Video Experimental Relacionado
Updated: May 5, 2026

Establishing a Competing Risk Regression Nomogram Model for Survival Data
Published on: October 23, 2020
Desarrollo y validación de un nomograma para predecir el fracaso de la terapia inicial con yodo radiactivo en el
Yulong Tang1, Peng Wu1, Shiwei Zhou1
1Department of thyroid surgery, Hunan Cancer Hospital & The Affiliated Cancer Hospital of Xiangya School of Medicine, Central South University, No. 238 Tongzipo Road, Changsha, 410013, Hunan Province, P. R. China.
Los factores clínicos patológicos como las metástasis en los ganglios linfáticos laterales del cuello y los niveles de tiroglobulina antes de la terapia pueden predecir el fracaso del tratamiento con yodo-131 radiactivo en el carcinoma de tiroides diferenciado. Este modelo predictivo ayuda a las decisiones clínicas de los pacientes con DTC.
Área de la Ciencia:
- Endocrinología
- En el campo de la oncología
- La medicina nuclear
Sus antecedentes:
- El tratamiento del carcinoma de tiroides diferenciado (DTC, por sus siglas en inglés) a menudo involucra yodo-131 radiactivo (RAI, por sus siglas en inglés).
- La predicción del fracaso del tratamiento RAI basado en factores clínicos patológicos es crucial para el manejo del paciente.
- Existen estudios limitados para predecir el fracaso del tratamiento con RAI utilizando estos factores.
Objetivo del estudio:
- Determinar si las características clínicas patológicas pueden predecir el fracaso del tratamiento con RAI en pacientes con DTC.
- Desarrollar y validar un modelo predictivo para el fracaso del tratamiento con RAI.
- Identificar los predictores independientes del fracaso del tratamiento.
Principales métodos:
- Análisis retrospectivo de 182 pacientes con DTC (114 resultados favorables y 68 resultados desfavorables).
- Los pacientes se dividieron en grupos de entrenamiento (122) y de validación (60).
- Regresión logística y nomograma utilizados para el modelado de predicción.
Principales resultados:
- El número de metástasis en los ganglios linfáticos laterales del cuello y los niveles de tiroglobulina en suero antes de la IRA fueron predictores independientes del fracaso del tratamiento.
- El nomograma alcanzó AUC de 0,838 (entrenamiento) y 0,766 (validación).
- El modelo demostró una buena calibración y utilidad clínica.
Conclusiones:
- Un modelo predictivo que incorpore factores clínicos patológicos puede identificar eficazmente a los pacientes con DTC en riesgo de fracaso del tratamiento con RAI.
- Este modelo proporciona información valiosa para la toma de decisiones clínicas y estrategias de tratamiento personalizadas.
- La validación adicional en diversas poblaciones puede mejorar su aplicabilidad.
Más Videos Relacionados
06:46Competing-Risk Nomogram for Predicting Cancer-Specific Survival in Multiple Primary Colorectal Cancer Patients after Surgery
Published on: September 27, 2024
07:13Comparison of Predictive Performance of Three Lymph Node Staging Systems in Colorectal Signet Ring Cell Carcinoma Based on Machine Learning Model
Published on: April 18, 2025