低度和高度子宫内膜癌复发预测模型的多因素构建
Yachai Li1, Jia Yan2, Yuanmei Deng3
1Department of Gynecology, Affiliated Hospital of Heibei University, Baoding, China.
概括
这项研究确定了子宫内膜癌 (EC) 复发的关键风险因素,开发了针对个性化治疗和随访策略的准确预测模型,用于低级和高级EC患者.
科学领域:
- 妇科瘤学 妇科瘤学
- 癌症生物标志物 癌症生物标志物
- 预测建模预测建模
背景情况:
- 子宫内膜癌 (EC) 是女性普遍存在的全球性恶性瘤.
- 准确预测EC复发对于有效的患者管理至关重要.
研究的目的:
- 为了确定EC复发的独立风险因素.
- 开发和验证EC无复发生存期 (RFS) 的个性化预测模型.
主要方法:
- 对EC患者的分析被分为低级和高级组.
- 雌激素受体,孕激素受体,Ki67和L1CAM的免疫组合化学检测.
- 应用考克斯回归模型 (无变量,LASSO,逐步) 来识别风险因素.
- 使用ROC曲线,引导,校准和决策曲线分析进行验证.
主要成果:
- 对于低度的EC RFS,FIGO阶段,孕激素受体,淋巴血管空间入侵 (LVSI) 和瘤大小是显著的.
- 对于高度的EC RFS,FIGO阶段,L1CAM,LVSI和盆腔淋巴结状态是显著的.
- 预测模型表现出强大的区分能力 (AUC从0.807到0.888不等) 和校准.
结论:
- 开发的预测模型准确地区分和校准了EC复发风险.
- 这些模型为个性化治疗和随访提供了有价值的临床决策支持.
- 这些发现有助于为低等级和高等级EC制定量身定制的管理策略.
