肺腺癌特异性生存率预后模型的构建
这是一篇关于肺腺癌,列线图,预后模型,SEER数据库的论文, 主要内容为目的揭示肺腺癌的独立预后因素,构建预测肺腺癌特异性生存率的列线图模型,为医生实施个体化治疗决策提供理论依据。方法本研究回顾性地分析了在SEER数据库中所整理的2010-2015年经病理学确诊为肺腺癌患者的临床病理资料。通过Lasso回归分析和多因素Cox回归分析方法,去筛选肺腺癌患者的独立预后因素。以已筛选出的独立预后因素为构建列线图模型的变量,建立预测肺腺癌患者1年,3年,5年特异性生存率的预测模型。通过C指数和校准曲线对预测模型的判别和校准能力进行评估。使用净重新分类指数和决策曲线分析对列线图的预测能力和净收益进行评估。根据预测模型对肺腺癌特异性生存率预测的总风险得分,建立风险分层模型。结果1.年龄、种族、性别、婚姻状况、肿瘤分级、肿瘤分期、T分期、N分期、手术、化疗、淋巴结阳性比率(LNR)、骨转移、脑转移、肝转移和肿瘤大小是肺腺癌的独立预后因素。2.基于独立预后因素而构建的列线图预测模型,建模队列的C指数为0.819,验证队列的C指数为0.810。建模队列和验证队列校准曲线的1年,3年和5年预测特异性生存率和实际特异性生存率吻合较好。净重新分类指数和决策曲线表明,列线图预测模型的预测能力和净收益均高于第7版AJCCTNM分期系统。构建的风险分层模型,能有效的区分出不同预后风险的肺腺癌患者。结论年龄、种族、性别、婚姻状况、肿瘤分级、肿瘤分期、T分期、N分期、手术、化疗、LNR、骨转移、脑转移、肝转移和肿瘤大小是肺腺癌的独立预后因素。根据这些独立预后因素构建并验证了一个列线图预测模型,为肺腺癌预后的个体评估和临床决策提供了一个方便可靠的工具。列线图模型提高了 TNM分期系统的预测价值,能作为TNM分期系统的有效补充。
基于真实世界的新型多发性骨髓瘤预后分层体系的构建与验证
这是一篇关于预后模型,风险分层,HCT-CI,合并症,多发性骨髓瘤的论文, 主要内容为研究背景:多发性骨髓瘤(Multiple myeloma,MM)是一种生存结局具有高度异质性的恶性血液疾病。如何精准地预测新诊断的多发性骨髓瘤(newly diagnosed multiple myeloma,NDMM)患者的生存结局进而早期识别高危病人仍是目前待解决的重要问题。因现有的MM风险分层较少考虑合并症的预后意义,本研究整合肿瘤负荷与合并症相关预后因素(使用初诊时的HCT-CI评估),旨在构建和验证一种新型简单的MM预后分层体系。研究方法:1.回顾性纳入2013年1月至2020年12月在西京医院收治的385例NDMM连续病例。选择2016年1月至2020年12月的队列作为训练队列(N=233),2013年1月至2015年12月的队列作为验证队列(N=152)。收集初诊时的患者特异性和疾病特异性的基线资料以及治疗信息。最后一次随访时间为2021年6月1日。2.在训练队列中,利用基于Cox回归的限制性立方样条检验连续变量与OS之间的非线性关系,若为非线性关系(P<0.05),则根据截断点将连续变量转换为分类变量。采用单因素Cox回归分析方法评估候选变量潜在预后价值,筛选出单因素Cox回归分析中P<0.10的变量,继续进行最小绝对值收敛和选择算子(Least absolute shrinkage and selection operator,LASSO)回归分析。结合LASSO回归分析结果与变量实际临床意义,最终筛选出合适的变量进入多因素Cox回归分析,以计算的β系数为基础构建预后模型,并以列线图的方式将构建好的预后模型可视化。3.在训练队列和验证队列中分别通过以下分析进行模型的内部和外部验证:(1)校准度:通过校准曲线进行检验;(2)区分度:通过时间依赖的AUC和时间依赖的C-index进行评价;(3)临床实用性:通过决策曲线分析(decision curve analysis,DCA)评估;(4)预测能力的改善:通过综合判别改善指数(integrated discrimination improvement,IDI)和连续净重新分类指数(continuous net reclassification index,continuous NRI)检验。进行外部验证时,根据训练队列中构建的列线图计算验证队列中每个患者的总分数并作为预后因子来进行上述各项分析。4.根据X-Tile程序计算的最佳界值,将患者划分为低危组、中危组和高危组,建立新的风险分层。研究结果:1.根据单因素分析结果,有10个变量与NDMM患者的OS相关(P<0.05):HCT-CI、白细胞、中性粒细胞、淋巴细胞、单核细胞、β2微球蛋白(β2-microglobulin,β2-MG)、白蛋白(albumin,ALB)、外周血浆细胞(peripheral blood plasma cells,PBPC)、ISS分期以及R-ISS分期。2.本研究构建了一种由β2-MG、HCT-CI、ALB和PBPC组成的新型预后模型(MM-BHAP模型),并建立了相应的列线图用于预测NDMM患者6月、1年、2年和4年OS的可能性。根据校准度、时间依赖的AUC、时间依赖的C-index、DCA、IDI和连续NRI的分析结果,MM-BHAP模型在预测NDMM患者的OS和PFS时均表现较好。此外,MM-BHAP模型的预测效果在训练队列和验证队列中均优于ISS分期,在训练队列中部分优于R-ISS分期。3.在训练队列中MM-BHAP风险分层各个分期的人群分布情况如下:Ⅰ期(38.6%)、Ⅱ期(45.5%)、Ⅲ期(15.9%),中位OS分别为未达到(not reached,NR)、50.1、26.2月,中位PFS分别为29.8、22.3、10.9月。在验证队列中MM-BHAP风险分层各个分期的人群分布情况如下:Ⅰ期(38.8%)、Ⅱ期(40.8%)、Ⅲ期(20.4%),中位OS分别为71、44.9、22.8月,中位PFS分别为28.1、18.2、8.9月。4.在预测OS时仅MM-BHAP风险分层可将患者清晰地分为3组生存结局不同的亚组,ISS分期和R-ISS分期均不能将各自的Ⅰ期和Ⅱ期患者生存结局分开。在预测PFS时MM-BHAP风险分层与R-ISS分期均表现较好,但ISS分期的表现欠佳。MM-BHAP风险分层同样适用于年龄≤65或>65岁的亚组,也适用于HRCA阴性或阳性的亚组。在m SMART 3.0定义的双打击/三打击MM患者中,MM-BHAP风险分层也可将其分为具有不同生存结局的亚组。此外,MM-BHAP风险分层可将ISSⅢ期患者进一步划分成3组预后不同的人群,还可从R-ISSⅡ期患者中识别出一组预后较好的人群。5.相较于MM-BHAP风险分层的Ⅰ期患者,Ⅲ期患者在未来满足移植条件的可能性更低。研究结论:本研究整合了肿瘤负荷与合并症,使用β2-MG、HCT-CI、ALB和PBPC这4个变量建立了一种新型简单的MM-BHAP预后分层体系(MM-BHAP模型和MM-BHAP风险分层),其预测性能优于ISS分期,部分优于至少不劣于R-ISS分期。
基于长寿相关基因的癌症亚型分类模型及数据库构建研究
这是一篇关于长寿,泛癌,预后模型,数据库的论文, 主要内容为作为一种与年龄密切相关的复杂疾病,癌症在全球范围内有着居高不下的发病率和死亡率,同时它的发生与衰老和长寿密不可分。随着衰老和长寿相关研究的不断推进,许多与长寿相关的基因也在癌症发生发展中发挥着重要作用。然而,长寿相关基因在癌症中的具体作用以及在癌症诊疗中的潜在价值仍有待进一步研究。鉴于癌症与长寿的关系以及长寿相关基因在癌症中的潜在作用,本研究收集并筛选了长寿相关基因,系统地探讨了这些基因与癌症发生发展的潜在联系,进而进行癌症分子分型研究并构建预后模型以评估其应用潜力,最后开发了长寿基因与癌症相关数据库,旨在挖掘出长寿相关基因在癌症诊疗中的潜在价值,为后续研究提供数据和方法参考,丰富癌症与长寿及衰老相关研究。本研究首先从已发表的文献和Longevity Map数据库中收集并筛选了400个人长寿相关基因,其中包括一些基因家族的同源基因,如Sirtuin基因家族。许多基因也同时被鉴定为癌症密切相关基因,表明这些基因在癌症发生发展中具有重要作用,如在肿瘤的特征分析中,长寿相关基因主要集中于对生长抑制信号不敏感和自给自足的生长信号等。功能富集分析表明,除了长寿相关信号通路,这些基因还在多种癌症相关信号通路中发挥重要作用,暗示基因在长寿和癌症相关生物学过程中具有双重作用,探讨长寿相关基因在癌症中的可能作用具有重要意义。此外,近一半的长寿相关基因被鉴定为长基因(181,45.25%),远高于随机抽样的长基因出现的频次(平均100),且与短基因相比,长基因的下调表达模式更为普遍。然后,基于从The Cancer Genome Atlas(TCGA)数据库中获取的33种癌症的多组学数据,系统分析了长寿相关基因在泛癌中的表达和突变特征,以了解这些基因在癌症预后中的可能作用。结果发现,失调基因可能会影响患者的预后,且一些基因在多种癌症中都被检测到具有较高突变频率,如p53基因高突变率与多种癌症的发生密切相关。一些长寿相关基因可作为抗癌药物的分子靶点,如针对EGFR基因研发的吉非替尼,可用于治疗EGFR第19号外显子缺失突变或L858R突变的转移性非小细胞肺癌。随后,基于在肿瘤样本中差异表达的长寿相关基因,使用非负矩阵分解算法进行聚类分析鉴定癌症的分子亚型,发现在多种癌症中都有较好的分型效果,如肝细胞癌和子宫内膜癌等,且亚型间具有不同的免疫特性。接着,在肝细胞癌中基于多重算法组合筛选关键基因并构建预后模型,进而利用International Cancer Genome Consortium(ICGC)数据库中LIHC-JP数据集(n=394)进一步验证了该预后模型的预测性能,发现其具有较好的预测准确性及稳健性。最后,基于所收集的长寿相关基因集和TCGA多组学数据等,利用Spring Boot框架和Vue2框架搭建了具有友好界面的长寿基因与癌症数据库LGCDB(Longevity Gene and Cancer Database,http://tmliang.cn/lgcdb)。该数据库的Browser和Search模块可为用户提供长寿相关基因检索服务,Analysis模块可为用户提供长寿相关基因联合癌症特征分析服务。其中,Analysis模块主要包括差异表达分析、生存分析、免疫细胞浸润分析和药物敏感性分析等,研究人员可以根据需要开展相关分析服务并下载分析结果供研究使用。综上,本研究从已发表的文献和数据库中收集并筛选了400个长寿相关基因,首先分析了这些基因与癌症的联系、多组学分子特征以及与抗癌药物靶点的关联等,结果表明长寿相关基因同时也在癌症发生发展中扮演着重要角色;接着,基于长寿相关基因对泛癌进行了分子分型研究,并在一些癌症中获得了较好的分型效果;随后,在肝细胞癌中利用多重算法组合筛选最佳关键基因并构建预后模型,并在独立数据集中验证了预后模型的准确性;最后,基于上述研究结果,构建了长寿相关基因与癌症数据库LGCDB,为相关研究提供了丰富的数据资源和在线分析平台。这些研究结果可进一步丰富长寿与癌症相关研究,为揭示长寿相关基因在癌症发生发展中的可能作用提供了新的视角和数据资源。
肺腺癌特异性生存率预后模型的构建
这是一篇关于肺腺癌,列线图,预后模型,SEER数据库的论文, 主要内容为目的揭示肺腺癌的独立预后因素,构建预测肺腺癌特异性生存率的列线图模型,为医生实施个体化治疗决策提供理论依据。方法本研究回顾性地分析了在SEER数据库中所整理的2010-2015年经病理学确诊为肺腺癌患者的临床病理资料。通过Lasso回归分析和多因素Cox回归分析方法,去筛选肺腺癌患者的独立预后因素。以已筛选出的独立预后因素为构建列线图模型的变量,建立预测肺腺癌患者1年,3年,5年特异性生存率的预测模型。通过C指数和校准曲线对预测模型的判别和校准能力进行评估。使用净重新分类指数和决策曲线分析对列线图的预测能力和净收益进行评估。根据预测模型对肺腺癌特异性生存率预测的总风险得分,建立风险分层模型。结果1.年龄、种族、性别、婚姻状况、肿瘤分级、肿瘤分期、T分期、N分期、手术、化疗、淋巴结阳性比率(LNR)、骨转移、脑转移、肝转移和肿瘤大小是肺腺癌的独立预后因素。2.基于独立预后因素而构建的列线图预测模型,建模队列的C指数为0.819,验证队列的C指数为0.810。建模队列和验证队列校准曲线的1年,3年和5年预测特异性生存率和实际特异性生存率吻合较好。净重新分类指数和决策曲线表明,列线图预测模型的预测能力和净收益均高于第7版AJCCTNM分期系统。构建的风险分层模型,能有效的区分出不同预后风险的肺腺癌患者。结论年龄、种族、性别、婚姻状况、肿瘤分级、肿瘤分期、T分期、N分期、手术、化疗、LNR、骨转移、脑转移、肝转移和肿瘤大小是肺腺癌的独立预后因素。根据这些独立预后因素构建并验证了一个列线图预测模型,为肺腺癌预后的个体评估和临床决策提供了一个方便可靠的工具。列线图模型提高了 TNM分期系统的预测价值,能作为TNM分期系统的有效补充。
基于长寿相关基因的癌症亚型分类模型及数据库构建研究
这是一篇关于长寿,泛癌,预后模型,数据库的论文, 主要内容为作为一种与年龄密切相关的复杂疾病,癌症在全球范围内有着居高不下的发病率和死亡率,同时它的发生与衰老和长寿密不可分。随着衰老和长寿相关研究的不断推进,许多与长寿相关的基因也在癌症发生发展中发挥着重要作用。然而,长寿相关基因在癌症中的具体作用以及在癌症诊疗中的潜在价值仍有待进一步研究。鉴于癌症与长寿的关系以及长寿相关基因在癌症中的潜在作用,本研究收集并筛选了长寿相关基因,系统地探讨了这些基因与癌症发生发展的潜在联系,进而进行癌症分子分型研究并构建预后模型以评估其应用潜力,最后开发了长寿基因与癌症相关数据库,旨在挖掘出长寿相关基因在癌症诊疗中的潜在价值,为后续研究提供数据和方法参考,丰富癌症与长寿及衰老相关研究。本研究首先从已发表的文献和Longevity Map数据库中收集并筛选了400个人长寿相关基因,其中包括一些基因家族的同源基因,如Sirtuin基因家族。许多基因也同时被鉴定为癌症密切相关基因,表明这些基因在癌症发生发展中具有重要作用,如在肿瘤的特征分析中,长寿相关基因主要集中于对生长抑制信号不敏感和自给自足的生长信号等。功能富集分析表明,除了长寿相关信号通路,这些基因还在多种癌症相关信号通路中发挥重要作用,暗示基因在长寿和癌症相关生物学过程中具有双重作用,探讨长寿相关基因在癌症中的可能作用具有重要意义。此外,近一半的长寿相关基因被鉴定为长基因(181,45.25%),远高于随机抽样的长基因出现的频次(平均100),且与短基因相比,长基因的下调表达模式更为普遍。然后,基于从The Cancer Genome Atlas(TCGA)数据库中获取的33种癌症的多组学数据,系统分析了长寿相关基因在泛癌中的表达和突变特征,以了解这些基因在癌症预后中的可能作用。结果发现,失调基因可能会影响患者的预后,且一些基因在多种癌症中都被检测到具有较高突变频率,如p53基因高突变率与多种癌症的发生密切相关。一些长寿相关基因可作为抗癌药物的分子靶点,如针对EGFR基因研发的吉非替尼,可用于治疗EGFR第19号外显子缺失突变或L858R突变的转移性非小细胞肺癌。随后,基于在肿瘤样本中差异表达的长寿相关基因,使用非负矩阵分解算法进行聚类分析鉴定癌症的分子亚型,发现在多种癌症中都有较好的分型效果,如肝细胞癌和子宫内膜癌等,且亚型间具有不同的免疫特性。接着,在肝细胞癌中基于多重算法组合筛选关键基因并构建预后模型,进而利用International Cancer Genome Consortium(ICGC)数据库中LIHC-JP数据集(n=394)进一步验证了该预后模型的预测性能,发现其具有较好的预测准确性及稳健性。最后,基于所收集的长寿相关基因集和TCGA多组学数据等,利用Spring Boot框架和Vue2框架搭建了具有友好界面的长寿基因与癌症数据库LGCDB(Longevity Gene and Cancer Database,http://tmliang.cn/lgcdb)。该数据库的Browser和Search模块可为用户提供长寿相关基因检索服务,Analysis模块可为用户提供长寿相关基因联合癌症特征分析服务。其中,Analysis模块主要包括差异表达分析、生存分析、免疫细胞浸润分析和药物敏感性分析等,研究人员可以根据需要开展相关分析服务并下载分析结果供研究使用。综上,本研究从已发表的文献和数据库中收集并筛选了400个长寿相关基因,首先分析了这些基因与癌症的联系、多组学分子特征以及与抗癌药物靶点的关联等,结果表明长寿相关基因同时也在癌症发生发展中扮演着重要角色;接着,基于长寿相关基因对泛癌进行了分子分型研究,并在一些癌症中获得了较好的分型效果;随后,在肝细胞癌中利用多重算法组合筛选最佳关键基因并构建预后模型,并在独立数据集中验证了预后模型的准确性;最后,基于上述研究结果,构建了长寿相关基因与癌症数据库LGCDB,为相关研究提供了丰富的数据资源和在线分析平台。这些研究结果可进一步丰富长寿与癌症相关研究,为揭示长寿相关基因在癌症发生发展中的可能作用提供了新的视角和数据资源。
本文内容包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主题。发布者：源码码头 ，原文地址：https://m.bishedaima.com/lunwen/52284.html
