腹膜后肉瘤预后模型的构建与验证:一项基于机器学习算法的大样本真实世界研究
Development and validation of survival predicting model in patients with retroperitoneal sarcoma:A large real-world study based on machine learning
目的 构建精准化、个体化评价腹膜后肉瘤(retroperitoneal sarcoma,RS)患者预后的模型,为临床决策制定提供参考.方法 提取监测、流行病学及结局(Surveillance,Epidemiology and End Results,SEER)数据库2000~2019年经病理学确诊的RS患者临床资料,以7∶3的比例随机划分为训练集和验证集,采用多因素Cox比例风险模型、LASSO回归模型和随机生存森林模型筛选变量,构建预测1、3年肿瘤特异性生存期(cancer-specific survival,CSS)和总生存期(overall survival,OS)的诺谟图模型,利用一致性指数、受试者工作特征曲线评估其预测价值,并用校正曲线对诺谟图预测模型进行内部(训练集)与外部(验证集)验证.结果 共纳入2559例患者,其中训练集1791例,验证集768例.多因素Cox比例风险模型显示,年龄、肿瘤分期、肿瘤分级、手术方式和化疗是OS的独立影响因素,而年龄、病理类型、肿瘤分级、肿瘤分期、手术方式和化疗是CSS的独立影响因素.LASSO回归模型显示,年龄、性别、病理类型、肿瘤分级、肿瘤分期、手术方式和化疗患者OS相关,而年龄、病理类型、肿瘤分级、肿瘤分期、手术方式和化疗与患者CSS相关.随机生存森林模型显示,影响OS的重要性评分前5位变量分别为肿瘤分级、手术方式、年龄、肿瘤分期和化疗,而影响CSS的重要性评分前5位变量分别为肿瘤分级、手术方式、肿瘤分期、化疗和年龄.基于上述因素所构建的诺谟图验证结果表明,OS在训练集和验证集的一致性指数分别为 0.746(95%CI=0.730~0.760)和 0.729(95%CI=0.710~0.750),而 CSS 分别为0.770(95%CI=0.750~0.790)和 0.743(95%CI=0.720~0.770),校准曲线表现出良好的一致性.结论 年龄、性别、肿瘤分级、肿瘤分期、手术和化疗是RS患者预后的独立影响因素.本研究构建的诺谟图预测模型具有良好的预测价值,有利于临床对RS患者选择个性化治疗.
更多- 浏览:2
- 被引:0
- 下载:0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文