值得一学！中国学者用SEER数据库构建列线图预测总生存优于传统AJCC分期系统...

欢迎报名2024年郑老师团队课程课程！

  郑老师科研统计培训，包括临床数据、公共数据分析课程，欢迎报名

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。

一个专门做公共数据库的公众号，关注我们

---

本公众提供各种科研服务了！

一、课程培训 2022年以来，我们召集了一批富有经验的高校专业队伍，着手举行短期统计课程培训班，包括R语言、meta分析、临床预测模型、真实世界临床研究、问卷与量表分析、医学统计与SPSS、临床试验数据分析、重复测量资料分析、nhanes、孟德尔随机化等10余门课。如果您有需求，不妨点击查看： 发文后退款：2024-2025年科研统计课程介绍 二、数据分析服务 浙江中医药大学郑老师团队接单各项医学研究数据分析的服务，提供高质量统计分析报告。有兴趣了解一下详情： 课题、论文、毕业数据分析   临床试验设计与分析 、公共数据库挖掘与统计