感受高分文献,引领最新思路。小伙伴儿们大家好,这里是专注于SCI量身定制各种问题的小料君,如有需要,随时联系~
今天介绍的一篇文章题目为“A Novel Nomogram and Risk Classification System Predicting the Cancer-Specific Mortality of Patients with Initially Diagnosed Metastatic Cutaneous Melanoma”(一种预测初诊转移性皮肤黑色素瘤患者癌症特异性死亡率的新型分类方案图和风险分析)。
引言
皮肤黑色素瘤和远处器官转移有不同的结果。在预测模型中考虑所有预后指标可能有助于选择可以从个性化治疗策略中受益的病例。
研究方法
图一:预测训练队列中6个月、12个月和18个月癌症特异性死亡概率的诺模图。
分配所有10个预后因素的分数,首先从相应的值向上绘制一条线到“分数”线以获得每个因素的分数,然后将所有因素的分数相加以获得总分,并从“总分”行绘制垂直线以获得6,12和18个月的死亡概率。根据总分,可以获得案件所属的风险子群。病人从这项研究显示为一个例子(呈现在红色)。矩形的不同面积代表每个亚组患者相对比例的差异。
图二:列线图判别能力的评价。
(a)训练队列中的AUC值。
(b)验证队列中依赖于时间的AUC值。
(c)训练队列中6个月,12个月和18个月的ROC曲线和AUC值。
(d)验证队列中6个月,12个月和18个月的ROC曲线和AUC值。
图三:列线图校正曲线。Y轴是CSD的观测累积发病率,x轴表示基于预测模型的CSD的预测概率。与理想线(45度线)相邻的线对应于预测精度。
(a)为期6个月的惩教署校正曲线。
(b)为期12个月的可持续发展训练计划的校正曲线。
(c)训练队伍的18个月惩教署校正曲线。
(d)验证队列6个月的 CSD 校正曲线。
(e)验证队列的12个月可持续发展计划的校正曲线。
(f)验证队列的18个月可持续发展计划的校正曲线。惩教署与癌症有关的死亡个案。
图四:列线图的判定曲线分析。
计算了培训和验证队列的净效益(yax)。蓝线代表临床净收益跨越一系列阈值概率;水平红线假设没有病例将经历事件;绿线假设所有病例将经历事件。
(a)训练队伍中为期6个月的惩教署工作。
(b)训练队伍的十二个月惩教署。
(c)在培训队列中为期18个月的可持续发展。
(d)在验证队列中为期6个月的可持续发展。
(e)验证队列中为期12个月的可持续发展。
(f)验证队列中18个月的CSD。惩教署与癌症有关的死亡个案。
图五:累积发病率对低中高风险人群癌症特异性死亡的估计。
(a)纳入研究的所有患者。
(b)训练队列中的患者。
(c)验证队列中的患者
结论
总之,这项研究为预测远处器官转移的晚期黑色素瘤患者的CSD提供了一个有用的列线图和相应的风险分类方案,展示了良好的性能和临床可用性。虽然还需要进一步的外部验证,但我们的工具可能用于患者咨询和指导各方面的决策,包括生存评估、个体化治疗和临床试验设计。
参考文献:Siegel RL, Miller KD, Jemal A. Cancer statistics, 2018. CA: a cancer journal for clinicians. 2018;68(1):7–30.
免责声明:本号所载内容、图片来源互联网,微信公众号等公开渠道,仅交流之目的,不存在任何商业行为。对转载、分享、陈述、观点保持中立,版权归原作者和机构所有,如有侵权,请联系我们,我们将即刻删除妥善处理。
联系客服