一个预测模型,以确定转移性结直肠癌患者中最优的手术候选人

科学领域:

• 在瘤学瘤学.
• 手术瘤学手术瘤学
• 生物统计学 生物统计学

背景情况:

• 转移性结直肠癌 (mCRC) 提出了复杂的治疗挑战.
• 在mCRC中进行初级瘤切除 (PTR) 是有争议的,患者选择至关重要.
• 预测模型可以优化mCRC中PTR的临床决策.

研究的目的:

• 开发和验证一种预测模型,用于识别可能从PTR中受益的mCRC患者.
• 改善患者选择PTR并提高癌症特异性存活率 (CSS).

主要方法:

• 利用监测,流行病学和最终结果 (SEER) 数据库 (2010-2019) 用于IV期CRC患者.
• 员工倾向分数匹配 (PSM) 以平衡手术和非手术组.
• 开发了使用多变量考克斯回归和博鲁塔特征选择的预测模型,通过后勤回归验证.

主要成果:

• 确定了23,649名mCRC患者;80.97%接受了PTR.
• 在PSM后,PTR独立地与显著延长的CSS (22 vs. 12个月;HR: 2.323,P < 0.001) 相关.
• 逻辑回归模型显示出良好的区分能力 (AUC: 0.727训练,0.741测试).

结论:

• 开发了一个高度准确的预测模型,以确定mCRC患者中PTR的最佳候选人.
• 该模型可以帮助临床医生选择最有可能从原发性瘤切除中受益的患者.
• 改善PTR患者选择可能会导致mCRC中更好的生存结果.