公众号
“医学论文与统计分析”公众号
扫码关注公众号

统计咨询
“公共数据库与孟德尔随机化”公众号
扫码关注公众号

意见反馈
邮箱:17357190071@163.com
微信:aq566665

SEER数据库构建列线图预测总生存优于传统AJCC分期系统

Administrator
发布于 2025-09-25 / 16 阅读
0
0

2024年1月,中国学者在《International Journal of Surgery(二区,IF=15.3)发表题为:"Combined the surgery, radiation, and chemotherapy for predicting overall survival in patients with gastroenteropancreatic neuroendocrine tumors" 的研究论文。

本文基于美国SEER数据库中胃肠胰腺神经内分泌肿瘤(GEP-NETs)患者的基线数据以及预后数据,通过多变量Cox回归分析研究影响GEP-NETs患者预后总生存期(OS)的危险因素,并建立更为准确的预测总生存(OS)的治疗数据的预测图。结果表明,联合治疗数据的列线图预测总生存优于AJCC分期,使用列线图评估个体风险可获得更多的临床净获益。

摘要与主要结果

一、摘要

标题:联合手术、放疗和化疗预测胃肠胰神经内分泌肿瘤患者的总生存期

背景:在过去的几十年里,胃肠胰腺神经内分泌肿瘤(GEP-NETs)的全球年发病率稳步上升。由于GEP-NETs治疗复杂且不一致,因此仍难以评估GEP-NETs患者的预后。该研究旨在构建和验证包括GEP-NETs患者预测总生存(OS)的治疗数据的列线图。

数据来源:从监测、流行病学和最终结果(SEER)-13注册数据库(1992-2018)中确定GEP-NETs患者,并从SEER-18注册数据库(1975-2016)中获得额外的治疗数据。

方法:从监测、流行病学和最终结果(SEER)-13注册数据库(1992-2018)中确定GEP-NETs患者,并从SEER-18注册数据库(1975-2016)中获得额外的治疗数据。为选择对患者生存有显著影响且可纳入列线图的独立预后因素,采用AIC最小值进行多变量Cox回归分析,通过计算风险比(HRs)和95% CIs分析各变量与OS的关系。此外,我们还将用于预测OS的列线图与目前美国癌症联合委员会(AJCC)第7版分期系统进行了综合比较。

结果:2004年至2015年,从SEER数据库中共确定了42,662例诊断年的GEP-NETs患者。结果表明,GEP-NETs的发病率逐年增加,其中50-54岁的发病率最高。在剔除缺乏足够临床病理特征的病例后,剩余的符合条件的患者(n= 7564)被随机分为训练组(3782例)和测试组(3782例)。在单因素分析中,发现性别、年龄、种族、肿瘤位置、SEER历史分期、病理类型、TNM、分期、手术、放疗、化疗、CS肿瘤大小与OS显著相关。最终,确定了预测OS的关键因素,包括性别、年龄、种族、肿瘤位置、SEER历史分期、M、N、分级、手术、放疗和化疗。在内部验证中,列线图用于估计训练集OS的C-index为0.816(0.804 ~ 0.828)。外部验证显示,列线图预测OS的一致性指数(C-index)为0.822(0.812 ~ 0.832)。在训练集和测试集中,与AJCC分期相比,我们的列线图产生了最小的AIC值和OS的C-index。决策曲线分析(DCA)提示列线图较AJCC分期系统在更宽的阈值概率范围内获得更多的临床净获益。

结论:联合治疗数据的列线图预测总生存优于AJCC分期。我们强烈建议根据GEP-NETs的不同临床特征,使用列线图评估个体风险,以改善GEP-NETs患者的诊疗结局,改善其生活质量。

二、研究结果

1.基线数据

(1)2004年至2015年,从SEER数据库共纳入42 662名符合条件的GEP NETs患者。

(2)结果表明,GEP NETs的发病率每年都在增加,发病率最高的是50-54岁的患者。

2.纳入治疗数据的预后列线图 

(1)单因素分析结果显示,性别、年龄、种族、肿瘤位置、SEER历史分期、病理类型、TNM、分期、手术、放疗、化疗和CS肿瘤大小与OS显著相关。

(2)多变量Cox回归分析结果显示,预测OS的关键因素包括性别、年龄、种族、肿瘤位置、SEER历史分期、M、N、分级、手术、放疗和化疗。

图A  GEP-NETs3年和5年总生存率的预测列线图

3.列线图的内部和外部验证

在训练集和测试集中,与AJCC分期相比,我们的列线图产生了最小的AIC值和OS的C-index。

注:在内部验证中,列线图用于估计训练集OS的C-index为0.816(0.804 ~ 0.828)。外部验证显示,列线图预测OS的一致性指数(C-index)为0.822(0.812 ~ 0.832)。

图B 训练集中总体生存列线图的校准曲线

图C 测试集中总体生存列线图的校准曲线

结果表明,与传统的AJCC分期系统相比,我们的列线图具有稳健和更准确的预测能力。

4.决策曲线分析

决策曲线分析(DCA)提示列线图较AJCC分期系统在更宽的阈值概率范围内获得更多的临床净获益。

设计与统计学方法

一、研究设计

P(Population)参与者:2004年至2015年,SEER数据库中符合条件的42,662例诊断年的GEP-NETs患者。

研究因素:

  • 主要因素:治疗数据,包括手术、放疗和化疗的预后数据

  • 协变量:性别、年龄、种族、肿瘤位置、SEER历史分期、M、N、分级

研究结局:总生存期(OS)

研究类型:横断面研究

二、统计方法

1、多变量Cox回归

为选择对患者生存有显著影响且可纳入列线图的独立预后因素,采用AIC最小值进行多变量Cox回归分析,通过计算风险比(HRs)和95% CIs分析各变量与OS的关系。

2.决策曲线分析(DCA)

采用决策曲线分析(DCA)比较临床效益。

3.统计描述  

采用描述性统计学t检验或χ2检验来比较患者的基本临床特征。            

4.统计分析软件  

Cox多变量回归分析采用SPSS,版本23(IBM Corp)进行,OS分析采用GraphPad Prism 8 XML项目进行。基于“rms”R包进行列线图和校准曲线,基于“ggDCA”R包进行DCA分析。对于每项分析,设置为P<0.05。


评论

收银台

订单信息

应付金额 积分

模块介绍

请加我们助教二维码或加入Zstats使用群
Zstats交流群

Zstats交流群

助教二维码

联系助教

选择支付方式

请输入助教告诉您的积分券

如果不填写积分券,将直接使用当前余额支付

正在创建订单...

请稍候,正在为您生成支付订单

支付二维码

请使用扫描二维码完成支付

等待支付中...

二维码获取失败

支付二维码获取失败,请点击重新获取

正在处理余额支付...

请稍候,正在为您完成支付

正在处理充值并支付...

正在使用积分券兑换,然后完成支付 正在使用当前余额完成支付

支付成功!

您的订单已支付完成,页面将在 秒后自动关闭

支付失败

支付过程中出现错误,请重新选择支付方式

平台说明