一种名图和随机森林模型用于预测早期结直肠癌患者的肝转移

科学领域:

• 在瘤学瘤学.
• 癌症研究 癌症研究
• 流行病学 流行病学

背景情况:

• 结肠直肠癌 (CRC) 发病率在年轻人中正在上升.
• 肝转移 (LM) 是CRC的常见并发症,预后明显恶化.
• 早期结直肠癌 (EOCRC) 在转移预测方面存在独特的挑战.

研究的目的:

• 确定早期结直肠癌 (EOCRC) 患者肝转移 (LM) 的独立风险因素.
• 在EOCRC中开发和验证LM风险的预测名录.
• 为加强临床决策和风险分层提供一个工具.

主要方法:

• 从SEER数据库 (2010-2015) 中对2567名EOCRC患者进行了回顾性分析.
• 单变量和多变量逻辑回归用于风险因素识别.
• 使用校准曲线,AUC和决策曲线分析 (DCA) 验证的诺莫格拉姆构造.
• 随机森林模型和SHAP值用于变量重要性分析.

主要成果:

• N阶段,治疗前CEA,骨转移和肺转移被确定为LM的独立风险因素.
• 在训练 (AUC=0.7958) 和验证 (AUC=0.7653) 两组中,名图表表显示出良好的预测准确性.
• 决策曲线分析表明,与传统的TN分期相比,临床相关性更高.

结论:

• 成功开发和验证了一种可靠的nomogram用于预测EOCRC患者的LM风险.
• 诺米图可以帮助临床医生评估LM风险并做出明智的治疗决策.
• 该工具支持对早期结直肠癌患者进行个性化风险评估.