基于动态血液学和临床特征的宫癌预后模型的构建和评估
Huangrong Ma1,2, Lingyu Ma2, Li Yang2
1Shenzhen University Medical School, Shenzhen University, Shenzhen, 518055, Guangdong, China.
BMC cancer
|February 5, 2025
概括
这项研究开发了名图来预测接受放射治疗的宫癌患者的整体存活率 (OS). 这些模型结合了动态的血液学和临床因素,优于目前的分期系统,以改善风险分层.
科学领域:
- 在瘤学瘤学.
- 放射治疗研究 放射治疗研究
- 生物统计学 生物统计学
背景情况:
- 宫癌仍然是一个重大的全球健康挑战.
- 准确的预后工具对于在接受激进放射治疗的患者中指导治疗决策至关重要.
- 现有的分期系统可能无法完全捕捉预后因素的复杂性.
研究的目的:
- 研究用放射治疗治疗宫癌患者的动态血液学和临床特征的预后意义.
- 开发和验证用于预测整体存活率 (OS) 的nomograms.
- 为了比较开发的名图的预测准确性与FIGO 2018分期系统.
主要方法:
- 对159名宫癌患者 (FIGO阶段IB1-IVA) 进行了回顾性分析,这些患者接受了激进放射治疗.
- 单变量和多变量考克斯回归分析以确定预后因素.
- 使用协同索引,ROC曲线和引导重抽样开发和验证名ograms.
- 与FIGO 2018分期系统相比,nomogram表现的比较.
主要成果:
- 三年OS率为82.6%,中位数随访时间为41.37个月.
- 确定的主要预后因素包括FIGO 2018阶段,瘤缩率,治疗前的白蛋白,治疗时间,最小的中性粒细胞,化疗周期和淋巴衰竭等级.
- 与2018年FIGO分期系统 (C指数0.593) 相比,开发的名图表显示出更高的预测准确性 (C指数0.709和0.803).
结论:
- 经过验证的诺姆图有效地预测了宫癌患者的OS,这些患者接受了激进放射治疗.
- 动态血液学和炎症标志物具有显著的预后价值.
- 这些名ograms可以帮助风险分层和开发个性化的治疗策略.
