目的:采用倾向性评分匹配法均衡组间协变量后，比较胰十二指肠切除术(PD)和全胰腺切除术(TP)对胰头癌患者术后生存期的影响及相关预后因素。方法:检索美国国立癌症研究所监测、流行病学和结果(SEER)数据库并筛选出2010年至2016年间3 676例胰头癌患者，其中3 559例行PD(PD组)，117例行TP(TP组)。利用倾向性评分匹配平衡混杂因素，最终PD组与TP组各117例匹配成功。应用Kaplan-Meier曲线观察匹配前和匹配后患者术后总体生存率及癌症特异生存率，利用Log-rank检验及Cox比例风险模型分析评估不同临床病理特征对胰头癌患者预后的影响。结果:匹配前PD组3 559例患者1、3、5年癌症特异生存率分别为72.8%、35.1%、24.9%，中位生存时间为23.89个月；TP组117例患者分别为67.9%、29.4%、26.1%和21.51个月，差异均无统计学意义( P值均>0.05)。匹配后，PD组117例患者1、3、5年癌症特异生存率分别为77.8%、44.5%、31.8%，中位生存时间为31.50个月，显著优于TP组，差异有统计学意义( P值均<0.05)。Cox回归分析显示手术方式、肿瘤分化程度、N分期、病理类型是影响总体生存率与癌症特异生存率的独立危险因素。 结论:手术方式、肿瘤分化程度、N分期、病理类型是影响患者总体生存率及癌症相关生存率的独立危险因素。PD的生存获益显著优于TP，临床上对胰头癌患者行TP治疗需慎重选择。

鼻腔鼻窦恶性肿瘤是头颈部的罕见肿瘤，异质性高，侵袭性强，预后差，治疗结局与组织病理学、临床分期等因素密切相关。受临床研究病例数量的限制，目前学界对鼻腔鼻窦恶性肿瘤诊治的部分问题尚未达成共识，如何提高生存率、改善预后仍是临床上的重要挑战。基于美国国家癌症研究所“监测、流行病学和最终结果”（SEER）数据库开展相关研究，可以得出可信度更高的结论。本综述旨在总结基于SEER数据库的鼻腔鼻窦恶性肿瘤研究进展，为读者提供研究思路和方向。

目的:探讨喉癌合并同时性肺癌患者的预后影响因素以及首诊病种与造成死亡病种之间的关系。方法:回顾性分析监测、流行病学和最终结果（SEER）数据库中2004年1月至2015年12月被诊断为喉癌合并同时性肺癌240例患者的临床病理资料。采用 χ2检验评估患者首诊病种与造成死亡病种之间的关系；采用Kaplan-Meier法行生存分析；采用Cox比例风险模型对患者总生存的影响因素进行单因素和多因素分析。 结果:共纳入240例喉癌合并同时性肺癌患者，其中年龄≥65岁141例；男性222例，女性18例。患者首诊的病种与造成死亡的病种无关（ χ2＝3.31， P＝0.191）。患者1、3、5年总生存率分别为62.1%、31.5%、16.4%。单因素分析显示，喉癌原发灶位置、肺癌原发灶位置、肺癌组织学分级、病理学类型、临床分期、手术情况、放疗情况对患者总生存均有影响（均 P<0.05）；多因素分析显示，喉癌原发灶位置、肺癌原发灶位置、肺癌组织学分级、病理学类型、临床分期、手术情况是患者总生存的独立影响因素（均 P<0.05）。 结论:喉癌合并同时性肺癌患者预后的独立影响因素包括喉癌原发灶位置、肺癌原发灶位置、肺癌组织学分级、病理学类型、临床分期、手术情况。患者首诊病种与造成死亡病种之间不具有相关性。

目的:探讨乳腺分泌性癌(SBC)的临床病例特征及预后的影响因素。方法:利用美国国立癌症研究监测、流行病学和最终结局数据库(SEER)，筛选2004年1月至2020年12月经病理诊断为SBC(79例)和浸润性导管癌(IDC)(461 750例)的病例资料，分析两组的临床病理特征及生存情况，使用COX分析总生存期(OS)和乳腺癌特异性生存期(BCSS)的影响因素。采用倾向性得分匹配法(PSM)按1∶1比例匹配平衡混杂因素，利用Kaplan-Meier法分析匹配后两组生存差异。结果:乳腺分泌性癌患者与浸润性导管癌患者在年龄( Z＝27.887， P<0.01)、婚姻状况( χ2＝9.639， P<0.01)、雌激素受体( χ2＝4.873， P<0.05)、孕激素受体( χ2＝42.917， P<0.01)、组织学分级( Z＝5.442， P<0.01)及N分期( Z＝2.616， P<0.01)方面差异有统计学意义；而在性别、种族、肿瘤位置、T分期、M分期、手术、放疗和化疗无统计学意义( P>0.05)。COX回归提示乳腺分泌性癌患者预后更好[风险比( HR)＝1.616，95%可信区间( CI)：1.589～0.871， P<0.05]；组织学分级越高，其预后越差(组织学为Ⅱ级 HR＝1.159，95% CI：1.133～1.186， P<0.01；组织学为Ⅲ级 HR＝1.440，95% CI：1.406～1.476， P<0.01)；肿瘤体积越大，其预后更差(T2分期 HR＝1.616，95% CI：1.589～1.643， P<0.01；T3分期 HR＝2.188，95% CI：2.130～2.249， P<0.01；T4分期 HR＝2.484，95% CI：2.416～2.554， P<0.01)；淋巴结转移越多的患者预后差(N1分期 HR＝1.426，95% CI：1.402～1.451， P<0.01；N2分期 HR＝2.079，95% CI：2.028～2.131， P<0.01；N3分期 HR＝2.576，95% CI：2.054～2.649， P<0.01)。按1∶1比例将两组进行倾向性得分匹配，两组患者的总生存期和乳腺癌特异性生存期均无统计学意义( HR＝1.816，95% CI：0.785～4.205、 HR＝0.928，95% CI：0.232～3.721， P>0.05)。 结论:乳腺分泌性癌是临床罕见的恶性肿瘤，具有生长缓慢、组织学分级低、较少发生转移等临床病理特征。组织学分级、肿瘤体积、淋巴结转移情况是影响预后的因素。

目的:探讨未分化甲状腺癌（ATC）预后的影响因素，评估构建的随机生存森林（RSF）模型在ATC预后预测中的应用价值。方法:选择2004-2015年美国国立癌症研究所的监测、流行病学和最终结果（SEER）数据库中经组织病理学诊断为ATC的患者707例，采用简单随机法将所有患者分为训练集（495例）和验证集（212例）。采用单因素Cox比例风险模型分析影响训练集患者总生存（OS）的相关因素。采用基于最小赤池信息量准则（AIC）的多因素Cox比例风险模型分析上述变量并进行筛选，基于筛选出的变量构建预测OS的传统Cox模型；采用RSF算法对单因素Cox回归分析中 P<0.05的变量进行分析，筛选重要的5个特征，纳入基于最小AIC的多因素Cox比例风险模型，采用筛选出的变量构建预测OS的RSF-Cox模型。采用时间依赖受试者工作特征（tROC）曲线及曲线下面积（AUC）、校正曲线、决策曲线、综合Brier评分（IBS），通过训练集和验证集来评估各模型预测OS的效能。 结果:单因素Cox回归分析显示，年龄、是否接受化疗、淋巴结转移情况、是否接受放疗、手术方式、肿瘤浸润程度、肿瘤数量、肿瘤长径和诊断时年份这9个变量是ATC预后的影响因素（均 P<0.05）。基于最小AIC（4855.8）的多因素Cox回归分析显示，年龄较小（61~70岁比>80岁： HR=0.732，95% CI 0.560~0.957， P=0.023；≤50岁比>80岁： HR=0.561，95% CI 0.362~0.870， P=0.010）、接受化疗（是比否： HR=0.623，95% CI 0.502~0.773， P<0.001）、接受放疗（是比否： HR=0.695，95% CI 0.559~0.866， P=0.001）、接受手术（叶切除比未手术或未知： HR=0.712，95% CI 0.541~0.939， P=0.016；全切或次全切比未手术或未知： HR=0.535，95% CI 0.436~0.701， P<0.001）、肿瘤长径（≤2 cm比>6 cm： HR=0.495，95% CI 0.262~0.938， P=0.031；>2 cm且≤4 cm比>6 cm： HR=0.714，95% CI 0.520~0.980， P=0.037；>4 cm且≤6 cm比>6 cm： HR=0.699，95% CI 0.545~0.897， P=0.005）是ATC患者OS的独立保护因素；淋巴结转移（N 1未知比N 0： HR=1.664，95% CI 1.158~2.390， P=0.006；N 1b比N 0： HR=1.312，95% CI 1.029~1.673， P=0.028）、更具侵袭性的肿瘤浸润程度（组别3比组别1： HR=1.492，95% CI 1.062~2.096， P=0.021；组别4比组别1： HR=1.636，95% CI 1.194~2.241， P=0.002）是ATC患者OS的独立危险因素，诊断时年份（2010-2015年比2004-2009年： HR=1.166，95% CI 0.962~1.413， P=0.118）虽无统计学意义，但将其纳入可提高传统Cox模型的效能，故也将其纳入传统Cox模型。采用RFS算法，筛选出手术方式、肿瘤长径、年龄分组、是否接受化疗和肿瘤数量5个变量，基于最小AIC（4 884.6）的多因素Cox回归分析显示，接受化疗（是比否： HR=0.574，95% CI 0.476~0.693， P<0.001）、手术方式（叶切除比未手术或未知： HR=0.730，95% CI 0.567~0.940， P=0.015；全切或次全切比未手术或未知： HR=0.527，95% CI 0.423~0.658， P<0.001）、肿瘤长径（≤2 cm比>6 cm： HR=0.428，95% CI 0.231~0.793， P=0.007；>2 cm且≤4 cm比>6 cm： HR=0.701，95% CI 0.513~0.958， P=0.026；>4 cm且≤6 cm比>6 cm： HR=0.681，95% CI 0.536~0.866， P=0.002）是ATC患者OS的独立影响因素，基于这3个变量构建RSF-Cox模型。tROC曲线分析显示，在训练集中RSF-Cox模型预测6、12、18个月OS率的AUC分别为93.56、92.62、90.80，在验证集中分别为93.05、92.47、90.20；在训练集中传统Cox模型分别为89.00、87.76、85.24，在验证集中分别为86.22、83.68、82.86。预测6、12、18个月OS率时，RSF-Cox模型校准曲线较传统Cox模型更接近45°，RSF-Cox模型决策曲线的临床净获益均高于传统Cox模型。RSF-Cox模型IBS（0.089）低于传统Cox模型（0.111）。 结论:基于接受化疗、手术方式、肿瘤长径构建的RSF模型可以有效预测ATC患者的OS。

目的:分析乳腺分泌性癌(SBC)与浸润性导管癌(IDC)之间临床病理特征和预后的差异，并探讨SBC对乳腺癌预后的影响。方法:在监测、流行病学和最终结果(SEER)数据库检索1990年—2016年的SBC和IDC患者，经筛选后确定109例SBC(SBC组)和558 814例IDC(IDC组)入组研究，比较两组临床病理特征差异，采用倾向性得分匹配方法按1∶4比例匹配平衡混杂因素，分析匹配前后两种组织学类型乳腺癌特异性生存期(BCSS)和总生存期(OS)，绘制Kaplan-Meier生存曲线，采用log-rank检验比较组间生存差异。Cox比例风险回归模型进行单因素及多因素分析确定乳腺癌预后的影响因素。结果:SBC组与IDC组在诊断年龄、婚姻状态、性别、组织学分级、AJCC N分期、雌激素受体(ER)、孕激素受体(PR)表达方面差异有统计学意义(均 P<0.05)。SBC组BCSS与IDC组差异无统计学意义( P＝0.541)，OS优于IDC组( P<0.05)。Cox单因素及多因素回归分析显示诊断年龄、种族、婚姻、性别、病变部位、组织学分级、AJCC分期、手术方式和ER、PR表达均是影响BCSS和OS的相关因素(均 P<0.05)。SBC是影响乳腺癌OS的独立影响因素( P<0.05)。按照1∶4的比例进行倾向性得分匹配后两组BCSS与OS差异均无统计学意义(均 P<0.05)。Cox回归分析显示AJCC T分期、PR阴性表达是BCSS的影响因素(均 P<0.05)，诊断年龄、AJCC T分期是OS的影响因素(均 P<0.05)。SBC不再是乳腺癌OS的影响因素。 结论:SBC与IDC预后无显著性差异，SBC不是乳腺癌预后的影响因素。

目的:分析老年原发下咽癌的预后因素，构建并验证老年下咽癌患者生存预后的预测模型。方法:选择监测、流行病学和最终结果（Surveillance，Epidemiology and End Results，SEER）数据库中2010年1月至2015年12月年龄>60岁诊断为下咽恶性肿瘤患者的临床资料1100例，随机分为建模组（ n=845）和验证组（ n=255），采用LASSO回归优化筛选变量进行临床特征选择，使用10倍交叉验证生成5个有意义的变量：年龄、T分级、M分级、婚姻状态、手术类型；利用Cox回归模型对建模组及验证组进行区分度、校准度及临床适用度评估，列线图展示建模组预测结果，根据构建的模型风险评分，按中位数分为高低风险组，绘制出建模组及验证组生存分析曲线图。 结果:年龄、T分级、M分级、婚姻状态、手术类型是老年下咽恶性肿瘤预后的因素。建模组C指数为0.652（95% CI: 0.625~0.679），验证组C指数为0.64（95% CI: 0.597~0.683）；建模组中12个月及36个月ROC曲线下面积分别为0.678及0.785，验证组中12个月及36个月ROC曲线下面积分别为0.656及0.64；预测12个月及36个月生存曲线的校准度及临床决策曲线与实际生存率具有较好的一致性，风险评分绘制出生存曲线显示高风险组预后较差。 结论:老年下咽癌患者预后与年龄、分期、婚姻状态及手术有关，手术治疗能够改善老年下咽癌患者的预后生存。

本综述系统梳理了国内外使用树状扫描统计量（TreeScan）方法开展的药物流行病学原始研究，总结TreeScan方法的发展与应用现状，阐述其方法学原理，为我国开展同类研究提供参考。通过系统检索英文文献数据库（Medline、Embase与Web of Science），最终纳入15项研究，其中9项为药物安全性监测研究，6项为疫苗安全性监测研究。研究中采用的TreeScan方法有3类：泊松概率模型、伯努利概率模型及树状时空扫描统计量模型。3类模型的差别主要体现在：在研究设计时是否预先设定了对照、是否考虑了暴露至出现不良事件间的风险期时长。部分研究比较了TreeScan方法与其他不良反应信号发掘方法的检出结果，或使用已知存在的不良反应，探讨了该方法对不良反应信号的检出能力。通过总结发现TreeScan是一种有效的药品安全性信号监测方法，国际上目前仍处于快速发展阶段，十分有必要推进TreeScan方法在我国药品、疫苗安全性监测和其他相关研究领域的探索与应用。

目的:基于监测、流行病学和最终结果数据库(SEER)记录的腹膜后肿瘤数据，构建并验证腹膜后肿瘤患者生存预后预测模型。方法:收集2000至2019年腹膜后肿瘤临床数据，使用X-title软件计算年龄的最佳截断值，使用R语言将数据分为建模组和验证组。使用单因素和多因素COX回归分析构建腹膜后肿瘤患者预后预测模型。采用一致性指数(C指数)、受试者工作特征曲线(ROC曲线)和校准曲线对列线图进行评估。将本研究构建的模型与第7版美国癌症联合委员会(AJCC)TNM分期系统进行比较，采用净重分类改善指数(NRI)和综合判别改善指数(IDI)对模型性能进行评价。结果:纳入6个风险因素构建列线图用以预测患者3年和5年存活率。建模组C指数0.742，验证组C指数0.737。建模组预测3年和5年生存率的ROC曲线下面积(AUC)分别为0.817和0.794，验证组分别是0.779和0.789。校准曲线显示建模组和验证组预测3年和5年生存率和实际生存率拟合较好。NRI和IDI结果说明本研究预测模型与第7版AJCC的TNM分期比较具有正改善。以此模型构建的风险分层模型中低风险组预后好于高风险组( P＝0)，差异有统计学意义。 结论:本研究成功构建腹膜后肿瘤预测模型并进行验证，为患者3年和5年生存率预测提供一个简便可靠的工具。同时，以本预测模型构建的风险分层模型可以区分不同风险的患者，对腹膜后肿瘤患者的个体化治疗具有重大意义。

目的:探讨老年上尿路尿路上皮癌手术联合放疗效果和基于机器学习的生存预测的研究。方法:通过监测、流行病学和最终结果的数据库搜集数据。采用倾向性得分匹配两组信息。采用单因素和多因素Cox回归分析比较未放疗与放疗两组上尿路尿路上皮癌特异性生存和总生存。开发6种机器学习模型，建立预测放疗后5年肿瘤特异性生存（CSS）机器学习模型。结果:根据CSS单因素和多因素分析，未接受放疗的肿瘤特异性生存降低[95%置信区间（ CI）：1.151～1.618]，年龄80岁以上（95% CI：1.052～1.278）、单身（95% CI：1.134～2.321）、离异（95% CI：1.255～1.877）、T3～4（95% CI：1.572～2.382）、N2～3分期（95% CI：1.162～1.987），未接受化疗（95% CI：1.108～1.608）、浸润性尿路上皮癌（95% CI：1.082～2.185）和N1（95% CI：1.229～2.282）特异性生存降低。相对于其他5种机器学习模型，极端梯度提升（XGBoost）模型最优，该模型的准确度为0.922，精度为0.923，灵敏度为0.931，F1得分为0.901，曲线下面积（AUC）为0.901。 结论:通过筛选肿瘤特异性生存的相关因素，进一步选出术后放疗生存的最佳的机器学习预测模型。