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: 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: |