在鼻癌患者中预测高淋巴结阳性风险因素:多模型方法
Hongming Liao1, Benchao He, Fengbo Yan
1Department of Otolaryngology Head and Neck Surgery, Tianmen First People's Hospital, Affiliated Hospital of Wuhan University of Science and Technology, Tianmen, Hubei Province, China.
Medicine
|January 10, 2026
概括
在鼻癌 (NPC) 中识别高淋巴结比率 (LNR) 的患者是预后的关键. 一个新的名图有效地预测高LNR风险,帮助个性化患者管理和改善结果.
科学领域:
- 在瘤学瘤学.
- 医学统计 医学统计
- 流行病学 流行病学
背景情况:
- 淋巴结比率 (LNR) 是鼻癌 (NPC) 的关键预后指标.
- 准确识别患有高LNR风险的患者对于量身定制的治疗策略至关重要.
- 现有的预后模型可能无法完全捕捉NPC中LNR预测的复杂性.
研究的目的:
- 调查流行病学并确定与NPC患者高LNR相关的影响因素.
- 通过机器学习和考克斯回归来开发和验证高LNR的预测模型.
- 创建一个实用的临床工具 (nomogram) 用于根据LNR风险对NPC患者进行分层.
主要方法:
- 对1563名NPC患者进行了回顾性观察研究.
- 机器学习算法的应用用于变量选择.
- 单变量和多变量考克斯回归分析以构建预测模型.
- 使用ROC曲线,校准图和决策曲线分析进行评估.
主要成果:
- 最佳预测模型的AUC值为0.73 (建模) 和0.76 (验证).
- 高LNR的独立风险因素包括N阶段,M阶段,手术类型,种族和确认状态.
- 开发的诺米图有效地将患者分为高风险和低风险组,高风险患者的结果明显较差.
结论:
- 升高的LNR与NPC患者的不良预后密切相关.
- 开发的名图是LNR风险分层的一个有价值的临床工具.
- 基于名ogram衍生风险的个性化管理策略可以优化NPC中的患者结果.
