目的:构建预测头颈部腺样囊性癌(ACCHN)患者生存情况的列线图。方法:选择2000年至2017年SEER数据库的2 108例ACCHN患者作为建模队列,通过Cox回归分析筛选影响患者预后的独立因素,构建预测患者3 a、5 a总生存率(OS)和癌症特异性生存率(C...目的:构建预测头颈部腺样囊性癌(ACCHN)患者生存情况的列线图。方法:选择2000年至2017年SEER数据库的2 108例ACCHN患者作为建模队列,通过Cox回归分析筛选影响患者预后的独立因素,构建预测患者3 a、5 a总生存率(OS)和癌症特异性生存率(CSS)的列线图。选取2000年至2017年确诊的149例ACCHN患者作为外部验证队列,采用一致性指数(C指数)、ROC曲线和校准曲线评估列线图的性能。结果:年龄、性别、单原发癌、手术、化疗、原发部位、T分期、N分期、M分期是OS的影响因素。年龄、单原发癌、手术、化疗、原发部位、AJCC分期、T分期、N分期、M分期是CSS的影响因素。以上特征均整合在预测3 a和5 a OS和CSS的列线图中,内部验证C指数(95%CI)分别为0.770(0.754~0.786)和0.602(0.584~0.620),外部验证C指(95%CI)分别为0.796(0.795~0.797)和0.781(0.780~0.782)。内部验证中预测3 a和5 a OS的AUC(95%CI)分别为0.826(0.803~0.849)和0.814(0.792~0.835),预测3 a和5 a CSS的AUC(95%CI)分别为0.845(0.820~0.871)和0.834(0.811~0.857);外部验证中预测3 a和5 a OS的AUC(95%CI)分别为0.855(0.779~0.932)和0.838(0.768~0.909),预测3 a和5 a CSS的AUC(95%CI)分别为0.806(0.701~0.911)和0.806(0.726~0.886)。结论:本研究所构建的列线图可以准确预测ACCHN患者的OS和CSS,有助于个性化的预后评估和临床决策。展开更多
文摘目的:构建预测头颈部腺样囊性癌(ACCHN)患者生存情况的列线图。方法:选择2000年至2017年SEER数据库的2 108例ACCHN患者作为建模队列,通过Cox回归分析筛选影响患者预后的独立因素,构建预测患者3 a、5 a总生存率(OS)和癌症特异性生存率(CSS)的列线图。选取2000年至2017年确诊的149例ACCHN患者作为外部验证队列,采用一致性指数(C指数)、ROC曲线和校准曲线评估列线图的性能。结果:年龄、性别、单原发癌、手术、化疗、原发部位、T分期、N分期、M分期是OS的影响因素。年龄、单原发癌、手术、化疗、原发部位、AJCC分期、T分期、N分期、M分期是CSS的影响因素。以上特征均整合在预测3 a和5 a OS和CSS的列线图中,内部验证C指数(95%CI)分别为0.770(0.754~0.786)和0.602(0.584~0.620),外部验证C指(95%CI)分别为0.796(0.795~0.797)和0.781(0.780~0.782)。内部验证中预测3 a和5 a OS的AUC(95%CI)分别为0.826(0.803~0.849)和0.814(0.792~0.835),预测3 a和5 a CSS的AUC(95%CI)分别为0.845(0.820~0.871)和0.834(0.811~0.857);外部验证中预测3 a和5 a OS的AUC(95%CI)分别为0.855(0.779~0.932)和0.838(0.768~0.909),预测3 a和5 a CSS的AUC(95%CI)分别为0.806(0.701~0.911)和0.806(0.726~0.886)。结论:本研究所构建的列线图可以准确预测ACCHN患者的OS和CSS,有助于个性化的预后评估和临床决策。
