论文部分内容阅读
研究背景近些年来甲状腺癌发病率急剧上升,现已成为内分泌系统最常见的恶性肿瘤。其中甲状腺乳头状癌是最常见的类型（Papillary thyroid cancer,PTC）,甲状腺滤泡状癌（Follicular thyroid cancer,FTC）是第二常见的甲状腺癌,约占分化型甲状腺癌的10-15%,FTC的发病率在全球范围内保持稳定。相比较甲状腺乳头状癌,由于其初发时更易发生血管侵犯和远处转移,被认为是一种侵袭性较强、预后较差的疾病。目前由美国癌症联合委员会（AJCC）所建立的TNM癌症分期系统是判断甲状腺滤泡状癌预后最常用的指南,该分类系统由T（原发肿瘤状况）,N（区域淋巴结转移状况）,M（远处转移状况）三个因素组成,该系统适用于患者群体,但预测单个患者的预后效果欠佳。此外,其他一些因素,包括性别、种族、婚姻状况、癌灶多灶性、手术情况、有无血管侵犯和放射性碘治疗等,可能是决定个体患者预后的重要因素,因此,需要建立一套针对个体甲状腺滤泡状癌患者的预后预测评价体系。目的找出影响甲状腺滤泡状癌患者生存预后的临床病理因素,构建列线图预测模型来预测甲状腺滤泡状癌总生存率（Overall survival,OS）和特异性生存率（Cancer-specific survival,CSS）,并与第六版美国癌症联合委员会TNM分期系统进行比较。旨在为甲状腺滤泡状癌患者提供更个体化的评估方法,在一定程度上为临床决策提供指导方案。研究方法从美国国立癌症研究所建立的监测、流行病学和最终结果（Surveillance,Epidemiology,and End Results,SEER）数据库中提取 2004 年至 2016 年诊断为甲状腺滤泡状癌的患者的资料,将入选患者随机分为两组,70%纳入训练集（Training Set）,30%纳入验证集（Validation Set）,应用卡方检验对患者临床病理特征进行比较。在训练集中首先采用单因素Cox 比例风险回归分析影响生存预后的危险因素,将单因素分析中得到的与生存相关的危险因素进一步纳入多因素Cox回归分析（p<0.05）,方法为向后逐步选择法。在多因素Cox回归模型基础上建立列线图生存预测模型,应用R软件分别绘制5年和10年总生存率（OS）和癌症特异性生存率（CSS）的列线图。采用Bootstrap自由抽样法,重复抽样1000次得到校准曲线（Calibration curve）,使用校准曲线评估预测模型的校准度。分别在训练集和验证集中计算受试者工作曲（Receiver Operating Characteristic,ROC）的曲线下面积（Area Under Curve,AUC）和 C 指数（the concordance index,C-index）,利用其评估预测模型的区分度,并与第六版美国癌症联合委员会的TNM癌症分期系统进行比较。研究结果从SEER数据库中共筛选出4323例符合条件的甲状腺滤泡状癌患者,3027例患者被随机纳入训练集,1296例患者被随机纳入验证集。经过单因素与多因素Cox比例风险回归分析之后,年龄、性别、婚姻状况、腺体外侵情况和M分期被用来构建总生存率（OS）的列线图预测模型,年龄、性别、婚姻状况、N分期和M分期被用来构建特异性生存期（CSS）的列线图预测模型。校准曲线显示在训练集和验证集的总生存率和特异性生存率中该预测模型均具有良好的预测校准度。进一步对回归模型区分度分析,通过C-index来评估列线图的预测准确性。通过训练集进行验证,预测模型的OS和CSS的C-指数分别为0.764（95%CI,0.727-0.801）和 0.853（95%CI,0.794-0.912）,第六版 TNM 癌症分期系统的OS 和 CSS 的 C-指数分别为 0.678（95%CI:0.631-0.725）和 0.818（95%CI:0.757-0.879）。通过验证集进行验证,预测模型的OS和CSS的C-指数分别为0.786（95%CI,0.725-0.847）和 0.889（95%CI,0.766-1.000）,第六版 TNM 癌症分期系统的 OS 和 CSS 的 C-指数分别为 0.725（95%CI,0.658-0.792）和 0.887（95%CI,0.762-1.000）。在训练集中比较了 5年和10年生存率的两个ROC模型,结果表明,5年和10年生存率的AUC分别为0.767和0.784。而TNM第六分期系统的AUC分别为0.693和0.674。在预测5年和10年CSS率方面,nomogram的AUC为0.886和0.819,而第六版TNM癌症分期系统的AUC为0.868和0.779。研究结论本研究结果显示年龄、性别、婚姻状况、腺体外侵情况和M分期是甲状腺滤泡状癌患者总生存率的独立影响因素,年龄、性别、婚姻状况、N分期和M分期是甲状腺滤泡状癌患者特异生存率的独立影响因素。与第六版TNM癌症分期系统相比,我们所构建的预测模型在预测总生存率和特异生存率方面具有更好的预测准确度。本研究建立的预测模型为临床决策提供了另一种工具,可以提高个体化生存的评估准确度,制定更精确的临床治疗方案。