结肠癌切除术患者预后列线图模型及危险分层系统构建与验证

  目的  基于大样本量,构建个体化预测模型及危险分层系统。  方法  从美国SEER临床数据库中,筛选结肠癌术后患者,进行模型构建,并筛选一组独立的中国人群,用于外部验证。经过单因素与多因素Cox回归分析,筛选出独立预后指标,并全部纳入用于构建列线图预测模型。通过计算一致性指数（C-index）及绘制校准曲线,检验模型准确性。  结果  列线图模型共纳入11个独立预后因子,C-index在训练组、内部验证组及外部验证组分别为0.768,0.761和0.759,均>0.7,且优于第7版美国癌症联合委员会（AJCC）-TNM分期系统（0.729,0.720,0.735）。校准曲线显示,模型预测效果与实际生存相吻合,进一步验证了模型的区分及校准能力。通过决策树分析,依据模型预测个体风险评分,进行危险分层,模型的实际应用价值得到确定。  结论  该列线图预测模型能够较准确预测结肠癌术后患者预后状态,并较传统TNM分期系统有所改善,基于预测模型的危险分层系统,能够更好地区分高危患者,并指导选择临床治疗措施。      

预测年轻乳腺癌患者生存率列线图的建立和验证

目的:构建预测年轻乳腺癌患者生存情况的列线图，以期帮助临床诊疗。方法:收集SEER数据库中5 525例年轻乳腺癌患者的临床信息，通过单因素Log-rank检验和多因素Cox生存分析筛选出独立预后因素,用于构建预测患者3、5年总生存率(overall survival,OS)和癌症特异性生存率（cancer special survival,CSS)的列线图，将我院就诊的147例年轻乳腺癌患者作为验证集进行外部验证。结果:单因素和多因素分析结果显示，种族、病理类型、组织学分级、T分期、N分期、M分期、ER状态、HER-2状态、手术方式是与患者OS和CSS相关的独立危险因素，将这些因素纳入并建立预测患者OS和CSS的列线图模型。内部和外部验证结果显示模型具有良好的预测性能。基于建立的OS和CSS列线图模型对患者进行了风险分层，能够准确地将年轻乳腺癌患者分成预后有显著差异的三个风险亚组。结论:本研究构建的预测模型能较为准确的预测年轻乳腺癌患者的预后情况，为临床的诊疗提供科学依据。     

儿童横纹肌肉瘤预后模型的构建及验证

目的分析影响儿童横纹肌肉瘤(RMS)预后的因素并构建列线图预测模型。方法从监测、流行病学、最终结果(SEER)数据库中收集2004年至2016年年龄≤18岁且分期明确的RMS患者1212例,并随机分为测试集(n=865)和验证集(n=347);同时收集2013年1月至2018年12月经免疫组化染色确诊的25例RMS患者作为外部验证集。采用Cox风险比例回归模型分析筛选影响儿童RMS患者生存的独立预后因素并构建预后列线图模型。采用Bootstrap法对模型进行内部验证及外部验证,并绘制校准曲线。采用Kaplan-Meier法绘制生存曲线,采用时间依赖受试者工作特征(tdROC)曲线评估该模型预测RMS患者3、5、10年生存率的准确性。结果多因素Cox风险比例回归模型分析结果显示,总分期、手术、原发部位均为影响RMS患者总生存时间的独立因素。将这些因素纳入并成功构建了列线图模型。该预测模型在测试集、内部验证集及外部验证集中C指数分别为0.762、0.833、0.792, tdROC曲线评估该模型对RMS患者预后预测的准确性,结果显示,在SEER测试集、SEER验证集、外部验证集中,列线图预测RMS患者3、5、10年生存率的曲线下面积(AUC)分别为0.753、0.768、0.736,0.818、0.831、0.808和0.839、0.794。结论通过多因素Cox风险比例回归模型筛选影响儿童RMS预后的变量,并对相关独立危险因素进行可视化构建,具有较高的临床价值,对高危人群的筛选及后续个体化诊疗方案的制定具有重要意义。     

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。     

化生性乳腺癌预后影响因素分析与预后模型构建

目的:分析对比中国和美国化生性乳腺癌(metaplastic breast carcinoma,MBC)患者的临床病理特征和预后影响因素,并构建列线图来预测MBC患者的3年和5年生存率。方法:以SEER数据库中提取的673例患者作为建模集,采用Cox等比例回归模型分析确定MBC的独立预后因素,然后将这些因素纳入并构建列线图模型,然后以我院的36例MBC患者作为验证集进行外部验证。结果:建模集和验证集的临床病理特征除年龄、肿瘤分级、是否第一原发肿瘤及N分期外无明显差异。单因素及多因素分析结果显示,所有患者中,年龄、是否化疗、T分期、N分期以及M分期均是MBC患者预后的独立危险因素。将这些因素纳入并建立列线图预测模型。结论:列线图能准确预测我国MBC患者的预后情况,为临床的诊疗提供科学依据。     

预测上皮性卵巢癌复发机器学习模型及列线图的建立

目的:本研究拟基于机器学习及Cox回归开发上皮性卵巢癌复发机器学习模型及列线图。方法:回顾性分析2010年01月至2020年12月于云南省肿瘤医院确诊739例Ⅲ-Ⅳ期EOC患者的医疗记录。收集患者的基本信息、手术、化疗细节和预后结果。使用单多因素逻辑回归及Cox回归筛选变量,使用5种机器学习算法基于单多因素逻辑回归的结果构建预测模型,采用10折交叉验证方法评估模型性能。基于Cox回归结果开发列线图。结果:739例患者中,399（54.0%）例最终发生了复发,340（46.0%）例未复发。复发患者分期以ⅢC期为主,占59.1%,病理类型以浆液性癌为主,占91.0%。单多因素逻辑回归显示围手术期化疗周期、术后残余病灶、手术方式、新辅助化疗是与复发独立相关的4个变量,基于这些变量和FIGO分期建立5个机器学习模型,XGBoost在识别复发病例方面表现最佳,AUC为0.775。Cox回归分析显示,术前局部灌注化疗、残余病灶直径、围手术期化疗周期、手术方式是影响复发的独立危险因素,基于上述因素开发了晚期上皮性卵巢癌患者复发的预测列线图。结论:机器学习模型和列线图可早期识别卵巢癌复发,通过早期识别可改善晚期卵巢癌预后。     

肺腺癌患者列线图预后模型的构建与验证

目的 基于SEER数据库的大样本数据,构建肺腺癌患者生存预后的列线图预测模型.方法 回顾性分析SEER数据库收集的2010—2015年诊断为肺腺癌患者的临床数据.根据影响肺腺癌患者预后的独立因素,采用Lasso Cox回归分析构建列线图模型.C指数和校准曲线评估列线图的判别和校准能力.使用NRI和DCA曲线评估列线图的...     

基于列线图探索脑内皮黏附分子表达水平在结肠癌预后预测中的作用

目的：探索脑内皮细胞黏附分子（CERCAM）与结肠癌患者预后的关系，利用Cox模型建立具有良好预后判断价值的列线图并予以验证。方法：下载TCGA及GTEx数据库中结肠癌及正常组织中CERCAM表达及患者临床特征数据，收集2013年2月至2019年6月南京市第一医院收治的4例结肠癌患者的癌及癌旁组织样本进行验证，通过差异分析、通路富集分析以及生存分析等方法探索CERCAM的组织定位、功能及预后价值。通过Cox回归筛选出结肠癌的预后危险因素，基于CERCAM及各危险因素构建列线图，分别使用一致性指数、校准曲线、时间依赖性受试者工作特征（ROC）曲线进行验证与评价，根据危险分层绘制生存曲线。结果：结肠肿瘤组织中CERCAM基因的表达水平显著低于正常组织（P<0.001），在结肠癌患者中，CERCAM高表达人群OS（P=0.034）及存活状态（P=0.002）显著劣于低表达组，且CERCAM与癌症信号通路以及PI3K-Akt信号通路的活化有关联。Cox分析显示，CERCAM表达水平（HR=2.23，P=0.015）、T分期（HR=5.64，P=0.015）、M分期（HR=2.62，P=0.022）是结肠癌预后的独立危险因素，血管浸润（HR=2.30，P=0.089）是危险因素，利用上述因素建立列线图，一致性指数提示其区分度好，且训练集与测试集一致；校准曲线、ROC曲线同样显示该列线图的预测能力较好。通过危险分层绘制生存曲线，结果提示高风险组有更低的生存率（P<0.000 1）。结论：CERCAM高表达与结肠癌患者不良预后密切相关，且可能与癌症中蛋白聚糖及PI3K-Akt信号通路有关联，基于CERCAM建立的列线图优于传统预测模型，对结肠癌患者生存预后的评估具有一定临床价值，这种实用的模型有助于患者风险分层及治疗方案的优化。     

基于SEER数据库低级别胶质瘤预后列线图的构建

目的:通过监测、流行病学及预后（surveillance，epidemiology，and end result,SEER）数据库开发列线图来分析低级别胶质瘤（low-grade glioma,LGG）患者的预后因素并且预测其生存率。方法:通过SEER数据库收集LGG患者5 439例，并统计其人口统计学信息及临床特征。随机抽取其中1 001例作为模型的内部验证集,并收集2010-2017年间就诊于山西省人民医院的LGG患者67例作为外部验证集。采用单因素、多因素Cox回归及Lasso回归分析LGG患者的独立危险因素，并考虑其临床效用性。将这些独立预测因素整合在一起，绘制预测LGG患者1年和3年生存率的列线图。通过内部验证集数据及外部验证集数据绘制ROC曲线和校准曲线图来评估列线图的性能。结果:纳入训练集患者4 438例，内部验证集患者1 001例，外部验证集患者67例。一般情况人群分布无显著统计学差异。通过单因素、多因素Cox回归及Lasso回归分析联合生存分析结果选择独立危险因素，纳入年龄、病理学分型、手术方式、肿瘤大小、婚姻状况、放化疗及发病部位为独立预测因素(P<0.001)。由上述7种因素构建预后预测模型，结果以列线图形式呈现。内部验证集验证列线图的ROC曲线下面积为0.841和0.804；外部验证集验证列线图的ROC曲线下面积为0.703和0.742，表明该模型的区分度与准确度较高。校准曲线显示其具有较好的一致性。结论:本列线图可用于预测LGG患者1年和3年生存率，并且拥有较高的临床价值，可以为LGG的个体化治疗提供参考。     

预测M0期炎性乳腺癌术后生存的新N分期系统

目的 结合转移淋巴结数目和转移淋巴结比率,为术后M0期的炎性乳腺癌患者建立新的N分期系统。方法 基于SEER数据库中的炎性乳腺癌患者数据,计算出转移淋巴结数目和转移淋巴结比率的最佳截断值,形成新N分期系统。将新N分期系统与美国癌症联合会制定的第8版乳腺癌TNM分期系统进行比较,构建列线图预后模型并加以验证。结果 新N分期系统对M0期炎性乳腺癌患者术后生存的预测性能优于传统N分期系统。列线图预后模型显示出优秀的临床效能,一致性指数达0.711。结论 新N分期系统对M0期炎性乳腺癌患者的术后生存具有良好的预测性能,能更加精准地反映预后。     

Nomogram model for predicting postoperative survival of patients with stage IB-IIA cervical cancer

To establish a prediction model based on clinical and pathological information for the long-term survival of patients with cervical cancer, we retrospectively analyzed the clinical data of patients pathologically diagnosed with stage IB-IIA cervical cancer between July 2007 and September 2017 in the Chinese Academy of Medical Sciences Cancer Hospital. Factors affecting the overall survival of the patients were analyzed using a Cox model, and a cervical cancer patient prediction nomogram model was established. A total of 2,319 patients were included in the study. According to the multivariate Cox regression analysis, number of complications, surgical methods, neoadjuvant treatment, lymph node metastasis, postoperative treatment, lymphovascular space invasion (LVSI), and other independent factors affecting prognosis were included to establish a nomogram. The nomogram consistency index in the training and validation cohorts was 0.691 and 0.615, respectively. The study established a highly accurate predictive model for the postoperative survival of cervical cancer patients.     

多发性骨髓瘤患者预后的社会经济学因素分析及特异性生存率预测模型的构建

目的 探究社会经济学因素对多发性骨髓瘤（MM）患者预后的影响并构建预测模型评估患者骨髓瘤特异性生存（MSS）。方法 由SEER数据库纳入32 625例2007年1月至2016年12月间诊断为MM的患者。Cox回归模型分析MSS的预测因素，森林图展现多因素亚组分析的结果，多因素Cox分析中确定的显著变量用来构建列线图。曲线下面积（AUC）和校准图评估列线图的预测性能，利用限制性三次样条曲线构建基于列线图评分的风险分层系统。结果 患者按其社会经济地位（SES）的高低分为五组，SES更高的群体中白人、有保险者、已婚人群和城市居民的比例相对更高。单因素及多因素Cox分析表明年龄、性别、种族、婚姻状态、保险状况和SES是患者MSS独立预后影响因素（均P<0.001）。亚组分析显示随着SES降低，MSS风险增加的线性趋势在白人、已婚、有保险和城市患者中最为显著（均P<0.001）。构建的列线图在训练集和验证集中均展现出良好的区分度和准确性，其预测3年、5年和8年MSS的AUC值分别为0.701、0.709和0.722。根据列线图总分和风险比建立了风险分层模型，所划分的三类不同风险等级组...     

Prognostic stratification based on a novel nomogram for left-sided pancreatic adenocarcinoma after surgical resection: a multi-center study

Left-sided pancreatic adenocarcinoma (LPAC) has a poorer prognosis and has some distinct features compared to cancer of pancreatic head. A reliable model to predict the prognosis of LPAC following surgery is needed in clinical practice. Our study included 231 patients with resected LPAC from 3 Chinese pancreatic disease centers. Cox-regression analysis was conducted to identify independent risk factors of LAPC. Then we established a nomogram and performed C-index, receiver operating characteristic curve, calibration plot and decision curve analysis to assess its discrimination and calibration. As a result, CA19-9, surgical margin, tumor differentiation, lymph node metastasis, and postoperative adjuvant chemotherapy were identified as significant prognostic factors. Based on these predictors, a novel nomogram was constructed. The nomogram achieved high C-indexes in the training cohort (0.805) and validation cohort (0.719), which were superior than the AJCC-8 staging system and other nomograms. The area under curve of the nomogram for predicting patients survival at 1-, 2-, and 3-year in training cohort were more than 0.8. Kaplan-Meier survival curve for the subgroups stratified based on the nomogram showed a better separation than the AJCC-8 stage I, II, III, indicating a superior ability of risk stratification for our model. In summary, we constructed a nomogram which showed a better predictive ability for patients’ survival with LPAC after surgical resection than the AJCC staging system and other predictive models. Our model would be helpful to discriminate high-risk LPAC and facilitate clinical decision making.     

非转移性结直肠癌患者术后预后影响因素分析及列线图预测模型的构建

目的探讨非转移性结直肠癌(non-mCRC)手术治疗后的预后影响因素, 并构建预后预测模型。方法纳入2014年7月1日至2016年12月31日中国医学科学院肿瘤医院收治的结直肠癌患者846例, 其中转移性结直肠癌(mCRC)组314例, non-mCRC组532例。回顾性收集患者的临床资料、术前血液常规和结直肠癌常见肿瘤标志物检查结果。通过随访获得non-mCRC组患者的无病生存时间(DFS)数据。采用单因素和多因素Cox比例风险模型回归分析明确non-mCRC术后DFS的独立影响因素, 将这些独立影响因素纳入构建列线图预测模型。采用C指数、受试者工作特征曲线(ROC)及校准曲线评价该模型的性能。结果 mCRC组的血小板/淋巴细胞比值(PLR)、中性粒细胞/淋巴细胞比值(NLR)、癌胚抗原(CEA)、糖类抗原19-9(CA19-9)和糖类抗原242(CA242)均高于non-mCRC组, 淋巴细胞/单核细胞比值(LMR)低于non-mCRC组(均P<0.05)。ROC曲线分析显示, 上述6项指标诊断结直肠癌转移的曲下面积(AUC)从高到低依次为CEA(AUC=0.775)、CA1...     

Development and validation of a new clinical staging system to predict survival for esophageal squamous cell carcinoma patients: Application of the nomogram

IntroductionSurvival of patients with the same clinical stage varies widely and effective tools to evaluate the prognosis utilizing clinical staging information is lacking. This study aimed to develop a clinical nomogram for predicting survival of patients with Esophageal Squamous Cell Carcinoma (ESCC).Materials and methodsOn the basis of data extracted from the SEER database (training cohort, n = 3375), we identified and integrated significant prognostic factors for nomogram development and internal validation. The model was then subjected to external validation with a separate dataset obtained from Jinling Hospital of Nanjing Medical University (validation cohort, n = 1187). The predictive accuracy and discriminative ability of the nomogram were determined by concordance index (C-index), Akaike information criterion (AIC) and calibration curves. And risk group stratification was performed basing on the nomogram scores.ResultsOn multivariable analysis of the training cohort, seven independent prognostic factors were identified and included into the nomogram. Calibration curves presented good consistency between the nomogram prediction and actual observation for 1-, 3-, and 5-year OS. The AIC value of the nomogram was lower than that of the 8th edition American Joint Committee on Cancer TNM (AJCC) staging system, whereas the C-index of the nomogram was significantly higher than that of the AJCC staging system. The risk groups stratified by CART allowed significant distinction between survival curves within respective clinical TNM categories.ConclusionsThe risk stratification system presented better discriminative ability for survival prediction than current clinical staging system and might help clinicians in decision making.     

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。