切换至 "中华医学电子期刊资源库"
高级检索
中华临床医师杂志(电子版)

中华临床医师杂志(电子版) ›› 2025, Vol. 19 ›› Issue (01) : 41 -47. doi: 10.3877/cma.j.issn.1674-0785.2025.01.007

临床研究

阿达木单抗治疗类风湿关节炎临床疗效预测因素的研究
周俊1, 王文1, 臧银善1, 徐艳1,†()   
  1. 1. 223800 江苏宿迁，江苏省人民医院宿迁医院风湿免疫科
  • 收稿日期:2024-12-30 出版日期:2025-01-15
  • 通信作者: 徐艳
  • 基金资助:
    宿迁市科技计划资助项目（编号：KY202214）南京医科大学科技发展基金一般项目

Predictors of clinical efficacy of adalimumab in treatment of rheumatoid arthritis

Jun Zhou1, Wen Wang1, Yinshan Zang1, Yan Xu1,†()   

  1. 1. Department of Rheumatology and Immunology， Jiangsu Province （Suqian）Hospital， Suqian 223800， China
  • Received:2024-12-30 Published:2025-01-15
  • Corresponding author: Yan Xu
全文 ( ) 下载PDF ( ) 导出引用
引用本文：

周俊, 王文, 臧银善, 徐艳. 阿达木单抗治疗类风湿关节炎临床疗效预测因素的研究[J/OL]. 中华临床医师杂志(电子版), 2025, 19(01): 41-47.

Jun Zhou, Wen Wang, Yinshan Zang, Yan Xu. Predictors of clinical efficacy of adalimumab in treatment of rheumatoid arthritis[J/OL]. Chinese Journal of Clinicians(Electronic Edition), 2025, 19(01): 41-47.

目的 探讨α肿瘤坏死因子（TNF-α）抑制剂阿达木单抗治疗类风湿关节炎（RA）患者临床疗效的预测因素。方法 将2018年1月至2023年12月在江苏省人民医院宿迁医院就诊的216例使用阿达木单抗治疗的RA患者（反应组148例，无反应组68例）进行回顾性研究，采用点双列相关检验和Spearman's Rho检验进行阿达木单抗治疗RA有效的相关性分析，运用二元Logistic回归分析探讨阿达木单抗治疗RA有效的预测因素，通过绘制受试者工作特征（ROC）曲线评估预测因素的价值。结果 反应组女性比例（χ2=48.430，P＜0.001）、DAS28（t=6.827，P＜0.001）、肿瘤坏死因子-α（TNF-α）（t=3.719，P＜0.001）、干扰素-α（IFN-α）（t=5.22，P＜0.001）水平高于无反应组，而无反应组骨质疏松（χ2=56.263，P＜0.001）及糖皮质激素的使用比例（χ2=93.122，P＜0.001）更高。DAS28（r=0.423，P＜0.001）、TNF-α（r=0.171，P=0.012）、IFN-α（r=0.237，P＜0.001）与临床有效性呈正相关，而男性（r=-0.427，P＜0.001）、骨质疏松（r=-0.510，P＜0.001）、糖皮质激素治疗（r=-0.657，P＜0.001）与临床有效性呈负相关。回归分析结果显示，女性［OR（95%CI）为0.001（0，0.067），P＜0.001］、无骨质疏松［OR（95%CI）为0（0，0.049），P=0.003］、高DAS28［OR（95%CI）为83.455（5.225，1332.91），P=0.002］、高IFN-α［OR（95%CI）为10.259（2.28，46.164），P=0.002］和无糖皮质激素治疗［OR（95%CI）为0.019（0.001，0.366），P=0.019］可能是RA患者对阿达木单抗治疗有反应的预测因素。DAS28值为3.665时，曲线下面积（AUC）为0.724，治疗反应预测敏感度为44.12%，特异度为98.65%；IFN-α值为3.750时，AUC为0.780，治疗反应预测敏感为97.06%，特异度为57.82%。DAS28和IFN-α联合预测概率Pre_1的AUC为0.898，治疗反应预测敏感度和特异度分别为93.75%和73.44%。结论 女性、无骨质疏松、高DAS28、高IFN-α和无糖皮质激素治疗可能是RA患者对阿达木单抗治疗有反应的预测因素。其中，DAS28作为预测指标特异度较强，IFN-α作为预测指标敏感度较高，两者联合预测价值更大。

关键词: TNF-α拮抗剂, 阿达木单抗, 类风湿关节炎, 临床疗效, 预测因素

Objective

To identify the predictors of clinical efficacy of the tumour necrosis factoralpha （TNF-α） inhibitor adalimumab in the treatment of patients with rheumatoid arthritis （RA）.

Methods

A retrospective study was conducted on 216 RA patients treated with adalimumab who visited Jiangsu Province（Suqian） Hospital from January 2018 to December 2023， including 148 with response and 68 with no response to the therapy. Correlation analysis of the effectiveness of adalimumab in the treatment of RA was carried out using the point biserial correlation test and Spearman's Rho test. The predictors of efficacy of adalimumab for RA were identified using binary logistic regression analysis， and the predictive value of the predictors was assessed by receiver operating characteristic （ROC） curve analysis.

Results

The proportion of women（χ2=48.430， P＜0.001）， DAS28 （t=6.827， P＜0.001）， tumour necrosis factor-alpha （TNF-α） （t=3.719，P＜0.001）， and interferon-alpha （IFN-α） （t=5.22， P＜0.001） were higher in the response group than in the non-response group， while the non-response group had a higher proportion of patients with osteoporosis（χ2=56.263， P＜0.001） and glucocorticoid use （χ2=93.122， P＜0.001）. DAS28 （r=0.423， P＜0.001），TNF-α （r=0.171， P=0.012）， and IFN-α （r=0.237， P＜0.001） were positively associated with clinical effectiveness， whereas men （r=-0.427， P＜0.001）， osteoporosis （r=-0.510， P＜0.001）， and glucocorticoid therapy（r=-0.657， P＜0.001） were negatively associated with clinical effectiveness. The results of regression analyses showed that being female ［OR （95%CI）=0.001 （0， 0.067， P＜0.001］， no osteoporosis ［OR （95%CI）=0（0， 0.049）， P=0.003］， high DAS28 ［OR （95%CI）=83.455 （5.225， 1332.91）， P=0.002］， high IFN-α ［OR（95%CI） =10.259 （2.28， 46.164）， P=0.002］， and no glucocorticoid treatment ［OR （95%CI）=0.019 （0.001，0.366） P=0.019］ may be predictive factors for patients with RA responding to adalimumab treatment. With a cutoff value of 3.665， DAS28 had an area under the curve （AUC） value of 0.724 for the prediction of treatment response， with a sensitivity of 44.12% and specificity of 98.65%. With a cutoff value of 3.750，IFN-α had an AUC value of 0.780 for the prediction of treatment response， with a 97.06% sensitivity and 57.82% specificity. The AUC for the combined DAS28 and IFN-α was 0.898， and the sensitivity and specificity were 93.75% and 73.44%， respectively.

Conclusion

Female gender， no osteoporosis， high DAS28， high IFN-α， and no glucocorticoid treatment may be predictors of RA patients responding to adalimumab treatment. Among them， DAS28 is a more specific predictor， IFN-α is a more sensitive predictor，and the combination of the two has greater predictive value.

Key words: TNF-α antagonist, Adalimumab, Rheumatoid arthritis, Clinical efficacy, Predictive factors
表1 研究队列的临床特征
临床特征 反应组（n=148） 无反应组（n=68） t/Z/χ 2 值 P 值
年龄（岁，xˉ±s） 51.86±13.26 55.18±13.16 t=-1.709 0.089
女性［ 例（%）］ 134（90.54） 36（52.94） χ 2=48.430 ＜0.001
发病年龄（岁，xˉ±s） 42.16±12.91 43.18±12.08 t=-0.547 0.585
病程（月，xˉ±s） 9.43±10.18 11.81±9.99 t=-1.606 0.110
BMI（kg/m2，xˉ±s） 22.99±3.41 22.13±3.40 t=1.700 0.091
合并症［ 例（%）］
　高血压 26（17.57） 6（8.82） χ 2=3.590 0.058
　糖尿病 22（14.86） 4（5.88） χ 2=3.551 0.060
　骨质疏松 24（16.22） 46（66.65） χ 2=56.263 ＜0.001
关节
　小关节（个） 6（6～8） 6（5～8） Z=-1.391 0.164
　大关节（个） 4（2～6） 4（2～4） Z=-0.514 0.566
　关节畸形（个） 2（0～4） 2（2～4） Z=-1.768 0.071
疾病活动指标
　ESR （mm/h，xˉ±s） 66.04±29.11 69.93±30.92 t=-0.894 0.373
　CRP （mg/L，xˉ±s） 40.90±44.35 50.44±36.09 t=-1.513 0.132
　DAS28 （xˉ±s） 5.61±0.92 4.61±1.15 t=6.827 ＜0.001
　RF （IU/ml，xˉ±s） 238.84±413.51 339.51±238.77 t=-1.638 0.103
　RF［ 例（%）］ 104（70.27） 48（70.59） χ 2=0.002 0.962
　anti-CCP （RU/ml，xˉ±s） 1062.38±1652.05 1057.86±644.22 t=0.019 0.985
　Anti-CCP［ 例（%）］ 120（81.08） 56（82.35） χ 2=1.306 0.253
实验室指标（xˉ±s）
　WBC （109） 8.16±10.64 6.95±1.78 t=0.935 0.351
　NE （109） 4.61±1.50 4.94±1.81 t=-1.421 0.157
　LY （109） 1.25±0.41 1.37±0.54 t=-4.41 0.057
　HB （g/L） 113.93±13.95 114.65±17.48 t=-0.413 0.680
　P LT（109） 284.30±93.09 280.12±69.87 t=0.330 0.742
　NRL 4.31±2.61 4.07±2.06 t=0.665 0.506
　PRL 251.24±105.97 223.86±94.06 t=1.825 0.069
　IL-6 （pg/ml） 73.56±140.01 44.75±33.54 t=1.622 0.106
　TNF-α（pg/ml） 22.74±56.50 5.30±5.37 t=3.719 ＜0.001
　IFN-α（pg/ml） 11.13±21.50 1.84±1.17 t=5.22 ＜0.001
　IFN-γ（pg/ml） 9.45±40.14 1.59±0.75 t=1.564 0.119
　IgA （mg/dl） 371.74±164.94 342.06±40.39 t=1.501 0.137
　IgM （mg/dl） 210.52±111.13 216.69±142.39 t=-0.244 0.807
　IgG （mg/dl） 1284.90±381.42 1384.84±283.89 t=-1.340 0.183
　CD4/CD8 66.29±314.65 2.52±074 t=1.342 0.182
　抗核抗体阳性［ 例（%）］ 38（25.68） 20（29.41） χ 2=0.231 0.630
　强的松或甲泼尼龙［ 例（%）］ 16（10.81） 52（76.47） χ 2=93.122 ＜0.001
　甲氨蝶呤（个） 90 30
　来氟米特（个） 20 16
　他克莫司（个） 0 10
　雷公藤（个） 20 4
感染［ 例（%）］ 8（5.41） 4（5.88） χ 2=1.778 0.182
表2 相关指标与治疗反应的相关性分析
男性 骨质疏松 DAS28 TNF-α IFN-α 糖皮质激素
r 值 -0.427 -0.510 0.423 0.171 0.237 -0.657
P 值 ＜0.001 ＜0.001 ＜0.001 0.012 ＜0.001 ＜0.001
表3 阿达木单抗治疗RA疗效预测因素的Logistic回归分析
变量 β SE Wald OR（95%CI） P 值
常量 -21.880 7.435 8.660 - 0.003
男性 -6.551 1.960 11.170 0.001（0，0.067） ＜0.001
骨质疏松 -8.912 3.005 8.795 0（0，0.049） 0.003
DAS28 4.424 1.414 9.794 83.455（5.225，1332.91） 0.002
IFN-α 2.328 0.767 9.205 10.259（2.28，46.164） 0.002
糖皮质激素 -3.964 1.510 6.895 0.019（0.001，0.366） 0.019
图1 DAS28和IFN-α对阿达木单抗治疗RA反应性预测价值的ROC曲线 注：DAS28为疾病活动评分28；IFN-α为IFN-α为干扰素α；RA为类风湿关节炎
表4 DAS-28和IFN-α对治疗反应的预测价值评价
项目 AUC 截断值 敏感度（%） 特异度（%） 最大约登指数
DAS28 0.724 3.665 44.12 98.65 0.428
IFN-α 0.780 3.750 97.06 57.82 0.549
Pre_1 0.898 0.752 93.75 73.44 0.672
1
魏贤杰， 黄河溯源， 张克石， 等. 山奈素通过抑制NF-κB减弱类风湿关节炎大鼠模型软骨细胞炎症及基质降解 ［J/OL］. 中华临床医师杂志（电子版）， 2024， 18（4）： 375-382.
2
Smolen JS， Emery P， Ferraccioli GF， et al. Certolizumab pegol in rheumatoid arthritis patients with low to moderate activity： the CERTAIN double-blind， randomised， placebo-controlled trial ［J］. Ann Rheum Dis， 2015， 74（5）： 843-850.
3
Shan J， Zhang J. Impact of obesity on the efficacy of different biologic agents in inflammatory diseases： A systematic review and metaanalysis ［J］. Joint Bone Spine， 2019， 86（2）：173-183.
4
Wampler Muskardin T， Vashisht P， Dorschner JM， et al. Increased pretreatment serum IFN-β/α ratio predicts non-response to tumour necrosis factor α inhibition in rheumatoid arthritis ［J］. Ann Rheum Dis，2016， 75（10）： 1757-1762.
5
Aletaha D， Neogi T， Silman AJ， et al. 2010 rheumatoid arthritis classification criteria： an American College of Rheumatology/European League Against Rheumatism collaborative initiative ［J］. Ann Rheum Dis， 2010， 69（9）：1580-1588.
6
van Gestel AM， Prevoo ml， van 't Hof MA， et al. Development and validation of the European League Against Rheumatism response criteria for rheumatoid arthritis.Comparison with the preliminary American College of Rheumatology and the World Health Organization/International League Against Rheumatism Criteria ［J］.Arthritis Rheum， 1996， 39（1）： 34-40.
7
Wysocki T， Paradowska-Gorycka A. Pharmacogenomics of anti-TNF treatment response marks a new era of tailored rheumatoid arthritis therapy ［J］. Int J Mol Sci， 2022， 23（4）： 2366.
8
Smolen JS， Szumski A， Koenig AS， et al. Predictors of remission with etanercept-methotrexate induction therapy and loss of remission with etanercept maintenance， reduction， or withdrawal in moderately active rheumatoid arthritis： results of the PRESERVE trial ［J］. Arthritis Res Ther， 2018， 20（1）： 8.
9
Chis M， Cimpean AM， Barb AC， et al. Age， sex， metabolic and pharmacologic factors may predict nonresponse status to rheumatoid arthritis therapies ［J］. In Vivo， 2023， 37（5）： 2387-2401.
10
Cordisco AJ， Olave M， George MD， et al. Identifying factors associated with treatment response in rheumatoid arthritis clinical trials ［J］. ACR Open Rheumatol， 2022， 4（9）： 811-818.
11
Wientjes MHM， den Broeder AA， Welsing PMJ， et al. Prediction of response to anti-TNF treatment using laboratory biomarkers in patients with rheumatoid arthritis： a systematic review ［J］. RMD Open， 2022，8（2）： e002570.
12
Harrold LR， Litman HJ， Connolly SE， et al. Effect of anticitrullinated protein antibody status on response to abatacept or antitumor necrosis factor-α therapy in patients with rheumatoid arthritis： A US National observational study ［J］. J Rheumatol， 2018， 45（1）： 32-39.
13
Ling SF， Nair N， Verstappen SMM， et al. Proteomic analysis to define predictors of treatment response to adalimumab or methotrexate in rheumatoid arthritis patients ［J］. Pharmacogenomics J， 2020， 20（3）：516-523.
14
Julià A， López-Lasanta M， Blanco F， et al. Interactions between rheumatoid arthritis antibodies are associated with the response to antitumor necrosis factor therapy ［J］. BMC Musculoskelet Disord， 2021，22（1）： 372.
15
Mulhearn B， Barton A， Viatte S. Using the immunophenotype to predict response to biologic drugs in rheumatoid arthritis ［J］. J Pers Med， 2019， 9（4）： 46.
16
Lin CMA， Isaacs JD， Cooles FAH. Role of IFN-α in rheumatoid arthritis ［J］. Curr Rheumatol Rep， 2024， 26（2）： 37-52.
17
Wright HL， Thomas HB， Moots RJ， et al. Interferon gene expression signature in rheumatoid arthritis neutrophils correlates with a good response to TNFi therapy ［J］. Rheumatology （Oxford）， 2015， 54： 188-193.
18
Bitoun S， Hässler S， Ternant D， et al. Response to biologic drugs in patients with rheumatoid arthritis and antidrug antibodies ［J］. JAMA Netw Open， 2023， 6（7）： e2323098.
19
Millier MJ， Fanning NC， Frampton C， et al. Plasma interleukin-23 and circulating IL-17A+IFNγ+ ex-Th17 cells predict opposing outcomes of anti-TNF therapy in rheumatoid arthritis ［J］. Arthritis Res Ther，2022， 24（1）： 57.
20
Li JB， Liu PC， Chen L， et al. Infiltrations of plasma cells in synovium predict inadequate response to Adalimumab in Rheumatoid Arthritis patients ［J］. Arthritis Res Ther， 2024， 26（1）： 186.
21
Julià A， Ávila G， Celis R， et al. Lower peripheral helper T cell levels in the synovium are associated with a better response to anti-TNF therapy in rheumatoid arthritis ［J］. Arthritis Res Ther， 2020， 22（1）： 196.
22
Tao W， Concepcion AN， Vianen M， et al. Multiomics and machine learning accurately predict clinical response to adalimumab and etanercept therapy in patients with rheumatoid arthritis ［J］. Arthritis Rheumatol， 2021， 73（2）： 212-222.
23
Keystone EC， Rampakakis E， Movahedi M， et al. Toward defining primary and secondary nonresponse in rheumatoid arthritis patients treated with anti-TNF： results from the BioTRAC and OBRI registries［J］. J Rheumatol， 2020， 47（4）： 510-517.
[1] 王博冉, 乔春梅, 李春歌, 王欣, 王晓磊. 超声造影评估类风湿关节炎亚临床滑膜炎疾病进展的价值[J/OL]. 中华医学超声杂志（电子版）, 2024, 21(08): 802-808.
[2] 王杰, 袁泉, 王玥琦, 乔佳君, 谭春丽, 夏仲元, 刘守尧. 溃疡油在糖尿病足溃疡治疗中的应用效果及安全性观察[J/OL]. 中华损伤与修复杂志(电子版), 2024, 19(06): 480-484.
[3] 聂生军, 王钰, 王毅, 鲜小庆, 马生成. 复方倍他米松局部注射联合光动力疗法治疗小型瘢痕疙瘩的临床疗效观察[J/OL]. 中华损伤与修复杂志(电子版), 2024, 19(05): 404-410.
[4] 李可心, 鲁瑞, 田燕, 王文俊, 李维, 万月强, 翟嵩, 刘拉羊. 阿达木单抗治疗银屑病致播散性肺结核一例并文献复习[J/OL]. 中华实验和临床感染病杂志(电子版), 2024, 18(04): 245-249.
[5] 李义亮, 苏拉依曼·牙库甫, 麦麦提艾力·麦麦提明, 克力木·阿不都热依木. 机器人与腹腔镜食管裂孔疝修补术联合Nissen 胃底折叠术短期疗效分析[J/OL]. 中华疝和腹壁外科杂志(电子版), 2024, 18(05): 512-517.
[6] 梁高钰, 范洁, 郭显银, 杨刚, 方超, 杨林, 赵莉, 周国武. 电子支气管镜支气管肺泡灌洗术治疗重症肺部感染患者的临床疗效分析[J/OL]. 中华肺部疾病杂志(电子版), 2024, 17(06): 962-966.
[7] 杨万荣, 任治坤, 时新颍. 沙丁胺醇雾化吸入脾多肽治疗AECOPD的疗效分析[J/OL]. 中华肺部疾病杂志(电子版), 2024, 17(04): 609-612.
[8] 陈靖, 刘天奇, 王莉莉, 尹立全. 体外冲击波治疗脑卒中后肌痉挛的Meta分析[J/OL]. 中华脑科疾病与康复杂志(电子版), 2024, 14(06): 334-340.
[9] 李娇娇, 回雪, 杨美荣, 周红军. 穴位电刺激联合中药脐部热熨辅助治疗脑卒中后便秘患者的疗效研究[J/OL]. 中华消化病与影像杂志(电子版), 2025, 15(01): 69-72.
[10] 韩俊岭, 王刚, 马厉英, 连颖, 徐慧. 维生素D 联合匹维溴铵治疗腹泻型肠易激综合征患者疗效及对肠道屏障功能指标的影响研究[J/OL]. 中华消化病与影像杂志(电子版), 2024, 14(06): 560-564.
[11] 黄福秀, 张宁宁, 李晨阳, 李淑玲, 陈超. 单纯电切、单纯电凝与电凝电切术对扁平肠息肉疗效及不良事件发生率的影响[J/OL]. 中华消化病与影像杂志(电子版), 2024, 14(04): 310-314.
[12] 王誉英, 刘世伟, 王睿, 曾娅玲, 涂禧慧, 张蒲蓉. 老年乳腺癌新辅助治疗病理完全缓解的预测因素分析[J/OL]. 中华临床医师杂志(电子版), 2024, 18(07): 641-646.
[13] 神童, 申程, 张艳艳, 颜欣卓, 甘立军. 冠心病合并类风湿关节炎患者PCI术后死亡一例[J/OL]. 中华诊断学电子杂志, 2024, 12(04): 241-244.
[14] 王楠钧, 马燕, 李隆松, 牛晓彤, 刘圣圳, 毕雅维, 苏松, 柴宁莉, 令狐恩强. 不同年龄段胃低级别上皮内瘤变患者内镜下射频消融术的疗效对比分析[J/OL]. 中华胃肠内镜电子杂志, 2024, 11(04): 238-242.
[15] 孙志军, 梁立丰, 柳晓娜, 杨汪洋, 邸北冰, 张妮潇, 彭晖. 接受ICM 的不明原因晕厥患者需行起搏治疗的临床预测因素分析[J/OL]. 中华脑血管病杂志(电子版), 2024, 18(05): 446-453.
阅读次数
全文


摘要

版权所有 中华医学会 中华医学电子音像出版社有限责任公司  京ICP备14006079号-1  网络出版服务许可证：(署)网出证(京)字第075号