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。

乳腺癌新辅助化疗后病理完全缓解可能性预测模型及术后生存模型的建立和验证

这是一篇关于乳腺癌,新辅助化疗,病理完全缓解,肿瘤残余负荷,生存,列线图的论文, 主要内容为【背景和目的】乳腺癌是女性发病率第一的恶性肿瘤,也是引起女性癌症特异性死亡的重要原因,给女性的身心健康及生存构成了极大的危害。尽管手术已经较明显地延长了乳腺癌的生存期,但是对乳腺癌患者而言术前、术后化疗能进一步改善其预后,提高其生存质量。新辅助化疗(NAC,neoadjuvant chemotherapy)即乳腺癌手术之前的化疗,能够缩小乳腺癌瘤块、使肿瘤降级降期、提高保乳率并改善保乳效果,现已在临床上得到了越来越广泛的应用。多项临床试验证实NAC后病理完全缓解(p CR,pathological complete remission)的乳腺癌人群往往具有更长的无病生存期(DFS,disease-free survival)和总生存期(OS,overall survival)。国外研究已建立了多个p CR预测模型用于预测乳腺癌NAC后实现p CR状态的可能性,但由于种族、生存环境的较大差异,基于欧美国家乳腺癌人群建立的模型很可能并不适用于我国乳腺癌人群。构建适合于我国乳腺癌人群的p CR个体化预测模型对我国乳腺癌的新辅助治疗具有一定的参考价值和指导意义。因此,本课题收集临床工作中易得的临床、病理变量,对已实施NAC的乳腺癌患者开展了p CR的回顾性研究,构建了适用于我国乳腺癌人群NAC后p CR的个体化预测模型(实验一)。此外,恶性肿瘤患者的治疗中,生存期(如OS和DFS)的改善对患者意义重大。近年来,NAC在乳腺癌的临床治疗应用更加广泛,然而接受NAC的乳腺癌人群存在较大的异质性。因此,为实施NAC的乳腺癌患者构建个体化的预后模型具有重要临床意义。目前,尽管多个乳腺癌NAC术后的预后模型(如Rouzier模型、CPS+EG评分系统、Colleoni模型、neoadjuvant response指数、Keam模型、Nottingham Clinico-Pathological Response指数和Neo-Bioscore评分)已经被建立、验证并得到了较广泛的临床应用,但上述模型在当时的研究背景下没有考虑HER2的靶向治疗或没有进行细致的病理评估,在当前的临床应用中具有较大局限性。对于NAC后的乳腺癌患者而言,残余肿瘤负荷(RCB,residual cancer burden)从p CR或残留少数浸润性癌细胞到大面积的浸润性癌块不等,其RCB具有很大的异质性。因此,本研究旨在建立、验证接受NAC乳腺癌患者术后复发、转移风险预后模型并与先前模型进行预测准确性及临床决策净获益的比较(实验二)。实验一旨在:1.探索并确定我国乳腺癌人群NAC后p CR的独立预测因素;2.构建适用于我国人群的p CR个体化预测模型。实验二旨在:1.探索并确定我国NAC乳腺癌术后DFS的独立预测因素;2.构建适用于NAC乳腺癌术后的个体化预后模型;3.验证模型的预测性能,并与现有模型的预测性能和临床决策净获益进行比较;4.使用风险分层模型预测术后高危复发转移人群。【方法】实验一:1.回顾性分析2013.01～2017.12在我院确诊并行NAC的1 046例临床Ⅰ～Ⅲ期的乳腺癌患者的临床及病理变量。2.将2015.01～2017.12确诊的689例乳腺癌患者纳入训练集,进行单因素及多因素Logistic回归分析确定p CR的独立预测因素并构建p CR的个体化预测模型(列线图)。使用bootstrap=200、由本中心2013.01～2014.12确诊的357例患者构成的独立队列(验证集)对模型分别进行内部、外部验证(本中心的独立队列进行的验证)。3.计算ROC曲线下面积(AUROC,area under receiver operating characteristic curve)及绘制校准曲线对列线图预测p CR的性能进行检验。实验二:1.回顾性分析2012.01～2015.12在我院确诊、行NAC并接受乳腺癌手术的749例临床Ⅰ～Ⅲ期的乳腺癌患者的临床及病理资料。按照纳入标准筛选后,对符合入组的人群进行生存状态及生存期的随访(门诊随访和电话随访)。2.收集患者每次门诊及电话随访的相关临床事件信息、影像学检查和患者体征等。使用从本单位病理科档案室挑选的研究人群的病理切片及石蜡标本,评估研究人群的病理分级,脉管瘤栓(LVI,lymphovascular invasion)和RCB等指标。3.使用计算机以3:1的比例随机将研究人群分为训练集和验证集。对训练集人群进行单因素和多因素Cox回归分析确定NAC病人术后DFS的独立预测因素。使用R软件3.6.3版本构建NAC乳腺癌术后的个体化DFS模型。4.绘制ROC曲线及校准曲线检验预后模型的预测性能。计算一致性指数(C指数),绘制时间依赖的ROC曲线和临床决策曲线比较本研究组所建模型与先前模型的预测准确性及临床决策获益。5.使用X-tile软件确定训练集人群总分的截断点,将研究人群分为三个不同的危险分层。绘制Kaplan-Meier曲线进行生存分析,使用Log-rank检验确定生存差异的显著性。【结果】实验一:1.多因素Logistic回归分析表明乳腺癌患者NAC后p CR的独立预测因素有:绝经状态、乳腺癌家族病史、HER2/neu状态、Ki-67表达、肿瘤大小和ER表达。2.基于以上变量构建的列线图在训练集和验证集中预测乳腺癌NAC后个体化p CR的可能性时,均具有较高的准确度(分别为0.762和0.768),校准曲线进一步证实模型基本具备无偏性预测。实验二:1.单因素和多因素Cox分析表明:AJCC分期、病理分级、ER表达水平、HER2状态及靶向治疗情况、Ki-67、LVI及RCB为接受NAC乳腺癌患者术后DFS的独立预测因素。2.使用R软件绘制NAC乳腺癌术后的个体化预后模型。模型在内部及外部验证中,3年及5年的AUROC均在0.80及0.80以上,校准曲线与理想曲线(列线图的预测结果与实际观察情况完全一致)也较为接近。3.使用本单位数据,本课题组构建的预后模型的预测性能高于先前的模型及单个独立预后因素的预测性能(P<0.05);依据我们的模型进行临床决策的净获益也明显优于先前模型及单个独立预后因素的决策净获益。4.以280和360作为截断点,本课题组构建的预后模型能够对NAC乳腺癌患者术后复发、转移风险分层,且其区分性能良好。风险分层模型可帮助筛选潜在的高危复发、转移人群。【结论】实验一:1.本研究揭示了绝经状态和乳腺癌家族史是乳腺癌NAC后p CR的独立预测因素。2.本课题组所建模型对乳腺癌p CR可能性预测有较高准确性,为乳腺癌手术方式的选择、病人的临床咨询提供指导。实验二:1.本研究首次将RCB作为独立预后因素纳入NAC乳腺癌的预后模型中,构建的预后模型能个体化预测患者DFS且预测性能良好。2.模型的风险分层效果良好,能够对NAC乳腺癌患者术后复发、转移风险进行分层,帮助筛选潜在的高危复发、转移人群。

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。

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。

乳腺癌新辅助化疗后病理完全缓解可能性预测模型及术后生存模型的建立和验证

这是一篇关于乳腺癌,新辅助化疗,病理完全缓解,肿瘤残余负荷,生存,列线图的论文, 主要内容为【背景和目的】乳腺癌是女性发病率第一的恶性肿瘤,也是引起女性癌症特异性死亡的重要原因,给女性的身心健康及生存构成了极大的危害。尽管手术已经较明显地延长了乳腺癌的生存期,但是对乳腺癌患者而言术前、术后化疗能进一步改善其预后,提高其生存质量。新辅助化疗(NAC,neoadjuvant chemotherapy)即乳腺癌手术之前的化疗,能够缩小乳腺癌瘤块、使肿瘤降级降期、提高保乳率并改善保乳效果,现已在临床上得到了越来越广泛的应用。多项临床试验证实NAC后病理完全缓解(p CR,pathological complete remission)的乳腺癌人群往往具有更长的无病生存期(DFS,disease-free survival)和总生存期(OS,overall survival)。国外研究已建立了多个p CR预测模型用于预测乳腺癌NAC后实现p CR状态的可能性,但由于种族、生存环境的较大差异,基于欧美国家乳腺癌人群建立的模型很可能并不适用于我国乳腺癌人群。构建适合于我国乳腺癌人群的p CR个体化预测模型对我国乳腺癌的新辅助治疗具有一定的参考价值和指导意义。因此,本课题收集临床工作中易得的临床、病理变量,对已实施NAC的乳腺癌患者开展了p CR的回顾性研究,构建了适用于我国乳腺癌人群NAC后p CR的个体化预测模型(实验一)。此外,恶性肿瘤患者的治疗中,生存期(如OS和DFS)的改善对患者意义重大。近年来,NAC在乳腺癌的临床治疗应用更加广泛,然而接受NAC的乳腺癌人群存在较大的异质性。因此,为实施NAC的乳腺癌患者构建个体化的预后模型具有重要临床意义。目前,尽管多个乳腺癌NAC术后的预后模型(如Rouzier模型、CPS+EG评分系统、Colleoni模型、neoadjuvant response指数、Keam模型、Nottingham Clinico-Pathological Response指数和Neo-Bioscore评分)已经被建立、验证并得到了较广泛的临床应用,但上述模型在当时的研究背景下没有考虑HER2的靶向治疗或没有进行细致的病理评估,在当前的临床应用中具有较大局限性。对于NAC后的乳腺癌患者而言,残余肿瘤负荷(RCB,residual cancer burden)从p CR或残留少数浸润性癌细胞到大面积的浸润性癌块不等,其RCB具有很大的异质性。因此,本研究旨在建立、验证接受NAC乳腺癌患者术后复发、转移风险预后模型并与先前模型进行预测准确性及临床决策净获益的比较(实验二)。实验一旨在:1.探索并确定我国乳腺癌人群NAC后p CR的独立预测因素;2.构建适用于我国人群的p CR个体化预测模型。实验二旨在:1.探索并确定我国NAC乳腺癌术后DFS的独立预测因素;2.构建适用于NAC乳腺癌术后的个体化预后模型;3.验证模型的预测性能,并与现有模型的预测性能和临床决策净获益进行比较;4.使用风险分层模型预测术后高危复发转移人群。【方法】实验一:1.回顾性分析2013.01～2017.12在我院确诊并行NAC的1 046例临床Ⅰ～Ⅲ期的乳腺癌患者的临床及病理变量。2.将2015.01～2017.12确诊的689例乳腺癌患者纳入训练集,进行单因素及多因素Logistic回归分析确定p CR的独立预测因素并构建p CR的个体化预测模型(列线图)。使用bootstrap=200、由本中心2013.01～2014.12确诊的357例患者构成的独立队列(验证集)对模型分别进行内部、外部验证(本中心的独立队列进行的验证)。3.计算ROC曲线下面积(AUROC,area under receiver operating characteristic curve)及绘制校准曲线对列线图预测p CR的性能进行检验。实验二:1.回顾性分析2012.01～2015.12在我院确诊、行NAC并接受乳腺癌手术的749例临床Ⅰ～Ⅲ期的乳腺癌患者的临床及病理资料。按照纳入标准筛选后,对符合入组的人群进行生存状态及生存期的随访(门诊随访和电话随访)。2.收集患者每次门诊及电话随访的相关临床事件信息、影像学检查和患者体征等。使用从本单位病理科档案室挑选的研究人群的病理切片及石蜡标本,评估研究人群的病理分级,脉管瘤栓(LVI,lymphovascular invasion)和RCB等指标。3.使用计算机以3:1的比例随机将研究人群分为训练集和验证集。对训练集人群进行单因素和多因素Cox回归分析确定NAC病人术后DFS的独立预测因素。使用R软件3.6.3版本构建NAC乳腺癌术后的个体化DFS模型。4.绘制ROC曲线及校准曲线检验预后模型的预测性能。计算一致性指数(C指数),绘制时间依赖的ROC曲线和临床决策曲线比较本研究组所建模型与先前模型的预测准确性及临床决策获益。5.使用X-tile软件确定训练集人群总分的截断点,将研究人群分为三个不同的危险分层。绘制Kaplan-Meier曲线进行生存分析,使用Log-rank检验确定生存差异的显著性。【结果】实验一:1.多因素Logistic回归分析表明乳腺癌患者NAC后p CR的独立预测因素有:绝经状态、乳腺癌家族病史、HER2/neu状态、Ki-67表达、肿瘤大小和ER表达。2.基于以上变量构建的列线图在训练集和验证集中预测乳腺癌NAC后个体化p CR的可能性时,均具有较高的准确度(分别为0.762和0.768),校准曲线进一步证实模型基本具备无偏性预测。实验二:1.单因素和多因素Cox分析表明:AJCC分期、病理分级、ER表达水平、HER2状态及靶向治疗情况、Ki-67、LVI及RCB为接受NAC乳腺癌患者术后DFS的独立预测因素。2.使用R软件绘制NAC乳腺癌术后的个体化预后模型。模型在内部及外部验证中,3年及5年的AUROC均在0.80及0.80以上,校准曲线与理想曲线(列线图的预测结果与实际观察情况完全一致)也较为接近。3.使用本单位数据,本课题组构建的预后模型的预测性能高于先前的模型及单个独立预后因素的预测性能(P<0.05);依据我们的模型进行临床决策的净获益也明显优于先前模型及单个独立预后因素的决策净获益。4.以280和360作为截断点,本课题组构建的预后模型能够对NAC乳腺癌患者术后复发、转移风险分层,且其区分性能良好。风险分层模型可帮助筛选潜在的高危复发、转移人群。【结论】实验一:1.本研究揭示了绝经状态和乳腺癌家族史是乳腺癌NAC后p CR的独立预测因素。2.本课题组所建模型对乳腺癌p CR可能性预测有较高准确性,为乳腺癌手术方式的选择、病人的临床咨询提供指导。实验二:1.本研究首次将RCB作为独立预后因素纳入NAC乳腺癌的预后模型中,构建的预后模型能个体化预测患者DFS且预测性能良好。2.模型的风险分层效果良好,能够对NAC乳腺癌患者术后复发、转移风险进行分层,帮助筛选潜在的高危复发、转移人群。

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。