特异性IgE 抗体临床应用的进一步评价

廖彬，韦忠毅，艾俊涛，潘静，李琼，刘园园

（1.湖南省药品审核查验中心，湖南长沙 410209；2.长沙海柯生物科技有限公司，湖南长沙 410221；3.湖南省药品审评认证与不良反应监测中心，湖南长沙 410031；4.湖南中医药大学第一附属医院，湖南长沙 410021；5.湖南省药品检验检测研究院，湖南长沙 410116）

检测免疫球蛋白E（IgE）的存在，多年来一直被用作诊断过敏疾病和识别相关过敏原的工具[1-4]。IgE介导过敏的患者在大多数情况下会由几种过敏原致敏，给临床鉴别过敏原带来困难。目前对吸入性过敏原的特异性IgE 抗体水平的定量测试可为过敏性疾病的诊断提供治疗依据。

自20 世纪70 年代早期首次开发特异性IgE 测量测试以来，技术不断改进，一些测试可以被视为真正的定量测试[3]。这种定量测试包括使用良好的校准、标准化的过敏原提取物、不同浓度测试的线性和良好的重复性[1,4-5]。

过敏原特异性IgE 检测的传统方法是根据敏感性和特异性，即将测试的阴阳结果与明确的参考标准（所谓的金标准）的结果进行比较，这是在确定的情况下对测试性能的衡量[6]。为了更精准的测试，其他定量测试方法（如荧光免疫法、磁微粒化学发光法及免疫捕获法等）也被用来定量检测阳性预测值（PPV）[7-8]。

在诊断过敏患者并将其与患有类似症状的患者区分开来时，必须考虑不同来源的信息，例如遗传、病例史和不同的检测结果，这些因素使诊断检测结果的解释变得复杂。特异性IgE 检测仅指示个体是否致敏，即产生特异性IgE；定性特异性IgE 的测试是使用cutoff 将结果一分为二[6]，即给出一个简单的阳性或阴性结论，但在临床环境中可能很难给予解释，尤其在个体具有较低的IgE 水平和模糊的临床症状下最为明显，有时需要进行点刺试验才能确诊。患者特征ROC（表现特征）分析图提供了更多关于辨别阳性和阴性的信息，在比较不同的方法时也非常有用，但对于没有经验的医生来说仍然很难进行准确诊断。

已有研究表明，通过血液试验和皮肤点刺试验（SPT）评估的IgE 浓度与症状存在一定关系[2,9]，这意味着定量检测结果比阳性或阴性定性结果有更多的信息，即定量结果IgE 水平越高，发生过敏反应的风险越高。

1 材料与方法

1.1 基本资料

本研究选择来自4 个不同临床组的数据[10]，使用逻辑回归模型重新进行分析。原始数据来自6 项独立研究，其中两项研究在1987 年进行，并在1995 年进行了随访，其他4 项研究在1995 年进行，使用的是疑似IgE 介导过敏的患者样本。

在这次重新分析中，只使用了1995 年进行的4项临床研究的数据，共681 名患者，年龄6 ～81 岁。在原始数据开展的研究中，医生只见过每个病人一次，收集病例史，并根据每个临床组对患者进行检查和分析，还收集了血液样本，用CAP 检测系统进行特异性IgE 分析，但诊断时医生不知道检测的结果。根据既定程序，对每个患者进行过敏原特异性分析，包括可选的SPT 和在不同定量方法学的体外样本检测[10]。用于检测的相关过敏原由研究者选择，以覆盖患者中所代表的大部分局部特异性敏感性，共使用了14 种过敏原，如表1 所示。

表1 4 组临床研究的过敏原

1.2 统计方法

通过对经典定义的技术性重新制定[6]，以0.35 kU/L的临界值及可选的临界值z 评估敏感性和特异性。通过在测量范围内改变绘制[灵敏度-特异性]来构建ROC 图。ROC 曲线下面积使用Mann-Whitney 双样本统计量进行估计。此外，通过绘制[灵敏度和特异性]与浓度的关系，对临界值进行优化，并选择临界值作为两种测量方法都能给出最佳结果的z 点。

对于定量评价，本研究使用了逻辑回归模型进行定量分析。致敏和过敏临床诊断之间的关系，即过敏反应或临床过敏诊断与相关的IgE 浓度水平之间的关系。基于该模型绘制IgE 浓度与过敏概率的逻辑关系曲线（见图1）。为金标准。IgE 浓度水平低，代表临床过敏的概率较低；反之，高IgE 浓度水平代表临床过敏的概率较高。

图1 IgE 浓度与过敏概率的逻辑关系曲线

2 结果与分析

该曲线展示了临床过敏诊断的概率，医生将其作

2.1 逻辑模型在过敏诊断中的应用与分析

特异性过敏原测试的患者的结果，使用0.35 kU/L的临界值作为不同过敏原和临床组的性能特征。使用这种方法，不同的过敏原和不同的临床组之间的性能特征不同。所有过敏原和临床组的敏感性在0.57 ～1.00，特异性在0.77 ～1.00，患有过敏症状的患者的患病率在0.04 ～0.75。

对于相同的过敏原，最佳临界值在不同的过敏原和不同的临床组之间有所不同，ROC 图的形状也有所不同，AUC 在0.76 ～1.00。过敏原和临床组的患者人数、ROC 和AUC 见表2[10]。

表2 4 个临床组的14 种过敏原的表现特征

续表2

对上述数据，本研究使用逻辑模型进行分析，结果见图2。逻辑模型描述了每个研究中基于不同临床组的既定程序的过敏原特异性诊断与致敏水平之间的关系。曲线的形状说明研究中临床过敏诊断呈阳性的趋势与特异性IgE 抗体水平相关。对于室内尘螨，在只有40 名患者临床组3 的d2 曲线，显示0.35 kU/L以上临床过敏诊断阳性的概率为1.00，即使用0.35 kU/L的临界值时，灵敏度和特异性为100%。对于不同临床组的所有其他过敏原，曲线显示相对于特异性IgE浓度水平，临床过敏诊断的阳性和阴性之间的相关性较低。

图2 四个临床组中不同过敏原在IgE 值下得到的过敏几率

在每个临床组内，过敏原的概率曲线以组的形式出现，表明该组的每个过敏原簇具有相似的判断（见图2）。对于临床组1，与所有其他过敏原相比，w9的结果给出了显著不同的截距（P＜ 0.001）；m6 的斜率最大，与d1、d2、e1 和t9 的结果有显著差异。在临床组2 中，不同的斜率和截距之间无显著差异。在临床组3 中，w6 和t3 均与其他过敏原有显著差异（P＜0.05）。在临床组4 中，d1 和e1 的结果相似，与e3 和e5 的结果在截距和斜率方面均有显著差异（P＜0.01）。

2.2 临床组间的差异性比较

由于检测的过敏原是由研究人员选择的，目的是涵盖其患者中所代表的大多数特定敏感性，但并非所有的过敏原都存在于临床，因此无法对所有的过敏原进行相关的比较。

在临床之间的比较表明，仅d1 和e1 发现了统计学上显著的差异（见图3）。对于d1，临床组4 与其他3 个临床组在截距和斜率上均有显著性差异（P＜0.05）。对于e1，临床组1 与其他两个临床组在截距和斜率上均有显著差异（P＜0.05）。对于在几个临床组分析的所有其他过敏原，在本研究中没有发现临床组之间有统计学上的显著差异。

图3 同一过敏原在不同临床组给定IgE 值下得到的过敏概率

对相同过敏原的ROC 曲线分析给出的AUC 值在0.87 ～0.96，其中临床组2 区域范围最低；对于e1，两临床组的曲线下面积值为0.89 ～0.90，非常相似（见图4）。

图4 相同过敏原在不同临床组对d1 和e1 的ROC 曲线

2.3 临床患病率与ROC 曲线的关系

在临床组4 中，虽然e1 和e5 之间的患病率相似，但其曲线的截点和斜率显著不同（P＜0.001），见图5和图6。在临床组2 中，对e1 过敏的患病率为0.13，对e5 过敏的患病率为0.44，但这两种过敏原显示出非常相似的ROC 曲线；在相似的患病率中还发现了相似的ROC 曲线，如在临床组4 中t3 和gx1；不同的患病率也有不同的曲线，例如临床组3 的w6 和g6。因此，从以上分析可得到结论，临床患病率与分析的ROC 曲线没有必然的联系。

图5 临床组4 的e1 和e5 在给定IgE 值下的过敏概率图

图6 临床组4 的e1 和e5 在给定IgE 值下的ROC 曲线图

3 讨论与结论

从过敏原特异性IgE 的定性检测扩展到定量检测的分析，说明定量检测IgE 可获得更多有用临床的信息。定量结果反应了临床过敏诊断并非只有二分法（即阴性或阳性），还能为患者提供一种了解和管理其过敏情况和过敏反应风险的方法。临床研究的分析和解释不仅应有阴阳性级别的诊断结果，还应该提倡利用全定量的精准测量得到更准确的诊断和治疗。在上述研究中，特异性IgE 定量检测不仅显示了与定性之间的相关性，还提供了一种更有意义的解释结果的方法，可作为医生诊断的辅助手段。

过敏性疾病在世界范围内均是一个日益严重的问题，其症状可能难以与其他疾病区分[11-15]。此外，有许多不同的过敏原可能引发临床症状，而且通常不容易区分是哪一种过敏原引起[1]。目前已经发现几百种过敏原，而本研究仅对14 项过敏原的600 多例西方临床样本进行研究，更多过敏原及不同地域样本还有待于进一步的分析研究。

本文通过逻辑回归模型与ROC 曲线分析，临床诊断结果与IgE 抗体阴阳定性检测存在相关性，过敏原特异性IgE 的定量检测结果证明了与定性判断之间有高度关联性，且定量检测有助于提高诊断的准确性，可为医生治疗患者提供精准量化依据。