检索结果-南通市图书馆

四川大学学报（医学版） 2024年第2期55卷 367-374页

作者：李思儒李静杨栖尹存俐柳斌电子科技大学医学院成都610054 四川省肿瘤临床医学研究中心四川省肿瘤医院四川省肿瘤研究所四川省癌症防治中心电子科技大学附属肿瘤医院普通内科成都610042 成都中医药大学医学与生命科学院成都610032 四川省肿瘤临床医学研究中心四川省肿瘤医院四川省肿瘤研究所四川省癌症防治中心电子科技大学附属肿瘤医院肿瘤内科成都610042

目的构建预测转移性黑色素瘤(metastatic melanoma, MM)患者早期死亡风险的列线图模型。方法本研究纳入监测、流行病学和最终结果(Surveillance, Epidemiology, and End Results Program, SEER)数据库中(2010–2015年)2 138例被诊断... 详细信息

目的构建预测转移性黑色素瘤(metastatic melanoma, MM)患者早期死亡风险的列线图模型。方法本研究纳入监测、流行病学和最终结果(Surveillance, Epidemiology, and End Results Program, SEER)数据库中(2010–2015年)2 138例被诊断为MM的患者。使用logistic回归分析确定影响MM患者早期死亡的独立风险因素。并利用这些因素构建全因早死和癌症特异性早期死亡的列线图。通过受试者操作特征(receiver operating characteristic, ROC)曲线、校准曲线和决策曲线分析(decision curve analysis, DCA)评估该模型的效能,并使用四川省肿瘤医院2015年1月–2020年1月被诊断为MM的105例患者的临床病理资料进行外部验证。结果 logistic回归分析显示,婚姻状况、原发部位、N分期、手术、化疗、骨转移、肝转移、肺转移和脑转移可以被确定为早期死亡的独立预测因素。基于这些因素开发了两个列线图分别预测全因早死和癌症特异性早死风险。在全因和癌症特异性早期死亡模型中,训练组的曲线下面积(the area under the curve, AUC)分别为0.751[95%置信区间(confidence interval, CI):0.726~0.776]和0.740(95%CI:0.714~0.765))。内部验证组的AUC分别为0.759(95%CI:0.722~0.797)和0.757(95%CI:0.718~0.780),外部验证组的AUC分别为0.750(95%CI:0.649~0.850)和0.741(95%CI:0.644~0.838)。校准曲线表明预测概率与观察概率的一致性高,DCA分析表明该模型的临床应用价值较高。结论列线图模型预测MM患者的早期死亡表现出良好的预测能力,能够帮助临床医师制定更个性化的治疗策略。

关键词：黑色素瘤肿瘤转移列线图模型统计学早期死亡 SEER数据库

来源：