基于肠道菌群预测模型的精准护理在肿瘤治疗相关性腹泻管理中的应用

摘要:目的 探讨基于肠道菌群预测模型的精准护理对肿瘤患者化疗相关性腹泻（CTID）发生率、生活质量及护理响应时间的影响。方法 采用前瞻性随机对照研究设计，选取2024年11月–2025年4月本院收治的100例肿瘤治疗患者，通过16S rDNA测序构建CTID风险预测模型。采用随机数字表法将患者分为精准干预组（n=50）和常规护理组(n=50)。精准干预组实施基于风险预测的分层护理策略，常规护理组采用传统腹泻后管理模式。主要比较两组CTID发生率（CTCAE v5.0 ≥2级）、生活质量（EORTC QLQ-C30腹泻维度评分)、护理响应时间。结果 肠道菌群预测模型AUC为0.87（95%CI: 0.80–0.94)。精准干预组CTID发生率（16.0%, 8/50）显著低于常规护理组（40.0%, 20/50）（χ²=8.10, P=0.004）；QLQ-C30腹泻评分（68.4±6.3分）显著高于常规护理组（49.2±7.5分）（t=14.27, P<0.001）；护理响应时间（1.2±0.4小时）显著短于常规护理组（7.8±1.5小时）（t=30.15, P<0.001)。结论 肠道菌群预测模型驱动的精准护理通过多重机制变革（决策前移、资源优化、患者赋能），将CTID防控关口提前7–10天，显著降低腹泻发生率（↓60%）并提升生活质量（QLQ-C30评分↑39%）。其核心价值在于构建“预测–干预–监测”闭环系统，为肿瘤症状精准管理提供可推广范式。

关键词：肠道微生物；精准护理；化疗相关性腹泻；症状管理；分层干预

肿瘤治疗相关性腹泻（CTID）是化疗常见剂量限制性毒性，伊立替康或5-FU方案发生率高达35%–50%，导致治疗中断及生活质量显著下降（QLQ-C30评分降幅≥20分）[1]。传统护理依赖症状后干预，存在响应滞后、效果有限等缺陷。研究表明肠道菌群失衡（如厚壁菌门/拟杆菌门比值降低）早于腹泻症状出现[2]。本研究整合肠道菌群预测模型（预测效能AUC=0.87）与分层护理策略[3]，构建“预测-干预-监测”精准路径。通过严格的随机对照设计（n=50/组），验证其对CTID防护的临床价值。

1 资料与方法

1.1 一般资料

采用随机对照研究设计，选取2024年11月 –2025年4月收治的100例肿瘤治疗患者。采用随机数字表法分为精准干预组和常规护理组，每组各50例。两组在年龄、性别、肿瘤类型、化疗方案、KPS评分均无显著差异（P>0.05），详见表1。本研究经医院伦理委员会批准（批号：EC-ATT-003.01-24），所有患者签署知情同意书。

纳入标准: ①病理确诊恶性肿瘤；②首次接受含铂类/氟尿嘧啶类化疗；③KPS≥70分；④预计生存期≥6月。
  排除标准:①入组前4周使用抗生素/益生菌；②合并炎症性肠病；③肠道手术史；④肝肾功能不全；⑤认知功能障碍。

        表1 两组患者基线资料比较（n=100）

1.2 方法

1.2.1 预测模型构建

所有患者化疗前采集粪便样本，通过16S rDNA测序分析菌群特征[3]，构建随机森林预测模型（输入变量：拟杆菌属丰度、化疗方案类型等)[4]。

1.2.2 干预方案

精准干预组（n=50）组基于风险分层如下：

1.2.2.1预防层：化疗当日启用双歧杆菌V9菌株（2×10⁹ CFU/天）可溶性膳食纤维（≥15g/天）[5]。

1.2.2.2监测层：微信记录排便参数（布里斯托分型+频率），预设预警规则（24h内水样便≥3次[6]。

1.2.2.3应急层:首剂洛哌丁胺12mg，后续2mg/q2h。
常规护理组（n=50）采用腹泻后洛哌丁胺常规方案。

常规健康教育（饮食指导+肛周护理），腹泻发生后予洛哌丁胺（首剂4 mg，后续2 mg/次，每日≤16 mg）[6]。

1.3 评价指标

① CTID发生率（CTCAE v5.0 ≥2级）；②生活质量：EORTC QLQ-C30腹泻维度评分（0–100分，分值越高越好）[7]；③护理响应时间：症状出现至干预实施的时间差（小时）。

1.4 统计学方法

使用SPSS 22.0软件，计量资料以 xˉ±s 表示，组间比较采用t检验；计数资料以频数（%）表示，组间比较采用χ²检验；模型效能采用ROC曲线分析（pROC包）；检验水准α=0.05。

2 结果

2.1 预测模型性能

基于菌群特征的预测模型：AUC=0.87（95%CI: 0.80–0.94），灵敏度82.1%，特异度85.6%。

2.2 结局指标对比，详见表2

表2 结局指标对比（n=100）

3 讨论

3.1 核心发现与机制分析

本研究首次通过随机对照设计验证了肠道菌群预测模型驱动精准护理对CTID管理的突破性价值。精准组CTID发生率较常规组降低60%，核心机制不仅在于预测模型指导早期干预，菌群标志物较症状出现提前7–10天提示风险，使预防性措施（益生菌+膳食纤维）得以在化疗启动时实施，通过增强肠屏障功能及调节短链脂肪酸水平阻断腹泻发生链；分层策略优化资源分配，基于风险的“预防–监测–应急”三级干预，将有限护理资源聚焦高危人群（模型预测AUC=0.87）[8]，避免传统方案的盲目性；分层干预避免了对低风险患者（占对照组52%）的过度用药，符合国家护理质量指标联盟倡导的“精准资源分配”原则[8]；数字化工具提升响应效率：微信监测实现症状实时捕捉与预警，使护理响应时间明显缩短。

3.2 生活质量改善与患者获益

精准组QLQ-C30腹泻维度评分显著高于常规组，其深层原因包括菌群稳态维持，菌群-肠-脑轴调控机制，通过早期益生菌干预（双歧杆菌可能激活肠道迷走神经通路，下调肠嗜铬细胞5-HT分泌，减少肠液过量分泌。这与ESPEN指南强调的“菌群-免疫-神经”多维调控理念一致，未来可结合脑肠肽（如VIP、SP）检测深化机制研究；患者通过移动工具，自我赋能，92%患者实现自主症状记录与预警触发，增强治疗控制感及依从性，而且治疗中断减少，保障抗肿瘤疗效。

3.3 临床转化价值与指南契合

本研究构建的“预测–干预–监测”闭环系统与ESPEN指南倡导的“预防性营养干预”理念高度一致，并创新性整合微生物组学技术与数字健康管理，实现三大临床突破，使决策机制前移，将CTID管理从“症状驱动”转为“风险驱动”，通过分层策略，资源运行精准化，护理方式革新，为肿瘤症状管理提供可复制路径，

尤其适用于伊立替康等高致泻方案。

3.4 局限性与未来方向

本研究存在以下局限：①样本量较小（n=100），还需大样本进行验证；②未纳入菌群功能代谢组学分析；③老年患者（>70岁）对数字工具接受度较低，未来研究可探索开发适老化智能监测设备，建议后续开发语音交互式排便记录工具或可穿戴自动设备监测，契合“全龄友好”精准护理目标[9]。

参考文献

[1] Arends J, et al. ESPEN practical guideline: Nutrition in cancer. Clin Nutr. 2025;44(3):789-802.

[2] Wang K, et al. Bifidobacterium V9 improves CPT-11-induced mucositis. Gut Microbes. 2025;17(1):1–16.

[3] 王静，等. 分层护理管理模式在肿瘤化疗相关性腹泻防控中的应用研究. 中华护理杂志. 2023;58(10):1201–1205.

[4] 刘洋，等. 精准护理理念下肿瘤患者自我管理教育模式的构建与实践. 中华现代护理杂志. 2024;30(15):1987–1991.

[5] 张丽华，等. 膳食纤维联合益生菌对化疗患者肠道屏障功能的影响. 护理学杂志. 2024;39(5):45–48.
[6] 陈敏，等. 基于移动健康的症状预警系统在肿瘤患者居家管理中的应用. 中国护理管理. 2023;23(8):1120–1124.
[7] 国家护理质量指标联盟. 肿瘤症状精准护理管理专家共识（2024版）. 中国循证医学杂志. 2024;24(6):621–628.
[8] 中华护理学会肿瘤护理专业委员会. 化疗相关性腹泻护理专家共识. 中华护理杂志. 2024;59(5):513-518.
[9]National Cancer Institute. Common Terminology Criteria for Adverse Events (CTCAE) Version 5.0. 2023.

来源：佛山市科学技术局研究项目

课题题目：《基于肠道菌群结构和分布预测肿瘤治疗相关腹泻的临床研究》

项目编号2420001004188