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

统计分析

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

预后分析

构建Nomogram

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！

本站仅提供存储服务，所有内容均由用户发布，如发现有害或侵权内容，请点击举报。