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。     

中文版头颈癌羞耻与耻辱量表在甲状腺癌患者中的应用及信效度检验

目的 将中文版头颈癌羞耻与耻辱量表(SSS-HNC)应用于甲状腺癌患者，并检验其信效度和可接受性。方法 采用中文版头颈癌羞耻与耻辱量表对155例甲状腺癌患者进行问卷调查，检验其在甲状腺癌患者中的信效度和可接受性，并分析病耻感与生活质量的相关。结果 中文版SSS-HNC在甲状腺癌患者中具有良好的效度(x2/df=1.852,RMSEA=0.078,GFI=0.902,CFI=0.934,IFI=0.925,TLI=0.916)、信度(Cronbach’s alpha为0.821,Spearman-Brown系数为0.742)和可接受性[平均完成时间(17.67±2.18)min和96.88%的有效应答率]。患者的病耻感与生活质量呈负相关。结论 中文版头颈癌羞耻与耻辱量表在甲状腺癌患者中具有良好的信效度及可接受性，但内容及适用性仍待进一步改善，以便更适用于甲状腺癌患者病耻感的评价和预防，减少心理问题的发生，甚至提高患者的生活质量。     

甲状腺癌患者病耻感现状研究进展

<正>近年来，我国甲状腺癌的发病率逐年上升，2022年2月国家癌症中心数据显示：甲状腺癌发病率在15～44岁人群中位居第二大癌症，在女性恶性肿瘤中，甲状腺癌是仅次于乳腺癌和肺癌的第三大癌症^[1]。虽然甲状腺癌治疗效果很好，但是治疗毒性和长期复发的风险，可能影响患者的心理健康和健康相关生活质量水平^[2]。病耻感(stigma)是指健康人群针对病患否定性、排斥性的社会行为，当病患主观预估或客观经历这种不平等对待后，产生间歇性或持续性的羞耻感，