通过基于前性队列研究的诺莫格拉姆模型评估卵巢癌预后
Hongmei Li1, Qianjie Xu2, Yuliang Yuan2
1Department of Health Statistics, School of Public Health, Chongqing Medical University, No. 1 Yixueyuan Road, Yuzhong District, Chongqing 400016, China.
Japanese journal of clinical oncology
|August 12, 2025
概括
这项研究使用新型生物标志物开发了用于卵巢癌 (OC) 的预后名录. 诺米图准确预测患者的结果,有助于个性化治疗策略,用于卵巢癌管理.
科学领域:
- 妇科瘤学 妇科瘤学
- 生物标志物发现发现
- 预测模型的预测建模
背景情况:
- 卵巢癌 (OC) 的复发率很高,影响了全球女性癌症统计数据.
- 现有的预后工具需要改进,以提高准确性.
- 新的生物标志物对于完善OC患者预后至关重要.
研究的目的:
- 开发和验证一个整合新生物标志物的名录,以提高卵巢癌预后的准确性.
- 为了确定卵巢癌的独立预后因素.
- 在OC管理中创建个性化治疗策略的工具.
主要方法:
- 对1342名卵巢癌患者 (2019-21) 的临床数据的分析.
- 多变量考克斯回归以确定独立的预后因素.
- 使用C指数,ROC曲线,校准图表和DCA,构建和验证Nomogram.
主要成果:
- 确定了关键的预后因素:BMI,FIGO阶段,分化,手术,向治疗,血红蛋白,β2微球蛋白,NLR,IL-6和角质蛋白19.
- 实现了高预测准确度,C指数为0.756 (培训) 和0.751 (验证).
- 诺莫格拉姆通过DCA表现出了出色的校准和优越的净收益.
结论:
- 建立了一个强大的,经验证的卵巢癌预后诺莫格拉姆.
- 诺米图集成了新的生物标志物,以提高预后准确度.
- 一个在线工具促进了个性化的OC治疗策略和临床实用性.
更多相关视频
06:46Competing-Risk Nomogram for Predicting Cancer-Specific Survival in Multiple Primary Colorectal Cancer Patients after Surgery
Published on: September 27, 2024
376
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
194
