胃癌术后肺部感染列线图预测模型的构建

目的：研究胃癌术后发生肺部感染的相关危险因素,并构建列线图预测模型。方法 ：回顾性分析2010～2020年我院行手术治疗的330例胃癌患者的相关临床资料,筛选可能引起术后肺部感染的因素,采用Logistic回归进行危险因素分析,并构建列线图预测模型。采用校正曲线、一致性指数（c指数）和决策曲线分析（DCA）评价预测准确性、鉴别能力和临床有用性。结果：多因素Logistic回归分析显示年龄、吸烟史、慢性呼吸系统疾病史、肺功能锻炼依从性、腹腔镜手术、术中失血量是胃癌术后发生肺部感染的独立预测因素。依据独立危险因素所构建的列线图,校准曲线提示有较好的一致性,C-index为0.878(95%CI:0.801～0.956),ROC曲线下面积（AUC）为0.878,提示该列线图预测模型具有良好的区分度和校准度。DCA曲线表明该列线图有较好的临床获益。结论：根据胃癌术后发生肺部感染的相关独立危险因素构建的列线图预测模型,有助于对高危人群进行围手术期干预,减少术后肺部感染发生率。     

预测胆囊癌根治性切除术预后的列线图的构建及验证

目的 构建可有效预测胆囊癌根治性切除术患者预后的列线图。方法 从SEER（Surveillance,Epidemiology,and End Results Program）数据库提取2004-2013年共832例胆囊癌根治术后患者的回顾性临床病理资料,采用随机抽样法将数据分为训练集（n=608）和验证集（n=224）。使用Cox比例风险回归模型筛选影响预后的独立危险因素,通过训练集数据构建预测模型,基于列线图获得每例患者的综合生存概率得分。利用Bootstrap方法重复1 000次采样对训练集进行内部验证,然后利用验证集完成外部验证。一致性指数（C-index）及校正曲线用以评估模型的预测精度。结果 训练集的中位疾病相关生存（diseasespecific survival,DSS）时间为22.07个月,术后1、3、5年DSS率分别为67.6%、36.8%、29.2%。多因素分析提示,性别、年龄、分化程度、淋巴结转移、肿瘤直径、侵袭范围、远处转移是影响胆囊癌根治术后预后的独立危险因素（P < 0.05）。内部验证的C-index为0.76（95%CI 0.74～0.78）,术后5年DDS校正曲线提示在观察值与预测值之间有良好的一致性。本列线图的预测能力优于AJCC（American Joint Commissionon Cancer）分期（C-index 0.70,95%CI 0.67～0.73）,两组之间比较有统计学意义（P < 0.001)。结论 列线图模型可准确、直观地预测胆囊癌根治术后患者的生存概率。     

早泄患者病耻感的影响因素分析及列线图预测模型的构建

目的 了解早泄患者病耻感的影响因素，并构建列线图风险预测模型。方法 采用便利抽样法，选取太原市某三甲医院212例早泄患者进行一般情况问卷、社会影响量表调查，采用SPSS 26.0统计软件对数据进行单因素和多因素Logistic回归分析，并利用R软件构建列线图风险预测模型。结果 早泄患者病耻感发生率为67%,学历、疾病经济负担、合并疾病、疾病了解程度、伴侣性生活满意度、性健康知识状况是早泄患者病耻感的影响因素；列线图预测早泄患者病耻感产生风险的ROC曲线下面积为0.860(95%CI:0.813～0.952),校正曲线一致性及Hosmer-Lemeshow拟合优度(χ²=2.704,P=0.259)良好；决策曲线分析(DCA)显示模型净收益水平较高，具有良好的临床实用价值。结论 早泄患者易产生病耻感且受多种因素的影响，构建的列线图风险预测模型区分度、校准度以及临床实用价值良好，可为临床医护人员评估筛查易出现病耻感的高危患者及采取针对性干预措施提供参考与借鉴。     

骨肉瘤预后个体化预测模型列线图的建立

 目的 通过对骨肉瘤患者的临床、病理学、影像学及随访资料进行预后因素分析,建立骨肉瘤预后预测模型列线图,并验证其准确度。方法 收集1998至2008年确诊且符合入组标准的235例骨肉瘤患者组成建模组,2009年的55例骨肉瘤患者组成验证组。单因素生存分析采用Kaplan-Meier法绘制生存曲线,Log-rank法进行统计学分析;应用Cox比例风险模型进行多因素分析,确定独立预后因子;然后应用R软件建立预测模型列线图,内部验证运用Bootstrap法,外部验证运用验证组,一致性指数（C-index）用来评价模型准确度,并绘制出列线图预测和实际观察的五年生存率校准曲线。结果 建模组和验证组五年总体生存率分别为46.1%±6.7%和61.8% ±12.9%。多因素分析结果显示,病理性骨折、入院时碱性磷酸酶水平、肿瘤大小、肿瘤分期和术后化疗次数是独立预后因素。校准曲线显示列线图预测与实际观察的五年生存率有很好的一致性。列线图预测五年生存率的C-index为0.74（95%CI,0.70~0.78）,明显高于Enneking分期系统。应用验证组进行外部验证,列线图、Enneking分期和美国癌症联合委员会（AJCC）分期系统的C-index分别为0.71、0.54和0.56,提示列线图比Enneking分期及AJCC分期的预后预测准确性更高。结论 成功建立的预测骨肉瘤患者总体生存列线图能实现个体化预测,且与其他预后预测系统相比更直观、准确。     

终末期肾病患者心血管不良事件危险因素分析与列线图绘制

目的 分析终末期肾病(end stage renal diseases, ESRD)患者心血管不良事件(cardiovascular adverse events, CAE)的危险因素,构建风险预测模型。方法 回顾性分析武汉大学人民医院ESRD住院患者血液生化指标及超声心动图参数,按是否发生CAE进行分组。采用R语言分析CAE危险因素,建立风险预测模型并绘制列线图。使用校准曲线、C-index、R²进行验证。结果 研究共纳入患者414例。其中CAE组233例、非CAE组181例,多因素logistic回归分析结果显示,年龄、糖尿病、血清磷酸盐、血红蛋白、左房前后径(left atrial diameter, LAD)、二尖瓣舒张早期流速与室间隔处二尖瓣环舒张早期运动速度比值(E/e’)同患者CAE风险独立相关,列线图模型C-index=0.868,R²=0.517,校准曲线一致性良好。结论 年龄、糖尿病、血清磷酸盐、低血红蛋白、LAD及E/e’同CAE风险独立相关,列线图模型能够较好地预测患者CAE发生风险。     

个体化预测老年急性胆囊炎患者发生术后感染的风险列线图模型的建立

目的 探讨个体化预测老年急性胆囊炎患者发生术后感染的风险列线图模型的建立。方法 回顾性分析2018年1月至2019年12月因急性胆囊炎于眉山市人民医院行胆囊切除术治疗的233例老年患者的临床资料,分别使用单因素法和多因素Logistic回归法分析术后感染的独立危险因素。然后用筛选出的独立危险因素建立列线图预测模型,并对模型的预测性及准确度进行验证。结果 年龄≥70岁（OR 3.032,95%CI 1.289～7.132）、糖尿病（OR 3.321,95%CI 1.452～7.599）、肝硬化（OR 2.543,95%CI 1.004～6.438）、胆囊结石（OR 9.051,95%CI 1.833～44.687）、胆囊周边积液（OR 3.264,95%CI 1.428～7.459）及白细胞计数＞10×10⁹/L（OR 3.873,95%CI 1.673～8.966）是老年急性胆囊炎患者发生术后感染的独立危险因素。基于以上6项独立危险因素,建立相关列线图预测模型,并对该模型进行验证,内部验证和外部验证的C-index指数分别为0.782和0.735。校正曲线分析显示,训练集和验证集的校正曲线和理想曲线拟合均较好,预测值同实测值均基本一致。ROC曲线分析显示,训练集和验证集的曲线下面积（AUC）分别为0.852（95%CI 0.821～0.883）和0.838（95%CI 0.812～0.864）,说明本次列线图模型具有良好的预测精准度。结论 年龄≥70岁、糖尿病、肝硬化、胆囊结石、胆囊周边积液及白细胞计数＞10×10⁹/L是老年急性胆囊炎患者发生术后感染的独立危险因素,相关列线图模型的建立对临床筛查高危人群和制定针对性防治措施具有指导意义,临床应用价值较高。     

全麻苏醒期患儿躁动风险预测模型的建立与验证

目的 建立与验证全麻苏醒期患儿躁动风险列线图预测模型,为识别躁动高风险患儿提供评估工具。方法 收集全麻手术的1～6岁患儿651例,随机分为建模组(n=459)和验证组(n=192),利用多因素logistic回归分析确定建模组全麻苏醒期患儿躁动的危险因素,构建列线图预测模型,分别使用建模组和验证组数据集对模型进行验证。结果 苏醒期发生躁动160例(建模组113例,验证组47例),躁动发生率24.58%。多因素logistic回归显示,年龄、手术科室、身体约束、麻醉方式、镇痛治疗、留置尿管是全麻苏醒期患儿躁动的影响因素(均P<0.05)。基于6个危险因素构建列线图预测模型,模型验证的校正曲线显示模型准确度良好,建模组ROC曲线下面积为0.767,验证组为0.827。结论 全麻苏醒期患儿躁动风险列线图预测模型具有良好的准确度和区分度,可为临床筛查术后躁动高危患儿提供评估工具。     

预测肾结石腔内手术后发生尿脓毒症列线图模型的建立

目的:建立和验证预测肾结石腔内手术后发生尿脓毒症的列线图预测模型。方法:回顾性分析2018年1月—2021年5月于天津市第四中心医院和天津医科大学第二医院行肾结石腔内手术治疗患者的临床资料，通过logistic回归分析确定术后发生尿脓毒症的危险因素并建立列线图预测模型。使用受试者工作特征曲线(ROC)评价列线图的预测能力，使用内部验证(Bootstrap自抽样)方法和一致性指数(C-index)检验证列线图预测效果的准确性。使用决策曲线分析(DCA)分析列线图的临床实用价值。结果:共纳入724例肾结石手术患者，其中有38例患者术后发生了尿脓毒症，logistic回归分析显示：女性(OR=2.451,95%CI:1.044～4.574,P=0.038)、糖尿病病史(OR=2.412,95%CI:1.217～5.161,P=0.013)、术前尿白细胞升高(OR=1.955,95%CI:1.049～4.516,P=0.037)、尿培养阳性(OR=3.683,95%CI:2.434～10.059,P=0.001)、中或重度肾积水(OR=2.491,95%CI:1.500～6.349,P=0.0...     

社区老年高血压患者衰弱的动态列线图风险预测模型构建

目的 构建动态列线图预测模型,分析社区老年高血压患者衰弱的影响因素,为制定针对性的干预措施提供参考。方法 从中国健康与养老追踪调查随访数据库中提取高血压患者信息,以7∶3比例随机分为训练集(n=1 160)与验证集(n=494)。采用Lasso法筛选最佳预测变量,使用logistic回归模型分析高血压患者衰弱影响因素,并构建动态列线图。使用ROC曲线的曲线下面积、Hosmer-Lemeshow检验、校准曲线和决策曲线分析评估列线图的预测性能。结果 共筛选出1 654例老年高血压患者,其中560例(33.86%)并发衰弱。受教育程度、握力、BMI、抑郁、认知障碍、自评健康、代谢性疾病、心脑血管疾病、呼吸系统疾病、胃肠道疾病10个变量纳入预测模型。预测模型在训练集和验证集的ROC曲线下面积分别为0.883(95%CI为0.863～0.903)和0.887(95%CI为0.857～0.916);Hosmer-Lemeshow检验值分别为P=0.825和P=0.410;校准曲线显示预测值和实际值之间存在显著一致性。决策曲线分析显示该模型具有良好的净效益和预测准确性。结论 动态列线图具有良好预测...     

老年脓毒症患者继发慢性危重症风险预测模型构建与验证

目的 构建并验证老年脓毒症患者继发慢性危重症的风险预测模型，为医护人员早期识别并干预提供依据。方法 将来自MIMIC-Ⅳ数据库的5 527例老年脓毒症患者作为训练组，采用Lasso回归和logistic回归分析确定慢性危重症的影响因素并构建列线图风险预测模型。分别使用受试者工作特征曲线(ROC)、决策曲线分析和校准曲线对模型的区分度、临床实用性和校准度进行评估。回顾性收集合肥市1所三甲医院的134例老年脓毒症患者作为外部验证组进行验证。结果 年龄，入ICU 24 h内的呼吸频率、体温、红细胞比容、红细胞分布宽度、血尿素氮、乳酸、部分凝血活酶时间、有无机械通气和使用抗生素是老年脓毒症患者继发慢性危重症的影响因素(均P<0.05)。基于以上因素构建的列线图风险预测模型在训练组和外部验证组的ROC曲线下面积分别为0.733(95%CI:0.722～0.755)、0.817(95%CI:0.746～0.887)。决策曲线分析显示，当阈值概率在8%～99%时，模型有较好的临床效益；校准曲线显示，预测概率与实际概率接近，校准度较好。结论 构建的10个因素老年脓毒症患者慢性危重症风险预测列线图...     

慢性肾衰竭患者发生抗生素脑病的预测模型的建立和评价

目的探讨慢性肾衰竭(CRF)患者发生抗生素相关性脑病(AAE)的危险因素，并建立预测模型。 方法回顾性分析784例CRF患者的临床资料，所有患者均使用了抗生素治疗，根据患者有无发生AAE，分为AAE组(103例)和非AAE组(681例)，将两组患者有统计学意义的临床指标纳入Logistic回归分析，得出AAE发生的独立危险因素并建立预测模型，并使用列线图展示模型。采用ROC曲线、校准曲线判定该模型的区分度及校准度，使用Bootstrap法对模型进行内部验证。 结果多变量Logistic回归分析显示，年龄大(OR 1.033, 95%CI: 1.012～1.054)、低血浆白蛋白(OR 0.852, 95%CI：0.802～0.905)、低GFR(OR 0.963, 95%CI：0.940～0.988)、单用β-内酰胺酶抑制剂复方制剂类抗生素(OR 3.827, 95%CI：1.528～9.584)、两种或两种以上抗生素联用(OR 2.913, 95%CI：1.187～7.149)以及抗生素未减量使用(OR 0.343, 95%CI: 0.212～0.553)均为CRF患者发生AAE的独立影响因素。列线图模型的ROC曲线下面积为0.808(95%CI：0.770～0.846)，内部验证C-统计量0.808。 结论本研究建立的预测模型可对临床上早期识别CRF患者的AAE风险及实施预防性措施提供一定参考价值。     

基于SEER数据库构建胆囊癌病人术后生存列线图研究

目的 构建可预测胆囊癌病人术后生存的列线图.方法 从美国国立癌症研究院“监测、流行病学和结果”(surveillance,epidemiology,and end results,SEER)数据库提取1975-2016年诊断为胆囊癌的3616例病人数据,随机分为训练集和验证集,使用机器学习和Cox模型构建列线图,并评估...     

儿童斜疝腹腔镜疝囊高位结扎术后复发的个体化风险预测模型的建立

目的探究个体化预测腹腔镜下儿童斜疝疝囊高位结扎术后复发的风险预测模型的建立。 方法收集2017年10月至2019年10月于新疆医科大学第一附属医院行腹腔镜疝囊高位结扎术的腹股沟斜疝194例患儿的临床资料。基于是否复发将患儿分为复发组（31例）和未复发组（163例）,复发组患儿均采取开放式疝囊高位结扎术进行二次手术治疗。采用单因素和Logistic回归多因素分析术后复发的危险因素,并建立相关列线图模型。 结果单因素分析显示：2组性别、病程、是否合并隐匿疝、有无嵌顿疝、是否疝环粘连、发病部位、疝囊大小资料间差异无统计学意义（P>0.05）。2组年龄、小儿肥胖症、内环口大小和结扎线类型间差异有统计学意义（P<0.05）。多因素分析显示：年龄≥6岁、小儿肥胖症、内环口大小≥3 cm、可吸收线结扎是腹腔镜下儿童斜疝疝囊高位结扎术后复发的独立危险因素（P<0.05）。模型验证结果显示：C-index为0.744,校准曲线趋近于理想曲线,表明具有良好的预测精度,受试者工作特征曲线下面积为0.760（95% CI：0.715~0.803）,表明具有良好的区分度。 结论临床应对年龄≥6岁、小儿肥胖症、内环口大小≥3 cm、可吸收线结扎的腹股沟斜疝患儿予以重视,警惕其在腹腔镜下疝囊高位结扎术后出现复发,据此建立的列线图模型能够有效预测腹腔镜下儿童斜疝疝囊高位结扎术后的复发风险。     

基于SEER数据库的胃癌肝转移预后因素分析与预后模型构建

背景与目的：胃癌其因具有恶性程度高、易早期转移等特点而导致患者往往具有较差的临床预后,其中胃癌肝转移（GCLM）更是导致患者死亡的主要因素,然而,目前对于GCLM的预后评价手段仍然存在着一定的不足。因此,本研究利用SEER数据库分析GCLM患者的临床病理特征和预后风险因素,从而建立具有良好预测能力的评估模型,以提升对患者个体化预后的评估能力。 方法：从SEER数据库中提取2010—2015年确诊的GCLM患者的临床资料。根据纳入和排除标准,严格筛选后纳入研究病例共2 554例,按7:3比例随机分配为建模集（1 790例）和验证集（764例）,比较建模集与验证集中患者的临床基线特征差异,用Cox等比例回归模型与Fine-Gray竞争风险模型分别筛选出GCLM患者总体生存期（OS）与癌症特异性生存期（CSS）的独立危险因素。基于建模集Cox或Fine-Gray风险模型的多元回归分析及AIC因素优化的结果,构建预测GCLM患者OS或CSS的列线图模型。最后,采用一致性指数、ROC曲线和校正曲线评估模型预测的可靠性。 结果： 建模集与验证集患者的基线特征无明显差异。分析结果显示,患者年龄、化疗、肿瘤分级、原发灶切除和原发灶数目是影响GCLM患者OS预后的独立危险因素,而化疗、肿瘤分级、原发灶切除和原发灶数目是影响GCLM患者CSS预后的独立危险因素（均P<0.05）。基于上述指标分别构建列线图模型并进行评价,预测OS与CSS列线图模型的一致性指数均明显高于AJCC-TNM分期系统（建模集：0.706 vs. 0.560、0.670 vs. 0.554;验证集：0.769 vs. 0.534、0.744 vs. 0.518）,并且ROC曲线分析亦展示出预测模型具有较高的准确度。最后,校正曲线分析显示,构建的列线图模型预测患者OS或CSS的生存率与实际观察值均具有良好的一致性。 结论： 基于SEER数据库分析构建的列线图模型在预测GCLM患者OS和CSS方面有较高的准确性,将有助于临床医师对GCLM患者制定个体化的治疗策略。     

在尿路结石患者中预测草酸钙结石列线图的建立与应用

目的建立和应用个性化的列线图模型,探讨列线图预测尿路结石患者中草酸钙结石的准确性及可行性。方法回顾性分析2017年1月1日至2018年12月31日在中山大学附属第五医院接受手术治疗的298例泌尿系结石患者资料,以7∶3的比例随机分为建模组和验证组,基于建模组采用最小绝对值收敛和选择算子回归(Lasso)模型及多变量Logistic回归分析选择草酸钙结石的最佳预测特征,根据最佳预测特征以列线图的形式构建预测模型。通过C指数、校准曲线和决策曲线分别评估列线图的辨别力、校准和临床实用性,并基于验证组对外部验证进行评估。结果在LASSO模型中选择的最佳预测特征包括结石位置、甘油三酯(TG)和尿比重(SG)。将以上最佳预测特征和性别、年龄一起建立列线图模型后,建模组和验证组的C指数分别为0.706、 0.603,表明模型具有良好的辨别能力。校准曲线中标准曲线与预测校准曲线贴合良好,提示校正效果良好。决策曲线分析表明,在草酸钙结石可能性阈值为31%时使用该列线图可以在临床上获益。结论本研究建立的列线图预测模型可有效预测草酸钙结石,有助于筛选和早期识别草酸钙尿路结石的高危患者,对泌尿科医师进行临床治...     

A nomogram for predicting post-hepatectomy liver failure in patients with hepatocellular carcinoma based on spleen-volume-to-platelet ratio

Background and objectivesPost-hepatectomy liver failure (PHLF) is one of the most serious complications after hepatectomy in patients with hepatocellular carcinoma (HCC), and has an association with high morbidity and mortality. This study aimed to explore the risk factors of PHLF and to establish and validate a nomogram to predict PHLF.MethodsWe retrospectively analyzed 971 HCC patients undergoing major liver resection at the Eastern Hepatobiliary Surgery Hospital between 2011 and 2016, and established a nomogram based on multivariate analyses for predicting PHLF. The predictive accuracy and discriminative ability of the nomogram were evaluated by concordance index (C-index) and calibration curve. The predictive ability of PHLF of this nomogram was compared with conventional models using receiver operating characteristic (ROC) curves.ResultsThe incidence of PHLF was 18.8%. Multivariate analysis identified age, BMI, preoperative ascites, preoperative prealbumin, spleen volume-to-platelet ratio, total bilirubin, and intraoperative blood loss as independent predictors of PHLF. The area under ROC curve (AUROC) of the predictive model was 0.668 and was higher than that of the albumin-bilirubin score (ALBI). The optimal cut-off value of the model was 124.ConclusionsWe constructed a nomogram for predicting PHLF based on risk factors. The nomogram can assist clinicians in identifying patients with high-risk PHLF, eventually facilitating earlier interventions and improving clinical outcomes.     

A risk prediction model for acute kidney injury in patients with pulmonary tuberculosis during anti-tuberculosis treatment

BackgroundAcute kidney injury (AKI) is not a rare complication during anti-tuberculosis treatment in some patients with pulmonary tuberculosis (PTB). We aimed to develop a risk prediction model for early recognition of patients with PTB at high risk for AKI during anti-TB treatment.MethodsThis retrospective cohort study assessed the clinical baseline, and laboratory test data of 315 inpatients with active PTB who were screened for predictive factors from January 2019 to June 2020. The elements were analyzed by logistic regression analysis. A nomogram was established by the results of the logistic regression analysis. The prediction model discrimination and calibration were evaluated by the concordance index (C-index), ROC curve, and Hosmer-Lemeshow analysis.ResultsA total of 315 patients with PTB were enrolled (67 patients with AKI and 248 patients without AKI). Seven factors, including microalbuminuria, hematuria, cystatin-C (CYS-C), albumin (ALB), creatinine-based estimated glomerular filtration rates (eGFRs), body mass index (BMI), and CA-125 were acquired to develop the predictive model. According to the logistic regression, microalbuminuria (OR = 3.038, 95%CI 1.168–7.904), hematuria (OR = 3.656, 95%CI 1.325–10.083), CYS-C (OR = 4.416, 95%CI 2.296–8.491), and CA-125 (OR = 3.93, 95%CI 1.436–10.756) were risk parameter, while ALB (OR = 0.741, 95%CI 0.650–0.844) was protective parameter. The nomogram demonstrated good prediction in estimating AKI (C-index= 0.967, AUC = 0.967, 95%CI (0.941–0.984), sensitivity = 91.04%, specificity = 93.95%, Hosmer-Lemeshow analysis SD = 0.00054, and quantile of absolute error = 0.049).ConclusionsMicroalbuminuria, hematuria, ALB reduction, elevated CYS-C, and CA-125 are predictive factors for the development of AKI in patients with PTB during anti-TB treatments. The predictive nomogram based on five predictive factors is achieved good risk prediction for AKI during anti-TB treatments.     

Population-based outcome of muscle-invasive bladder cancer following radical cystectomy: who can benefit from adjuvant chemotherapy?

BackgroundThe benefit of adjuvant chemotherapy remains controversial in muscle-invasive bladder cancer (MIBC) after radical cystectomy. The present study’s primary objective was to construct a predictive tool for the reasonable application of adjuvant chemotherapy.MethodsAll of the patients analyzed in the present study were recruited from the Surveillance Epidemiology and End Results program between 2004 and 2015. Propensity score matching (PSM) was used to reduce inherent selection bias. Cox proportional hazards models were applied to identify the independent prognostic factors of overall survival (OS) and cancer-specific survival (CSS), which were further used to construct prognostic nomogram and risk stratification systems to predict survival outcomes. The prognostic nomogram’s performance was assessed by concordance index (C-index), receiver-operating characteristic (ROC) and calibration curves. Decision curve analysis (DCA) was performed to evaluate the clinical net benefit of the prognostic nomogram.ResultsA total of 6,384 patients with or without adjuvant chemotherapy were included after PSM. Several independent predictors for OS and CSS were identified and further applied to establish a nomogram for 3-, 5- and 10-year, respectively. The nomogram showed favorable discriminative ability for the prediction of OS and CSS, with a C-index of 0.709 [95% confidence interval (CI): 0.699–0.719] for OS and 0.728 (95% CI: 0.718–0.738) for CSS. ROC and calibration curves showed satisfactory consistency. The DCA revealed high clinical positive net benefits of the prognostic nomogram. The different risk stratification systems showed that adjuvant chemotherapy resulted in better OS (P<0.001) and CSS (P<0.001) than without adjuvant chemotherapy for high-risk patients; while the OS (P=0.350) and CSS (P=0.260) for low-risk patients were comparable.ConclusionsWe have constructed a predictive model and different risk stratifications for selecting a population that could benefit from postoperative adjuvant chemotherapy. Adjuvant chemotherapy was found to be beneficial for high-risk patients, while low-risk patients should be carefully monitored.     

Development and validation of a novel nomogram to predict overall survival of patients with moderate to severe chronic kidney disease

IntroductionThe risk of death significantly increased from stage 3 chronic kidney disease (CKD) onward. We aimed to construct a novel nomogram to predict the overall survival (OS) of patients afflicted with CKD from stage 3–5.MethodsA total of 882 patients with stage 3–5 CKD were enrolled from the NHANES 2001–2004 survey. Data sets from the 2003–2004 survey population were used to develop a nomogram that would predict the risk of OS. The 2001–2002 survey population was used to validate the nomogram. Least absolute shrinkage and selection operator (Lasso) regression was conducted to screen the significant predictors relative to all-cause death. The multivariate Cox regression based on the screened factors was applied to effectively construct the nomogram. The performance of the nomogram was evaluated according to the C-index, the area under the receiver operating characteristic curve (AUC), and the calibration curve with 1000 bootstraps resample. Kaplan–Meier’s curves were used for testing the discrimination of the prediction model.ResultsFive variables (age, urinary albumin-to-creatinine ratio (UACR), potassium, cystatin C (Cys C), and homocysteine) were screened by the Lasso regression. The nomogram was constructed using these factors, as well as the CKD stage. The included factors (age, CKD stage, UACR, potassium, Cys C, and homocysteine) were all significantly related to the death of CKD patients, according to the multivariate Cox regression analysis. The internal validation showed that this nomogram demonstrates good discrimination and calibration (adjusted C-index: 0.70; AUC of 3-, 5-, and 10-year OS were 0.75, 0.78, and 0.77, respectively). External validation also demonstrated exceedingly similar results (C-index: 0.72, 95% CI: 0.69–0.76; AUC of 3-, 5-, and 10-year OS were 0.76, 0.79, and 0.80, respectively).ConclusionsThis study effectively constructed a novel nomogram that incorporates CKD stage, age, UACR, potassium, Cys C, and homocysteine, which can be conveniently used to facilitate the individualized prediction of survival probability in patients with stage 3–5 CKD. It displays valuable potential for clinical application.