目的 :探讨竞争风险场合下影响宫颈癌患者预后的因素。方法:选取美国医疗保险监测、流行病学和最终结果(Surveillance,Epidemiology and End Results,SEER)数据库中1988—2008年华人宫颈癌患者的数据。兴趣事件为患者死于宫颈癌,竞争事...目的 :探讨竞争风险场合下影响宫颈癌患者预后的因素。方法:选取美国医疗保险监测、流行病学和最终结果(Surveillance,Epidemiology and End Results,SEER)数据库中1988—2008年华人宫颈癌患者的数据。兴趣事件为患者死于宫颈癌,竞争事件为死于其他疾病(如心脏病或其他肿瘤等)。在考虑竞争风险时,运用累积风险模型计算不同诊断年龄、国际妇产科联盟(International Federation of Gynecology and Obstetrics,FIGO)分期、淋巴结转移程度及放疗情况下兴趣事件的累积发生率,组间比较采用Gray检验;然后,运用Fine-Gray模型进行多因素回归分析。结果 :共有585例宫颈癌患者纳入分析,其中50例患者发生兴趣事件,43例患者发生竞争事件。经Gray检验发现,在不同初诊年龄、FIGO分期、淋巴结转移程度和放疗情况下兴趣事件的累积发生率差异均有统计学意义(P值均<0.001);多因素回归分析显示,在Fine-Gray模型中,FIGO分期与淋巴结转移程度是宫颈癌患者预后的独立危险因素(P值均<0.05)。在竞争风险存在时,原位癌(0期)、Ⅱ期和Ⅲ期患者死于宫颈癌的相对危险度是Ⅰ期患者的0.022倍、2.34倍和3.57倍,而区域(近端)淋巴结转移和远端淋巴结转移的患者与无淋巴转移的患者相比死于宫颈癌的风险更高(相对危险度分别为2.497和3.518)。结论 :竞争风险模型下,宫颈癌患者的FIGO分期越高,淋巴转移越严重,则预后越差。当存在竞争风险时,应合理运用分析方法和模型来进行数据分析。展开更多
文摘目的研究磁共振弥散加权成像(MR-DWI)ADC值在诊断肝脏纤维化模型(Liver fibrosis model,LFM)病理变化中的价值和意义。方法对4只正常和13只LFM兔进行MR-DWI检查,选择b值为200s·mm-2、500s·mm-2、300s·mm-2、600s·mm-2,分别在肝脏左右侧获得4个ADC值。按照ISHAK肝脏病理组织学评分和纤维化分期标准,对全部兔肝脏标本进行组织病理学评分分级(1～6分为一级、7～12分为二级、13～18分为三级)和纤维化分期(Ⅰ期～Ⅵ期),以此为标准统计分析ADC值的变化情况。统计学分析应用SPSS13.0统计软件包,采用单向方差分析方法(Analysis of variance,ANOVA)。P<0.05为差异有统计学意义。结果兔LFM组中4个ADC值均明显低于正常对照组,统计分析表明正常对照组与模型组、不同病理评分分级和纤维化分期间ADC值差异性均有统计学意义,P=0.000。结论肝脏发生纤维化时,肝组织的ADC值明显降低,随着病理评分分级和纤维化分期的增加,ADC值降低越加显著。肝细胞变性、肿胀和炎细胞浸润,以及间质内胶原纤维沉积,使水份含量减少,水的自由运动受到限制,是导致ADC值降低的主要病理学基础。
文摘目的 :探讨竞争风险场合下影响宫颈癌患者预后的因素。方法:选取美国医疗保险监测、流行病学和最终结果(Surveillance,Epidemiology and End Results,SEER)数据库中1988—2008年华人宫颈癌患者的数据。兴趣事件为患者死于宫颈癌,竞争事件为死于其他疾病(如心脏病或其他肿瘤等)。在考虑竞争风险时,运用累积风险模型计算不同诊断年龄、国际妇产科联盟(International Federation of Gynecology and Obstetrics,FIGO)分期、淋巴结转移程度及放疗情况下兴趣事件的累积发生率,组间比较采用Gray检验;然后,运用Fine-Gray模型进行多因素回归分析。结果 :共有585例宫颈癌患者纳入分析,其中50例患者发生兴趣事件,43例患者发生竞争事件。经Gray检验发现,在不同初诊年龄、FIGO分期、淋巴结转移程度和放疗情况下兴趣事件的累积发生率差异均有统计学意义(P值均<0.001);多因素回归分析显示,在Fine-Gray模型中,FIGO分期与淋巴结转移程度是宫颈癌患者预后的独立危险因素(P值均<0.05)。在竞争风险存在时,原位癌(0期)、Ⅱ期和Ⅲ期患者死于宫颈癌的相对危险度是Ⅰ期患者的0.022倍、2.34倍和3.57倍,而区域(近端)淋巴结转移和远端淋巴结转移的患者与无淋巴转移的患者相比死于宫颈癌的风险更高(相对危险度分别为2.497和3.518)。结论 :竞争风险模型下,宫颈癌患者的FIGO分期越高,淋巴转移越严重,则预后越差。当存在竞争风险时,应合理运用分析方法和模型来进行数据分析。
