2015年5月，发表于《Ann Oncol》的一篇文章介绍了一项系统评价，旨在考察前列腺癌（PCa）风险模型预测PCa的情况。结果显示，风险预测模型可改善PCa监测的PSA检测的预测精确度。PCa风险模型的未来使用应该评估其在实践中的临床有效性。

背景：尽管帮助患者做出前列腺癌相关决策的风险预测模型已经得到广泛发展，但是这些模型能否改善前列腺癌（PCa）PSA筛查的预测精度尚不可知。本研究旨在开展一项系统评价，以确定PCa风险模型，并通过荟萃分析评价这些模型预测PCa的性能。

设计：对Medline中的文献进行系统检索，以筛选至少使用了2个变量，且其中一个变量为前列腺特异性抗原（PSA）水平的PCa预测风险模型。研究评价了模型的性能（识别力和标准化）。经过5个及以上研究人群验证，且报告了曲线下面积（AUC）以预测任何或有临床意义的PCa的预测模型符合荟萃分析的条件。使用一项随机效用模型，计算总的AUC和95％置信区间。

结果：本系统评价筛选出了127个独特的模型；然而，仅有6个模型符合预测任何PCa的荟萃分析的研究标准：前列腺分级、Finne、Karakiewcz、前列腺癌症预防试验（PCPT）、Chun，以及欧洲随机研究前列腺癌风险筛查计算器3（ERSPC RC3）。尽管总的AUC估算显示，尽管在验证PSA和PCPT两个指标的研究中表现更好，PCPT与PSA测试（0.66）并无差异。使用Finne（AUC＝0.74）、Karakiewcz（AUC＝0.74）、Chun（AUC＝0.76）时，识别PCa的预测准确性增加，且ERSPC RC3 和前列腺分级识别值最高（AUC＝0.79），相当于PSA测试敏感性的双倍（44％ vs 21％），且没有特异性的损失。检测有临床意义的PCa的PCPT判别精度为AUC＝0.71。对模型校正指标的报告较差。

结论：风险预测模型改善了PSA检验预测PCa的精确度。PCa风险模型的未来使用应该评估其在实践中的临床有效性。

（选题审校：张萌萌 编辑：吴星）

（本文由北京大学第三医院药剂科翟所迪教授及其团队选题并审校，环球医学资讯编辑完成。）

（专家点评：）