文献速递妇产影像技术与安全

无创产前筛查全胎儿分数谱的临床经验:低检测失败率

Clinical experience across the fetal-fraction spectrum of a non-invasive prenatal screening approach with low test-failure rate.
PubMed 文献 · Ultrasound Obstet Gynecol · 2020-01-01

回顾性分析58105例单胎妊娠接受全基因组测序无创产前筛查的结果,检测失败率0.1%,21/18/13三体推断敏感度分别为99.7%、96.8%、94.3%,阳性预测值分别为93.1%、85.2%、48.4%。若采用4%胎儿分数阈值,敏感度无显著变化但检测失败率升至6.6%。

要点

  • 全基因组测序无创产前筛查未设胎儿分数阈值,检测失败率仅0.1%。
  • 21、18、13三体推断敏感度分别为99.7%、96.8%、94.3%。
  • 21、18、13三体阳性预测值分别为93.1%、85.2%、48.4%。

核心结论

  • 基于全基因组测序的无创产前筛查不设胎儿分数阈值即可实现高准确度,同时维持0.1%的低检测失败率。
  • 对于该筛查方法,无需采用重抽血、延迟孕周重抽或基于胎儿分数风险评分等替代策略来确保低胎儿分数样本的常见非整倍体检出准确度。

研究设计与样本

  • 回顾性分析8个月期间在定制全基因组测序平台上接受无创产前筛查的58105例单胎妊娠。
  • 评估21三体、18三体和13三体的临床检测性能,对所有筛查阳性患者及18%筛查阴性患者追踪妊娠结局。
  • 采用校正确认偏倚后的推断敏感度、特异度、阳性预测值和阴性预测值。

诊断标准与关键数值

  • 筛查检测在99.9%(n=58048)的患者中产出结果,检测失败率0.1%(约1/1000)。
  • 在产出结果的妊娠中,572例(1%)常见非整倍体筛查阳性:21三体362例、18三体142例、13三体68例。
  • 全队列中21三体、18三体和13三体的推断敏感度分别为99.7%、96.8%和94.3%,阳性预测值分别为93.1%、85.2%和48.4%。
  • 若采用4%胎儿分数阈值,三种非整倍体的计算敏感度无显著变化,但总体检测失败率增至6.6%(n=3829),影响1/15女性。

临床应用与阅片要点

  • 该定制全基因组测序无创产前筛查不设胎儿分数阈值即可达到高准确度和低检测失败率,无需为低胎儿分数样本另行采取重抽血等替代策略。

局限性

  • 回顾性分析。
  • 结局收集应答率存在差异,可能人为影响检测性能计算,故采用校正确认偏倚后的推断敏感度、特异度、阳性预测值和阴性预测值。
  • 筛查阳性患者结局信息回收237例(41.4%),筛查阴性患者结局信息回收3258例(5.7%)。
全文中译12 节 · 点击展开
本译文由 AI 依据开放获取原文逐段翻译,供学习参考,可能存在误差,请以原文为准。原文 © 原作者,按 CC BY 许可使用,本译文为翻译改编。出处:Ultrasound Obstet Gynecol. 2020 Sep 1;56(3):422–30. doi: 10.1002/uog.21904

CONTRIBUTION 本工作的新发现是什么?

本研究直接探讨了胎儿分数(FF)低的样本在接受无创产前筛查(NIPS)后的妊娠结局。在大多数NIPS检测中,低FF样本会被判定为检测失败,但我们发现,一种基于全基因组测序(WGS)的定制化NIPS不因FF而判定样本失败,其在高FF和低FF样本中具有相当的灵敏度和特异度。

本工作的临床意义是什么?

因低FF导致的NIPS检测失败会增加患者焦虑、延长产前筛查流程并使提供者的工作流程复杂化。我们的研究表明,一种不采用FF阈值的定制化WGS-based NIPS方法在高FF和低FF时表现相当,使得因低FF导致的检测失败变得不必要。

引言

基于游离DNA(cfDNA)的无创产前筛查(NIPS)正在临床实践中迅速取代传统的非整倍体筛查方法 1 , 2 。许多实验室使用不同的分子方法提供NIPS 3 , 4 , 5 ,而临床经验研究一致表明,该方法对涉及21、18和13号染色体的非整倍体具有高准确性和阳性预测值(PPV) 6 , 7 , 8 。然而,这些研究存在共同缺陷,例如缺乏对筛查阴性结果的主动随访,这可能通过假定整倍体而高估方法的灵敏度,以及对检测失败意义的考虑有限 6 , 7 , 8 。

NIPS检测失败(或“无结果”)通常归因于cfDNA中妊娠来源基因组物质比例不足(“胎儿分数”(FF)) 9 。低FF(< 4%,按美国医学遗传学与基因组学学会10的分类)可因非整倍体灵敏度降低而导致检测失败,但灵敏度下降的程度取决于平台 11 。许多实验室设定了低FF阈值,低于该阈值的所有样本均判定为失败;已报道的阈值为2.8%至4.0% FF,失败率为1.9%至5.2% 8 , 12 。检测失败在临床上是个问题,因为它们需要额外随访并延迟对高危妊娠的识别。目前,指南建议提供者应为NIPS检测失败的患者提供与筛查阳性结果患者相同的侵入性随访(即绒毛膜绒毛取样(CVS)或羊膜腔穿刺) 10 , 13 。因此,失败率升高的NIPS抵消了无创检测的主要益处之一,即减少侵入性操作及相关妊娠丢失 14 , 15 , 16 。此外,未进行侵入性随访的患者如果在样本重新采集后获得延迟结果或完全无结果,可能会失去做出知情妊娠管理决策的机会 13 。

使用全基因组测序(WGS)的NIPS所报道的失败率低至0.1% 6 , 17 ,但在低FF时的临床检测性能尚未被探索。此类评估必须针对具体实验室进行,因为基于WGS的平台不可互换,它们使用不同的下一代测序方案、数据分析算法和数据审核来提供患者结果 3 , 18 。在此,我们展示了一种定制化WGS-based NIPS方法的临床经验,该方法不采用FF阈值,对筛查阳性和筛查阴性患者均具有低检测失败率。

方法

数据集

我们回顾性分析了58105例患者在接受NIPS后8个月期间(2017年6月1日至2018年1月31日)的匿名数据。我们采用了基于全基因组测序(WGS)的方法(改编自Fan等19),该方法测量母体血浆中cfDNA的相对丰度,并使用Z评分来量化cfDNA丰度中与胎儿非整倍体一致的任何显著染色体特异性偏差。三体染色体分析结果报告为“筛查阳性”或“筛查阴性”。使用先前描述的基于回归的方法20的改编版本,在本实验室数据上训练,对每个样本测量胎儿分数(FF)。未将FF阈值作为检测失败的原因;然而,检测失败可能因多种技术原因发生,例如基因组DNA遮蔽cfDNA信号、测序质量差和比对测序读数数量少。

双胎妊娠(n = 1257)和多种非整倍体筛查阳性结果的患者(n = 8)被排除在数据集之外。然而,确认或怀疑有消失双胎和/或嵌合体的妊娠被纳入。所有患者均提供了检测和匿名研究的知情同意。所有来自纽约州的样本被排除在本分析之外。本研究免于机构审查委员会(IRB)的监管(由Western IRB审查并指定)。

结局收集

妊娠结局通过本实验室常规的符合《健康保险携带和责任法案》(HIPAA)的持续质量改进和最佳实践流程(包括记录自我报告的假阴性(FN))以及为本研究目的进行的针对性工作获得。请求妊娠结局信息的表格自动传真至开单诊所,并要求提供以下信息:是否进行了侵入性诊断检测(例如CVS和/或羊膜腔穿刺),如进行了,其结果如何;妊娠结局(例如持续妊娠、自然流产、宫内胎儿死亡、死产、选择性终止妊娠、早产、足月分娩);胎儿/儿童的性别(通过超声、新生儿检查和/或染色体分析);以及任何附加信息(图S1)。医疗记录可随结局收集表一并返回。

我们积极寻求所有常见非整倍体(21三体、18三体、13三体)筛查阳性妊娠以及随机选取的部分筛查阴性妊娠的妊娠结局信息。筛查阴性妊娠的结局请求量按每家诊所每周最多两次设限,以限制工作流程负担,但除此之外为随机选择(总共请求了18%)。首次请求在筛查阳性结果发出后3周、筛查阴性结果发出后30周传真发送。如果在首次传真发送日期后2周内未收到回复,则发送随访请求表,共两次自动尝试。还由认证遗传咨询师进行人工传真和/或电话联系。获得的结局回复随后记录在符合HIPAA的内部数据库中,并为研究目的进行匿名化处理。

一致性评估

两名在前产前遗传学方面经验丰富的认证遗传咨询师独立审查了筛查结果与妊娠结局之间的一致性/不一致性。如果筛查结果与产前或产后诊断性染色体分析或新生儿检查一致,则将其分类为“一致”;如果不一致,则分类为“不一致”。计算Cohen's kappa统计量以衡量一致性评估的评定者间信度。对于无法获得诊断性染色体分析的病例,如果提供者报告的妊娠结局为“足月分娩”或“早产”且新生儿检查无21、18或13三体迹象,则筛查阴性结果额外分类为“一致”。

检测性能分析

检测性能指标(敏感性、特异性、PPV和阴性预测值(NPV))取决于真阳性(TP)、真阴性(TN)、假阳性(FP)和FN的相对数量。筛查阳性患者、筛查阴性患者和自我报告的FN之间结局收集响应率的差异可能人为影响检测性能计算(例如,如果所有FN结局均被报告但仅一半TP结局被报告,则敏感性将被低估)。因此,使用与Taneja等人6所述类似的方法学,对FN和FP的数量进行调整以计算推断敏感性、推断特异性、推断PPV和推断NPV。所用调整方法学的详细信息见附录S1。简言之,为计算推断敏感性(TP/(TP + FNsensitivity‐adjusted)),FN数量根据筛查阳性患者收到的信息性结局率进行调整(例如,如果50%的筛查阳性患者报告了结局且100%的FN被报告,则我们将FN数量按50%缩减以得出FNsensitivity‐adjusted)。为计算推断特异性(TN/(TN + FPspecificity‐adjusted)),FP数量根据筛查阴性患者相对于筛查阳性患者收到的信息性结局率进行调整。为计算推断NPV(TN/(TN + FNNPV‐adjusted)),FN数量根据筛查阴性患者收到的信息性结局率进行调整。PPV计算(TP/(TP + FP))无需调整,因为假定TP和FP结局以相同率被接收。我们直接评估了响应率假设及FN和FP相关调整值的影响(表S1),并发现总体而言,我们的假设对研究结论的影响可忽略不计;例如,如果我们关于100% FN报告的假设严重不正确且仅60%的FN被报告,推断敏感性的变化将< 1%。

我们实施了多种策略来评估计算所得性能指标的置信度。对于推断灵敏度和推断特异性,为考虑结局数据收集不完整的影响,我们通过假设筛查阳性结果中未知结局(例如来自提供者未返回结局表格的患者)为不一致(下限)或一致(上限)来计算不确定性范围。此外,由于在低胎儿分数(FF)下计算的推断灵敏度和推断特异性指标仅考虑了数据的一个子集,因此涉及的阳性样本相对较少,我们基于观察到的阳性频率通过重复抽样确定置信区间(CI)(附录S1和表S2)。举例而言,该自助法模拟分析显示,我们在低FF下的数据足以产生21三体推断灵敏度约±7%的95%CI。对于阳性预测值(PPV)和推断阴性预测值(NPV),95%CI是在假设测量值呈正态分布(标准正态区间)的情况下计算的。

进行了模拟功效分析以确定在何种条件下FF < 4%与FF ≥ 4%患者之间推断灵敏度的差异预期可产生显著差异(附录S1)。亚组(FF < 4%和FF ≥ 4%)间检测性能的差异使用比例Z检验(Statsmodels版本0.10.1)或Fisher精确检验(Scipy版本1.3.0)计算。推断灵敏度和PPV的差异使用Fisher精确检验计算。推断特异性和推断NPV的差异使用比例Z检验计算。我们计算了FF < 4%患者的假阴性(FN)率(FN/(FN + 真阳性(TP)))与FF ≥ 4%患者FN率的比值,以及相应的95%CI(附录S1)。所有分析使用Python版本2.7.10、Numpy版本1.13.1和Pandas版本0.20.3进行。

结果

我们回顾性分析了研究期间接受无创产前筛查(NIPS)的58 105例患者的样本。我们定制的基于全基因组测序(WGS)的NIPS为58 048例患者(99.9%)给出了结果。其余57例患者因技术原因检测失败,因此检测失败率为0.1%。在有结果的患者中,572例(1%)筛查为常见非整倍体之一阳性:362例为21三体,142例为18三体,68例为13三体(表1)。中位周转时间为4个日历日(四分位距3.2–4.8天(95%CI 2.3–8.1天))。

图1显示了筛查阳性和筛查阴性患者母亲年龄、孕龄和FF的分布。筛查阳性患者显著年龄更大且FF显著更低(分别为P < 0.0001和P < 0.0001;单侧Kolmogorov–Smirnov检验)。筛查时阳性结果与阴性结果患者之间孕龄无显著差异(P = 0.1;Kolmogorov–Smirnov检验)。在我们队列中母亲年龄范围为18岁至45岁,孕龄范围为10.0周至41.5周。107例患者的FF处于我们检测方法的最低可报告FF范围(< 1%),85例患者的FF处于我们检测方法的最高可报告FF(> 30%)。

表1 患者筛查时的无创产前筛查(NIPS)结果,以及58 105例接受基于定制全基因组测序且不设胎儿分数(FF)阈值的NIPS患者的妊娠结局比较 查看原表 ↗
图1 58 105例接受基于定制全基因组测序的无创产前筛查的患者中,根据21、18或13三体筛查阳性()或筛查阴性()情况,母亲年龄(a)、孕周(b)和胎儿分数(c)的分布。曲线表示经高斯核平滑处理的数据,以便清晰显示。(a)中垂直虚线表示35岁的高龄产妇阈值。 查看原图 ↗

结局收集

为评估筛查阳性和筛查阴性报告的准确性,对所有筛查阳性结果病例以及18%的筛查阴性结果病例请求获取妊娠结局。其中,分别收到237例筛查阳性患者和3258例筛查阴性患者的信息性结局(分别占请求病例的41%和30%)。

表1根据筛查时向患者报告的结果,总结了我们在TP、TN、FP和FN方面的临床经验。共观察到3248例TN、206例TP、10例FN和31例FP。2例TP、2例FP和1例FN为伴消失双胎和/或嵌合体的妊娠。除1例由第三名认证遗传咨询师裁定外,所有病例的结局分类为TP、TN、FP或FN均一致。总队列一致性的Cohen kappa统计量为0.981。

患者队列中所有观察到的FN均由提供者主动报告;在请求获取结局的筛查阴性患者中未发现额外FN。有报告结局和无报告结局患者之间的母亲年龄、孕周和FF分布非常相似(图S2),提示根据报告结局推断的性能指标可反映整个队列的情况。

算法改进会常规整合到NIPS判定方法中,研究期间部署了一组改进措施。表2显示了使用更新算法重新分析样本时整个患者队列的性能数据。使用更新算法,3例低FF(FF < 4%)FN会被正确识别为筛查阳性,4例低FF TN会因筛查阳性结果而成为FP。图2a显示了基于更新算法结果,三种常见三体的确诊TN(n = 3244)、TP(n = 209)、FN(n = 7)和FP(n = 35)的FF值。TN和TP的FF分布与图1所示整个队列中的分布一致,TP的FF范围为0.9%至30.0%。与可在任何FF水平导致假性NIPS结果的一系列生物学因素(如嵌合体)报告相一致21,22,FN的FF范围为3.4%至20.0%,FP的FF范围为1.2%至18.9%(图2a)。由于我们的判定算法不会仅因低FF而使样本失败,我们使用更新算法专门密切审查了FF < 4%样本的检测性能。其中,有225例TN、22例TP、2例FN和10例FP(图2b,表2)。

表2 使用更新后的基于全基因组测序的NIPS算法进行的无创产前筛查(NIPS)结果,以及与58 105例接受未设置胎儿分数(FF)阈值的定制化基于全基因组测序的NIPS的患者妊娠结局的比较 查看原表 ↗
图2 基于使用更新算法对患者样本的再分析,定制化基于全基因组测序的无创产前筛查方法在未设置胎儿分数(FF)阈值情况下的性能,分别展示全患者队列(a)和FF < 4%的患者(b)。蓝色圆圈代表与妊娠结局可能一致(小圆圈)或已确认一致(大圆圈)的样本,红色圆圈代表与妊娠结局不一致的样本。与患者筛查时的结果相比,基于更新算法检测结果发生改变的样本,以红色/蓝色大圆圈内部的蓝色/红色小圆圈表示。具体而言,在由蓝色大圆圈内含红色小圆圈表示的三个样本中,患者筛查时结果为筛查阴性(假阴性,因为妊娠结局为非整倍体阳性),再分析后变为真阳性。在由红色大圆圈内含蓝色小圆圈表示的四个样本中,患者筛查时结果被正确识别为筛查阴性,使用更新算法再分析后变为假阳性。在(a)中,未展示51例FF > 32%的患者和355例筛查阳性但未获得有信息量结局的患者的测量值。在(b)中,64例FF < 4%的筛查阳性患者中,32例因未获得有信息量结局而未展示结果。为便于可视化,提供了随机垂直偏移,无临床意义。T13,13三体;T18,18三体;T21,21三体。 查看原图 ↗

推断的临床检测性能

我们接下来使用更新算法分析了推断的临床检测性能。全队列的推断敏感性以21三体最高(99.7%),其次为18三体(96.8%)和13三体(94.3%)(表3)。所有非整倍体的推断特异性均超过99.9%(表3)。21三体、18三体和13三体的PPV分别为93.1%、85.2%和48.4%;所有常见非整倍体的推断NPV均超过99.98%。基于患者检测时所用原始算法的相应推断临床检测性能见表S3。

为评估低FF时的检测性能,我们比较了FF < 4%患者与FF ≥ 4%患者的各自结果。如表3所示,FF < 4%和FF ≥ 4%的平均性能指标相当,且大多数不确定范围重叠。然而,为确定我们对FF < 4%和FF ≥ 4%的敏感性和特异性比较是否有意义,我们采用了两种策略来直接应对低FF样本中非整倍体相对较少的问题(尤其是13三体,其有2例TP且无FN;表2)。

首先,我们计算了低胎儿分数(FF)样本推断灵敏度和推断特异度的置信区间(CI)(不同于表3中所示的不确定度范围),并观察到它们与表3中报告的不确定度范围相当(表S2)。重要的是,低FF样本中18三体和21三体推断灵敏度的95% CI下限分别为84.0%和86.2%(表S2),提示在低FF下对这些非整倍体有足够的采样量,能够可靠地揭示高灵敏度(13三体的非整倍体样本不足以计算CI)。

其次,基于我们队列的规模,我们确定了本研究检测FF < 4%和FF ≥ 4%之间推断灵敏度具有统计学显著性和临床意义差异的检验效能。这一分析很重要,因为检验效能不足的分析可能例如只有在高FF下灵敏度为100%而低FF下为25%时才能预期检测到显著差异,从而使观察到无显著变化的结论实际上毫无意义。我们对三种三体合并进行了这一分析,发现我们有足够的检验效能(β为20%,α为5%;附录S1),如果低FF灵敏度≤ 81.7%,则可预期FF < 4%与FF ≥ 4%之间结果存在显著差异。换言之,对于超过81.7%的低FF灵敏度值,我们预期FF < 4%与FF ≥ 4%之间的灵敏度无显著差异。事实上,我们观察到低FF样本的灵敏度为95.7%,且该差异与高FF样本的灵敏度无显著差异(P > 0.29;Fisher精确检验)。我们进一步确定低FF和高FF下假阴性(FN)率比值的95% CI无显著差异(附录S1)。综上所述,这些结果表明,在我们超过58 000例患者的队列中,常见非整倍体在FF 4%上下灵敏度无显著差异。

对于所有非整倍体合并以及21三体单独分析,我们未观察到FF 4%上下推断特异度或推断阴性预测值(NPV)有显著差异(P > 0.1)。在FF < 4%和FF ≥ 4%两组中,21三体的阳性预测值(PPV)均> 70%,总体PPV均> 68%;然而,FF < 4%与FF ≥ 4%两组之间的数值有显著差异(Fisher精确检验,分别为P < 0.01和P < 0.05)。

表3 更新版全基因组测序为基础的无创产前筛查算法的推断检测性能 查看原表 ↗

FF阈值的后果

为了确定FF阈值是否会提高我们检测的检测性能,我们计算了如果采用0%、1%、2%、3%或4%的FF阈值时会出现的推断灵敏度和检测失败数量(图3)。最高的FF阈值4%不会使每种个体非整倍体的推断灵敏度或推断特异性发生显著变化。21三体和18三体的推断灵敏度将分别非显著地增加0.3%和0.4%(比例Z检验,P > 0.5),而13三体的观察灵敏度将降低0.9%(比例Z检验,P = 0.9),因为在FF < 4%的患者中未观察到13三体的假阴性。关键的是,4%的FF阈值将导致使用我们检测时总共3829例检测失败,总体检测失败率为6.6%,而不使用FF阈值时为0.1%(图3)。总之,我们表明FF阈值 > 0%会增加NIPS检测失败的百分比(4%阈值时高达65倍),而不会显著改变灵敏度。

图3 在基于全基因组测序的无创产前筛查方法中,如果采用0%、1%、2%、3%或4%的胎儿分数阈值,21三体()、18三体()和13三体()的临床灵敏度(a)以及会发生的检测失败率和数量(b)。数据为使用更新算法重新分析的58 105例患者样本。 查看原图 ↗

讨论

虽然许多临床经验研究已证明NIPS具有高准确性,但尚无研究全面探讨NIPS在低FF时的性能。对于许多NIPS产品而言,此类研究不可能进行,因为所有低于FF阈值的样本都会得到检测失败结果。在这项纳入超过58 000例患者的研究中,我们检查了一种基于WGS的NIPS的临床性能,该检测经过定制,在整个经验FF范围内均具有灵敏度和特异性,因此不需要低FF阈值。除了覆盖FF值范围外,此处分析的多样的、无偏倚的患者队列还包括广泛的母亲年龄和孕龄谱,未排除嵌合体或双胎之一死亡的妊娠。虽然这些结果可能无法推广到其他NIPS实验室,但重要的是要注意,我们不仅表明该筛查试验的一般临床性能与NIPS的其他特征描述一致 6 , 8 , 9 ,而且表明FF < 4%的患者与FF ≥ 4%的患者之间的推断灵敏度和推断特异性无显著差异。

队列研究通常提供患者人群的汇总统计量(例如孕妇年龄的平均值、离散度和极值),但较少展示这些指标的完整分布,而完整分布能说明汇总统计量无法传达的数据特征。由于筛查试验中阳性结果罕见,突出显示筛查阳性患者的分布至关重要。如果筛查阳性患者在孕龄、风险特征(例如超声异常)或胎儿分数(FF)方面与筛查阴性患者不同,正如近期一项评估无创产前筛查(NIPS)检测22q11.2缺失综合征性能的研究那样23,那么敏感性、阳性预测值(PPV)及其他检测性能指标的计算可能无法反映一般人群中的真实值。在本研究中,筛查阳性患者与筛查阴性患者相比,孕龄无显著差异,但正如预期,其FF分布显著较低,这是由于13三体和18三体中FF降低所致24。因此,我们队列中计算出的性能指标预计可代表一般人群筛查的情况。

尽管结局的完整收集受到某些信息可及性的限制(例如失访患者、胎儿死亡但未进行染色体分析而可能产生的不一致结果等),以及受到提供者对阴性结果结局查询仅30%回复率的限制,但我们的结局收集过程比既往几项研究6, 7, 8的范围更广。我们主动对所有筛查阴性样本中的18%寻求随访,并发现提供者在这项工作中予以配合,使我们能够直接评估既往临床经验研究中关于所有假阴性(FN)报告都会被自愿报告的假设6。我们的经验支持这一假设,因为在我们实验室收到的3248例筛查阴性结局中,除自我报告者外,未捕获到其他FN(0%(95% CI,0.00–0.08%);Jeffreys区间)。

NIPS实验室所采用的分子和计算方法可能不同 12 , 18 , 25 ,即使在采用基于WGS的NIPS的实验室之间也是如此,而这些差异可能导致检测性能上的差异 6 , 7 , 8 。重要的是,每个实验室还可以选择在灵敏度、特异度和检测失败率之间进行权衡(例如,将每个样本都判定为筛查阳性会获得100%的灵敏度和0%的检测失败率,但代价是特异度仅为约1%)。然而,对于如何实现这种平衡尚无共识,而且这种权衡的定量性质取决于实验室。对于在低FF时灵敏度本身较差的筛查检测,可能建议采用较高的失败率以防止大量FN。由于此处表征的定制NIPS在低FF时具有灵敏度和特异度,因此有可能在保持低检测失败率的同时仅有少量FN和FP(图2b)。尽管在低FF时有两例FN,但必须结合背景来看待这一数字:在该范围内报告的TP多11倍(n = 22),并且收到确认或可能正确阴性结果的女性多> 1800倍(n = 3706)。如果为了避免FN而使所有低FF样本均检测失败,结果将是没有TN、一些归因于检测失败的“间接阳性”(这些检测失败者确实为非整倍体,假设每位检测失败的患者都接受了诊断性检测)以及约3200例有效FP(因为指南建议为筛查阳性结果或检测失败的患者提供诊断性随访 10 , 13 )。重要的是,与高检测失败率相关的大量诊断性操作可能导致因有创性随访而造成的操作相关损失。管理数千例检测失败的临床负担将是巨大的,而且随着NIPS在平均风险人群中应用的扩大 10 , 13 , 26 ,最大限度地减少这种临床负担将变得越来越重要。

低检测失败率对于减少NIPS的临床影响很重要(例如,与检测失败随访相关的工作流程负担和操作相关损失),但也可能对于尽量减少对患者的心理影响很重要,而后者尚未被系统研究。已知与妊娠相关的诊断性检测中的不确定结果会增加患者焦虑;例如,在最近一项因腹痛和/或阴道出血而接受产前超声检查的患者研究中,不确定结果与焦虑水平升高相关,甚至高于给出确定的不良结局诊断时 27 。随着NIPS成为一般人群中的一线筛查检测,探索检测失败所致不确定性的影响并减少其发生变得越来越重要。

总之,我们在超过58 000例患者中的临床经验表明,本研究所描述的、不设FF阈值的定制基于WGS的NIPS方法在实现高准确度的同时,还保持了0.1%的低检测失败率。使用FF阈值本会影响数千例患者,不必要地延迟了一些受累妊娠的识别。对于在低FF时仍保持高准确度的基于WGS的方法而言,仅根据FF使样本检测失败是没有必要的。

支持信息

附录S1 补充方法

点击此处获取补充数据文件。

图S1 结局收集表。

图S2 有(蓝色)和无(红色)报告妊娠结局患者的母亲年龄(a)、孕周(b)和胎儿分数(c)分布。为清晰起见,曲线表示高斯核平滑数据。(a)中的垂直线显示35岁的高龄产妇阈值。

点击此处获取补充数据文件。

表S1 推断检测性能的确定偏倚校正稳健性

表S2 因样本量低导致的低胎儿分数样本推断检测性能不确定性评估

表S3 基于患者检测时所用原始算法的推断检测性能

点击此处获取补充数据文件。

引用

  1. Hancock S, Ben-Shachar R, Adusei C, et al. Clinical experience across the fetal-fraction spectrum of a non-invasive prenatal screening approach with low test-failure rate. Ultrasound Obstet Gynecol. 2020. PMID: 31671482. doi:10.1002/uog.21904
  2. 全文:PMC7496885(PMC 开放获取,CC BY)https://pmc.ncbi.nlm.nih.gov/articles/PMC7496885/

供执业医师工作参考,不替代临床判断;数值与分级以指南原文为准。