联合SCC-Ag水平建立早期宫颈鳞癌的预后预测模型

摘 要：［目的］ 构建一个能够预测早期宫颈鳞癌患者术后生存的模型。［方法］ 纳入1435例在浙江省肿瘤医院行宫颈癌根治术的ⅠA～ⅡA期宫颈鳞状细胞癌患者，收集其临床特征、病理特征、术前血清SCC-Ag水平、术后辅助治疗及随访资料，随机抽取2/3患者组成建模组（n=957）用于列线图的开发，余1/3患者组成验证组（n=478）用于验证模型的性能。在建模组中，根据单因素、多因素COX回归分析结果确定影响患者总生存率的独立危险因素，结合临床意义将这些因素纳入预测模型，预测模型的区分度和准确性通过一致性指数（C-index）和校准曲线确定。进一步通过验证组评估模型的预测性能。［结果］ 在建模组中，单因素、多因素COX回归分析显示，肿块大小（HR=1.895，95%CI：1.140～3.151，P=0.014）、切缘状态（HR=3.709，95%CI：1.089～12.636，P=0.036）、脉管瘤栓（HR=2.330，95%CI：1.375～3.947，P=0.002）、术前血清SCC-Ag水平（HR=1.797，95%CI：1.131～2.858，P=0.013）、术后辅助放疗的有无（HR=0.542，95%CI 0.306～0.958，P=0.035）是早期宫颈癌的独立预后因素。结合这些因素及盆腔淋巴结状态、腹主动脉旁淋巴结状态、间质浸润，建立一个能够预测患者3年、5年OS的列线图。模型在建模组和验证组均显示出良好的区分度，C-index分别为0.71、0.69，优于FIGO分期的0.53、0.61。校准曲线也验证了该列线图预测的生存率与实际的生存率之间的一致性。［结论］本研究构建了一个有助于个体化预测早期宫颈鳞癌患者生存预后的量化模型，对于临床上制定后续的治疗方案具有一定的指导意义。     

预测子宫内膜癌根治术后生存的列线图模型

摘 要： ［目的］ 分析影响子宫内膜癌根治术后生存的相关因素,建立列线图预测模型。［方法］ 选取2013年8月至2015年8月收治的子宫内膜癌患者300例作为建模组,2015年9月至2016年9月收治的52例子宫内膜癌患者作为验证组。采用Kaplan-Meier法计算术后3年及5年生存率,Cox回归模型筛选术后生存率的独立影响因素。基于预后相关独立影响因素建立列线图预测模型。 ［结果］ 术后对300例患者实施5年随访,失访14例,286例患者3年、5年生存率分别为95.45%、86.71%。多因素Cox风险回归分析显示,手术病理分期、组织学分级、肌层浸润深度、淋巴结转移是子宫内膜癌患者术后生存率的独立危险因素（P＜0.05）。基于影响术后生存的危险因素建立列线图预测模型,列线图预测模型预测3年、5年生存率的ROC曲线下面积分别为0.859（95%CI：0.820~0.892）、0.849（95%CI：0.805~0.880）;校准曲线为斜率近似于1的直线。验证组列线图预测3年、5年生存率的ROC曲线下面积分别为0.858（95%CI：0.803~0.903）、0.827（95%CI：0.758~0.876）。Kaplan-Meier生存曲线结果显示,高危组患者5年生存率为78.63%,明显低于低危组患者的92.31%（P＜0.05）。［结论］ 基于子宫内膜癌根治术后生存率的影响因素建立列线图预测模型预测术后3年、5年生存率的区分度与一致性良好,可为子宫内膜癌的术后辅助治疗提供一定参考价值。     

基于列线图构建和验证肝细胞癌伴门静脉癌栓患者肝切除术后的预后评估模型

目的 分析影响肝细胞癌伴门静脉癌栓（PVTT-HCC）患者肝切除术后预后的影响因素,并基于列线图模型构建和验证预后评估模型。方法 本研究为回顾性队列研究,选择2008年1月—2017年11月在本院行肝切除术的PVTT-HCC患者为研究对象,随访截至2021年1月。主要预测结局为1、3、5年总生存率。按照7∶3的比例将患者随机分为训练集和验证集,在训练集中采用Cox比例风险回归分析影响预后的影响,并基于影响因素构建列线图模型。同时在训练集和验证集中采用C-index评价模型的区分度,一致性曲线评估模型的校准度。结果 共231例患者符合纳入排除标准纳入分析,其中训练集162例,验证集69例。Cox比例风险回归模型显示,AFP≥400 μg/L、AST≥40 U/L、ALP≥80 U/L、肿瘤个数>1个及肿瘤包膜不完整是影响预后的危险因素。在训练集中,列线图模型预测1、3、5年总生存率的C-index分别为0.826（95%CI: 0.791~0.861）、0.818（95%CI：0.782~0.854）、0.781（95%CI：0.742~0.820）,在验证集中分别为0.814（95%CI：0.777~0.851）、0.798（95%CI：0.758~0.837）、0.769（95%CI：0.728~0.810）。校正曲线显示列线图模型在训练集和验证集均有较好的校准度。结论 本研究构建的列线图模型可准确预测PVTT-HCC患者的预后。     

基于术前FAR和SⅡ的预后模型与TNM分期系统在评估胰腺癌根治术患者预后中的比较

目的 探讨胰腺导管腺癌患者术前纤维蛋白原/白蛋白比值（FAR）和系统免疫炎症指数（SⅡ）对预后的预测价值。方法 受试者工作特征（ROC）曲线确定FAR、SⅡ的最佳截断值,并进行分组。Cox风险比例模型分析胰腺癌根治术的预后影响因素,依此建立列线图（Nomogram）预后模型。C-index、AUC和校准曲线评估列线图的辨别和校准能力。DCA曲线评估列线图的临床有效性。结果 术前FAR及SⅡ的最佳截断值分别为0.095和532.945。Cox比例风险回归模型显示：FAR≥0.095、SⅡ≥532.945、CA199≥450.9U/ml、肿瘤最大径≥4cm、术后未进行化疗是影响胰腺癌预后不佳的独立危险因素（P<0.05）。C-index、AUC、校准曲线和DCA曲线表明,列线图预后模型的辨别能力、校准能力和临床有效性均优于TNM分期系统预后模型。结论 构建的Nomogram预后模型较TNM分期预后模型具有更高的准确性、区分度及临床获益。     

乳腺浸润性微乳头状癌预后影响因素分析与模型构建

  目的  对比分析中国和美国乳腺浸润性微乳头状癌(invasive micropapillary carcinoma,IMPC)的病理特征和预后影响因素,并预测乳腺IMPC患者预后。  方法  回顾性分析2006年7月至2015年7月83例于中国人民解放军空军军医大学西京医院收治的乳腺IMPC患者临床资料,收集2010年3月至2015年3月415例美国国立癌症研究所的SEER数据库中诊断为乳腺IMPC患者资料,并对中国和美国患者的临床病理特征进行对比。进行单因素及Cox比例回归模型多因素和Fine-Gray竞争风险模型分析,并构建列线图模型预测患者的总生存（overall survival,OS）率和癌症特异生存（cancer-specific survival,CSS）率。对模型进行内部及外部验证,通过临床决策曲线分析评价模型的临床获益和应用价值。  结果  对建模集和验证集的年龄、肿瘤位置、手术方式、是否为第一原发肿瘤、T分期进行比较,差异具有统计学意义（P<0.05）。单因素及Cox比例回归模型多因素和Fine-Gray竞争风险模型分析结果显示,年龄、N分期、M分期以及分子分型与乳腺IMPC预后相关（P<0.05）,将这些因素纳入并建立OS和CSS的列线图预测模型。OS和CSS模型中建模集C-index分别为0.85和0.79,验证集外部验证C-index分别为0.72和0.70,bootstrap法内部验证C-index分别为0.81和0.74。校准曲线显示列线图预测的生存率与实际生存率接近,临床决策曲线分析显示模型的临床获益及应用价值较高。  结论  列线图能准确预测中国及美国乳腺IMPC患者的预后,为临床的诊疗提供科学依据。      

胃神经内分泌瘤患者预后Nomogram预测模型的构建

[摘要] 目的：基于美国国立癌症研究所（NCI）的监测、流行病学和最终结果（SEER）数据库数据分析影响胃神经内分泌瘤（G-NEN）患者预后的相关因素,并构建Nomogram预测模型用于个体化预测G-NEN患者预后。方法：收集SEER数据库2010 年至2015 年有完整随访资料的2 720 例G-NEN患者的临床数据,基于生存分析确定独立危险因素并构建Nomogram 预测模型,采用一致性指数（C-index）和校准曲线评估模型准确性,采用受试者特征曲线下面积（AUC）比较该模型与第7 版AJCC TNM分期评估法的预测价值。结果：2 720 例G-NEN患者的1、3、5 年生存率分别为88.14%、79.09%、71.86%。多因素COX回归分析显示,性别、年龄、婚姻状况、是否伴发其他肿瘤、组织学类型、肿瘤分级、T分期、M分期及是否手术是影响G-NEN患者生存时间的独立危险因素。新构建的Nomogram预测模型C-index 为0.816,显著高于7 版AJCC TNM分期评估法的0.702（P<0.001）,且1、3、5 年校准曲线显示预测生存率与实际生存率之间具有良好的一致性。新构建的Nomogram 预测模型1、3、5 年AUC分别为0.800、0.811及0.820,显著高于第7 版AJCC TNM分期评估法的0.650、0.688 及0.698（Z=6.600、8.058、9.632,均P<0.0001）。结论：构建的预测G-NEN患者预后的Nomogram模型具有较高的预测价值,能够个体化预测G-NEN患者的生存率,有助于临床治疗决策和临床研究方案的选择。     

基于转录组数据食管癌铜死亡相关基因筛选及预后模型的构建

摘 要： ［目的］ 基于转录组数据筛选食管癌铜死亡相关基因,构建预后模型,并探讨其临床价值。［方法］ 从TCGA和GEO数据库下载食管癌转录组、基因表达和临床数据,对铜死亡相关基因进行鉴定。基于铜死亡相关基因表达量,对TCGA和GEO合并数据进行共识聚类,筛选差异基因,并进行Cox分析和LASSO回归分析,筛选预后基因并构建预后风险模型。基于风险评分及临床因素构建列线图,预测患者的生存率。［结果］ 通过对49个铜死亡相关基因的鉴定,有26个基因在肿瘤组织及正常组织中差异表达。经多因素分析及LASSO回归分析,筛选出6个有预后价值的风险基因（PLEKHA7、GATM、F2RL2、TFF3、DKK1、CLIC3）,并构建了6基因预后模型。基于预后模型的高风险组患者生存率明显低于低风险组,ROC曲线下面积（AUC）为0.916,验证了风险模型具有良好的预测性能。不同风险评分与患者的肿瘤微环境及药物敏感性密切相关。列线图预测了食管癌患者1年、3年和5年的生存概率分别为91.6%、62.4%和56.3%,校准曲线证实其预测的准确性。［结论］ 基于铜死亡相关基因的6基因预后风险模型可以较好地预测食管癌的预后,可能是风险分层、免疫治疗评估和药物敏感性分析有用的生物标志物。     

卵巢癌免疫相关预后模型的构建与验证

目的 构建卵巢癌免疫相关预后模型并初步筛选预后标志物。方法 将癌症基因组图谱（TCGA）中卵巢癌样本按照7∶3的比例随机分为训练集和测试集,GSE26712作为外部验证集。通过limma软件包分析免疫相关的差异基因（IRDEGs）,单因素Cox回归筛选预后相关的IRDEGs,通过LASSO回归和多因素Cox回归构建模型,采用受试者工作特征（ROC）曲线和C-index对模型进行评价。构建列线图模型,通过校准曲线和决策曲线评价列线图的预测性能。 结果 本研究在训练集中成功构建了包含11个基因（C5AR1、CX3CR1、CXCL11、CXCL13、IGF1、IL27RA、NFKBIB、PENK、PI3、PSMC1和PSME3）的预后模型,C-index为0.69,1、3、5年的曲线下面积分别为0.67、0.71和0.75;多因素Cox回归分析显示该风险模型是卵巢癌患者的独立预后因素（HR=2.58, 95%CI=2.15~3.25）。基于风险得分成功构建了列线图模型,其校准曲线拟合良好,决策曲线显示列线图在指导临床决策方面具有积极的净收益。结论 本研究构建的免疫相关预后模型在卵巢癌预后预测中具有良好的效能,其中的相关基因可能是卵巢癌患者免疫治疗的潜在标志物。     

转移性小肠神经内分泌肿瘤预后列线图的建立

目的:分析转移性小肠神经内分泌肿瘤（small intestinal neuroendocrine neoplasms,SI-NENs）的预后相关因素，并建立有效的预测模型。方法:收集美国国家癌症研究所监测、流行病学和最终结果(SEER)数据库中 2010年至2015年491例转移性SI-NENs患者的资料。基于Cox回归模型筛选的独立危险因素建立列线图,并评估该模型的区分度及校准度。结果:患者的中位生存时间为35个月，1年、3年、5年特异生存率分别为96.11%、85.89%、75.87%。Cox回归分析显示年龄、分化程度、组织学类型、手术是患者预后的独立危险因素。列线图一致性指数(C-index) 为0.730（95%CI:0.669～0.791）,且该模型中1年、3年、5年的受试者工作曲线下面积（AUC）分别为0.723、0.699、0.659。1年、3年、5年的校准曲线图亦显示出良好的一致性。结论:年轻、分化程度高、组织学类型为类癌、经历手术的转移性SI-NENs预后较好。列线图的预测效果较好。     

血清胆碱酯酶在189例晚期胃癌患者预后预测中的价值分析

摘 要：［目的］ 探讨血清胆碱酯酶（cholinesterase,CHE）水平在晚期胃癌患者预后预测中的价值,建立晚期胃癌患者预后预测模型并验证。［方法］ 回顾性收集2011年5月至2019年12月在马鞍山市人民医院诊治的189例晚期胃癌患者临床资料并进行统计学分析,利用X-tile程序软件计算出CHE的最佳截断值（cut-off值）,通过Cox比例风险模型分别评估CHE、白蛋白（albumin,ALB）、血红蛋白（hemoglobin,HB）、中性粒细胞与淋巴细胞比值（neutrophil-to-lymphocyte ratio,NLR）等临床病理参数对总生存期（overall survival,OS）的影响;采用多因素Cox风险比例回归模型筛选晚期胃癌独立预后影响因素;通过R软件绘制列线图并验证。［结果］ CHE的最佳截断值为3 611 U/L,CHE与年龄、ECOG评分、ALB、NLR、HB相关（P＜0.05）。单因素Cox回归分析结果显示,CHE、ALB、NLR、ECOG评分、是否接受一线化疗与预后相关。多因素Cox回归分析结果显示,性别、ECOG评分、CHE、NLR、HB以及是否接受一线化疗是影响晚期胃癌预后的独立因素;基于上述6个参数构建的列线图预测OS的C指数为0.753（95%CI：0.722～0.784）,校准曲线基本沿45°线分布。［结论］ CHE在晚期胃癌患者的预后评估中有一定的临床价值,基于CHE等参数构建的列线图可较为准确地预测晚期胃癌患者预后。