使用人工智能对SCCB患者的预后风险因素的监测:一项回顾性研究
Chenghao Zhanghuang1,2,3,4, Zhaoxia Zhang2, Jinkui Wang2
1Department of Urology, Kunming Children's Hospital (Children's Hospital Affiliated to Kunming Medical University), Yunnan Province Clinical Research Center for Children's Health and Disease, 288 Qianxing Road, Kunming, 650228, Yunnan, People's Republic of China.
这项研究开发了名图来预测膀小细胞癌 (SCCB) 患者的整体生存率和癌症特异性生存率. 这些工具显示出良好的准确性和临床价值,用于决策.
科学领域:
- 泌尿器科 泌尿器科 泌尿器科 泌尿器科
- 在瘤学瘤学.
- 医学统计 医学统计
背景情况:
- 膀小细胞癌 (SCCB) 是一种罕见且侵袭性的尿道性恶性瘤,预后不佳.
- 准确的生存预测对于有效的患者管理和治疗规划至关重要.
研究的目的:
- 在SCCB患者中构建和验证用于预测整体存活率 (OS) 和癌症特异性存活率 (CSS) 的nomograms.
- 确定影响SCCB中的OS和CSS的独立风险因素.
主要方法:
- 利用了来自监测,流行病学和最终结果 (SEER) 数据库 (2004-2018) 的数据.
- 采用单变量和多变量考克斯回归模型来确定预后因素.
- 根据显著的风险因素开发了名图,并使用一致性指数 (C指数) 和曲线下面积 (AUC) 验证了它们.
- 通过决策曲线分析 (DCA) 评估临床效用.
主要成果:
- 确定了OS的关键预测因素,包括年龄,婚姻状况,AJCC阶段,T阶段,M阶段,手术方法,化疗,瘤大小和肺转移.
- 远程淋巴结转移,而不是AJCC阶段,成为CSS的重要预测因素.
- 在训练和验证组中,名图表表现出了卓越的区分能力,具有高的C指数值 (OS: 0.747-0.765;CSS: 0.749-0.786).
- 校准曲线和AUC证实了预测模型的准确性和可靠性.
结论:
- 在SCCB患者中成功开发和验证了用于预测OS和CSS的准确的诺姆图.
- 这些名ograms具有显著的临床价值,帮助医疗保健专业人员做出明智的,基于数据的治疗决策.
- 这些预测工具可以为被诊断为膀小细胞癌的个人增强个性化管理策略.
更多相关视频
07:31Implementation of a Real-Time Psychosis Risk Detection and Alerting System Based on Electronic Health Records using CogStack
Published on: May 15, 2020
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
相关概念视频
Imaging Studies for Cardiovascular System VI: Calcium -Scoring CT
Cancer Survival Analysis
Types of Biopharmaceutical Studies: Controlled and Non-Controlled Approaches
Non-controlled studies, commonly employed for initial exploration, lack a control group, rendering them susceptible to biases and external influences. In contrast,...
