背景：在流行病学中,观察暴露对结局的效应时,如果存在某些变量既与观察因素,即暴露有关联,又与结局变量有关联,并且非暴露与结局因果关系链上的中间变量,则该变量即产生了混杂效应,该变量即为混杂。传统的处理混杂效应的方法,如匹配、分层和回归校正等,在观察到混杂因素比较多而样本量相对不大时,往往存在着不足之处。近年来,倾向性评分法的应用使得对混杂效应的处理更加的有效。免疫与炎症作为肿瘤微环境中的两大关键环节,其与肿瘤预后的关联性是研究者们关注的重点。在现有的针对免疫因子和炎症因子对癌症预后的研究中,研究者往往针对基线某种特定的免疫因子或炎症因子来研究其与预后的影响,考虑的基线特征也往往仅限于肿瘤的临床分期、病人的年龄、性别等。实际上,临床上,多种免疫因子间或炎症因子间往往存在着关联性,而如果仅考虑某种免疫因子或炎症因子,可能会对效应的估计产生偏倚。目前,临床上通用的肿瘤分期是AJCC/UICC-TNM分期,其是根据肿瘤的组织标本,结合了肿瘤的大小(T)、有无淋巴结的入侵(N)和有无远处转移(M)来进行分类。虽然该分期方法在一定程度上能够反映出肿瘤病人的结局状况,但该分期主要反映的是癌症病人其临床病灶的基线状况,其对肿瘤病人预后的预测提供的信息有限。在现有针对免疫或炎症因子的研究中,研究者多基于单个免疫或炎症指标对预后的研究,仅少数研究考虑多个指标进行分类而构建出一个预后评分。我们猜测预后评分与肿瘤TNM分期有关,分期又与肿瘤预后有关,因此这些预后评分很可能也与肿瘤预后有关。问题是在同样分期情况下,预后评分与肿瘤预后的关系是什么?换而言之,预后评分是不是影响癌症患者预后的一个独立因素?目的：本论文希望通过多种途径来探索影响胃癌预后的免疫因子和炎症因子,并利用倾向性评分的方法来校正观察性研究中某些观测因素在基线不均衡的问题。探索通过随机逼近的方法进行多指标的加权,从而构建一个免疫或炎症因子评分,并考虑该指标对预后的影响。方法和内容：利用中山医院肿瘤内科的胃癌病人就诊数据。回顾性的收集病人每次住院时进行的血常规、肝肾功能、肿瘤标志物、Cl)细胞亚群等检测结果。通过病史资料,收集病人的基本特征,包括肿瘤的临床分期、病人的年龄、性别等。通过电话随访的形式收集病人的预后,主要包括PFS和OS。以第一次住院的检测结果为基线数据,探索基线免疫因子与炎症因子对胃癌预后的影响。依据收集的资料和临床医学知识判断,本研究考虑的免疫因子为白蛋白、白球比和CD细胞亚群,包括CD19、CD3、CD8、CD4等；考虑的炎症指标为白细胞计数、超敏C反应蛋白、NLR、PLR和单核细胞计数。通过Cox比例风险模型和Kaplan-Meier法绘制生存曲线,来探索与预后有关的因素。并通过倾向性评分的方法校正混杂。对影响预后的免疫或炎症指标,通过R语言进行随机逼近的方法,得出各指标的权重,从而构建一个免疫或炎症因子的综合得分。主要结果：1)在校正了患者的性别、年龄和胃癌的临床分期及基线混杂因素后,OS为结局时,白蛋白对预后的影响仍有统计学意义,HR=0.87,95%CI为(0.79-0.95),P=0.002。而以PFS为结局时,HR=0.97,95%CI=(0.90,1.05),P=0.448,无统计学意义。2)炎症因子指标PLR、NLR、CRP和单核细胞计数均与胃癌的预后有关,炎症指标越高,胃癌的预后越不好。3)构建的炎症因子评分为：Score=0.531*WBC计数+0.008*CRP+0.442*单核细胞计数+0.010*NLR+0.009*PLR结论：控制相关混杂因素后,免疫指标白蛋白和炎症指标PLR、NLR、CRP和单核细胞计数等与胃癌预后有关联性,并且白蛋白越高预后越好,炎症指标越高,胃癌的预后越不好。这可以为临床实践中改善胃癌病人预后提供新的非靶点的干预措施。