在基于纵向数据的C型肝炎肝硬化患者SVR后HCC风险的准确预测
Yanzheng Zou1, Ming Yue2, Linna Jia1
1Department of Epidemiology, Center for Global Health, School of Public Health, Nanjing Medical University, Nanjing, 211166, China.
一个新的纵向模型准确地预测了持续病毒反应 (SVR) 后患有型肝炎病毒 (HCV) 相关肝硬化患者的肝细胞癌 (HCC) 风险,其表现优于传统基线模型,用于更好的患者预后和监测指导.
科学领域:
- 肝病学 肝病学是一种肝病学.
- 在瘤学瘤学.
- 数据科学在医学中的数据科学
背景情况:
- 在C型肝炎病毒 (HCV) 相关肝硬化中持续病毒学反应 (SVR) 后肝细胞癌 (HCC) 风险预测通常依赖于有限的基线数据.
- 现有的模型显示的准确性低于最佳,因为它们无法整合随时间推移的动态患者信息.
研究的目的:
- 开发和验证一个准确的HCC风险预测模型,使用HCV相关肝硬化患者的纵向数据,这些患者获得了SVR.
- 将新型纵向模型的预测性能与传统基线模型进行比较.
主要方法:
- 分析了400名与HCV相关的肝硬化患者的队列,这些患者通过直接作用抗病毒药物 (DAA) 实现了SVR.
- 长度数据特征被提取并用于随机生存森林 (RSF) 模型,以创建长度预测模型.
- 使用相同的变量构建了一个比较基线模型,但仅在初始评估时.
主要成果:
- 纵向模型显示出高预测准确度,接收器运行特征曲线 (AUROC) 下的面积分别为0.95,0.88和0.83,用于1年,2年和3年的HCC风险预测.
- 纵向模型的低布里尔评分 (0.028,0.056,0.050) 显示了精确的风险估计.
- 相比之下,基线模型的AUROC显著较低,约为0.6,突出显示了其有限的预测能力.
结论:
- 开发的纵向模型在SVR后的HCV相关肝硬化患者中提供了准确的HCC风险预测.
- 这个模型超过了基线模型的性能,提供了有价值的预后见解.
- 这些发现支持使用这种纵向模型来指导临床监测策略和改善患者管理.
更多相关视频
12:24A Three-Dimensional Spheroid Model to Investigate the Tumor-Stromal Interaction in Hepatocellular Carcinoma
Published on: September 30, 2021
07:32Author Spotlight: Investigating Immune Cell Dynamics in the Tumor Microenvironment — Challenges and Innovations in Cancer Prognosis
Published on: April 12, 2024
相关概念视频
Effect of Hepatic Disease on Pharmacokinetics: Drug Dosing and Hepatic Blood Flow
Effect of Hepatic Disease on Pharmacokinetics: Pathophysiologic Assessment and Liver Function Test
Hepatitis
Viral Hepatitis I: Introduction
