CD5阳性弥漫大B细胞淋巴瘤的临床病理特征及预后分析

来源 :浙江大学 | 被引量 : 0次 | 上传用户:LittleMeteor
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
研究目的:本研究旨在明确CD5阳性弥漫大B细胞淋巴瘤(Diffuse large B-cell lymphoma,DLBCL)的临床病理学特点及预后。材料和方法:收集了2012年1月至2018年6月就诊于浙江大学医学院附属第二医院血液内科的218例DLBCL患者临床资料和随访数据,将其中14例CD5阳性DLBCL根据ECOG评分、疾病分期及年龄按1:3比例在218例DLBCL中配对42例CD5阴性DLBCL患者为对照组。应用SPSS 23.0软件,采用卡方检验或者Fisher精确检验比较两组患者的临床病理学特点,Kaplan-Meier法绘制生存曲线比较两组患者的预后,通过Cox回归模型评估疾病不良预后因素。研究结果:本组研究发现CD5阳性DLBCL发病率约占所有DLBCL患者的6.4%。CD5阳性DLBCL和CD5阴性DLBCL两组患者在性别、B症状、乳酸脱氢酶水平、血常规结果(包括血红蛋白、白细胞和血小板)、结外累及和国际预后指数这些临床特征上未发现显著性差异,而CD5阳性DLBCL多表现为易骨髓肿瘤细胞浸润(35.7%vs.4.8%,P=0.008),易合并中枢神经系统复发(21.4%vs.2.4%,P=0.044)。通过生存分析可见,CD5阳性DLBCL和CD5阴性DLBCL组的5年总体生存率分别为35.4%和74.8%,2年无进展生存率分别为40.8%和63.5%,CD5阳性DLBCL组总体生存率(P=0.012)和无进展生存率(P=0.042)明显劣于CD5阴性DLBCL组患者,而利妥昔单抗仅可改善CD5阳性DLBCL的近期疗效。多因素分析提示ECOG评分大于1分对DLBCL的长期生存有不利影响(HR:17.470,P=0.016),CNS累及(HR:11.090,P=0.003)为DLBCL复发的不利因素。同时,CNS复发可严重影响DLBCL的长期预后,但是多因素分析未识别出CNS复发的相关危险因素。结论:CD5阳性DLBCL为一种发病率低的疾病,易骨髓肿瘤累及和CNS复发,利妥昔单抗仅可改善其短期治疗效果,长期预后仍较CD5阴性DLBCL差。今后应进一步识别CD5阳性DLBCL预后相关因素,同时寻求新的治疗策略并加强CNS的防治。
其他文献
近年来,生物特征识别技术由于其高可靠性和高有效性在用户身份认证领域受到了广泛关注。作为生物行为特征的一种,在线手写签名具有不易遗忘、采集方便且容易被人们接受等特点,在无纸化办公和电子商务等领域具有广阔的应用前景。但是由于手写签名的不稳定性,用户真实签名之间存在较大的类内差异,而真实签名和伪造签名之间的类间差异相对较小,使得在线手写签名认证研究具有一定的挑战性。本文以此为背景对在线手写签名认证算法进
现如今社会中几乎各个领域,每时每刻都会产生大量形态各异的流数据,这些数据产生的速度极快、数量极大,基本上无法被全部存储,因此对于日益增长的流数据而言,在线学习算法的
子宫内膜异位症(endometriosis,EMs)是一种常见的良性妇科疾病,以疼痛和不孕为主要特征,严重影响了生育时期女性的生活质量。近年来随着辅助生殖技术(assisted reproductive tec
研究背景及目的:布鲁氏杆菌是一种常见的人畜共患性细菌,是布鲁氏菌病的病原体,其不仅影响了畜牧业的发展,也危害了人类的生命健康。本研究以慢性布鲁氏菌病患者为研究对象,
模糊规则分类器能有效克服符号规则缺点,且更容易表达和理解,成为分类算法的研究热点。大数据环境下,丰富的数据源使得数据表达更为复杂含糊,高维、稀疏的数据加剧了模糊规则
目的:近来多数研究将组织工程材料与干细胞或因子复合来改善动物脊髓损伤模型损伤处的微环境,以增加作用时长、提高恢复效果与预后。本研究旨在探究:1.制作音猬因子(SHH)-聚
目的:创伤性脊髓损伤(spinal cord injury,SCI)是中枢神经系统难治性外伤疾病,具有较高的致残率和病死率,因无法解决受损脊髓组织神经电信号通路连接等问题,目前没有很好的治疗
[目 的]通过检测中缅边境地区云南省西双版纳州景洪市、缅甸克钦邦拉咱市和掸邦第二特区勐冒县恶性疟原虫氯喹抗性转运蛋白基因(Plasmodium falciparum chloroquine resistan
一般而言,多标签学习与单标签学习最大的区别在于,多标签数据的标签被组织在一个标签向量中,而且标签之间往往具有很复杂的关联信息。层次多标签分类是一种特殊的多标签分类
随着数据类型的多样化,在实际的应用中,由于获取手段的限制或是实际问题的需要,我们获取到的数据很有可能是集值数据等非标准化数据。因此研究如何处理这类非标准化数据对更