评估PREDICT并开发早期乳腺癌的结果预测模型,使用加拿大阿尔伯塔省的数据
Robert B Basmadjian1, Yuan Xu1,2,3, May Lynn Quan1,2,3
1Department of Community Health Sciences, Cumming School of Medicine, University of Calgary, Calgary, AB, Canada.
Breast cancer research and treatment
|March 12, 2025
概括
在早期发病的乳腺癌 (EoBC) 患者中,NHS PREDICT v2.1高估了死亡率. 新的模型显示了更好的歧视,但校准不佳,突出显示需要更新的数据和变量来准确预测EoBC结果.
科学领域:
- 在瘤学瘤学.
- 生物统计学 生物统计学
- 流行病学 流行病学
背景情况:
- 有限的研究存在于早期发病乳腺癌 (EoBC) 的结果预测.
- 准确的预测模型对于定制治疗和改善年轻乳腺癌患者的生存率至关重要.
研究的目的:
- 评估NHS PREDICT v2.1对早期乳腺癌 (EoBC) 的预测性能.
- 开发和验证EoBC患者5年和10年全因死亡率的新型预测模型.
主要方法:
- 在加拿大阿尔伯塔省 (2004-2020年) 分析了一组被诊断患有侵袭性乳腺癌的40岁以下的1827名成年人.
- 使用NHS PREDICT v2.1来提取死亡率估计;开发了LASSO Cox和随机生存森林 (RSF) 模型.
- 内部验证采用嵌套十倍交叉验证,通过ROC和校准曲线评估性能.
主要成果:
- 在NHS PREDICT v2.1中,五年死亡率高估了2.4%,并且在10年内没有显著差异.
- 拉索·考克斯模型在5年和10年间,与RSF模型相比,显示出更高的歧视性.
- 两种开发的模型均表现出不良校准,低估了EoBC队列中的死亡率.
结论:
- 在预测风险较高的EoBC患者中,NHS PREDICT v2.1高估了死亡率.
- 机器学习方法在不包含额外数据的情况下无法产生临床有用的模型.
- 未来的研究需要扩大随访和包括系统治疗变量,以改善EoBC结果预测.
