文献精读|基于SEER数据库构建肝癌非转移Nomogram

欢迎来到医科研,这里是白介素2的读书笔记,跟我一起聊临床与科研的故事, 生物医学数据挖掘,R语言,TCGA、GEO数据挖掘。


摘要

目的

文章的目的比较明确,寻找肝癌肺转移相关的风险因素,并建立预后 Nomogram

方法

回顾性分析 SEER数据库中 2010-2015年数据,从整个数据集中筛选出其中首次诊断即已经发生肺转移的病人,应用了多因素 **logistic **回归构建了分类器。单因素与多因素 Cox回归分析用于筛选肺转移的独立预后因素。然后应用 Nomogram对转移与生存的模型进行可视化。

结果

研究包括30,641名被诊断患有HCC的患者,其中1,732名患者在初步诊断时患有来自HCC的PM。引起HCC 肺转移的危险因素为年龄(P = 0.001),种族(P <0.001),原发肿瘤大小(P <0.001),T分期(P <0.001),N分期(P <0.001),甲胎蛋白(P <0.001),骨转移(P <0.001),脑转移(P <0.001)和肝内转移(P <0.001)。总体生存的显著预后因素是年龄(P = 0.014),T分期(P = 0.009),手术方式(P <0.001)和化疗(P <0.001)。两者的 C-index分别为 0.768和0.687。

文章结论

  • 首先是肯定分析了风险因素

  • 构建了 Nomogram

文章思路分析

设定纳入与排除标准

image.png

统计分析

image.png

统计分析应用了 SPSS与R软件进行,Cox回归做生存分析,logistic 回归构建肺转移模型, C-index及 校准曲线评估模型的性能。其它的统计都是一些常规用的统计。

结果

生存基线资料与生存分析

image.png

预后分析

image.png

构建Nomogram

image.png

具体另外一个关于生存的 Nomogram也是方法类似的,就不再展示。思路还是非常清晰的,分析的难度也不大。实际上,如果条件允许应该对 nomogram在外部数据集进行验证。

关于文章的内容基本就到这里了,我是白介素2,下期在见


题外话

九月了,时光飞逝,转眼间一年已经逝去。我们总是在期待未来会很美好,殊不知我们每一个当下都不会容易,每一次都会有新的挑战。但那又如何,这就是生活本身啊。雄关漫道真如铁,而今迈步从头越。 如果你感到心累,跟自己说一句 Everything will be ok 吧!

(0)

相关推荐