006.

[12]XIA C F，DONG XS，LIH，et al. Cancer statistics in Chinaand United States，2022：profiles，trends，and determinants[J].Chin MedJ，2022，135（5）：584-590.DOI：10.1097/CM9.0000000002108.

［13］陳萬青，李霓，曹毛毛，等.2013—2017年中國城市癌癥早診早治項目基線結果分析［J］.中國腫瘤，2020，29（1）：1-6.

[14] FURIHATA C. Human gastric cancer risk screening： from ratpepsinogen studies to the ABC method[J].Proc Jpn Acad SerB Phys Biol Sci，2021，97（8）：462-478.DOI：10.2183/pjab.97.023.

[15]WANG X T， JI Z Z， HAN F， et al. Acomparative study of newgastric cancer screening scoring system and new ABC method forscreening gastric cancer and precancerous lesions[J]. ZhonghuaNei Ke Za Zhi，2021，60（3）：227-232. D0I：10.3760/cma.j.cn112138-20200512-00476.

[16]CAI QC，ZHUCP，YUANY，et al. Development and validationof a prediction rule for estimating gastric cancer risk in the Chinesehigh-risk population： a nationwide multicentre study[J]. Gut，2019，68（9）： 1576-1587.DOI：10.1136/gutjnl-2018-317556.

[17]SHI C E，TAO R，WANG WS，et al.Development and validationof a nomogram for obesity and related factors to detect gastricprecancerous lesions in the Chinese population：a retrospectivecohort study［J].Front Oncol，2024，14：1419845.DOI：10.3389/fonc.2024.1419845.

[18]GAO P，XIAO Q，TAN H，et al. Interpretable multi-modalartificial intelligence model for predicting gastric cancer response toneoadjuvant chemotherapy［J].Cell Rep Med，2024：101848.DOI：10.1016/j.xcrm.2024.101848.

［19］馬興好，江曉陽，王傳霞，等.預測胃癌D2根治術后感染風險列線圖模型的建立與驗證［J］.中國感染控制雜志，2023，22（9）： 1013-1020. DOI： 10.12138/j.issn.1671-9638.20234083.

[20]LI X X， WANG X X，YUF X， et al. Development and validationof a prognostic and drug sensitivity model for gastric cancer utilizingtelomere-related genes[J].Transl Oncol，2024，52：102232.DOI：10.1016/j.tranon.2024.102232.

[21]HUANG L，CHEN L，GUI Z X，et al.Preventable lifestyle andeating habits associated with gastric adenocarcinoma： a case-controlstudy［J].JCancer，2020，11（5）：1231-1239.DOI：10.7150/jca.39023.

［22]張剛，李英華，李莉，等.2021年我國城鄉居民健康素養水平及其影響因素研究［J］.中國健康教育，2024，40（5）：387-391，400.DO1：10.16168/j.cnki.issn.1002-9982.2024.05.001.

［23］朱建梅，何科茗.胃癌風險人群篩查及危險因素分析［J］.浙江創傷外科，2023，28（4）：623-626，630.D0I：10.3969/j.issn.1009-7147.2023.04.004.

[24] KANG K， BAGAOISAN M A， ZHANG Y X. Unveiling the youngerface of gastric cancer：a comprehensive review of epidemiology，risk factors，and prevention strategies[J]. Cureus，2O24，16（6）：e62826. DOI： 10.7759/cureus.62826.

[25]WU X M，CHEN L L，CHENG JX，et al. Effect of dietary saltintake on risk of gastric cancer： a systematic review and meta-analysis of case-control studies[J].Nutrients，2022，14（20）：4260.DOI： 10.3390/nu14204260.

[26]FANGXX，WEIJY，HEXY，et al.Landscape of dietary factorsassociated with risk of gastric cancer： a systematic review anddose-response meta-analysis of prospective cohort studies [J].Eur JCancer，2015，51（18）：2820-2832.DOI：10.1016/j.ejca.2015.09.010.

［27］《中國吸煙危害健康報告》編寫組．《中國吸煙危害健康報告2020》概要［J].中國循環雜志，2021，36（10）：937-952.DOI： 10.3969/j.issn.1000-3614.2021.10.001.

[28]LIWQ，ZHANGJY，MAJL，et al.Effects of Helicobacter pyloritreatment and vitamin and garlic supplementation on gastric cancerincidenceand mortality：follow-up ofarandomized interventiontrial［J].BMJ，2019，366：15016.DOI：10.1136/bmj.l5016.

[29]WANGYY，HUANGP，WUYF，etal.Associationandmechanismofgarlicconsumptionwithgastrointestinalcancerrisk：asystematicreviewandmeta-analysis[J].OncolLett，2O22，23（4）：125.DOI： 10.3892/ol.2022.13245.

[30]ZHANGZM，LIZP，ZHANGXY，etal.Associationbetweensecondhand smoke and cancers in adults in the US population[J].JCancerResClinOncol，2023，149（7）：3447-3455.DOI：10.1007/s00432-022-04266-w.

［31］國家衛生健康委員會.中國吸煙危害健康報告2020[M].北京：人民衛生出版社，2021：109-114.

[32]熊文艷，范義兵，馮小武，等.2018—2019年南昌市城市居民胃癌前疾病危險因素病例對照研究［J].中華腫瘤防治雜志，2021，28（24）：1856-1861.D01：10.16073/j.cnki.cjcpt.2021.24.03.

[33］沙宇婷，王雪威，王寶華.中國南方胃癌危險因素病例－對照研究Meta分析［J].中華腫瘤防治雜志，2020，27（15）：1269-1276.DOI： 10.16073/j.cnki.cjcpt.2020.15.15.

[34]VAHIDF，RAHMANIW，DAVOODI SH，et al.Mental healthconditions，includingdepressionand stress，are associated withincreased oddsof gastric cancer-insightsinto the role ofdiet：acase-control study[J].Nutrients，2023，15（23）：4981.DOI：10.3390/nu15234981.

［35］孫凱旋，張眉佳，廖成功，等．中國人群胃癌發病影響因素的Meta分析［J].現代腫瘤醫學，2022，30（8）：1431-1438.

[36]CHEOKYY，LEECYQ，CHEONGHC，etal.An overviewofHelicobacter pylori survival tactics in the hostile human stomachenvironment[J].Microorganisms，2021，9（12）：2502.DOI：10.3390/microorganisms9122502.

[37]CORREAP，HAENSZELW，CUELLOC，etal.Amodelforgastriccancerepidemiology[J].Lancet，1975，2（7924）：58-60.D0I： 10.1016/s0140-6736（75）90498-5.

［38］梁國英，曲智慧，李慶偉.慢性萎縮性胃炎致病因素的中西醫研究進展［J].中國中西醫結合消化雜志，2022，30（5）：378-382.（收稿日期：2024-08-29；修回日期：2024-11-11）（本文編輯：李衛霞）