• 
    

    
    

      99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

      基于臨床病理特征構(gòu)建胃癌根治術(shù)后早期復(fù)發(fā)風險預(yù)測模型

      2019-10-08 12:19:36錢小軍韓興華何義富
      武警醫(yī)學 2019年9期
      關(guān)鍵詞:胃癌病理變量

      陳 健,閆 瀅,錢小軍,韓興華,何義富

      在全球范圍內(nèi),胃癌是常見的消化道惡性腫瘤之一,我國更是胃癌的高發(fā)地區(qū)[1]。近年來早期篩查的推廣使更多的患者獲得了手術(shù)根治的機會[2]。然而,仍有一半以上的患者會出現(xiàn)術(shù)后復(fù)發(fā)轉(zhuǎn)移,轉(zhuǎn)變成晚期患者,預(yù)后較差[3]。目前的研究表明絕大多數(shù)復(fù)發(fā)都是發(fā)生在術(shù)后的2年內(nèi),即為早期復(fù)發(fā)[4],因此,預(yù)測患者早期復(fù)發(fā)風險,制定個體化的輔助治療與隨訪方案,對改善患者的預(yù)后有著重要的意義。本研究擬通過收集胃癌根治術(shù)后患者的臨床病理特征,結(jié)合復(fù)發(fā)及生存信息,構(gòu)建患者術(shù)后早期復(fù)發(fā)的預(yù)測模型,指導(dǎo)臨床實踐。

      1 對象與方法

      1.1 對象 回顧性收集我院(安徽省立醫(yī)院)2008-06至2018-01接受根治性手術(shù)治療的胃癌患者114例。所有患者均經(jīng)病理確診為胃腺癌,經(jīng)影像學或胃鏡證實為術(shù)后復(fù)發(fā)轉(zhuǎn)移。排除標準:合并其他腫瘤、非R0切除及發(fā)生嚴重的術(shù)后并發(fā)癥。臨床特征信息包括性別、年齡、術(shù)前CEA水平。病理特征信息包括術(shù)后病理分期(依據(jù)AJCC第八版)、WHO胃癌分類(2010版)、Lauren分型、脈管神經(jīng)侵犯、病灶的最長徑。對于術(shù)后病理檢查報告中未完整提供上述病理特征信息的患者,通過調(diào)閱其術(shù)后病理組織標本進行補充診斷。

      1.2 方法

      1.2.1 數(shù)據(jù)準備 所有數(shù)據(jù)分析通過R軟件完成。利用R軟件中的sampling包隨機選擇70%的患者作為訓(xùn)練集,剩余30%的患者作為驗證集。將分類變量轉(zhuǎn)換成啞變量。術(shù)前CEA水平采用log2標準化?;颊叩呐R床病理特征比較采用卡方檢驗(非連續(xù)變量)和非參數(shù)檢驗(連續(xù)變量),P<0.05為差異具有統(tǒng)計學意義。

      1.2.2 變量篩選與模型構(gòu)建 在訓(xùn)練集中利用R軟件中的glmnet包擬合臨床病理特征與無復(fù)發(fā)生存時間的最小絕對收縮和選擇算子(LASSO)回歸模型。通過COX風險比例模型構(gòu)建術(shù)后復(fù)發(fā)預(yù)測模型。

      1.2.3 模型預(yù)測價值的評價 根據(jù)構(gòu)建的術(shù)后復(fù)發(fā)預(yù)測模型計算患者的復(fù)發(fā)指數(shù)(recurrence index, RI)。繪制1年、2年復(fù)發(fā)的受試者工作特征曲線(ROC)并計算曲線下面積,根據(jù)RI將患者分為高復(fù)發(fā)風險組和低復(fù)發(fā)風險組,通過log-rank檢驗比較兩組之間的無復(fù)發(fā)生存時間(relapse-free survival, RFS)的差異。利用rms包繪制列線圖與校準圖。利用COX風險比例模型對臨床病理特征及RI與RFS之間的關(guān)系進行單因素與多因素分析。以上分析中P<0.05為差異具有統(tǒng)計學意義。

      2 結(jié) 果

      2.1 患者的一般情況 所有患者均接受根治性手術(shù)治療,術(shù)后病理診斷為胃腺癌,其中訓(xùn)練集包含79例患者,中位無復(fù)發(fā)生存時間(median relapse-free survival, mRFS) 366 d(95%CI:302~466 d),驗證集包含35例患者, mRFS為329 d(95%CI:293~584 d),兩組患者mRFS無統(tǒng)計學差異(log-rankP=0.693)。所有患者mRFS為356 d(95%CI: 306~449 d)。訓(xùn)練集與驗證集中患者的病灶直徑及術(shù)前CEA水平無統(tǒng)計學差異(非參數(shù)檢驗P值分別為0.415和0.888),其他臨床病理特征亦無統(tǒng)計學差異(表1)。

      2.2 變量篩選與模型構(gòu)建 在訓(xùn)練集中, LASSO回歸分析表明選擇年齡、性別、黏液腺癌、中分化腺癌、Lauren混合型、病理N分期及病理分期7個變量,當lambda=0.1141097時誤差最小。將上述7個變量進行COX回歸分析,得到每個變量的回歸系數(shù),根據(jù)回歸系數(shù)計算患者的RI(RI=0.019×年齡+0.438×男性+(-0.813)×黏液腺癌+(-0.446)×中分化腺癌+0.30×Lauren混合型+0.472×脈管神經(jīng)侵犯+0.224×病理N分期+0.168×病理分期)。

      表1 訓(xùn)練集和驗證集中患者的一般情況

      注:①中位年齡

      2.3 模型預(yù)測價值評價

      2.3.1 RI與患者RFS的關(guān)系 以訓(xùn)練集中患者的中位RI作為截斷值,將患者分成高復(fù)發(fā)風險組和低復(fù)發(fā)風險組。log-rank檢驗表明,在訓(xùn)練集、驗證集以及所有患者中,低復(fù)發(fā)風險患者的RFS顯著長于高復(fù)發(fā)風險的患者(log-rankP分別為<0.001, 0.003和<0.001)。

      2.3.2 RI受試者工作特征曲線 通過繪制訓(xùn)練集、驗證集及所有患者RI預(yù)測1年、2年無復(fù)發(fā)生存ROC曲線顯示,在訓(xùn)練集中,1年和2年無復(fù)發(fā)生存ROC曲線下面積分別為0.721和0.761;在驗證集中,1年和2年無復(fù)發(fā)生存ROC曲線下面積分別為0.724和0.812;在所有患者中,1年和2年無復(fù)發(fā)生存ROC曲線下面積分別為0.714和0.782。其他單個臨床病理特征變量預(yù)測1年和2年無復(fù)發(fā)生存ROC曲線下面積均小于0.7。

      2.3.3 臨床病理特征及RI的單因素與多因素分析 對所有患者的臨床病理特征以及RI進行COX單因素回歸分析表明,患者的病理分期、病理T分期、病理N分期偏晚,中-低分化腺癌、Lauren分型為混合型、脈管神經(jīng)侵犯以及高復(fù)發(fā)指數(shù)是胃癌術(shù)后患者復(fù)發(fā)的風險因素(表2)。對上述因素進一步進行多因素分析表明,RI是獨立的復(fù)發(fā)風險因素(圖1)。

      表2 臨床病理特征及RI與無復(fù)發(fā)生存時間的COX單因素分析

      2.3.4 1年、2年無復(fù)發(fā)生存概率預(yù)測列線圖 根據(jù)上述預(yù)測模型,繪制基于模型中7個變量的列線圖,通過列線圖計算患者1年、2年無復(fù)發(fā)生存的概率(圖2)。校準圖顯示基于該列線圖模型的回歸校準曲線與理想預(yù)測值較接近,可以準確地預(yù)測患者1年、2年復(fù)發(fā)風險(圖3)。

      圖1 臨床病理特征及RI與無復(fù)發(fā)生存時間的COX多因素分析

      圖2 基于臨床病理特征預(yù)測1年、2年無復(fù)發(fā)生存概率的列線圖模型

      男性、黏液腺癌、中分化腺癌、Lauren混合型、脈管神經(jīng)侵犯:1 為是,0為 否;病理分期1-8分別為ⅠA、ⅠB、ⅡA、ⅡB、ⅢA、ⅢB、ⅢC和ⅣA期;病理N分期0-4分別為N0、N1、N2、N3a和N3b

      圖3 校準圖驗證列線圖模型預(yù)測1年、2年復(fù)發(fā)風險準確性

      A.訓(xùn)練集中校準圖驗證1年復(fù)發(fā)風險;B.訓(xùn)練集中校準圖驗證2年復(fù)發(fā)風險;C.驗證集中校準圖驗證1年復(fù)發(fā)風險;D.驗證集中校準圖驗證2年復(fù)發(fā)風險;E.所有患者中校準圖驗證1年復(fù)發(fā)風險;F.所有患者中校準圖驗證2年復(fù)發(fā)風險

      3 討 論

      胃癌是我國常見惡性腫瘤之一[5]。術(shù)后復(fù)發(fā)仍然是目前胃癌患者治療失敗的主要原因之一。本研究選擇114例接受根治性手術(shù)治療的胃癌患者,通過LASSO回歸選擇特征變量,進一步構(gòu)建基于COX風險比例模型的預(yù)測模型以計算患者的RI,其預(yù)測患者1年、2年無復(fù)發(fā)生存的ROC曲線下面積均大于0.7,優(yōu)于單個變量的預(yù)測價值。本研究結(jié)果顯示,RI是患者獨立的復(fù)發(fā)危險因素。另外,我們構(gòu)建了基于該模型的列線圖,校準圖顯示該列線圖預(yù)測風險與理想的預(yù)測值接近,表明該列線圖可以準確地預(yù)測患者早期復(fù)發(fā)風險。在臨床實踐中,我們可以根據(jù)該列線圖計算患者每一項臨床病理特征的評分,從而計算患者總的風險評分,預(yù)測患者1年及2年復(fù)發(fā)的風險,指導(dǎo)患者術(shù)后的輔助治療和隨訪。

      由于本研究納入的患者數(shù)量有限,而特征變量較多,因此我們采用機器學習中的LASSO回歸方法[6],引入懲罰數(shù),進行變量壓縮,可以減少變量,提高模型的可解釋性,同時防止模型過擬合,提高模型的準確性。通過LASSO回歸的方法,我們篩選出年齡、性別、黏液腺癌、中分化腺癌、Lauren混合型、病理N分期,以及病理分期7個與RFS相關(guān)的變量。其中,年齡、病理分期、淋巴結(jié)轉(zhuǎn)移及Lauren分型均已在多項研究中被證實與患者的復(fù)發(fā)相關(guān)[7-10],與我們的研究結(jié)果相似。

      盡管,目前大量的研究通過回顧性分析篩選出了多個與胃癌患者術(shù)后早期復(fù)發(fā)相關(guān)的危險因素,但這些研究并未將危險因素與復(fù)發(fā)風險之間的關(guān)系進行量化,對臨床實踐的指導(dǎo)價值有限。我們通過機器學習的方法構(gòu)建的模型可以較準確地預(yù)測每一名胃癌患者術(shù)后早期復(fù)發(fā)的概率,以指導(dǎo)個體化的隨訪與治療,在“精準醫(yī)學”的背景下有著重要的意義,值得在臨床上進一步證實與推廣。然而,本研究也存在一定的局限性:一方面樣本量較小,且患者均來自于同一個中心;另一方面,該研究中的絕大多數(shù)患者均接受術(shù)后輔助治療,然而由于方案差異較大,故未將其納入研究,因此研究結(jié)果可能存在一定的偏倚。在后續(xù)的研究中,我們將通過擴大樣本量,聯(lián)合多個中心,納入更多的變量,如手術(shù)的方式、腫瘤的位置、術(shù)后輔助治療的情況等,并在多個獨立的數(shù)據(jù)集中進一步驗證,以優(yōu)化模型,提高模型預(yù)測的準確性。

      猜你喜歡
      胃癌病理變量
      病理診斷是精準診斷和治療的“定海神針”
      抓住不變量解題
      開展臨床病理“一對一”教學培養(yǎng)獨立行醫(yī)的病理醫(yī)生
      也談分離變量
      不一致性淋巴瘤1例及病理分析
      P53及Ki67在胃癌中的表達及其臨床意義
      SL(3,3n)和SU(3,3n)的第一Cartan不變量
      胃癌組織中LKB1和VEGF-C的表達及其意義
      胃癌組織中VEGF和ILK的表達及意義
      分離變量法:常見的通性通法
      万源市| 新绛县| 蚌埠市| 宜良县| 临漳县| 卢龙县| 昂仁县| 盐池县| 寿光市| 多伦县| 江孜县| 庄浪县| 吴桥县| 彭山县| 金寨县| 江西省| 温宿县| 连平县| 南城县| 本溪市| 广安市| 库车县| 岚皋县| 娱乐| 雷山县| 万年县| 凤阳县| 蒲江县| 海门市| 右玉县| 海伦市| 比如县| 公安县| 西昌市| 柞水县| 新河县| 溧阳市| 聂拉木县| 会昌县| 遵义县| 德格县|