一个依赖时间的模型,用于量化术后炎症轨迹,并预测早期三阴性乳腺癌的存活率
Guoquan Wen1, Yi Zeng1, Yu Sun2
1Department of Breast Surgery, The Affiliated Huizhou Hospital, Guangzhou Medical University, No.1 Xuebei Road, Huizhou, Guangdong, 516000, China.
World journal of surgical oncology
|December 26, 2025
概括
这项研究引入了一种使用术后炎症指数变化的新型时间依赖模型,以改善三阴性乳腺癌 (TNBC) 的预后预测. 将动态炎症趋势与瘤分期结合起来,可以提高无病生存率和乳腺癌特定生存率的准确性.
科学领域:
- 在瘤学瘤学.
- 免疫学 免疫学 免疫学
- 生物统计学 生物统计学
背景情况:
- 三重阴性乳腺癌 (TNBC) 呈现出高异质性和有限的治疗选择,需要改善风险分层的预后标志物.
- 虽然基线炎症指数与预后相关,但手术后免疫炎症反应的动态变化仍未得到充分研究.
- 量化术后炎症指数的年度变化率为动态趋势整合提供了一种新的方法.
研究的目的:
- 开发和验证TNBC的预后模型,包括术后炎症指数的动态演变.
- 评估炎症指数线性斜率在预测无疾病生存率 (DFS) 和乳腺癌特异性生存率 (BCSS) 中的预后值.
- 将时间依赖模型的预测准确度与传统的预后模型进行比较.
主要方法:
- 在手术后接受辅助化疗的296名TNBC患者的回顾性分析.
- 炎症值的Log2转换,多线性评估的方差膨胀系数 (VIF).
- 多变量考克斯回归,时间依赖的ROC曲线,引导验证和SHAP分析用于模型解释和性能评估.
主要成果:
- 传统因素 (T阶段,N阶段,等级,LVI,PNI) 是独立的预测因素.
- 在log2 ((SIRI) 的动态变化显示出显著的预后价值,由SHAP分析证实.
- 与传统模型相比,时间依赖模型在5-6年内表现出优异的预测性能,临床效用得到决策曲线分析的支持.
结论:
- 一个依赖时间的模型有效量化了TNBC的动态术后炎症趋势.
- 将动态炎症与瘤分期相结合,可显著提高TNBC患者预后预测的准确性.
- 这种方法提供了一个更精细的风险分层工具,用于优化TNBC管理.
