验证高紫外线指数区域中黑色素瘤中哨戒淋巴结转移的风险预测模型
Sheyda Mesgarzadeh1, Rosemond S Amamoo2,3, Geethika Ameneni1
1University of Arizona College of Medicine Tucson, Tucson, Arizona.
JAAD international
|July 18, 2025
概括
来自MIA和MSKCC的黑色素瘤风险名录准确地预测了哨兵淋巴结活检 (SLNB) 的需求. 虽然对于决策有用,但对于年龄极端的患者建议谨慎.
科学领域:
- 在瘤学瘤学.
- 皮肤病学 皮肤病学
- 手术瘤学手术瘤学
背景情况:
- 风险预测模型可以提高在黑色素瘤患者的哨兵淋巴结活检 (SLNB) 的个性化选择.
- 评估已建立的诺姆图的准确性和临床实用性对于完善黑色素瘤管理策略至关重要.
研究的目的:
- 评估澳大利亚黑色素瘤研究所 (MIA),斯隆·凯特林纪念癌症中心 (MSKCC) 和科罗拉多大学开发的nomograms的统计准确性和临床实用性.
- 为了在南亚利桑那州的黑色素瘤风险分层中验证这些名录.
主要方法:
- 对712例黑色素瘤病例进行了回顾性分析.
- 使用歧视 (C-统计) 和校准图表来评估统计准确性.
- 通过决策曲线分析来评估临床效用,以确定净益处和可以避免的干预措施.
主要成果:
- 在MIA nomogram中显示的歧视率最高 (C-统计 = 0.753),其次是MSKCC (0.729) 和科罗拉多大学 (0.601).
- 在MIA和MSKCC的nomograms中,在相关的风险值中显示出良好的校准.
- 所有的诺基图都为5%或更高的风险门提供了净收益和降低了可避免的SLNB,对年龄极端的影响有限.
结论:
- MIA和MSKCC的名录是有价值的工具,以支持SLNB在这个群体中的决策.
- 建议在使用这些名录时谨慎使用这些名录,以减少极端年龄 (<50岁和≥80岁) 患者的可避免干预.
更多相关视频
08:18Analysis of Lymph Node Volume by Ultra-High-Frequency Ultrasound Imaging in the Braf/Pten Genetically Engineered Mouse Model of Melanoma
Published on: September 8, 2021
3.0K
07:13Comparison of Predictive Performance of Three Lymph Node Staging Systems in Colorectal Signet Ring Cell Carcinoma Based on Machine Learning Model
Published on: April 18, 2025
199
