构建早期胃癌淋巴结转移预后风险预测模型

来源 :南昌大学 | 被引量 : 0次 | 上传用户:panfeng123456
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
背景与目的:胃癌是一种常见的消化道恶性肿瘤,具有高度恶性、易转移的临床特点。在胃癌患者中,淋巴结转移是最常见、最主要的转移途径,也是导致其死亡的重要原因。目前在早期胃癌淋巴结转移患者的预后方面,相关研究较少。因此,本研究基于SEER数据库,通过分析早期胃癌淋巴结转移患者的相关临床病理特征和独立风险因素,建立具有良好预测能力的预后风险评估模型,进而更好地辅助临床医师评估病情,精准治疗。方法:对美国国家癌症研究所监测,流行病学和最终结果(The Surveilance Epidemiology,and End Results,SEER)数据库进行检索,根据纳入和排除标准,纳入了567例在2004~2018年间诊断为早期胃癌合并淋巴结转移的患者信息。按照7:3的比例将数据随机分为训练组和验证组,先对两组的临床基线特征进行差异性分析。使用R Studio 4.2.0对训练组进行单因素Cox回归分析,筛选出具有统计学意义的变量。继续进行多因素Cox逐步回归分析,筛选出最终可纳入预测模型的独立危险因素,并构建列线图,预测各独立危险因素对目标患者总生存期(Overall Survival,OS)的影响。并根据列线图各危险因素项目的总得分预测1、3、5年生存率。最后通过绘制的模型ROC曲线、校准图以及决策曲线来评价该模型的评价效果。结果:训练组单因素分析结果:年龄、性别、种族、原发部位、肿瘤分化程度、肿瘤直径、T分期、N分期以及是否行淋巴结清扫是早期胃癌淋巴结转移预后的独立影响因素。训练组多因素分析结果:年龄、肿瘤直径、肿瘤原发部位、肿瘤分化程度、T分期、N分期和是否行淋巴结清扫是早期胃癌淋巴结转移预后的独立影响因素。根据此进行列线图的绘制,其在训练组和验证组均呈现出良好的判别及校准性能。训练组和验证组的C指数分别为0.720和0.684,均显著高于TNM分期系统,表明模型预测准确性更高。结论:构建的预测模型在预测早期胃癌淋巴结转移患者的OS生存风险方面有较高的准确性,可为临床医生针对不同患者进行个体化治疗提供参考依据。
其他文献
学位
一个建筑师的建筑哲学思想的形成受到诸多因素的影响,从文化渊源、成长经历和前辈建筑师熏陶等多个方面进行解读,探讨隈研吾建筑哲学思想的形成。剖析“负建筑”的概念、溯源和意义,并以“负建筑”创作历程为线索,结合各时期的代表设计实例详细论述隈研吾的建筑哲学思想、创作手法和表现特征等,以期对我国建筑行业在如何传承传统文化、运用本土材料和尊重自然环境等方面有所思考和启示。
期刊
学位
目的:通过Meta分析比较帕博利珠单抗单药和化疗治疗晚期胃癌患者的疗效及安全性,为临床决策者选择帕博利珠单抗治疗晚期胃癌患者提供一定依据。方法:在Pub Med、Embase、Cochrane Library、Web of Science、中国知网、维普和万方等数据库中检索已发表的关于帕博利珠单抗对比化疗治疗晚期胃癌患者的临床研究。根据纳入排除标准筛选合适的文献,根据研究目的提取相应数据,对文献进
学位
针对现有基于CNN、GRU及CNN-LSTM的船舶轨迹预测模型精度不高、运行时间较长等问题,提出一种基于卷积神经网络(Convolutional Neural Networks, CNN)和门控循环单元(Gated Recurrent Unit, GRU)的船舶轨迹预测混合模型(CNN-GRU).构建了基于船舶AIS信息的船舶轨迹特征表达方法,以目标船舶连续4个时刻的轨迹特征值作为输入,以第5个时
期刊
学位
晚期胚胎发育丰富蛋白(late embryogenesis abundant, LEA),广泛存在于生物体内,与植物抗逆性密切相关,可在干旱胁迫下保护植物细胞,减少植物损伤。垫状卷柏(Selaginella pulvinata)是一种在干旱胁迫下生存能力极强的蕨类植物,具有很强的恢复能力。为探究垫状卷柏SpLEA1基因在耐旱植物中的分子机制与表达特征,该研究以高耐旱性植物垫状卷柏为实验材料,基于转
期刊
将建筑融入环境,是建筑本身的特有属性,能够创造人—自然—环境和谐相处的场所。隈研吾建筑“消隐”思想正是对建筑与环境融合的表达。所以本文以隈研吾的建筑设计为例,从建筑材料及建筑形式两个方面切入,探究隈研吾是如何将建筑消隐在环境中的,以期为当代建筑与环境融合的方法提供一些思考和启发。
期刊
【目的】为更准确预测船舶轨迹,基于RNN、Bi-LSTM和注意力机制,研究一种结合特征注意力机制的RNN-Bi-LSTM的船舶轨迹预测模型。【方法】基于AIS数据构建基于循环神经网络(RNN)与双向长短时记忆网络(Bi-LSTM)的混合神经网络模型,并在混合模型中加入特征注意力机制对数据特征进行权重分配,提升模型对船舶轨迹预测精度。【结果】使用实际运行的船舶AIS数据,对模型的有效性和实用性进行验
期刊
学位