在初级差异化甲状腺癌患者中预测第二种初级恶性瘤的风险:基于人口的研究

科学领域:

• 在瘤学瘤学.
• 流行病学 流行病学
• 生物统计学 生物统计学

背景情况:

• 差异化甲状腺癌 (DTC) 幸存者面临患第二原发性恶性瘤 (SPMT) 的风险增加.
• 准确的风险分层对于个性化监测和DTC患者的管理策略至关重要.
• 识别SPMT的独立风险因素对于早期检测和预防至关重要.

研究的目的:

• 在DTC患者中调查与SPMT相关的风险因素.
• 开发和验证一种竞争性风险名谱,用于预测DTC幸存者的SPMT发生情况.
• 为临床医生提供一种工具,以识别高风险个体和定制管理计划.

主要方法:

• 利用监测,流行病学和最终结果 (SEER) 数据库 (2000-2019) 来获取患者数据.
• 采用了Fine和Gray分发危险模型来识别SPMT风险因素并构建一个名图.
• 通过使用接收器运行特征曲线 (AUC) 下的面积,校准曲线和决策曲线分析 (DCA) 验证了名图.

主要成果:

• 包括112,257名DTC患者;15%的人患有SPMT.
• 独立的SPMT风险因素包括年龄,性别,种族,瘤多焦点性和TNM阶段.
• 在训练和验证组中,名图表表现出了良好的预测性能,其10年AUC为70.2%,并通过DCA显示了临床效用.

结论:

• 开发的竞争性风险名录是预测DTC患者的SPMT的高性能工具.
• 诺米图表有助于识别SPMT不同风险水平的患者.
• 这些研究结果支持将这种名谱集成到临床实践中,以改善患者管理和监测策略.