针对小细胞肺癌大脑转移的老年患者的预后诺姆图:一种基于人口的监测,流行病学和最终结果研究,具有时间外部验证
Zongzhou Xie1, Yingjie Zhang2, Ruifu Wei3
1Department of Oncology, Haikou City People's Hospital, Haikou, Hainan, China.
World neurosurgery
|June 30, 2024
概括
这项研究确定了年龄,N期,化疗和肝转移等关键因素,用于预测小细胞肺癌脑转移的老年患者的生存率. 开发的诺米图表为这些预测提供了比TNM系统更好的准确性.
科学领域:
- 在瘤学瘤学.
- 老年医学 老年医学
- 生物统计学 生物统计学
背景情况:
- 小细胞肺癌 (SCLC) 与大脑转移 (BM) 在老年患者中构成重大挑战.
- 准确的预后工具对于指导治疗决策和改善这个人口中的患者结果至关重要.
研究的目的:
- 在老年SCLC BM患者中确定总生存 (OS) 和癌症特异性生存 (CSS) 的独立预测因子.
- 在这个群体中开发和验证OS和CSS的预测名ograms.
主要方法:
- 利用了来自监测,流行病学和最终结果 (SEER) 数据库的大型老年SCLC BM患者队列的数据.
- 采用单变量和多变量考克斯回归分析,包括最小绝对收缩和选择运算符 (LASSO) 回归,以确定独立的预测因子.
- 使用培训,内部验证和时间外部验证集构建和验证的名ograms.
主要成果:
- 年龄,N期,化疗和肝转移被确定为OS和CSS的显著独立预测因素.
- 放射治疗和手术并不是独立的预测因素.
- 开发的诺基图表表现出强大的区分能力和校准能力,在临床实用性和预测能力方面超过了TNM分期系统.
结论:
- 已成功开发了用于SCLC BM的老年患者的新型预后诺姆图.
- 这些名图为预测生存率提供了准确,可靠和实用的工具,有助于临床决策.
更多相关视频
09:53Quantifying the Brain Metastatic Tumor Micro-Environment using an Organ-On-A Chip 3D Model, Machine Learning, and Confocal Tomography
Published on: August 16, 2020
7.2K
06:46Competing-Risk Nomogram for Predicting Cancer-Specific Survival in Multiple Primary Colorectal Cancer Patients after Surgery
Published on: September 27, 2024
248
