基于阴性淋巴结数目的胃印戒细胞癌预后评估模型的建立与验证

目的 探讨阴性淋巴结数目（NLNC）对胃印戒细胞癌（GSRC）患者预后的影响及构建G S R C 患者的预后预测模型。方法 基于SEER数据库收集GSRC患者2101例，随机分为建模组和验证组，检验临床病理特征与GSRC预后的关系。多因素Cox比例风险回归模型分析影响总生存的独立危险因素并建立预后预测模型。一致性指数（C?index）、校准曲线、净分类指数（NRI）、综合判别指数（IDI）和临床决策曲线（DCA）对列线图进行准确性和临床适用性评估。结果 所有患者按照7:3比例划分，建模组1473例，验证组628例。NLNC>10是GSRC患者预后的保护因素（HR=0.578, 95%CI: 0.504~0.662），根据多因素Cox比例风险回归模型筛选的变量建立Nomogram图，建模组和验证组的C-index分别为0.737（95%CI: 0.720~0.753）和0.724（95%CI: 0.699~0.749），区分度良好，校准曲线显示模型的一致性较高。NRI=17.77%，连续NRI=36.34%，IDI=4.2%，表明该模型较传统模型是正向收益，DCA决策曲线远离基准线表明模型临床适用性好。结论 NLNC增加是GSRC患者预后的有利因素。本研究建立的列线图相对准确，可预测GSRC患者的预后。     

基于SEER数据库构建肺肉瘤样癌的生存预测模型

目的 分析影响肺肉瘤样癌（PSC）患者预后的因素,构建PSC患者预后列线图预测模型。方法 基于SEER数据库收集1988—2015年间诊断为PSC患者1671例,按照7:3的比例分为建模组和验模组。对建模组患者进行单因素和多因素Cox回归分析影响PSC患者预后的独立因素并构建列线图预测模型,通过一致性指数和校准曲线分别在建模组和验模组进行验证。结果 单因素和多因素分析年龄、性别、组织学类型、TNM分期、肿瘤直径>50 mm、手术、放疗和化疗都是影响PSC患者预后的独立因素。基于独立因素构建列线图预测模型并进行验证。建模组和验模组一致性指数分别为0.790（95%CI: 0.776~0.804）和0.781（95%CI: 0.759~0.803）。建模组和验模组的校准曲线提示预测生存率与实际生存率基本一致。结论 基于多因素分析结果构建的列线图预测模型可预测PSC患者的预后,并且具有较高的准确性和一致性。     

肺腺癌患者列线图预后模型的构建与验证

目的 基于SEER数据库的大样本数据,构建肺腺癌患者生存预后的列线图预测模型.方法 回顾性分析SEER数据库收集的2010—2015年诊断为肺腺癌患者的临床数据.根据影响肺腺癌患者预后的独立因素,采用Lasso Cox回归分析构建列线图模型.C指数和校准曲线评估列线图的判别和校准能力.使用NRI和DCA曲线评估列线图的...     

基于SEER数据库的原发性纵隔及肺部软组织肉瘤相关生存及预后分析

目的 利用SEER数据库分析影响原发性纵隔及肺部软组织肉瘤预后的相关因素。方法 收集SEER数据库376例患者数据,随机分为训练集（263例）与验证集（113例）。使用Kaplan-Meier法和Cox比例风险回归分析各变量与患者生存及预后的关系,建立列线图预测患者总生存期。采用校准曲线、一致性指数及ROC曲线评价列线图性能。结果 组织学类型、手术、化疗、肿瘤大小、肿瘤分期是影响原发性纵隔及肺部软组织肉瘤预后的因素。建立的列线图模型可以预测其6个月、1年及2年总生存率,校准曲线显示与实测值基本一致,训练集与验证集C指数分别为0.754与0.745,ROC的曲线下面积分别为0.849与0.924,说明具有良好的预测准确度。结论 本研究建立的列线图可以预测原发性纵隔及肺部软组织肉瘤患者6个月、1年及2年总生存率。     

早发型非转移性结直肠癌患者预后预测模型的构建及外部验证

目的:探讨影响早发型非转移性结直肠癌（early-onset non-metastatic colorectal cancer,EONCRC）患者预后的相关独立危险因素,并构建列线图预测EONCRC患者预后。方法:从美国监测、流行病学和结果数据库SEER数据库中收集了9 097例EONCRC患者的数据,患者按照7∶3比例随机分配到训练集(6 369例)和验证集(2 728例)。通过单变量、多变量COX比例风险回归分析确定独立的预后因素,并构建列线图。 使用C指数、ROC曲线和校准曲线评价列线图的区分度、预测效能和校准度。使用新疆军区总医院收治的EONCRC患者临床资料(n=171)对列线图进行了外部验证并对其预后影响因素进行了分析。结果:多因素分析确定了与总生存期有关的8个独立风险因素,分别是组织学分化程度、组织学类型、神经浸润、分期、T分期、手术、化疗和放疗,并将它们纳入列线图。SEER训练集、SEER验证集、外部验证集的C指数值分别为0.765(95%置信区间,0.749~0.781)、0.785(95%置信区间,0.763~0.807)、0.766(95%置信区间,0.713~0.819),校准曲线表明了列线图预测总生存率与实际总生存率具有良好的一致性。ROC曲线显示,列线图可以准确预测EONCRC患者1年(AUC=0.834 9)、3年(AUC=0.794 7)和5年(AUC=0.771 2)的生存率。根据列线图的风险评分将患者分为高风险、中风险和低风险组,在SEER训练集、SEER验证集、外部验证集中,低风险组的5年生存率均最高,其次是中风险组和高危组。结论:本研究确定了EONCRC患者预后相关的8个独立危险因素,列线图能准确预测中国及美国EONCRC患者1年、3年、5年总生存率,对EONCRC患者进行个体化的分层及预后评估,为临床的诊疗提供科学依据。     

基于术前FAR和SⅡ的预后模型与TNM分期系统在评估胰腺癌根治术患者预后中的比较

目的 探讨胰腺导管腺癌患者术前纤维蛋白原/白蛋白比值（FAR）和系统免疫炎症指数（SⅡ）对预后的预测价值。方法 受试者工作特征（ROC）曲线确定FAR、SⅡ的最佳截断值,并进行分组。Cox风险比例模型分析胰腺癌根治术的预后影响因素,依此建立列线图（Nomogram）预后模型。C-index、AUC和校准曲线评估列线图的辨别和校准能力。DCA曲线评估列线图的临床有效性。结果 术前FAR及SⅡ的最佳截断值分别为0.095和532.945。Cox比例风险回归模型显示：FAR≥0.095、SⅡ≥532.945、CA199≥450.9U/ml、肿瘤最大径≥4cm、术后未进行化疗是影响胰腺癌预后不佳的独立危险因素（P<0.05）。C-index、AUC、校准曲线和DCA曲线表明,列线图预后模型的辨别能力、校准能力和临床有效性均优于TNM分期系统预后模型。结论 构建的Nomogram预后模型较TNM分期预后模型具有更高的准确性、区分度及临床获益。     

结肠镜下结直肠腺瘤切除术后再发风险预测模型的建立和验证

目的:分析结肠镜下结直肠腺瘤切除术后再发的危险因素,构建并验证预测结直肠腺瘤切除术后再发风险的列线图模型。方法:回顾性收集西安市中心医院消化科2012年01月至2021年12月于结肠镜下行结直肠腺瘤切除术且在术后有结肠镜随访结果的患者968例,其中496例组成建模组,472例组成验证组。应用logistic回归模型分析结直肠腺瘤切除术后再发的独立危险因素,并构建预测结直肠腺瘤切除术后再发风险的列线图模型,然后进行验证。结果:多因素logistic回归分析显示,年龄(OR=1.027,95%CI:1.007～1.048)、腺瘤数目(OR=1.232,95%CI:1.123～1.353)、病理分型(OR=2.442,95%CI:1.342～4.441)为影响腺瘤术后再发的独立危险因素(P<0.01)。纳入上述指标构建列线图预测模型,并在建模组和验证组中进行验证。建模组与验证组ROC曲线下面积分别为0.670 (95%CI:0.622～0.718)和0.735(95%CI:0.691～0.780),模型区分度良好。两组校准曲线显示列线图模型的预测值和实际观察结果一致性良好。决策曲线显示...     

基于SEER数据库的转移性结肠癌患者早期死亡预测列线图模型构建

目的构建预测转移性结肠癌(mCC)患者早期死亡的列线图模型。方法从SEER数据库中选择6669例符合条件的mCC患者。根据多因素Logistic回归中的危险因素构建列线图。通过C-index、校准曲线和临床决策曲线分析(DCA)评估列线图的预测性能。结果原发肿瘤位置、肿瘤分化、T分期、M分期、骨转移、脑转移、CEA、肿瘤大小、年龄和婚姻状态是mCC患者早期死亡的独立影响因素。基于这些变量构建列线图,C-index和校准曲线显示模型具有很好的预测能力,DCA曲线显示列线图可以使患者有较好的临床获益。结论该列线图具有良好的预测能力,能够帮助医生识别可能早期死亡的高危mCC患者,有助于制定个性化治疗策略。     

基于列线图的肿瘤风险预测及其效果评价

目的：基于R软件介绍肿瘤风险预测模型的可视化-列线图的绘制和模型评价。方法：以SPSS软件自带案例乳腺癌生存数据为例，基于R软件包survival、rms拟合cox回归模型并绘制生存概率风险列线图，用一致性指数（C-index）和校准曲线（calibration plots）评价模型区分度和一致性。结果:模型预测因素包括年龄、孕酮受体状态、淋巴结转移、病理学肿瘤大小。基于模型绘制的列线图评估个体化发病预后风险简单直观，模型一致性指数：0.70（0.62~0.80），校准曲线3年、5年、10年的预测生存概率与实际生存概率基本一致，反映该模型有较高的区分度（Discrimination）和一致性（Accuracy）。结论：基于cox模型的列线图可通过多种预测因素量化肿瘤发病风险，应用简单直观、使用方便，可以为临床决策提供支持。     

多发性骨髓瘤患者预后的社会经济学因素分析及特异性生存率预测模型的构建

目的 探究社会经济学因素对多发性骨髓瘤（MM）患者预后的影响并构建预测模型评估患者骨髓瘤特异性生存（MSS）。方法 由SEER数据库纳入32 625例2007年1月至2016年12月间诊断为MM的患者。Cox回归模型分析MSS的预测因素，森林图展现多因素亚组分析的结果，多因素Cox分析中确定的显著变量用来构建列线图。曲线下面积（AUC）和校准图评估列线图的预测性能，利用限制性三次样条曲线构建基于列线图评分的风险分层系统。结果 患者按其社会经济地位（SES）的高低分为五组，SES更高的群体中白人、有保险者、已婚人群和城市居民的比例相对更高。单因素及多因素Cox分析表明年龄、性别、种族、婚姻状态、保险状况和SES是患者MSS独立预后影响因素（均P<0.001）。亚组分析显示随着SES降低，MSS风险增加的线性趋势在白人、已婚、有保险和城市患者中最为显著（均P<0.001）。构建的列线图在训练集和验证集中均展现出良好的区分度和准确性，其预测3年、5年和8年MSS的AUC值分别为0.701、0.709和0.722。根据列线图总分和风险比建立了风险分层模型，所划分的三类不同风险等级组...     

胰腺导管腺癌术后患者Nomogram预后模型的构建

目的:分析胰腺导管腺癌（pancreatic dust adenocarcinoma，PDAC）术后患者的预后影响因素，建立Nomogram预后模型。方法:收集SEER数据库2004年至2015年PDAC术后患者的临床病理及随访数据。应用倾向得分匹配（propensity score matching，PSM）均衡放疗、化疗基线数据的差异。采用Kaplan-Meier法进行单因素生存分析，Log-rank检验比较生存率的差异；多因素Cox比例风险模型分析PDAC术后患者的独立预后影响因素并建立Nomogram预后模型，其性能通过一致性指数值及决策曲线分析法（decision curve analysis，DCA）进行验证。结果:本研究共纳入10 442例PDAC术后患者。经PSM后生存分析显示化疗（P<0.001）与放疗（P=0.003 7）可改善患者的预后。单因素及多因素分析显示年龄、婚姻状态、分化程度、TNM分期、肿瘤大小、化疗及放疗为PDAC术后患者的独立预后影响因素（P<0.05）。进一步建立的Nomogram预后模型在预测1年、3年及5年总生存方面表现出良好的准确性，内部验证的一致性指数为0.722，较TNM系统一致性指数高（C-index=0.656）。DCA显示Nomogram预后模型较TNM模型具有更高的临床获益。结论:年龄、婚姻状态、分化程度、TNM分期、肿瘤大小、化疗及放疗均为PDAC术后患者的独立预后影响因素（P<0.05），依此建立的Nomogram较传统的AJCC TNM系统具有更高的准确性及临床获益。     

胃神经内分泌瘤患者预后Nomogram预测模型的构建

[摘要] 目的：基于美国国立癌症研究所（NCI）的监测、流行病学和最终结果（SEER）数据库数据分析影响胃神经内分泌瘤（G-NEN）患者预后的相关因素,并构建Nomogram预测模型用于个体化预测G-NEN患者预后。方法：收集SEER数据库2010 年至2015 年有完整随访资料的2 720 例G-NEN患者的临床数据,基于生存分析确定独立危险因素并构建Nomogram 预测模型,采用一致性指数（C-index）和校准曲线评估模型准确性,采用受试者特征曲线下面积（AUC）比较该模型与第7 版AJCC TNM分期评估法的预测价值。结果：2 720 例G-NEN患者的1、3、5 年生存率分别为88.14%、79.09%、71.86%。多因素COX回归分析显示,性别、年龄、婚姻状况、是否伴发其他肿瘤、组织学类型、肿瘤分级、T分期、M分期及是否手术是影响G-NEN患者生存时间的独立危险因素。新构建的Nomogram预测模型C-index 为0.816,显著高于7 版AJCC TNM分期评估法的0.702（P<0.001）,且1、3、5 年校准曲线显示预测生存率与实际生存率之间具有良好的一致性。新构建的Nomogram 预测模型1、3、5 年AUC分别为0.800、0.811及0.820,显著高于第7 版AJCC TNM分期评估法的0.650、0.688 及0.698（Z=6.600、8.058、9.632,均P<0.0001）。结论：构建的预测G-NEN患者预后的Nomogram模型具有较高的预测价值,能够个体化预测G-NEN患者的生存率,有助于临床治疗决策和临床研究方案的选择。     

四肢纤维肉瘤患者预后诺模图的开发和验证

目的:开发诺模图来预测原发于四肢纤维肉瘤患者的总体生存率(OS)和癌症特异性生存率(CSS)。方法:根据SEER数据库,收集原发于四肢纤维肉瘤病例。采用Cox比例风险回归模型对病例预后进行分析,获得独立的预测因素。这些独立的预测因子被整合在一起,形成了预测5年和10年OS及CSS的诺模图。使用R软件通过一致性指数(C-index指数）、ROC曲线和校准曲线图来评估诺模图的性能。结果:在OS的单因素和多因素分析中,年龄、病理分级、肿瘤大小和手术被确定为独立的危险因素。 在CSS的单变量和多变量分析中,病理分级、肿瘤大小和肿瘤分期被确定为独立的危险因素。 这些特征均整合在诺模图中以预测5年和10年OS和CSS,C指数分别为0.812和0.857。通过5年和10年OS和CSS的概率的C-index指数和AUG曲线显示,诺模图预测和观察结果之间具有很好的一致性。结论:诺模图可以准确地预测四肢纤维肉瘤患者的OS和CSS,并有助于个性化的预后评估和个性化的临床决策。     

Development and validation of prognostic nomogram based on log odds of positive lymph nodes for patients with gastric signet ring cell carcinoma

ObjectiveOur aims were to establish novel nomogram models, which directly targeted patients with signet ring cell carcinoma (SRC), for individualized prediction of overall survival (OS) rate and cancer-specific survival (CSS).MethodsWe selected 1,365 SRC patients diagnosed from 2010 to 2015 from Surveillance, Epidemiology and End Results (SEER) database, and then randomly partitioned them into a training cohort and a validation cohort. Independent predicted indicators, which were identified by using univariate testing and multivariate analyses, were used to construct our prognostic nomogram models. Three methods, Harrell concordance index (C-index), receiver operating characteristics (ROC) curve and calibration curve, were used to assess the ability of discrimination and predictive accuracy. Integrated discrimination improvement (IDI), net reclassification improvement (NRI) and decision curve analysis (DCA) were used to assess clinical utility of our nomogram models.ResultsSix independent predicted indicators, age, race, log odds of positive lymph nodes (LODDS), T stage, M stage and tumor size, were associated with OS rate. Nevertheless, only five independent predicted indicators were associated with CSS except race. The developed nomograms based on those independent predicted factors showed reliable discrimination. C-index of our nomogram for OS and CSS was 0.760 and 0.763, which were higher than American Joint Committee on Cancer (AJCC) 8th edition tumor-node-metastasis (TNM) staging system (0.734 and 0.741, respectively). C-index of validation cohort for OS was 0.757 and for CSS was 0.773. The calibration curves also performed good consistency. IDI, NRI and DCA showed the nomograms for both OS and CSS had a comparable clinical utility than the TNM staging system.ConclusionsThe novel nomogram models based on LODDS provided satisfying predictive ability of SRC both in OS and CSS than AJCC 8th edition TNM staging system alone.     

基于SEER数据库分析胆囊癌肝转移患者预后因素并构建竞争风险列线图

目的:分析影响胆囊癌肝转移患者的预后因素，建立竞争风险列线图从而量化生存差异，提供临床决策。方法:本研究通过回顾性分析SEER数据库2010年至2015年共318例胆囊癌肝转移患者完整临床信息资料，采用单因素和多因素Cox回归分析得到影响患者总生存期的独立预后因素，采用Kaplan-Meier（Log-rank 检验）进行生存分析，并基于独立预后因素绘制竞争风险列线图。结果:318例胆囊癌肝转移患者，采用总生存期单因素和多因素Cox回归分析，结果显示病理分级(HR:1.397，95%CI:1.157~1.687，P<0.001)、手术方式(HR:0.790，95%CI:0.682~0.913，P=0.002)、化疗情况(HR:0.344，95%CI:0.265~0.446，P<0.001)和淋巴结检出数(HR:0.774，95%CI:0.642~0.933，P=0.007)是胆囊癌肝转移患者总生存期独立预后因素。通过将多因素Cox回归分析得到的显著临床病理参数建立列线图来评估影响总生存期的竞争性风险和量化生存差异。计算列线图C-index为7.46，并且0.5年、1年、3年的校正曲线显示列线图有着较好预测能力。结论:肿瘤病理分级、手术方式、淋巴结检出数和化疗情况是胆囊癌肝转移患者独立预后因素。基于列线图显示，化疗情况影响程度的权重值最大。     

基于SEER数据库构建1~2枚淋巴结阳性且乳房全切的老年早期乳腺癌患者不同腋窝手术方式的生存预测模型

背景与目的：指南推荐1~2枚前哨淋巴结阳性的保乳并计划行全乳放疗的T1-2期乳腺癌患者可以豁免腋窝淋巴结清扫。探讨1~2枚淋巴结阳性且乳房全切的老年早期乳腺癌患者的预后危险因素,并构建不同腋窝处理手术方式下的生存预测模型。方法：从SEER数据库收集2010—2015年期间65岁及以上、T 1-2 期、1~2枚淋巴结阳性且乳房全切的乳腺癌患者并随机分为验证集和训练集。对训练集进行单因素及多因素COX比例风险回归分析筛选出影响总生存的独立预后因素,利用R软件构建预测患者3年和5年总生存率的列线图,利用一致性指数（C指数）和校正曲线对预测模型进行内部（训练集）和外部（验证集）验证。结果：共纳入4 863例患者,中位随访42个月,训练集（3 647例）和验证集（1 216例）的基线分布符合简单随机分组。将多因素COX回归分析筛选出的年龄、种族、婚姻状态、组织学分级、分子分型、T分期、腋窝手术方式、是否放化疗共9个总生存的独立风险因素（P<0.05）用于构建列线图预测模型。训练集（即内部验证）和验证集（即外部验证）的C指数分别为0.710（95% CI：0.689~0.731）和0.728（95 % CI：0.691~0.765）,两组的校正曲线均靠近45°参考线,表明列线图具有良好的预测能力。结论：本研究构建的列线图预测模型具有良好的预测价值,有利于指导临床对患者进行个体化治疗。     

A population-based study: how to identify high-risk T1 gastric cancer patients?

In T1 gastric cancer (GC), lymph nodes metastasis (LNM) is considered as a significant prognostic predictor and closely associated with following therapeutic approaches as well as distant metastasis (DM). This study aimed to not only seek risk factors of LNM and DM but also unpack the prognosis in T1 GC patients. We performed a retrospective study enrolling 5547 patients in T1 GC from the Surveillance, Epidemiology, and End Results (SEER) database. Univariate and multivariate logistic regression models were produced to recognize independent risk factors of LNM and DM. Cox regression analyses were performed to identify important prognostic factors of overall survival (OS). Cancer-specific cumulative incidence was plotted by cumulative incidence function. Three nomograms of LNM, DM and OS were established and validated by receiver operating characteristic (ROC) and calibration curves to evaluate discrimination and accuracy. Decision curve analysis (DCA), clinical impact curves (CIC) and subgroups based on risk scores were constructed to measure nomograms clinical utility. The area under the curve (AUC) of LNM nomogram and DM nomogram were 0.735 and 0.896, respectively. OS nomogram was constructed and the corresponding C-index was 0.797. In conclusion, our user-friendly nomograms, which aimed to predict LNM, DM and OS in T1 gastric cancer patients, have shown high efficiency of discrimination and accuracy. These useful and visual tools may have advantageous clinical utility to identify high-risk T1 gastric patients and help clinicians to draw up an individual therapeutic strategy.     

Ⅳ期小细胞肺癌预后因素分析——基于不同胸部放疗剂量的Nomogram预测模型

目的 探讨不同胸部放疗剂量对Ⅳ期小细胞肺癌(ES-SCLC)患者预后的影响,并建立Nomogram预测模型。方法 回顾分析2010-2016年间在天津医科大学肿瘤医院接受胸部放疗且经病理组织确诊为ES-SCLC的144例患者的病历资料。观察患者的临床特征、治疗数据及对治疗的反应。基于Cox比例风险回归分析建立Nomogram预测模型,预测总生存(OS)。建模组与验证组采用一致性指数(C-index)和校准曲线来评估预测能力和准确性。结果 中位随访时间31.9个月,2年OS率为20.3%。Nomogram预测模型显示,胸部放疗剂量、肝转移与否、寡转移/多发转移、化疗周期数及对化疗的反应5个指标对预后有影响。Caliberation曲线显示,预测的生存率与实际生存率之间吻合度较高。Nomogram预测模型的C-index为0.701。亚组分析结果显示,高剂量胸部放疗患者的总OS显著优于低剂量胸部放疗患者。结论 基于不同胸部放疗剂量的Nomogram预测模型能很好地预测ES-SCLC患者的OS率,是一种个性化的可视生存概率预测模型。