目的:基于监测、流行病学和最终结果(surveillance,epidemiology,and end results,SEER)数据库,分析影响胰腺癌预后的独立因素并构建预测模型。方法:本研究从SEER数据库获取2010-2015年美国7801例胰腺癌病人的临床资料,以7∶3的比例随...目的:基于监测、流行病学和最终结果(surveillance,epidemiology,and end results,SEER)数据库,分析影响胰腺癌预后的独立因素并构建预测模型。方法:本研究从SEER数据库获取2010-2015年美国7801例胰腺癌病人的临床资料,以7∶3的比例随机分为建模组、验证组。对建模组临床变量进行多因素COX回归分析获得影响生存的独立因素,构建列线图。通过受试者操作特性(receiver operating characteristic,ROC)曲线和校准曲线验证模型的准确性。结果:年龄、原发部位、病理分级、T分期、N分期、M分期、手术方式、放疗、化疗与胰腺癌的预后相关,总生存的3年、5年ROC曲线下面积(area under cure,AUC)分别为0.90、0.91,癌症特异性生存分别为0.91、0.91。校准曲线显示观察值与预测值之间具有良好的一致性。经筛选得到的临床变量确实对胰腺癌预后有影响。结论:所构建的模型具有较好的预测准确性,有助于胰腺癌病人的临床决策和个性化治疗。展开更多
文摘目的:基于监测、流行病学和最终结果(surveillance,epidemiology,and end results,SEER)数据库,分析影响胰腺癌预后的独立因素并构建预测模型。方法:本研究从SEER数据库获取2010-2015年美国7801例胰腺癌病人的临床资料,以7∶3的比例随机分为建模组、验证组。对建模组临床变量进行多因素COX回归分析获得影响生存的独立因素,构建列线图。通过受试者操作特性(receiver operating characteristic,ROC)曲线和校准曲线验证模型的准确性。结果:年龄、原发部位、病理分级、T分期、N分期、M分期、手术方式、放疗、化疗与胰腺癌的预后相关,总生存的3年、5年ROC曲线下面积(area under cure,AUC)分别为0.90、0.91,癌症特异性生存分别为0.91、0.91。校准曲线显示观察值与预测值之间具有良好的一致性。经筛选得到的临床变量确实对胰腺癌预后有影响。结论:所构建的模型具有较好的预测准确性,有助于胰腺癌病人的临床决策和个性化治疗。
