目的 探讨前列腺特异性抗原(PSA)水平的动态变化对晚期前列腺癌患者生存预后的影响,为前列腺癌患者个性化治疗提供一定的理论依据.方法 本研究为回顾性队列研究.连续性收集2011-01-01-2017-12-31新疆医科大学附属肿瘤医院经病理学检查确诊为前列腺癌的176例患者作为研究对象,根据治疗方案分为比卡鲁胺联合戈舍瑞林组(n=126)和氟他胺联合戈舍瑞林组(n=50).采用线性混合效应模型和Cox比例风险模型分别拟合晚期前列腺癌患者血清PSA水平的动态变化及其生存数据,进而根据共享随机效应构建极大似然估计和贝叶斯估计法下的联合模型.通过赤池信息准则(AIC)、贝叶斯信息准则(BIC)以及对数似然函数(LLF)值评估2类联合模型的拟合优度.采用受试者工作特征曲线下面积(AUC)和预测误差(PE)比较2类联合模型的预测性能.通过独立样本t检验、Mann-Whitney U秩和检验、x2检验或Fisher确切概率法比较不同治疗方案下患者基线数据的组间差异.结果 共纳入176例前列腺癌患者,年龄45～90岁,平均年龄(71.76±7.86)岁,随访1.30～36.77个月.极大似然估计下的联合模型结果显示,相比于患者血清PSA水平未增加时,当PSA水平随时间增至10倍后,患者死亡风险增加0.94倍(HR=1.94,95％CI:1.74～2.16,P＜0.001);贝叶斯估计下的联合模型结果显示,相比于患者血清PSA水平未增加时,当PSA水平随时间增至10倍后,患者死亡风险增加1.18倍(HR=2.18,95％CI:1.77～2.73,P＜0.001).此外,极大似然估计下的联合模型展现出更好的拟合优度(AIC=3 265.01,BIC=3 303.06,LLF=-1 620.51),而贝叶斯估计下联合模型的AUC值(0.70～0.88)更大、PE值(0.04～0.10)更小,提示其具有更强的预测性能.结论 晚期前列腺癌患者血清PSA水平升高是其生存预后的危险因素,临床上应密切监测前列腺癌患者血清PSA水平的动态变化,以便更准确地制定个性化治疗方案.

目的:探究肺鳞癌肿瘤微环境，并寻找影响肺鳞癌肿瘤微环境的关键基因。方法:使用R语言ESTIMATE算法计算TCGA数据库中肺鳞癌样本的基质评分、免疫评分与综合评分；CIBERSORT算法计算肺鳞癌22种肿瘤浸润免疫细胞丰度。根据surv_cutpoint函数分别获得3种评分的最佳截断值并分为各自的高评分组与低评分组，进行3种评分的高评分组与低评分组5年限制平均生存时间分析及差异表达分析。将差异表达分析获取的基因定义为差异表达基因，再根据蛋白质相互作用网络和单因素Cox回归分析结果确定关键基因。最后，利用Timer数据库探索关键基因与肿瘤浸润免疫细胞之间的相互关系。结果:肺鳞癌基质评分、免疫评分与综合评分均低于癌旁组织，差异均有统计学意义( P值均<0.001)。限制平均生存时间分析显示，随访5年，3种评分的高评分组均较低评分组预后差( P值均<0.05)。肺鳞癌组织中22种肿瘤浸润免疫细胞含量有18种与癌旁组织比较，差异均有统计学意义( P值均<0.05)。差异分析确定了影响肿瘤微环境的972个差异基因，将972个差异基因进行单因素Cox回归分析，确定了135个与生存相关的基因( P值均<0.05)，与蛋白相互作用网络中前50个中枢基因进行交叉，获得3个与肿瘤微环境相关且影响肺鳞癌预后的关键基因AGTR2、CXCL2、ADORA1。最后Timer数据库探究显示关键基因表达量与肿瘤浸润免疫细胞具有相关性( P值均<0.05)。 结论:通过生物信息学探索了肺鳞癌肿瘤微环境，筛选出3个与肺鳞癌预后相关且影响肿瘤微环境的关键基因AGTR2、CXCL2、ADORA1，为肺鳞癌提供了潜在的治疗靶点。

目的:探讨慢性肾脏病5期患者行自体动静脉内瘘术前桡动脉血管的病理变化与血液透析患者全因死亡的相关性。方法:选取2009年1月1日至2018年12月31日在本院确诊为慢性肾脏病5期行自体动静脉内瘘成形术的患者140例，收集人口学资料、临床资料及实验室检查结果。所有患者随访至2019年6月。根据行自体动静脉内瘘术前取的桡动脉血的病理学检查结果将患者分成血管内膜轻中度增厚组(66例)和血管内膜重度增厚组(74例)，分别采用单因素和多因素分析影响血管内膜厚度的因素，采用Cox生存函数分析两组患者的全因死亡率。结果:血管内膜重度增厚组的三酰甘油、钙、磷、甲状旁腺素水平较血管内膜轻中度增厚组高( P<0.05)；血管内膜重度增厚组的左室收缩末直径、左室舒张末直径均较血管内膜轻中度增厚组明显增高( P<0.05)，左室射血分数较血管内膜轻中度增厚组明显降低( P<0.05)；多因素logistic回归分析显示，钙、磷、三酰甘油、甲状旁腺素和左室射血分数是血管内膜厚度的影响因素( P<0.05)，其中左室射血分数是保护因素( P<0.05)；术后血管内膜重度增厚组的生存时间较血管内膜轻中度增厚组明显降低( χ2＝4.355, P＝0.037)；两组患者死亡的主要因素为心脑血管疾病。 结论:与血管内膜轻中度增厚患者相比，自体动静脉内瘘术前血管内膜重度增厚患者的钙、磷及脂代谢紊乱较明显，全因死亡率明显增高。

目的:探讨机器学习算法和COX列线图在肝细胞癌术后生存预测中的应用价值。方法:采用回顾性描述性研究方法。收集2012年1月至2017年1月中国医学科学院北京协和医学院肿瘤医院收治的375例肝细胞癌行根治性肝切除术患者的临床病理资料；男304例，女71例；中位年龄为57岁，年龄范围为21～79岁。375例患者通过计算机产生随机数方法以8∶2比例分为训练集300例和验证集75例，应用逻辑回归、支持向量机、决策树、随机森林、人工神经网络机器学习算法构建肝细胞癌患者术后生存的预测模型，筛选性能最优的机器学习算法预测模型；构建肝细胞癌患者术后生存预测的COX列线图预测模型；比较最优机器学习算法预测模型和COX列线图预测模型预测肝细胞癌患者术后生存的性能。观察指标：(1)训练集与验证集患者临床病理资料分析。(2)训练集与验证集患者随访及生存情况。(3)机器学习算法预测模型构建及验证。(4)COX列线图预测模型构建及验证。(5)随机森林机器学习算法预测模型与COX列线图预测模型预测性能评价。采用门诊或电话方式进行随访，了解患者生存情况。随访时间截至2019年12月或患者死亡。正态分布的计量资料以 ± s表示，组间比较采用配对 t检验。偏态分布的计量资料以 M( P25， P75)或 M(范围)表示，组间比较采用Mann-Whitney U检验。计数资料以绝对数表示，当Tmin≥5，N≥40时，组间比较采用 χ2检验；当1≤Tmin≤5，N≥40时，采用校正 χ2检验；当Tmin<1或N<40时，采用Fisher确切概率法。采用Kaplan-Meier法计算生存率和绘制生存曲线。采用COX比例风险模型进行单因素分析，将 P<0.2的变量纳入Lasso回归分析，根据λ值筛选影响预后的变量，最后将变量纳入COX比例风险模型进行多因素分析。 结果:(1)训练集与验证集患者临床病理资料分析：训练集和验证集患者微血管侵犯(无、有)，肝硬化(无、有)分别为292、8例，105、195例和69、6例，37、38例，两组患者比较，差异均有统计学意义( χ2＝4.749，5.239， P<0.05)。(2)训练集与验证集患者随访及生存情况：训练集与验证集患者均获得随访。训练集300例患者随访时间为1.1～85.5个月，中位随访时间为50.3个月。验证集75例患者随访时间为1.0～85.7个月，中位随访时间为46.7个月。375例肝细胞癌患者术后1、3年总体生存率分别为91.7%、79.5%。训练集和验证集患者术后1、3年总体生存率分别为92.0%、79.7%和90.7%、81.9%。两组患者术后生存情况比较，差异无统计学意义( χ2＝0.113， P>0.05)。(3)机器学习算法预测模型构建及验证。①筛选最优机器学习算法预测模型：根据变量对预测肝细胞癌术后3年生存的信息增益度，应用逻辑回归、支持向量机、决策树、随机森林和人工神经网络5种机器学习算法对肝细胞癌临床病理因素进行变量综合排名。筛选主要预测因素为乙型肝炎e抗原(HBeAg)、手术方式、肿瘤最大直径、围术期输血、肝被膜侵犯、肝脏Ⅳ段侵犯。将预测因素前3、6、9、12、15、18、21、24、27、29个变量依次引入5种机器学习算法。其结果显示：当引入9个变量时，逻辑回归、支持向量机、决策树、随机森林机器学习算法预测模型受试者工作特征曲线的曲线下面积(AUC)趋于稳定。当引入变量>12个时，人工神经网络机器学习算法预测模型AUC波动明显，逻辑回归、支持向量机机器学习算法预测模型AUC稳定性可继续改善，而随机森林机器学习算法预测模型AUC接近0.990，说明随机森林机器学习算法预测模型为最优机器学习算法预测模型。②随机森林机器学习算法预测模型优化和验证：将预测因素29个变量依次引入随机森林机器学习算法预测模型中，构建训练集最佳随机森林机器学习算法预测模型。其结果显示：当引入变量＝10个时，网格搜索法示最佳决策树结点个数＝4，最佳决策树数目＝1 000；当引入变量≥10个时，随机森林机器学习算法预测模型AUC稳定在0.990左右。其中当引入变量＝10个时，随机森林机器学习算法预测模型预测训练集术后3年总体生存AUC为0.992，灵敏度为0.629，特异度为0.996，预测验证集术后3年总体生存AUC为0.723，灵敏度为0.177，特异度为0.948。(4)COX列线图预测模型构建及验证。①训练集患者术后生存因素分析。单因素分析结果显示：HBeAg、甲胎蛋白、围术期输血、肿瘤最大直径、肝被膜侵犯、肿瘤分化程度是影响肝细胞癌患者术后生存的相关因素(风险比＝1.958，1.878，2.170，1.188，2.052，0.222，95%可信区间为1.185～3.235，1.147～3.076，1.389～3.393，1.092～1.291，1.240～3.395，0.070～0.703， P<0.05)。将 P<0.2的临床病理因素纳入Lasso回归分析，其结果显示：性别，HBeAg，甲胎蛋白，手术方式，围术期输血，肿瘤最大直径，肿瘤位置在肝脏Ⅴ段和肝脏Ⅷ段，肝被膜侵犯，肿瘤分化程度(高分化、中高分化、中分化、中低分化)是影响肝细胞癌患者术后生存的相关因素。进一步将上述临床病理因素纳入多因素COX回归分析，其结果显示：HBeAg、手术方式、肿瘤最大直径是肝细胞癌患者术后生存的独立影响因素(风险比＝1.770，8.799，1.142，95%可信区间为1.049～2.987，1.203～64.342，1.051～1.242， P<0.05)。②COX列线图预测模型的构建和验证：将训练集COX多因素分析结果中 P≤0.1的临床病理因素引入Rstudio软件及其rms软件包，构建训练集COX列线图预测模型。COX列线图预测模型预测术后总体生存的C-index为0.723(se＝0.028)，预测训练集术后3年总体生存AUC为0.760，预测验证集术后3年总体生存AUC为0.795。训练集校准图验证显示COX列线图预测模型对术后生存有较好预测效果。COX列线图回归函数＝0.627 06×HBeAg(正常＝0，异常＝1)＋0.134 34×肿瘤最大直径(cm)＋2.107 58×手术方式(腹腔镜＝0，开腹手术＝1)＋0.545 58×围术期输血(无输血＝0，输血＝1)－1.421 33×高分化(非高分化＝0，高分化＝1)。计算所有患者COX列线图风险评分，应用Xtile软件寻找COX列线图风险评分最佳阈值，风险评分≥2.9分为高危组，风险评分<2.9分为低危组。Kaplan-Meier总体生存曲线结果显示：训练集低危组和高危组患者术后总体生存比较，差异有统计学意义( χ2＝33.065， P<0.05)。验证集低危组和高危组患者术后总体生存比较，差异有统计学意义( χ2＝6.585， P<0.05)。进一步采用决策曲线分析结果显示：联合HBeAg、手术方式、围术期输血、肿瘤最大直径和肿瘤分化程度因素的COX列线图预测模型预测性能优于单一因素的预测性能。(5)随机森林机器学习算法预测模型和COX列线图预测模型预测性能评价：通过对2种模型中共同含有的重要变量(肿瘤最大直径)进行分析，并将2种模型通过预测误差曲线进行比较，观察2种模型的预测差异。其结果显示：肿瘤最大直径为2.2 cm时，随机森林机器学习算法和COX列线图预测模型预测患者术后3年生存率分别为77.17%和74.77%( χ2＝0.182， P>0.05)；肿瘤最大直径为6.3 cm时，随机森林机器学习算法和COX列线图预测模型预测患者术后3年生存率分别为57.51%和61.65%( χ2＝0.394， P>0.05)；肿瘤最大直径为14.2 cm时，随机森林机器学习算法和COX列线图预测模型预测患者术后3年生存率分别为51.03%和27.52%( χ2＝12.762， P<0.05)。随着肿瘤最大直径增加，2种模型预测患者生存率差异增大。验证集中，随机森林机器学习算法预测模型预测患者术后3年总体生存AUC为0.723，COX列线图预测模型预测患者术后3年总体生存AUC为0.795，两者比较，差异有统计学意义( t＝3.353， P<0.05)。采用Bootstrap交叉验证结果显示：随机森林机器学习算法预测模型和COX列线图预测模型预测3年生存的整合Brier得分分别为0.139、0.134，COX列线图预测模型预测误差低于随机森林机器学习算法预测模型。 结论:与机器学习算法预测模型比较，COX列线图预测模型预测肝细胞癌术后3年生存性能更佳，且其变量少，易于临床使用。

目的:探索脓毒症患者住院期间最佳脉搏血氧饱和度（SpO 2）范围。 方法:采用病例-对照研究设计。提取美国重症监护医学信息数据库Ⅳ（MIMIC-Ⅳ）脓毒症患者人口统计学信息、生命体征、合并症、实验室参数、危重症评分、临床治疗信息和临床结局等资料。采用广义加性模型（GAM）结合Loess平滑函数，分析并可视化脓毒症患者住院期间SpO 2与院内全因病死率的非线性关系，确定最佳SpO 2范围，然后利用Logistic回归模型和Kaplan-Meier生存曲线验证SpO 2与院内全因病死率的关联性。 结果:共纳入5?937例脓毒症患者，其中1?191例（20.1%）在住院期间死亡。GAM分析显示，脓毒症患者住院期间SpO 2与院内全因病死率存在非线性关系，呈"U"型曲线，当SpO 2在0.96～0.98时病死率最低。经过多因素调整的Logistic回归模型进一步证实，住院期间SpO 2在0.96～0.98的患者病死率低于SpO 2<0.96的患者〔低氧组，优势比（ OR）＝2.659，95%可信区间（95% CI）为2.190～3.229， P<0.001〕和SpO 2>0.98的患者（高氧组， OR＝1.594，95% CI为1.337～1.900， P<0.001）。Kaplan-Meier生存曲线同样表明，住院期间SpO 2在0.96～0.98的患者生存概率高于SpO 2<0.96和SpO 2>0.98的患者（Log-Rank检验： χ2＝113.400， P<0.001）。且敏感性分析显示，除样本量较小的亚组外，在年龄、性别、体质量指数（BMI）、入院类型、种族、心率、收缩压、舒张压、平均动脉压、呼吸频率、体温、心肌梗死、充血性心力衰竭、脑血管疾病、慢性肝病、糖尿病、序贯器官衰竭评分（SOFA）、简化急性生理学评分Ⅱ（SAPSⅡ）、全身炎症反应综合征评分（SIRS）、格拉斯哥昏迷评分（GCS）等亚组分层中，SpO 2在0.96～0.98患者的病死率较SpO 2<0.96和SpO 2>0.98的患者明显降低。 结论:脓毒症患者住院期间SpO 2水平与院内全因病死率呈"U"型曲线关系，即高氧与低氧均与死亡风险增加有关，且确定最佳SpO 2范围为0.96～0.98。

目的:探讨监测、流行病学和最终结果（SEER）数据库中接受放疗的不可手术Ⅲ期非小细胞肺癌（NSCLC）患者数据，评估年龄对预后的意义。方法:收集SEER数据库中2010年至2016年经过美国癌症联合会（AJCC）第7版分期标准诊断为Ⅲ A和Ⅲ B期未接受手术治疗、接受放疗的NSCLC患者资料，共17 117例纳入分析。根据最大选择检验确定年龄的最佳分界值为72岁，据此将患者分为年轻组（<72岁）（11 008例）和年老组（≥72岁）（6 109例）。比较两组的临床基本特征，采用Kaplan-Meier法进行总生存（OS）分析，并行log-rank检验。采用多因素Cox比例风险回归模型分析OS影响因素。采用累积发生函数（CIF）估算两组患者肺癌特异死亡率和其他原因死亡率，应用Fine-Gray竞争风险模型评价两组间死亡率差异，并对肺癌特异死亡影响因素进行分析。 结果:年老组患者中鳞状细胞癌比例高于年轻组[51.1%（3 123/6 109）比46.8%（5 154/11 008）， P<0.01]，Ⅲ A期比例亦高于年轻组[67.4%（4 120/6 109）比60.1%（6 615/11 008）， P<0.01]；年老组接受化疗患者比例低于年轻组[69.2%（4 226/6 109）比88.6%（9 748/11 008）， P<0.01]。年轻组患者的2年和5年OS率分别为39.2%和18.0%，年老组分别为32.4%和12.5%，两组OS差异有统计学意义（ P<0.01）。多因素Cox回归分析显示，年龄、性别、人种、诊断年份、病理类型、T分期、N分期、未手术原因、化疗均为患者放疗后OS的独立影响因素（均 P<0.05），其中年龄（≥72岁比<72岁）的 HR＝1.13（95% CI 1.09～1.18）（ P<0.01）。年老组2年和5年的肺癌特异死亡累积发生率分别为60.3%和75.7%，高于年轻组的55.9%和74.0%，两组肺癌特异死亡累积发生率差异有统计学意义（ P<0.01）；年老组2年和5年的其他原因死亡累积发生率分别为7.3%和11.8%，高于年轻组的4.9%和8.0%，两组其他原因死亡差异有统计学意义（ P<0.01）。根据竞争风险模型分析显示，年龄、性别、人种、诊断年份、病理类型、T分期、N分期、是否化疗均为影响不可手术Ⅲ期NSCLC患者接受放疗后肺癌特异死亡的独立影响因素，其中年龄（≥72岁比<72岁）的 HR＝1.07（95% CI 1.02～1.12）（ P＝0.002）。 结论:年龄是不可手术Ⅲ期接受放疗的NSCLC患者独立预后影响因素。年老患者预后差，其肺癌特异死亡和其他原因死亡的风险均升高。

目的:构建和验证用于预测晚期肝细胞癌总生存期和癌症特异性生存期的Nomogram模型。方法:本研究采用回顾性队列研究的方法，收集SEER数据库中2010—2015年病理诊断为晚期肝细胞癌的患者，共2 382例，使用R语言函数按1∶1的比例随机分为建模组( n＝1 191)和内部验证组( n＝1 191)，并采用 χ2检验验证两组间可比性。选取苏州大学附属张家港医院的62例晚期肝细胞癌患者作为外部验证组。基于建模组中的单因素和多因素COX回归分析，构建6个月和12个月的总生存期和癌症特异性生存期的Nomogram预测模型。一致性指数(C-index)、校准图、受试者工作特征(ROC)曲线和Kaplan-Meier生存分析检测Nomogram模型的评估能力，并在内部验证组、外部验证组中进行验证。通过决策曲线分析(DCA)衡量模型的临床效用。 结果:基于COX回归分析构建Nomogram模型，纳入模型的危险因素包括性别、组织学分级、T分期、N分期、M分期、肿瘤大小、骨转移、甲胎蛋白、原发部位手术、放疗和化疗。总生存期模型中，建模组、内部验证组和外部验证组的C-index分别为0.729(95% CI：0.711~0.747)、0.721(95% CI：0.705~0.737)和0.860(95% CI：0.831~0.889)，癌症特异性生存期模型中分别为0.732(95% CI：0.714~0.750)、0.725(95% CI：0.707~0.743)和0.862(95% CI：0.829~0.895)。校准图、ROC曲线和Kaplan-Meier生存曲线显示Nomogram模型有良好的预测能力，DCA显示Nomogram模型的临床应用价值优于其他传统临床模型。 结论:构建了用于预测晚期肝细胞癌总生存期和癌症特异性生存期的Nomogram模型，并进行了验证。

目的:探讨术前血清胱抑素C水平(Cys-C)对行肝癌切除术后乙型肝炎病毒相关性肝细胞癌(HBV-HCC)患者预后的影响。方法:收集2014年1月至2019年6月于广西医科大学附属肿瘤医院住院行肝癌切除术的940例HBV-HCC患者的临床和随访资料。根据surv_cutpoint函数确定术前HBV-HCC患者血清Cys-C水平的最佳临界值，将所有患者进行分组。运用单因素和多因素Cox回归模型分析影响总生存期(OS)的独立危险因素。结果:HBV-HCC患者术前血清Cys-C水平的最佳临界值为0.710 mg/L。高血清Cys-C水平组患者中男性、年龄≥50岁和有吸烟史者的比例分别高于低血清Cys-C水平组患者[男性：高水平组(88.5%，753例)比低水平组(69.7%，62例)， χ2＝23.150， P<0.001；年龄≥50岁：高水平组(55.3%，471例)比低水平组(30.3%，27例)， χ2＝19.239， P<0.001；有吸烟史：高水平组(42.5%，362例)比低水平组(23.6%，21例)， χ2＝11.203， P<0.001]。对巴塞罗那分期、Child分级和甲胎蛋白等因素进行校正后，多因素Cox回归分析结果发现血清Cys-C水平是HBV-HCC患者术后OS的独立影响因素，高血清Cys-C水平组患者行肝癌切除术后的死亡风险显著高于低血清Cys-C水平组(高水平组比低水平组，风险比＝1.823，95%可信区间＝1.143~2.910， P<0.05)。 结论:术前血清Cys-C水平升高是HBV-HCC患者行肝癌切除术后预后的独立危险因素。

目的:探讨胶质瘤患者术后早期复发的相关影响因素，并构建早期复发预测模型。方法:回顾性分析2014年8月至2016年7月徐州医科大学附属医院收治的94例经病理诊断为胶质瘤的患者。运用Kaplan-Meier法进行生存分析，并行log-rank检验，Cox比例风险回归模型分析影响胶质瘤患者术后早期复发的临床因素，并建立早期复发预测模型。结果:术后12个月内和24个月内的复发率分别为26.6%(25/94)和39.4%(37/94)。单因素分析显示，年龄( χ2＝9.59， P＝0.008)、肿瘤切除程度( χ2＝14.26， P<0.001)、Karnofsky功能状态(KPS)评分( χ2＝19.41， P<0.001)、是否放化疗( χ2＝5.10， P＝0.024)、病理分级( χ2＝5.83， P＝0.016)与胶质瘤患者术后早期复发有关。多因素Cox比例风险回归模型分析显示，病理分级( OR＝2.64，95% CI为1.75~3.97， P<0.001)、切除程度( OR＝0.34，95% CI为0.19~0.62， P<0.001)和放化疗( OR＝2.58，95% CI为1.34~4.99， P＝0.005)是胶质瘤患者术后早期复发的独立影响因素。胶质瘤患者术后早期复发风险函数模型表达式为h(t)＝h 0exp(0.970X 1-1.081X 2+0.949X 3)。X 1、X 2、X 3分别表示病理分级、切除程度和放化疗。 结论:病理高级别、未进行放化疗是影响胶质瘤患者早期复发的独立危险因素，肿瘤完全切除可以降低术后早期复发的风险，改善预后。构建的早期复发预测模型可以为临床诊疗工作提供一定的参考依据。

目的:评估放化疗和手术在颈段食管癌（CEC）治疗中的价值。方法:回顾性分析美国国立癌症研究所监测、流行病学和最终结果（SEER）数据库，收集2004—2017年的颈段食管癌患者资料，共459例纳入研究。根据治疗因素将患者分为放化疗组（379例）及手术组（80例）。采用Kaplan-Meier法对入组病例进行生存分析并绘制生存曲线，运用Cox比例风险回归模型进行多因素生存分析，采用累积发生函数（CIF）估算两组不同原因死亡率，用Fine-Gray竞争风险模型评价两组间死亡率差异。通过分析CEC患者临床特征和生存情况，比较手术和放化疗的总生存（OS）有无差异。结果:放化疗组2、5年生存率分别为43.1%、22.4%，手术组2、5年生存率分别为46.8%、26.0%。放化疗组和手术组比较，OS无明显差异（ P=0.750）。Cox多因素分析结果显示，治疗方式（手术∶放化疗）不是OS的独立影响因素。基于竞争风险分析结果，放化疗组患者的食管癌特异性死亡风险高于手术组，两组间差异有统计学意义（ P<0.001），放化疗组患者的其他原因特异性死亡风险低于手术组（ P<0.001）。手术组死于口腔、口咽、下咽及喉部疾病的比例明显高于放化疗组（ P<0.001）。 结论:CEC患者行放化疗或手术治疗OS无明显差异。手术组食管癌特异性死亡风险低，但其他原因死亡风险高。