目的构建与外周血平均血小板体积比淋巴细胞(mean platelet volume ratio lymphocyte,MPVLR)相关的列线图模型以个体化评估结肠癌术后患者的预后。方法本研究纳入2014年1月~2016年11月就诊于笔者医院经病理确诊为结肠癌的261例患者。采...目的构建与外周血平均血小板体积比淋巴细胞(mean platelet volume ratio lymphocyte,MPVLR)相关的列线图模型以个体化评估结肠癌术后患者的预后。方法本研究纳入2014年1月~2016年11月就诊于笔者医院经病理确诊为结肠癌的261例患者。采用Kaplan-Meier生存曲线及Log-rank检验分析不同MPVLR水平组与患者预后的关系。采用多因素COX回归分析确定独立预后因素。采用R软件构建预测结肠癌术后患者预后的列线图模型。利用C-指数、校正曲线对模型进行验证。并与TNM分期比较。结果生存分析结果显示,MPVLR高水平组的患者与生存率呈负相关(P<0.001)。多因素COX回归分析结果显示,术前MPVLR水平、浸润深度、淋巴结转移、CEA是结肠癌术后患者的独立预后因素(P<0.05)。整合独立预后因素,建立了预测结肠癌术后患者生存率的列线图模型。C指数和校准曲线均提示列线图模型有较好的预测效果。与传统的TNM分期比较,列线图模型显示出更好的准确性。结论成功建立了与MPVLR相关的列线图模型以个体化评估结肠癌术后患者3年、5年的生存率。该列线图模型可以作为TNM分期的补充,有助于临床医生评估患者的个体生存情况。展开更多
目的本研究为探讨小肠癌的独立预测因素,并构建一个有效的预后预测模型,用于预测小肠癌患者的肿瘤特异性生存期(CSS)。方法自监测、流行病学和结果(Surveillance,Epidemiology,and End Results,SEER)下载2004-2015年小肠癌患者临床信息...目的本研究为探讨小肠癌的独立预测因素,并构建一个有效的预后预测模型,用于预测小肠癌患者的肿瘤特异性生存期(CSS)。方法自监测、流行病学和结果(Surveillance,Epidemiology,and End Results,SEER)下载2004-2015年小肠癌患者临床信息,按照7∶3的比例,随机将患者分为训练集和验证集。使用单因素及多因素Cox分析,筛选出CSS的独立预后因素,并构建列线图,使用校准曲线、决策曲线(DCA),时间依赖型受试者工作特征曲线(ROC)等对模型进行验证。并根据列线图得分的最佳截断值建立风险分层。结果本研究共纳入8809名小肠癌患者。经过多因素Cox分析,CSS的独立预后因素为:年龄、肿瘤原发位置、分级、病理类型、分期、T期、M期、手术、化疗、放疗。上述独立预后因素均参与列线图的构建。使用多种方法验证列线图的准确性和临床效益。构建的列线图展现了稳定的预测性能,列线图1年、3年和5年ROC曲线下面积(AUC)分别为91.6%、92.3%和91.6%,在校准曲线上可以看到,预测生存概率与实际生存概率非常接近。结论本研究建立了有效的小肠癌特异性生存列线图,为协助临床医生个性化评估小肠癌患者预后,以指导个体化治疗方案的制定。展开更多
文摘目的构建与外周血平均血小板体积比淋巴细胞(mean platelet volume ratio lymphocyte,MPVLR)相关的列线图模型以个体化评估结肠癌术后患者的预后。方法本研究纳入2014年1月~2016年11月就诊于笔者医院经病理确诊为结肠癌的261例患者。采用Kaplan-Meier生存曲线及Log-rank检验分析不同MPVLR水平组与患者预后的关系。采用多因素COX回归分析确定独立预后因素。采用R软件构建预测结肠癌术后患者预后的列线图模型。利用C-指数、校正曲线对模型进行验证。并与TNM分期比较。结果生存分析结果显示,MPVLR高水平组的患者与生存率呈负相关(P<0.001)。多因素COX回归分析结果显示,术前MPVLR水平、浸润深度、淋巴结转移、CEA是结肠癌术后患者的独立预后因素(P<0.05)。整合独立预后因素,建立了预测结肠癌术后患者生存率的列线图模型。C指数和校准曲线均提示列线图模型有较好的预测效果。与传统的TNM分期比较,列线图模型显示出更好的准确性。结论成功建立了与MPVLR相关的列线图模型以个体化评估结肠癌术后患者3年、5年的生存率。该列线图模型可以作为TNM分期的补充,有助于临床医生评估患者的个体生存情况。
文摘目的本研究为探讨小肠癌的独立预测因素,并构建一个有效的预后预测模型,用于预测小肠癌患者的肿瘤特异性生存期(CSS)。方法自监测、流行病学和结果(Surveillance,Epidemiology,and End Results,SEER)下载2004-2015年小肠癌患者临床信息,按照7∶3的比例,随机将患者分为训练集和验证集。使用单因素及多因素Cox分析,筛选出CSS的独立预后因素,并构建列线图,使用校准曲线、决策曲线(DCA),时间依赖型受试者工作特征曲线(ROC)等对模型进行验证。并根据列线图得分的最佳截断值建立风险分层。结果本研究共纳入8809名小肠癌患者。经过多因素Cox分析,CSS的独立预后因素为:年龄、肿瘤原发位置、分级、病理类型、分期、T期、M期、手术、化疗、放疗。上述独立预后因素均参与列线图的构建。使用多种方法验证列线图的准确性和临床效益。构建的列线图展现了稳定的预测性能,列线图1年、3年和5年ROC曲线下面积(AUC)分别为91.6%、92.3%和91.6%,在校准曲线上可以看到,预测生存概率与实际生存概率非常接近。结论本研究建立了有效的小肠癌特异性生存列线图,为协助临床医生个性化评估小肠癌患者预后,以指导个体化治疗方案的制定。
