基于SEER数据库建立和验证甲胎蛋白阴性肝细胞癌患者癌症特异生存期的列线图

目的：探讨甲胎蛋白（AFP）阴性肝细胞癌（HCC）患者预后相关因素,构建列线图以预测患者生存时间。方法：回顾性分析监测、流行病学和最终结果 （SEER）数据库提取的2 064例AFP阴性HCC患者数据,将所有患者按7∶3比例随机分为训练集和内部验证集,以湖南省中西医结合医院101例AFP阴性HCC患者作为外部验证集。将单因素Cox回归分析结果纳入多因素分析,采用多因素Cox分析获得AFP阴性HCC患者的独立危险因素,构建AFP阴性HCC患者癌症特异生存（CSS）预后列线图。采用时间依赖受试者工作特征曲线（ROC）、校准图和决策曲线分析（DCA）评估列线图的预测效能和临床实用性。将列线图所得总分进行风险分层,比较列线图和美国癌症联合委员会（AJCC）分期系统的风险区分程度。结果：采用多因素Cox回归分析筛选出10个独立危险因素,构建AFP阴性HCC患者3、4和5年CSS预后列线图,包括患者年龄、病理分级、手术情况、放疗情况、化疗情况、肺转移情况、肿瘤大小、肿瘤T分期、肿瘤M分期和婚姻状况。3、4和5年时间依赖ROC曲线下面积（AUC）,训练集分别为0.807 (95%CI:0.786～0...     

基于双硫死亡相关lncRNA的宫颈癌预后模型构建及验证

目的:构建预测宫颈癌生存期的双硫死亡相关长链非编码RNA(lncRNA)预后模型。方法:从TCGA数据库下载307个宫颈癌RNA测序数据及临床信息,随机分为训练集和测试集。使用共表达分析和回归分析得到双硫死亡相关lncRNA并构建预后模型。根据风险评分中位数将患者分为高风险组和低风险组。使用Kaplan-Meier生存分析、Cox回归分析、受试者工作特征(ROC)曲线、主成分分析、列线图和校准曲线评估模型的预测效能。结果:共得到3个双硫死亡相关lncRNA并构建预后模型。Kaplan-Meier生存分析结果显示高风险组的总生存期短于低风险组。风险曲线显示高危患者的死亡率高于低危患者。Cox回归分析显示风险评分是独立预后因子。该模型预测患者1年、3年、5年存活率的ROC曲线下面积(AUC)分别为0.780、0.701、0.716。列线图和校准曲线表明预后模型接近于理想模型。结论:本研究构建了宫颈癌的双硫死亡相关lncRNA预后模型,该模型预测效能良好。     

基于系统性炎症指标构建的列线图可预测心力衰竭患者的不良结局

目的 基于系统性炎症指标,构建列线图评估心力衰竭患者不良结局的风险。方法 回顾性分析2017年6月~2019年6月在重庆医科大学附属第一医院心血管内科住院的430例心力衰竭患者的临床资料。将患者按照7∶3比例随机分为建模组（n=286）和验证组（n=144）,采用COX回归分析筛选心力衰竭预后的危险因素,并构建列线图。使用校准曲线评估列线图的预测准确性,使用决策曲线分析（DCA）和 Kaplan-Meier 曲线评估列线图的临床实用性。结果 多因素COX回归分析结果显示,年龄（P=0.03）、体质量指数（BMI,P=0.002）、纽约心功能分级（NYHA分级,P<0.001）、高血压（P=0.004）、淋巴细胞计数（P<0.001）、血小板淋巴细胞计数（PLR,P=0.007）、中性粒细胞淋巴细胞计数（NLR,P<0.001）和系统炎症反应指数（SIRI,P<0.001）是心力衰竭的独立预后因子。利用这些预后危险因素构建列线图,结果显示其预测性能良好：在建模组和验证组中,列线图C指数分别为0.719 (95% CI: 0.680~0.758)和0.732 (95% CI: 0.693~0.771)。校准曲线显示,该模型在预测HF患者的不良结局方面（心血管再入院或全因死亡）具有较好的一致性。结论 联合系统性炎症指标和传统危险因素构建的列线图在HF患者不良结局预测方面性能良好。     

早期肺浸润型黏液腺癌的预后分析及预后模型的建立

目的 对比Ⅰ期纯浸润性黏液腺癌(pIMA)与不同分化的肺腺癌的预后,并建立预后模型。方法 从SEER数据库中纳入了322例Ⅰ期pIMA和3 326例肺腺癌患者,经倾向性评分减少混杂偏倚后,Kaplan-Meier生存分析和亚组生存分析用来比较pIMA和肺腺癌患者的生存差异。为了进一步评估pIMA患者的预后,利用向前逐步比例风险(Cox)筛选与pIMA的总生存期(OS)相关的独立预后因素,将变量纳入Cox回归模型并使用列线图进行可视化分析。受试者工作特征曲线(ROC曲线)、校正曲线和临床决策曲线(DCA)对列线图进行准确度及临床实用度评价。结果 经倾向性评分配对后的Kaplan-Meier生存分析结果显示Ⅰ期pIMA患者具有与Ⅰ期贴壁型腺癌(LA)相似的生存时间。亚组分析显示,在肺叶摘除术及右侧受累的亚组中,Ⅰ期pIMA患者拥有比LA更长的生存期。向前逐步Cox回归显示pIMA的独立预后因素包括年龄、性别、手术、胸膜浸润(VPI)和分化等级。ROC曲线、矫正曲线和DCA曲线显示Ⅰ期pIMA列线图具有很好的预测准确性及临床实用度。结论 成功构建了可以精准预测Ⅰ期pIMA预后的列线图。     

老年急性肺损伤患者列线图预后模型的构建

目的：探讨影响老年急性肺损伤（ALI）患者预后的独立危险因素,建立预测其死亡风险的列线图模型。方法：分别收集MIMIC-III数据库325例与温州医科大学附属第一医院138例ALI患者临床资料,采用单因素、多因素logistic回归分析筛选出预测死亡的危险因素,并构建预测短期可能死亡的列线图模型。结果：多因素logistic回归分析发现入院首日最低收缩压降低、血乳酸和凝血酶原时间（PT）升高等均为老年ALI患者死亡危险因素（均P＜0.05）;通过上述变量构建列线图模型,内部验证列线图ROC曲线下面积（AUC）为0.712（95%CI=0.656～0.767）,外部验证列线图AUC为0.753（95%CI=0.671～0.836）,内部与外部校准曲线均接近标准曲线。结论：本列线图模型可用于老年ALI患者预后评估,且具有良好的校准度与区分度。     

严重多发伤患者预后的影响因素研究及列线图模型的建立和优化

背景 随着社会的发展,创伤导致的严重多发伤患者逐年增多,这对社会劳动力造成的损失已远大于其他疾病。如何早期快速地评估病情将对患者预后产生重要影响,而一个简洁、有效的可视化评估工具可为早期诊断和治疗提供重要依据。 目的 分析和筛选影响严重多发伤患者预后的相关因素,构建列线图模型,进一步调整优化模型,并验证模型的临床应用价值。 方法 选取2015年12月至2020年12月苏州市第九人民医院综合ICU、急诊ICU收治的严重多发伤患者作为建模组人群（n=321）,2021年1—8月收治的严重多发伤患者作为预测模型的验证组人群（n=136）,两组均根据患者出院时病情分为救治成功和救治失败。回顾性收集患者入院时的一般资料和入院24 h内的临床资料。采用单因素分析、LASSO回归分析筛选影响严重多发伤患者预后的相关变量,运用多因素Logistic回归分析建模、限制性立方样条（RCS）进行优化,绘制列线图,采用Bootstrap方法和临床决策曲线分析（DCA）验证模型的校准度。绘制模型预测严重多发伤患者预后的受试者工作特征（ROC）曲线,利用ROC曲线下面积（AUC）等指标评价新模型。在验证组人群中进行新模型的外部验证,评估其实际临床应用价值。 结果 （1）建模组321例严重多发伤患者中救治成功244例,救治失败77例。LASSO回归结合多因素Logistic回归分析结果显示,年龄（OR=1.028）、格拉斯哥昏迷评分（GCS）（OR=0.616）、动脉血乳酸（LAC）（OR=1.202）、血小板计数（PLT）（OR=3.888）、损伤严重程度评分（ISS）（OR=1.104）是严重多发伤患者预后的影响因素（P<0.05）,Hosmer-Lemeshow拟合优度检验结果显示χ2=2.717、P=0.951,绘制静态及网页版动态列线图（即模型1列线图）。LASSO回归结合RCS拟合优化多因素Logistic回归分析结果显示,年龄、GCS与救治结果呈非线性相关,P值（for nonlinear）分别为0.027、0.001,Hosmer-Lemeshow拟合优度检验结果显示χ2=2.468、P=0.932,绘制静态及网页版动态列线图（即模型2列线图）。Bootstrap方法验证模型1、模型2列线图预测效能,校准图显示标准曲线与预测曲线贴合良好,绝对误差分别为0.010、0.019,说明模型的校准度良好。模型1、模型2列线图预测严重多发伤患者预后的AUC分别为0.963〔95%CI（0.936,0.981）〕、0.974〔95%CI（0.949,0.988）〕,最佳截断值分别为0.414、0.261;模型2列线图预测严重多发伤患者预后的AUC大于模型1列线图（Z=-2.400,P=0.016）。DCA结果显示,在任何阈值概率下（0~100%）,模型2列线图的净收益率高于模型1列线图。（2）验证组136例严重多发伤患者中救治成功104例,救治失败32例。在验证组人群中,模型2列线图预测严重多发伤患者预后的AUC为0.949〔95%CI（0.898,0.979）〕,Hosmer-Lemeshow拟合优度检验表明该模型拟合良好（χ2=5.813,P=0.668）。模型2列线图在建模组及验证组人群中的AUC比较,差异无统计学意义（Z=1.124,P=0.263）。 结论 年龄、GCS、LAC、PLT、ISS是严重多发伤患者预后的影响因素,本研究基于上述5个因子构建出的列线图具有较好的预测价值,且优化后的模型2列线图准确性更高（网址：https://yinfxyz.shinyapps.io/dynnomapp2/）,应用方便快捷,有助于帮助临床医生早期识别患者病情,改善患者预后。     

胃肠道间质瘤患者术后肿瘤特异性生存情况的影响因素及预测模型

目的 探讨影响胃肠道间质瘤(GIST)患者术后肿瘤特异性生存(CSS)情况的因素,并构建患者术后CSS情况的列线图预测模型。方法 纳入SEER数据库中5 207例GIST术后患者的临床资料。将患者按7∶3比例随机分为建模组(n=3 647)和验证组(n=1 560)。采用单因素和多因素COX回归模型分析GIST患者术后CSS情况的影响因素,并基于多因素COX回归分析结果采用R语言软件构建GIST患者术后1年、3年和5年CSS情况的列线图预测模型。使用一致性指数、校准曲线、受试者工作特征(ROC)曲线评估模型性能,采用K折交叉验证法进行内部验证,采用决策曲线评估模型的临床适用性。基于净重新分类改善指数、综合判别改善指数、一致性指数的改善、ROC曲线下面积比较列线图预测模型与改良美国国立卫生研究院(M-NIH)分级的预测性能。采用X-tile软件确定列线图预测模型的最佳截断值,以此对GIST患者重分类后使用Kaplan-Meier法进行生存分析。结果 多因素COX回归分析结果显示,年龄、性别、肿瘤大小、肿瘤位置、肝转移情况、美国癌症联合委员会(AJCC)分期、分化程度、综合分期、有丝分裂率...     

晚期胃癌生存预后因素及列线图预测模型的建立与验证

目的 探讨新药治疗下晚期胃癌患者生存预后因素,并建立可靠的预测模型。方法 收集我院肿瘤内科2015年1月~2019年12月收治的晚期胃癌（AGC）患者的的临床特征、辅助检查资料、治疗相关资料、疗效评估、疾病转归等相关临床资料,建立数据库,采用Kaplan-Meier法进行单因素生存分析,并根据单因素分析结果、将部分因素纳入多因素Cox回归模型进行分析,筛选出影响AGC患者生存的影响因素。R软件用于分析生存率及通过多因素分析结果建立生存列线图。编制校准曲线和一致性指数(C-index)以确定预测能力和判别能力。通过时间相关的受试者工作特征曲线（ROC）、临床决策曲线分析（DCA）以证实列线图模型的预测能力。结果 单因素分析显示,转移部位数目、接受治疗线数、一线治疗疗效是否达到疾病控制率（DCR）、一线治疗中位无进展生存（PFS）时间,以及一线是否接受手术治疗与AGC患者总生存（OS）显著相关（P<0.05）。多因素Cox回归分析显示,一线是否接受手术治疗、接受治疗线数、一线治疗PFS时间、腹膜转移与晚期胃癌患者OS显著相关,是影响AGC患者OS的独立预后因素（P<0.05）。列线图的C-index为0.785（95%CI,0.744~0.826）。校准曲线也证实了模型与实际生存的一致性。此外,ROC曲线和DCA结果表明该模型对AGC患者OS有较好的预测能力。结论 AGC伴腹膜转移患者生存期较短,而一线治疗PFS时间>7.0月、接受三线及后线治疗与较长的生存期相关;选择性对部分晚期胃癌患者进行含手术的系统治疗方案可改善其生存期。本研究构建的列线图是一个可靠的AGC预后预测模型。     

乙肝肝硬化患者肝细胞癌发生风险预测模型的构建

目的:构建乙肝肝硬化患者肝细胞癌(HCC)发生风险预测模型。方法:收集乙肝肝硬化确诊病例,按照2∶1随机分为训练集(344例)和验证集(172例)。收集病例信息,随访HCC发生情况。利用训练集数据,采用Cox回归建立乙肝肝硬化患者HCC发生风险预测模型,绘制列线图。分别利用两个数据集,采用ROC曲线评价预测效能;通过决策曲线分析(DCA)评估模型的临床效益;根据列线图评分的中位数将患者分为高风险组和低风险组,采用Kaplan-Meier法绘制两个风险组的生存曲线并进行Log-rank检验。结果:最终列线图纳入6个因素,分别为年龄、是否吸烟、是否抗病毒治疗、食管胃底静脉曲张程度、有无腹水、血清AFP水平。模型在训练集和验证集中预测乙肝肝硬化患者5 a内发生HCC的AUC(95%CI)分别为0.863(0.815～0.911)和0.873(0.812～0.934),一致性指数分别为0.850(0.820～0.876)和0.837(0.804～0.870)。DCA曲线表明模型具有较好的临床效益。Kaplan-Meier法生存分析结果显示,在训练集和验证集中,高风险组患者HCC发生风险均明显高...     

基于SEER数据库的老年结直肠癌远处转移患者预后列线图模型构建研究

目的 构建基于SEER数据库的老年结直肠癌远处转移患者预后列线图模型。方法 从SEER数据库中筛选出2 845例老年结直肠癌远处转移的患者。训练集和验证集进行均衡性检验。在训练集中分别通过单因素和多因素COX回归分析筛选影响老年结直肠癌远处转移患者预后的因素并构建列线图模型。采用受试者工作特征曲线(ROC曲线)、校准曲线、临床决策曲线分析(DCA)检测模型的临床获益和应用价值。结果 多因素COX回归分析显示年龄、婚姻状态、肿瘤大小、肿瘤部位、组织学分级、原发部位手术、局部活检淋巴结数、TN分期、癌胚抗原(CEA)、化疗及肝、肺、骨、脑转移均为老年结直肠癌远处转移患者预后的影响因素。训练集和验证集1、2、3年总生存率的校准图显示均具有较高的一致性;训练集1、2、3年的曲线下面积(AUC)分别为0.782、0.768和0.774,而验证集分别为0.779、0.783和0.787;DCA曲线显示临床净获益均较高。结论 该列线图模型预测老年结直肠癌远处转移患者预后的效果较好。     

中国人群肺腺癌生存概率列线图的建立与验证：一项基于SEER的大型回顾性队列研究

目的 使用“监测、流行病学和最终结果”(SEER)数据库构建列线图,以预测中国肺腺癌患者的癌症特异性生存期(CSS)。方法 从SEER数据库中初选2000-2020年间17个登记处的7 940名中国肺腺癌患者,根据纳入与排除标准最终纳入3 304名患者,随机分配(7∶3)到训练集和验证集。列线图通过单因素及多因素Cox回归筛选变量构建,并通过一致性指数(C-Index)、受试者工作特征曲线(ROC)、校准曲线、决策曲线(DCA)和危险分层Kaplan-Meier曲线进行评估。结果 列线图是结构良好且经过充分验证的预后图,由8个变量组成：婚姻状态、原发部位、临床分期、T分型(肿瘤大小)、N分型(淋巴结转移)、外科手术、区域淋巴结清扫和放射治疗。训练集C-Index为0.716(CI:0.702～0.730),验证集C-Index为0.697(CI:0.675～0.719)。在1年、3年和5年的时间点,训练集ROC曲线下面积(AUC)分别为0.766、0.808和0.858,验证集AUC分别为0.733、0.789和0.816。校准曲线证实了列线图预测和观察到的生存概率之间具有一致性,而D...     

卵巢上皮性癌患者生存预测模型的构建及验证

目的 分析卵巢上皮性癌（epithelial ovarian cancer,EOC）流行病学特征及影响预后的相关因素,并绘制列线图个体化预测患者的总体生存率。方法 收集公共数据库2010–2017年诊断的12 675例EOC术后患者,按7:3比例随机分为建模组（n=8875）和内部验证组（n=3800）。采用Cox回归分析筛选影响术后患者总体生存时间的独立预后因素,并建立模型,从南京医科大学第二附属医院病案系统收集82例患者作为外部验证组,预测EOC患者的生存率。用校准曲线和一致性指数（C指数）、受试者操作特征（receiver operating characteristic,ROC）曲线估计预测和实际总体生存率之间列线图的准确性和一致性。结果 根据Cox多因素筛选影响术后EOC患者总体生存时间的独立预后因素（P<0.05）构建预测模型。校准曲线显示基于预测模型预测患者的生存与实际生存具有较好的一致性。建模组、外部验证组、内部验证组在预后模型显示出中等判别能力,1、3、5年生存率的ROC曲线下面积（area under the curve,AUC）分别为0.772、0.782、0.799;0.742、0.778、0.795;0.653、0.807、0.827。预测模型的C指数为0.763（95%CI：0.755~0.771）。结论 预测模型有较好的预后准确性,能可靠预测EOC患者的1、3、5年生存率,有助于EOC患者进行个性化的预后评估和指导临床决策。     

Ⅰ期高危子宫内膜样腺癌术后患者Nomogram预后模型的构建

【摘要】 目的 构建Ⅰ期高危子宫内膜样腺癌(EC)术后患者Nomogram预后列线图预测模型,并验证其准确性。 方法 回顾性分析2010年1月1日～2014年12月31日遵义医科大学附属医院腹部肿瘤科收治的Ⅰ期具有高危因素的子宫内膜样腺癌术后患者97例。采用Kaplan-Meier法进行单因素生存分析,Log-rank 检验比较生存率的差异,多因素Cox比例风险模型分析预后的独立危险因素。ROC曲线确定血液学指标最佳截断值。R语言构建Nomogram生存模型,使用一致性指数（C-index）及校准曲线（Calibration curve）评估模型准确度。结果 97例EC患者中死亡11例,复发18例。术后辅助治疗可改善其生存预后。病理分化、淋巴脉管间隙受侵（LVSI）、深肌层浸润、术后辅助治疗、中性粒细胞/淋巴细胞比值（NLR）、血小板/淋巴细胞比值（PLR）、淋巴细胞/单核细胞比值（LMR）是Ⅰ期高危子宫内膜样腺癌患者的预后影响因素（P＜0.05）,进一步构建的OS-Nomogram预测模型C-index为0.896,3年、6年校准曲线显示准确性较高;DFS.Nomogram预测模型C-index为0.786,3年、6年、9年校准曲线显示准确性较高。结论 列线图可较准确预测Ⅰ期高危子宫内膜样腺癌术后患者的预后,利于临床工作者对其进行随访或提供个体化精准治疗。     

基于离子通道相关基因的膀胱癌患者预后风险评估模型构建

目的:基于离子通道相关基因（ICRG）构建膀胱癌患者预后风险评估模型。方法:首先从已有研究中获得ICRG。患者临床信息和信使RNA表达均从癌症基因组图谱数据库膀胱癌数据集下载。接着，采用Cox回归分析和最小绝对收缩与选择算子回归分析筛选预后相关基因并通过免疫组织化学及定量逆转录量聚合酶链反应结果验证相关基因的表达。然后，构建预测膀胱癌患者预后的风险评分方程并根据风险评分的中位数将患者分为高风险组和低风险组，比较两组免疫细胞浸润丰度差异。应用Kaplan-Meier生存曲线及应用受试者操作特征曲线（ROC曲线）评估风险评分方程的准确性以及临床应用价值。最后，通过单因素和多因素Cox回归筛选与膀胱癌患者预后相关的影响因素构建膀胱癌患者预后的列线图。结果:通过比较膀胱癌组织与健康膀胱组织中ICRG的表达水平，发现共有73个ICRG差异表达，其中11个与膀胱癌患者的预后相关。Kaplan-Meier生存曲线结果提示，基于这11个基因构建的风险评分与患者预后呈负相关；随时间变化的ROC曲线结果显示，风险评分预测患者1、3、5年预后的曲线下面积分别为0.634、0.665、0.712。分层分析发现...     

神经重症患者术后颅内感染列线图模型的构建

目的：建立预测神经重症患者术后颅内感染风险的列线图模型。方法：回顾性分析2018年1月—2021年1月南京医科大学第一附属医院神经外科监护病房行开颅手术的200例患者的临床资料。按照7∶3的比例随机分为训练集（n=140）和验证集（n=60）。采用单因素分析和多因素Logistic回归筛选神经重症患者术后发生颅内感染的危险因素并构建列线图预测模型。通过绘制受试者工作特征（receiver operating characteristic，ROC）曲线及决策曲线分析（decision curve analysis，DCA）评价模型的效能及临床净获益。结果：神经重症患者的原发病、脑室外引流时间、腰大池引流时间是术后发生颅内感染的危险因素 （P ＜ 0.05）。绘制列线图模型的ROC曲线显示，训练集和验证集的曲线下面积（area under curve，AUC）分别为0.774（95%CI： 0.695~0.853）、0.831（95%CI：0.725~0.936），DCA曲线显示颅内感染发生的预测可提高临床获益率。结论：基于神经重症术后颅内感染的危险因素构建了列线图预测模型，有助于早期筛查神经重症术后颅内感染高危患者，利于早期诊治，改善患者预后。     

肾集合管癌预后列线图的建立

目的建立肾集合管癌（CDC,又称Bellini管癌）预后列线图。方法从美国国立癌症研究所的监测、流行病学和结局数据库中筛选出282例经病理证实为CDC的患者临床资料,采用随机数字表法,按7:3的比例分为训练队列186例和验证队列96例。在训练队列中,使用单因素和Cox多因素生存回归模型分析影响患者预后的因素,确定最优预测模型并建立预后列线图,评估预测效能。在验证队列中,采用ROC曲线和校准曲线验证列线图的准确度。采用决策曲线分析列线图的临床适用性。结果年龄、TNM分期、肿瘤直径、原发病灶是否手术、是否行化疗是CDC患者的独立预后因素,并纳入列线图的构建。在训练队列或验证队列中,ROC曲线及校准曲线分析显示,所建立的预后列线图具有较好的预测准确度（均AUC＞0.7）,且列线图预测的生存率与实际生存率具有较好的一致性。决策曲线分析显示所建立的列线图在CDC患者预后预测方面具有潜在的临床适用性。本研究所建立的CDC预后列线图可通过https://chingfeng.shinyapps.io/DynNomappCDC/在线访问并使用。结论本研究所建立的CDC预后列线图（包括年龄、TNM分期、肿瘤直径、原发病灶是否手术、是否行化疗等因素）具有较高的预测效能及临床适用性。     

去分化脂肪肉瘤预后风险模型的建立与分析

目的 基于美国国家癌症研究所监测、流行病学和最终结果(SEER)数据库，构建预后列线图用于预测去分化脂肪肉瘤(DDLPS)3、5和8 a的总生存(OS)率。方法 从SEER数据库中提取DDLPS患者的临床信息，随机分为建模组和验证组。通过LASSO回归和多因素Cox回归筛选变量，将筛选出的变量纳入预测模型并构建列线图。使用一致性指数(C指数)、时间依赖曲线下面积(时间依赖AUC)和校准曲线评估模型的区分度和校准度。通过决策曲线分析(DCA)、净重新分类指数(NRI)、综合判别改善指数(IDI)进一步比较列线图和AJCC分期之间的净收益和预测准确性。根据列线图计算总得分，对患者进行风险分层，通过Kaplan-Meier曲线和log-rank检验比较分层间OS率差异。结果 共纳入1 172例DDLPS患者，筛选出年龄、原发位置、T分期、N分期、M分期、FNCLCC分级、手术和放疗8个预后变量。时间依赖AUC(>0.7)和C指数(建模组为0.741,验证组为0.764)表明列线图有良好的区分度。校准曲线表明预测生存概率和实际生存率具有良好的一致性。IDI和NRI表明，列线图的准确性优于...     

基于铜死亡相关长链非编码RNA构建膀胱癌患者预后风险评估模型

目的:基于铜死亡相关长链非编码RNA(lncRNA)构建膀胱癌患者预后风险评估模型。方法:下载癌症基因组图谱数据库中的膀胱癌患者RNA序列数据和临床数据，采用Pearson相关性分析、单因素Cox回归、Lasso回归和多因素Cox回归分析筛选与铜死亡及膀胱癌患者预后相关的lncRNA，并构建铜死亡相关的lncRNA膀胱癌患者预后风险评分方程。根据风险评分方程计算的中位数将患者分为高风险组和低风险组，比较两组免疫细胞丰度差异。应用Kaplan-Meier生存曲线评估风险评分方程的准确性；应用受试者操作特征曲线(ROC曲线)评估风险评分方程预测患者1、3、5年存活率的价值；采用单因素和多因素Cox回归筛选与膀胱癌患者预后相关的影响因素，构建膀胱癌患者预后风险评估列线图，并通过校准曲线评估列线图预测的准确性。结果:膀胱癌患者预后风险评分方程由9个铜死亡相关的lncRNA构建。免疫浸润分析结果显示，高风险组M0巨噬细胞、M1巨噬细胞、M2巨噬细胞、静息肥大细胞及中性粒细胞丰度明显高于低风险组，而低风险组CD8⁺T细胞、辅助性T细胞、调节性T细胞及浆细胞丰度明显高于高风险组...     

乳头状肾细胞癌预后预测模型的构建与验证：一项基于SEER数据库的回顾性研究

目的 建立一个用于评估乳头状肾细胞癌（papillary renal cell carcinoma，PRCC）预后的列线图。方法 获取SEER（Surveillance，Epidemiology，and End Results）数据库的6 028例PRCC患者的临床数据，并将其随机分为训练队列（n=4 220）和验证队列（n=1 808）。使用Cox比例风险回归分析来筛选与PRCC预后相关的临床病理特征。基于Cox模型，构建一个列线图预测PRCC患者的预后，用受试者操作特征曲线及C指数检测模型的区分度，用校准图来评估列线图的预测准确性。结果 从SEER数据库中检索到6 028例PRCC患者的数据。Cox比例风险回归分析结果显示，诊断时的年龄、级别、肿瘤淋巴结转移分期（TNM，AJCC，第7版）、手术治疗、肿瘤数量和婚姻状况是重要的独立预后变量。将所有变量合并以建立列线图。在训练和验证队列中，列线图模型的C指数分别为0.807（95%CI=0.779~0.834）和0.800（95%CI=0.759~0.841），而AJCC TNM分期的C指数分别为0.686（95%CI=0.667~0.706）和0.668（95%CI=0.638~0.697），表明与AJCC TNM分期系统相比，列线图在训练和验证队列中都表现出了良好的总生存率（overall survival，OS）预测能力。校准曲线显示列线图的生存率预测与实际生存率之间高度一致。结论 本研究构建的列线图显示出良好的预测性能，有助于临床评估PRCC患者OS，从而为患者制定个体化的治疗策略提供依据。     

列线图在肝内胆管癌切除术后患者预后评估中的应用

  目的  分析肝内胆管癌根治性切除术后患者的生存因素并建立列线图,评估列线图能否有效预测个体的生存时间。  方法  回顾性分析蚌埠医学院第一附属医院2013年1月—2019年12月80例接受根治性肝切除术肝内胆管癌患者临床病理资料,采用Cox比例风险回归模型分析影响患者生存的独立危险因素,运用R语言建立根治性切除术后肝内胆管癌患者生存列线图,使用一致性指数C和校准曲线验证列线图性能,并使用ROC曲线下面积比较列线图和TNM分期对术后患者生存的预测效果。  结果  Cox多因素回归分析结果糖链蛋白抗原19-9(CA19-9)、肿瘤数目、肿瘤分化程度、预后营养指数为肝内胆管癌术后患者生存时间的独立影响因素,并构建列线图。列线图一致性指数C为0.692,校准曲线图接近对角线,表明列线图具有较好的区分度和准确性,列线图时间依赖性ROC曲线预测肝内胆管癌术后患者1、2、3年生存率的AUC分别为0.783、0.711、0.726。列线图ROC曲线下面积为0.741,大于TNM分期ROC曲线下面积0.509。  结论  由CA19-9、肿瘤数目、肿瘤分化程度、预后营养指数构建的列线图比TNM分期能更有效地预测肝内胆管癌术后患者生存时间,并具有估算个体的生存概率能力。