مقالة منهجية

مخطط نوموغرام للمخاطر التنافسية للتنبؤ بالبقاء على قيد الحياة الخاص بالسرطان لدى العديد من مرضى سرطان القولون والمستقيم الأولي بعد الجراحة

DOI:

10.3791/67433

⸱

سبتمبر 27, 2024

 ,  ,  ,  ,  , 
1Department of General Surgery, Tianjin Medical University General Hospital, 2Department of Oncology, Tianjin Medical University General Hospital

* These authors contributed equally

في هذه المقالة

ملخص

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

وجدت الدراسة أن الجنس الذكري ، ودرجة الورم الضعيفة ، ومرحلة ورم خبيث العقدة الورمية المتقدمة ارتبطت ببقاء على قيد الحياة الفردي للسرطان (CSS) في العديد من مرضى سرطان القولون والمستقيم الأولي (MPCC) بعد الجراحة. قمنا بتطوير رسم تخطيطي للتنبؤ ب CSS لمرضى MPCC والمساهمة في اتخاذ قرارات العلاج السريري.

الملخص

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

يتأثر البقاء على قيد الحياة النوعي للسرطان (CSS) في العديد من مرضى سرطان القولون والمستقيم الأولي (MPCC) بشكل تنافسي بالوفاة لأسباب أخرى. تهدف هذه الدراسة إلى التحقيق في CSS وعوامل الخطر المرتبطة بها من خلال تحليل المخاطر المتنافس في مرضى MPCC. بيانات هذه الدراسة مأخوذة من قاعدة بيانات SEER. باستخدام التحليل أحادي المتغير ومتعدد المتغيرات لنموذج المخاطر التنافسية لإضعاف تأثير الأحداث التنافسية ، يستكشف عوامل الخطر ل CSS ويطور نموذج الرسم التخطيطي. بعد ذلك ، يتم التحقق من أداء النموذج من خلال منحنى ROC ومنحنى المعايرة و DCA. تشمل الدراسة ما مجموعه 8931 مريضا ، منهم 6255 في مجموعة التدريب و 2676 في مجموعة التحقق من الصحة. أظهرت التحليلات أحادية المتغير ومتعددة المتغيرات أن الجنس ومرحلة ورم خبيث العقدة الورمية (TNM) ودرجة الورم هي عوامل خطر مستقلة للبقاء على قيد الحياة الخاص بالسرطان لدى مرضى MPCC. بناء على عوامل الخطر ، قمنا بتطوير نموذج رسم تخطيطي للتنبؤ ب CSS. يظهر منحنى ROC ومنحنى المعايرة و DCA أيضا نتائج جيدة. في الختام ، تم تطوير مخطط الاسم الذي يعمل كأداة قيمة للتنبؤ ب CSS في مرضى MPCC ، مما يوفر للأطباء رؤى مهمة لتخطيط العلاج الشخصي.

المقدمة

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

شهد سرطان القولون والمستقيم ، باعتباره أحد أكثر أورام الجهاز الهضمي شيوعا على مستوى العالم ، زيادة مستمرة في حدوثه على مدى العقود القليلة الماضية. وقد اجتذبت معدلات الإصابة والوفيات المرتفعة باستمرار اهتماما كبيرا. وفقا لأحدث الإحصائيات ، يحتل سرطان القولون والمستقيم المرتبة الثالثة بين الأورام الخبيثة الشائعة في جميع أنحاء العالم ، حيث يحتل معدل الوفيات في المرتبة الثانيةعالميا 1. سرطان القولون والمستقيم الأولي المتعدد (MPCC) هو نوع فرعي خاص من سرطان القولون والمستقيم حظي باهتمام متزايد من الباحثين في السنوات الأخيرة. يتم تعريفه على أنه تشخيص اثنين أو أكثر من آفات سرطان القولون والمستقيم المستقلة في نفس المريض ، بمسافة تزيد عن 5 سم بين حواف الآفات. في MPCC ، عندما يتم تشخيص أورام متعددة في وقت واحد أو في غضون أقل من 6 أشهر ، يتم تعريفها على أنها سرطان القولون والمستقيم المتزامن (SCRC) ، بينما إذا كانت الفترة الفاصلة بين التشخيصات أكبر من 6 أشهر ، يتم تعريفها على أنها سرطان القولون والمستقيم المتاكروني (MCRC) 2،3،4،5.

نسبة MPCC في جميع سرطانات القولون والمستقيم منخفضة نسبيا ، وتختلف التقارير عن حدوثها باختلاف المناطق والدراسات. أفادت الدراسات الحديثة أن MPCC يمثل ما بين 2٪ -10٪ من سرطانات القولون والمستقيم2،3،4،5. بالمقارنة مع سرطان القولون والمستقيم الانفرادي ، فإن MPCC لديه تشخيص أسوأ3،6. حاليا ، يعتمد التقييم السريري لتشخيص MPCC بشكل أساسي على نظام التدريج ورم خبيث العقدة الليمفاوية (TNM) التابع للجنة الأمريكية المشتركة للسرطان ، والذي يستخدم المرحلة الأكثر تقدما من الآفات المتعددة كمرحلة فعلية من MPCC. ومع ذلك ، فإن بناء تنبؤات التشخيص فقط على التدريج TNM غير كاف. لا يزال هناك نقص في أداة فعالة للتنبؤ بتشخيص MPCC بعد الجراحة. في العصر الحالي للطب الدقيق ، تستخدم نماذج التنبؤ السريري لقياس المخاطر على نطاق واسع في اتخاذ القرارات السريرية وتقييم تشخيص المريض7،8. في السنوات الأخيرة ، تم قبول مخططات الأسماء المستندة إلى عوامل الخطر التنبؤية المستقلة على نطاق واسع للتنبؤ بتشخيصالورم 9. يمكن أن تصور Nomograms نماذج إحصائية معقدة ، مما يسهل تطبيقها في الإعدادات السريرية. في تقييم تشخيص الورم ، يعد البقاء على قيد الحياة الكلي (OS) والبقاء على قيد الحياة الخاص بالسرطان (CSS) من مؤشرات النتائج الأكثراستخداما 9. يشير نظام التشغيل إلى الوقت من تأكيد الإصابة بالسرطان لدى المريض إلى الوفاة لأي سبب. يشير CSS إلى الوقت من تشخيص الورم إلى الموت الناجم عن السرطان على وجه التحديد ، مما يوفر انعكاسا أكثر دقة لخطر الوفاة بسبب السرطان. عند استخدام CSS كمؤشر للنتائج ، يمكن أن تؤثر الوفيات الناجمة عن عوامل أخرى على احتمالية الوفيات الخاصة بالسرطان ، مما يؤدي إلى وجود علاقة خطر متنافسة بين الحدثين10،11. لذلك ، يجب أن تستخدم دراسات البقاء على قيد الحياة الخاصة بالورم نماذج مخاطر متنافسة للقضاء على تأثير الأحداث المتنافسة. أنشأت الدراسات السابقة نماذج للتنبؤ بتشخيص MPCC ، لكنها اقتصرت على سرطان القولون والمستقيم المتزامن ولم تستخدم نماذج المخاطر المتنافسة لحساب تأثير الأحداث المتنافسة على CSS12،13،14.

في هذه الدراسة ، استكشفنا عوامل الخطر المستقلة المتنافسة التي تؤثر على البقاء على قيد الحياة الخاص بالسرطان ل MPCC بعد الجراحة. ينبع الأساس المنطقي لاستخدام نموذج مخاطر منافس من قدرته على تفسير احتمال وفاة المرضى لأسباب أخرى غير السرطان ، وهو أمر بالغ الأهمية للحصول على تقديرات غير متحيزة للبقاء على قيد الحياة15،16. قد تبالغ تقنيات تحليل البقاء التقليدية ، مثل نموذج كوكس ، في تقدير احتمالات البقاء على قيد الحياة في وجود أحداث متنافسة ، مما يجعل استخدام نماذج المخاطر المتنافسة أكثر ملاءمة في هذه السيناريوهات17.

بناء على عوامل الخطر المستقلة المحددة ، قمنا ببناء رسم بياني للتنبؤ باحتمالية البقاء على قيد الحياة والتحقق من أدائه. اكتسبت مخططات الاسمية شعبية في الإعدادات السريرية لأنها توفر تمثيلا رسوميا سهل الاستخدام للنماذج الإحصائية المعقدة ، مما يسمح للأطباء بحساب درجات المخاطر الفرديةبسهولة 18،19. على عكس الأدوات التنبؤية الأخرى ، تتضمن الصور القياسية عوامل خطر متعددة وتوفر تقديرات تشخيص أكثر دقة وتخصيصا. تم التحقق من صحة هذا النهج بشكل متزايد عبر أنواع السرطان المختلفة ، مما يدل على أداء متفوق على أنظمة التدريج التقليدية20،21،22. تهدف أداتنا إلى مساعدة الأطباء في إجراء تقديرات تشخيصية مخصصة وأكثر دقة أثناء التشخيص والعلاج ، وبالتالي تعزيز اتخاذ القرار في إدارة MPCC.

البروتوكول

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

تتضمن هذه الدراسة خطوتين. أولا ، تم الحصول على البيانات السريرية والبقاء على قيد الحياة ل MPCC من قاعدة بيانات SEER. بعد ذلك ، تم استخدام برنامج R (الإصدار 4.3.3) لتحليل وبناء نموذج مخاطر منافس. يتم عرض مخطط سير العمل للدراسة في الشكل 1. لا تتطلب هذه الدراسة الموافقة الأخلاقية والموافقة على المشاركة. تم الحصول على البيانات المستخدمة في هذه الدراسة من قواعد البيانات.

1. الحصول على البيانات

  1. قم بتنزيل SEER. الإحصائيات 8.4.3 من موقع قاعدة بيانات SEER (http://seer.cancer.gov/about/overview.html). قم بالتسجيل وتسجيل الدخول إلى SEER. الإحصائية 8.4.3 للحصول على بيانات المريض ذات الصلة.
  2. بعد تسجيل الدخول إلى SEER. الإحصائية 8.4.3 ، انقر فوق جلسة قائمة الحالات > البيانات وحدد قاعدة بيانات أبحاث حدوث SEER ، 17 سجلات ، نوفمبر 2022 الفرعية (2000-2020).
  3. انقر فوق التحديد > تحرير واختر {العرق ، الجنس ، السنة Dx. سنة التشخيص} = '2004' ، '2005' ، '2006' ، '2007' ، '2008' ، '2009' ، '2010' ، '2011' ، '2012' ، '2013' ، '2014' ، '2015' و {الموقع ومورفولوجيا. إعادة ترميز الموقع ICD-O-3 / WHO 2008} = "القولون والمستقيم" و {الموقع والتشكل. تأكيد التشخيص} = "علم الأنسجة الإيجابي" و {مجالات أولية متعددة. رقم التسلسل}! = 'أساسي واحد فقط'.
  4. انقر فوق "موافق " واحفظ التحديد. انقر فوق الجدول ، وفي واجهة المتغيرات المتاحة ، حدد إعادة ترميز العمر مع الأعمار الفردية و 85+ ، الجنس ، إعادة ترميز الموقع ICD-O-3 / WHO 2008 ، حجم ورم CS ، إعادة ترميز الدرجة (حتى 2017) ، مشتق AJCC T ، 6th ed (2004-2015) ، مشتق AJCC N ، 6th ed (2004-2015) ، مشتق AJCC M ، 6th ed (2004-2015) ، إعادة ترميز الإشعاع ، إعادة ترميز العلاج الكيميائي (نعم ، لا / unk) ، تصنيف الوفاة الخاصة بالسبب SEER ، SEER سبب آخر لتصنيف الوفاة ، أشهر البقاء على قيد الحياة ، معرف المريض ، موقع RX Summ-Surg Prim (1998+) ، وانقر على العمود.
  5. انقر فوق الإخراج ، وقم بتسمية البيانات ، وانقر فوق تنفيذ لإخراج البيانات وحفظها.
  6. لا توفر قاعدة بيانات SEER معلومات مباشرة حول ما إذا كان المريض مصابا ب MPCC. بعد الانتهاء من تنزيل البيانات كما هو موضح أعلاه ، استخدم معرف المريض لتصفية المرضى المصابين ب MPCC ، أي أولئك الذين تم تشخيصهم بحدثين أو أكثر. بعد تحديد مرضى MPCC ، احسب الفاصل الزمني بين تشخيص الورم بناء على أوقات بقائهم على قيد الحياة. باستخدام 6 أشهر كحد أقصى ، قم بتصنيف المرضى إلى SMPCC و MMPCC.
  7. بناء على أعمارهم في وقت التشخيص الأولي ، صنف أعمار المرضى على أنها = 65 عاما و > 65 عاما. بالنسبة لدرجة الورم ، تتوافق الدرجة الأولى مع التمايز الجيد ، والدرجة الثانية تتوافق مع التمايز المعتدل ، والدرجة الثالثة تتوافق مع التمايز المنخفض ، والدرجة الرابعة تتوافق مع عدم التمايز. تصنيف موقع الورم بناء على توزيع الأورام المتعددة مثل القولون الأيمن والقولون الأيسر والقولون والمستقيم الأيسر والقولون والمستقيم بأكمله.
    1. هناك اختلافات واضحة في التطور الجنيني والخصائص البيولوجية بين القولون والمستقيم القريب والبعيد ، وتقسيم موقع الورم بناء على انثناء الطحال23. يعرف القولون الأيمن بأنه قريب من الانثناء الطحالي ، بما في ذلك الأعور ، والقولون الصاعد ، والانثناء الكبدي ، والقولون المستعرض ، بينما يشمل القولون الأيسر انثناء الطحال ، والقولون الهابط ، والقولون السيني ، والتقاطع المستقيم السيني ، والمستقيم. إذا كانت أورام المريض موجودة بالكامل في القولون الأيمن ، فحدد موقع الورم على أنه القولون الأيمن. إذا كانت جميع الأورام موجودة في القولون والمستقيم الأيسر ، فحدد الموقع على أنه القولون والمستقيم الأيسر. إذا كانت هناك أورام في كل من القولون الأيمن والقولون الأيسر ، فحدد الموقع على أنه القولون والمستقيم بأكمله.
  8. تحديد حجم الورم عن طريق تحديد أكبر قطر للورم من بين الأورام المتعددة في نفس المريض. بناء على قطر الورم ، صنف الحجم على أنه = 5 سم أو >5 سم. تم تضمين ما مجموعه 8,931 مريضا في الدراسة. لإنشاء مجموعة تدريب ومجموعة التحقق من الصحة، قسم جميع الحالات بشكل عشوائي بنسبة 7:3.

2. بناء النموذج

  1. قم بتنزيل برنامج RStudio (2023.12.1+402) و R (4.3.3). افتح RStudio لتشغيل برنامج R. انقر فوق ملف جديد وحدد R Script لإنشاء واجهة برمجة R جديدة. أدخل الكود ذي الصلة في محرر التعليمات البرمجية وانقر فوق تشغيل لتنفيذ الكود.
    ملاحظة: توفر لغة R ووظائفها مجموعة متنوعة من المعلمات. يمكن أن تؤدي إضافة هذه المعلمات أو تعديلها إلى تحسين تحليل البيانات وتصورها.
  2. استخدم الكود التالي لإجراء تحليل أحادي المتغير ورسم منحنى CIF.
    المكتبة (TidyCMPRSK)
    المكتبة (GTملخص)
    المكتبة (ggsurvfit)
    المكتبة (GGPRISM)
    البيانات <-read.csv('data.csv')"
    data$status<-factor(data$status, levels=c(0,1,2),labels=c("0","CSS","OCS"))
    CIF <- tidycmprsk:: cuminc (Surv (الوقت ، الحالة) ~ الجنس ، البيانات = البيانات)
    ggcuminc (CIF ، النتيجة = c ("CSS" ، "OCS") ، الحجم = 1.5)
    حيث data.csv هي البيانات التي تم الحصول عليها من قاعدة بيانات SEER.
  3. بعد تشغيل الكود أعلاه ، انقر فوق تصدير ، ثم انقر فوق حفظ كصورة ، وأخيرا انقر فوق حفظ لحفظ الصورة. ستكون طريقة حفظ الصور اللاحقة هي نفسها كما في هذه الخطوة. استبدل الجنس في الكود أعلاه واحدا تلو الآخر بعوامل أخرى لإجراء تحليل أحادي المتغير لجميع العوامل.
  4. استخدم التعليمات البرمجية التالية لإجراء BSR والتحليل والتصور متعدد المتغيرات.
    المكتبة(قفزات)
    المكتبة (riskRegression)
    المكتبة (الإنتاج)
    المكتبة (مخطط الغابة)
    قفزات < regsubsets (الحالة = = 0 ~ الجنس + الحجم + الدرجة + T + N + M ، البيانات = البيانات)
    مؤامرة (قفزات ، مقياس = "adjr2")
    متعدد <- FGR (Hist (الوقت ، الحالة) ~ الجنس + T + N + M + الصف + الحجم ، السبب = 1 ، البيانات = البيانات)
    ملخص (متعدد)
    متعدد <- read.csv ("multi.csv" ، رأس = T)
    forestplot (labeltext = as.matrix (متعدد [، 1: 4]) ، يعني = متعدد $HR_mean ، ower = متعدد $HR_1 ، العلوي = متعدد $HR_2)
    حيث تأتي البيانات في multi.csv من نتائج الكود السابق.
  5. اتبع الخطوة 2.3. لحفظ الصورة.
  6. استخدم الكود التالي لرسم الرسم التخطيطي للرسم القياسي ومنحنى ROC ومنحنى المعايرة ومنحنى DCA.
    المكتبة (QHScrnomo)
    المكتبة (RMS)
    المكتبة (riskRegression)
    المكتبة (الإنتاج)
    البيانات <- read.csv ("data.csv")
    د <- datadist(بيانات)
    الخيارات (datadist = "d")
    ه <-cph (Surv (الوقت ، الحالة = = 1) ~ الجنس + T + N + M + الدرجة ، البيانات = البيانات ،
    x = T ، y = T ، surv = T ، time.inc = 60)
    nomo <- crr.fit (e ، failcode = 1 ، cencode = 0)
    nomogram.crr (fit = nomo ، lp = F ، xfrac = 0.5 ، fun.at = seq (من = 0 ، إلى = 1 ، بواسطة = 0.1) ، وقت الفشل = c (12،36،60) ، funlabel = c ("الحدوث التراكمي ل CSS لمدة عام" ، "الحدوث التراكمي CSS لمدة 3 سنوات" ، "الحدوث التراكمي ل CSS لمدة 5 سنوات"))
    مجموعة.بذرة(123)
    data$pro <- tenf.crr (m3 ، الوقت = 60)
    groupci (x = data $ pro ، ftime = data $ time ، fstatus = data $ status ، failcode = 1 ، cencode = 0 ، ci = TRUE)
    و <- CSC (Hist (الوقت ، الحالة) ~ الجنس + T + N + M + الدرجة ، البيانات = البيانات)
    x <- النتيجة (القائمة (النموذج 1 = f) ، Hist (الوقت ، الحالة) ~ 1 ، البيانات = البيانات ، السبب = 1 ، المرات = ج (12،36،60) ، se.fit = 1L ، المؤامرات = "roc" ، المقاييس = "auc")
    g <- as.data.frame (x $ AUC $ score)
    ح <- ز [ز $ مرات ٪ في٪ ج (12،36،60) ،]
    عمود = ج ("darkcyyan" ، "طماطم" ، "أرجواني")
    plotROC (x ، xlab = "1-Specificity" ، ylab = "الحساسية" ، col = col [1] ، cex = 1.5 ، legend = "" ، auc.in.legend = F ، مرات = 12)
    plotROC (x ، col = col [2] ، legend = '' ، cex = 1.5 ، مرات = 36 ، auc.in.legend = F ، add = T)
    plotROC (x ، col = col [3] ، مرات = 60 ، add = T ، cex = 1.5 ، legend = ''، auc.in.legend = F)
    الساق <- paste0 (c ("1-سنة: "،" 3 سنوات: "،" 5 سنوات: "),substr (a$AUC,1,5))
  7. اتبع الخطوة 2.3. لحفظ الصورة.
  8. استخدم حزمة ggscidca لرسم منحنى DCA.
    المكتبة (GGSCIDCA)
    df_surv<-read.csv("data.csv"، الرأس = T)
    cox_model <- coxph (Surv (الوقت ، الحالة = = 1) ~ الجنس + T + N + M + الدرجة ، البيانات = df_surv)
    cox_model1<-newcrr (cox_model)
    scidca(cox_model1, newdata= df_surv,threshold.line = T,threshold.text = T)
    حيث data.csv هي البيانات التي تم الحصول عليها من قاعدة بيانات SEER.
  9. اتبع الخطوة 2.3. لحفظ الصورة.

النتائج

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

خصائص المريض
تم تضمين ما مجموعه 8,931 مريضا في الدراسة. من حيث التوزيع بين الجنسين ، كانت هناك نسبة أعلى من المرضى الذكور (56٪) مقارنة بالمرضى الإناث (44٪). فيما يتعلق بتوزيع موقع الورم ، تم توزيع غالبية الأورام عبر القولون والمستقيم الكلي ، بينما كان أقل عدد من الأورام موجودا في القولون الأيمن (21٪). من حيث درجة الورم ، كانت الدرجة الأكثر شيوعا هي الدرجة الثانية ، مع 6,251 مريضا ، وهو ما يمثل 70٪ من الإجمالي. تبع ذلك الدرجة الثالثة ، مع 2,026 مريضا (23٪). كان لدى الدرجتين الأولى والرابعة 355 و 299 مريضا ، على التوالي ، وهو ما يمثل 4٪ و 3.3٪ من الإجمالي. فيما يتعلق بغزو الورم ، كانت مراحل T3 و T4 هي الأكثر شيوعا. أكثر من نصف المرضى لم يكن لديهم ورم خبيث في العقدة الليمفاوية ، بينما عانى 17٪ من المرضى من ورم خبيث بعيد. تلقى العلاج الإشعاعي من قبل 1,446 مريضا (16٪) ، وتم إعطاء العلاج الكيميائي ل 3,843 مريضا (43٪). كان SCRC أكثر شيوعا ، حيث كان 5,327 مريضا يمثلون 60٪ من الإجمالي. كان هناك 3,604 مرضى مصابين بسرطان القولون والمستقيم المتاكروني ، وهو ما يمثل 40٪. تم تقسيم المرضى عشوائيا إلى مجموعات تدريب وتحقق بنسبة 7: 3. لم تكن هناك فروق يعتد بها إحصائيا في معطيات خط الأساس بين مجموعات التدريب والتحقق، كما هو موضح في الجدول 1.

تحليل أحادي المتغير
بعد التحكم في تأثير الأحداث التنافسية ، أظهرت نتائج التحليل أحادي المتغير أن الجنس ، ودرجة الورم وحجمه ، ومرحلة TNM ، والإشعاع ، والعلاج الكيميائي ، والحالة المتزامنة أو المتاسرعة ، وموقع الورم كانت العوامل النذيرية التي تؤثر على CSS في مرضى MPCC. العمر فقط ليس عاملا تنبؤيا ل CSS في مرضى MPCC. نلاحظ أن هناك تقاطعا كبيرا بين CIF في الإشعاع والعلاج الكيميائي والموقع والحالة المتزامنة أو العقدية ، مما يشير إلى أن الآثار التنبؤية قصيرة المدى وطويلة المدى للإشعاع على مرضى MPCC كانت مختلفة ، كما هو الحال مع العلاج الكيميائي والموقع والحالة المتزامنة أو العقدية. يظهر منحنى المخاطر التراكمي لكل مجموعة فرعية في الشكل 2.

تحليل متعدد المتغيرات
تم دمج العوامل التنبؤية التي تم الحصول عليها من خلال التحليل أحادي المتغير في أفضل المجموعات الفرعية للانحدار (BSR) والتحليل متعدد المتغيرات لنموذج المخاطر التنافسي. من بينها ، يتم استبعاد الإشعاع والعلاج الكيميائي والموقع والحالة المتزامنة أو المغناطيسية بسبب آثارها المزدوجة على التشخيص. أظهرت نتائج BSR والتحليل متعدد المتغيرات أن الجنس ومرحلة TNM ودرجة الورم كانت عوامل خطر مستقلة ل CSS في مرضى MPCC. (الشكل 2)

بناء والتحقق من Nomogram
بناء على عوامل الخطر المستقلة التي تم الحصول عليها عن طريق التحليل متعدد المتغيرات ، نقوم ببناء رسم بياني خطي للتنبؤ ب CSS والتحقق من أداء نموذج التنبؤ (الشكل 3). بعد ذلك ، نستخدم منحنى ROC ومنحنى المعايرة و DCA لتقييم النموذج. أظهر منحنى ROC أن AUCs لسنة واحدة و 3 سنوات و 5 سنوات من مجموعة التدريب كانت 0.762 و 0.742 و 0.734 ، و AUCs لمدة عام واحد و 3 سنوات و 5 سنوات من مجموعة التحقق كانت 0.801 و 0.740 و 0.743. في مجموعة التدريب ومجموعة التحقق ، أظهر منحنى المعايرة اتفاقا عاليا بين الاحتمال المتوقع والبيانات الفعلية (الشكل 4). من أجل التحقق من أداء النموذج في التطبيق السريري ، استخدمنا DCA لتقييم القيمة السريرية للنموذج. تظهر النتائج أن النموذج يظهر فائدة صافية جيدة (الشكل 5).

figure-results-1
الشكل 1: مخطط سير العمل للدراسة. تتكون هذه الدراسة من خطوتين: أولا ، تم الحصول على البيانات باستخدام SEER. تم إجراء Stat ، ثم تم إجراء تحليل البيانات وتصورها باستخدام R. الرجاء النقر هنا لعرض نسخة أكبر من هذا الرقم.

figure-results-2
الشكل 2: نتائج التحليل. (أ) CIF للمجموعات الفرعية. * يشير إلى p <0.05. (ب) أفضل انحدار المجموعات الفرعية. في ظل أفضل ما في الملاءمة ، تم النظر في الجنس والدرجة ومرحلة TNM لإدراجها (كما هو موضح على شكل كتل سوداء في الأعلى). (ج) أظهر التحليل متعدد المتغيرات أيضا أن الجنس والدرجة ومرحلة TNM هي عوامل خطر مستقلة. الرجاء النقر هنا لعرض نسخة أكبر من هذا الرقم.

figure-results-3
الشكل 3: الرسم التخطيطي ل CSS في مرضى MPCC. يمكن حساب الدرجة الإجمالية للمريض عن طريق إضافة الدرجات المقابلة لكل عامل. بناء على النتيجة الإجمالية ، يمكن التنبؤ باحتمال الوفاة الخاصة بالسرطان في سن 1 و 3 و 5 سنوات الرجاء النقر هنا لعرض نسخة أكبر من هذا الرقم.

figure-results-4
الشكل 4: منحنى ROC ومنحنى المعايرة. (أ ، ب) المنحنيات في مجموعة التدريب (ن = 6255) و (ج ، د) مجموعة التحقق من الصحة (ن = 2676). كلما اقتربت قيمة AUC من 1 ، كان أداء تصنيف النموذج أفضل. تظهر أشرطة الخطأ فاصل الثقة بنسبة 95٪ لاحتمال حدوث الحدث الفعلي. الرجاء النقر هنا لعرض نسخة أكبر من هذا الرقم.

figure-results-5
الشكل 5: DCA لمدة 1 سنة و 3 سنوات و 5 سنوات. (أ ، ب ، ج) DCA في مجموعة التدريب و (D ، E ، F) مجموعة التحقق من الصحة. يمثل الخط الأخضر الفائدة الصافية لجميع الإيجابيات ، ويمثل الخط الأزرق الفائدة الصافية من لا توجد إيجابيات ، ويشير الخط الأحمر إلى الفائدة الصافية للنموذج. تمثل المنطقة الحمراء أدناه فائدة النموذج التي تتجاوز فائدة جميع الإيجابيات ولا توجد إيجابيات ، مما يشير إلى نطاق الفائدة الفعلي للنموذج. الرجاء النقر هنا لعرض نسخة أكبر من هذا الرقم.

الجدول 1: الخصائص السريرية المرضية والخصائص الأساسية للمرضى. الرجاء النقر هنا لتنزيل هذا الجدول.

المناقشة

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

باعتباره ورما شائعا في الجهاز الهضمي ، تمت دراسة العوامل المؤثرة على تشخيص سرطان القولون والمستقيم الانفرادي وتأكيدها في الأبحاث السابقة24. ومع ذلك ، كانت هناك أبحاث محدودة حول العوامل النذيرية لمرضى MPCC. تضمنت هذه الدراسة 8,931 مريضا MPCC خضعوا لعملية جراحية من قاعدة بيانات SEER بين عامي 2004 و 2015. استخدمنا نموذج مخاطر منافس للتحقيق في عوامل الخطر التي تؤثر على CSS وقمنا ببناء نموذج تنبؤي. في هذه الدراسة ، توفي 39.1٪ من المرضى المتوفين لأسباب أخرى غير السرطان ، مما يؤكد ضرورة استخدام نموذج مخاطر منافس لتحليل عوامل الخطر ل CSS.

وجدت دراسة سابقة أن التقدم في السن هو عامل خطر يؤثر على نظام التشغيل لمرضى MPCC12. ومع ذلك ، في هذه الدراسة ، وجدنا أن العمر لم يكن عامل خطر ل CSS. غالبا ما يظهر المرضى المسنون ظروفا صحية أساسية أسوأ والمزيد من الأمراض المصاحبة ، مما قد يؤدي إلى نظام تشغيل أقصر مقارنة بالمرضى الأصغر سنا. كما أن كبار السن أكثر عرضة للوفاة لأسباب أخرى ، مثل أحداث القلب والأوعية الدموية والالتهابات الشديدة ، مما يجعلهم أكثر عرضة لهذه العوامل من المرضى الأصغر سنا. في هذه الدراسة ، ركزنا على العلاقة المتنافسة بين الوفيات الناجمة عن أسباب أخرى والوفيات الناجمة عن السرطان نفسه. باستخدام نموذج مخاطر منافس واستبعاد تداخل الوفيات الناجمة عن أسباب أخرى ، وجدنا أنه في ظل هذه الظروف ، لم يعد العمر المتقدم عامل خطر ل CSS ل MPCC. يشير هذا إلى أن مرضى MPCC عبر الفئات العمرية المختلفة قد يواجهون أعباء ورم مماثلة. بشكل عام ، يعاني المرضى الصغار وكبار السن المصابين بهذا المرض من CSS مماثل ، والذي يوفر إرشادات قيمة لتطوير استراتيجيات العلاج الشخصية.

وجدت هذه الدراسة أيضا أن حدوث وتشخيص MPCC تظهر ميول مرتبطة بالجنس ، مع نسبة أعلى وضعف CSS للمرضى الذكور. هذا يتوافق مع الوضع الذي لوحظ في سرطان القولون والمستقيم الانفرادي. أظهرت الدراسات السابقة أن سرطان القولون والمستقيم الانفرادي أكثر شيوعا عند الذكور ، وأن المرضى الذكور لديهم تشخيص أسوأ من المرضى الإناث. قد يكون هذا بسبب تأثير هرمون الاستروجين على حدوث وتطور سرطان القولونوالمستقيم 25. بالإضافة إلى ذلك ، أشارت أبحاث أخرى إلى أن ميكروبات الأمعاء ومستقلبات الأمعاء لدى المرضى الذكور قد تكون أحد أسباب الاختلافات بين الجنسين التي لوحظت في مرضى سرطان القولونوالمستقيم 26. وجدت دراسة أجريت في ألمانيا أن مرض السكري من النوع 2 له تأثير أكبر على سرطان القولون والمستقيم لدى الإناث27 عاما. علاوة على ذلك ، فإن فيتامين د له تأثير وقائي ضد أورام القولون والمستقيم لدى الإناث ، ولكن لم يتم العثور على نتائج مماثلة في الذكور28.

وجد التحليل أحادي المتغير المتنافس أن مرضى MPCC الذين لديهم أحجام أورام أكبر لديهم CSS أضعف. في الدراسات السابقة ، غالبا ما كان حجم الورم يعتبر مؤشرا على عدوانية الورم 29،30،31. ومع ذلك ، فإن نتائج التحليلات متعددة المتغيرات المتنافسة لم تدعم حجم الورم كعامل خطر مستقل. يشير هذا إلى أنه في الأعضاء المجوفة مثل القولون والمستقيم ، قد يكون لحجم الورم قدرة محدودة على عكس عدوانية الورم. قد تنبع هذه الظاهرة من عوامل مختلفة ، بما في ذلك تعقيد بيولوجيا الورم والأنماط المختلفة لنمو الورم وانتشاره عبر الأعضاء المختلفة.

تشير درجة الورم الضعيفة إلى قدرات جراحية ومهاجرة أقوى للخلايا السرطانية ، وهو ما يتماشى مع استنتاجات هذه الدراسة: تشير درجة الورم الأسوأ إلى CSS أضعف لمرضى MPCC. مرحلة TNM هي الطريقة السريرية الأكثر استخداما لتوجيه علاج المريض والتنبؤ بالتشخيص32،33. وجدت هذه الدراسة أنه كلما كان تسلل الورم أعمق ، زاد عدد الغدد الليمفاوية النقيلية ، ووجود ورم خبيث في الأعضاء ، كلما كان بقاء المريض على قيد الحياة الخاص بالسرطان. هذا يتفق تماما مع الإجماع السريري.

في سرطان القولون والمستقيم ، يختلف التشخيص حسب موقع الورم. وجدت العديد من الدراسات أن القولون الأيمن لديه تشخيص أسوأ مقارنة بالقولون الأيسر34،35،36،37. ومع ذلك ، تشير بعض الأبحاث إلى أنه في سرطان القولون والمستقيم القابل للاستئصال ، لا يؤثر جانب موقع الورم على التشخيص على المدىالطويل 38. في هذه الدراسة ، كان لدى MPCC الموجود في القولون الأيمن CSS أسوأ على المدى القصير ولكن تشخيص أفضل على المدى الطويل. وبالمثل ، كان لدى مرضى MPCC الذين تلقوا الإشعاع والعلاج الكيميائي CSS أفضل على المدى القصير ولكن CSS على المدى الطويل أسوأ. كان لدى SCRC CSS قصير الأجل أسوأ مقارنة ب MCRC ولكن CSS أفضل على المدى الطويل. لا تزال أسباب هذه الآثار المزدوجة على التشخيص غير واضحة.

هذه الدراسة لها بعض القيود. نظرا للقيود المتأصلة في قاعدة بيانات SEER ، لم نتمكن من الحصول على بعض المؤشرات التنبؤية المعروفة أو تحليلها ، مثل مستويات المستضد السرطاني الجنيني (CEA) وحالة الأقمار الصناعية الدقيقة. علاوة على ذلك ، لم نتمكن من استبعاد المرضى الذين يعانون من مرض التهاب الأمعاء ، وسرطان القولون والمستقيم الوراثي غير السلائل ، وداء السلائل الغدي العائلي الذين لديهم مخاطر أعلى للإصابة ب MPCC39. بالإضافة إلى ذلك ، أصبح العلاج المناعي جانبا متزايد الأهمية لعلاج سرطان القولون والمستقيم ، لكننا لم نتمكن من الحصول على بيانات حول هذا الموضوع. قد تؤدي الطبيعة بأثر رجعي لتحليلنا واعتمادنا على مجموعة بيانات واحدة إلى تحيزات متأصلة.

وجدت الدراسة المستندة إلى قاعدة بيانات SEER أن الجنس الذكري ، ودرجة الورم الضعيفة ، ومرحلة TNM المتقدمة مرتبطة بضعف CSS في مرضى MPCC بعد الجراحة. من المهم إيلاء اهتمام وثيق للمرضى الذين يعانون من عوامل الخطر هذه أثناء التشخيص والعلاج. علاوة على ذلك ، طورت هذه الدراسة مخططا للرسم البياني للتنبؤ ب CSS لمرضى MPCC ، والذي يمكنه التنبؤ بدقة بالتشخيص والمساهمة في اتخاذ قرارات العلاج السريري.

الإفصاحات

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

المؤلفون ليس لديهم ما يكشفون عنه.

المواد

قائمة المواد المستخدمة في هذه المقالة
الاسمالشركةرقم فهرسيالتعليقات
حزمة forestplotشبكة أرشيف R الشاملة (CRAN)مخطط الغابة 3.1.3مخطط غابة يسمح بفترات ثقة متعددة لكل صف ، وخطوط مخصصة لكل عنصر نص ، وفترات ثقة مخصصة ، ونص مختلط بالتعبيرات ، والمزيد.
حزمة ggprismشبكة أرشيف R الشاملة (CRAN)ggprism 1.0.5توفر حزمة ggprism العديد من السمات واللوحات والوظائف المفيدة الأخرى لتخصيص ggplots ومنحها ' GraphPad المنشور رأى.
حزمة ggscidcaشبكة أرشيف R الشاملة (CRAN)ggscidca package  تضيف حزمة "ggscidca" أشرطة ملونة ذات صلة تمييزية بمنحنى القرار التقليدي. تحسين التطبيق العملي والجماليات. 
حزمة ggsurvfitشبكة أرشيف R الشاملة (CRAN)ggsurvfit 1.1.0تسهل حزمة ggsurvfit إنشاء أرقام ملخصة للوقت اللازم للحدث (المعروف أيضا باسم البقاء على قيد الحياة) باستخدام ggplot2. ينشئ الكود الموجز والوحدات صورا جاهزة للنشر أو المشاركة.
حزمة gtsummaryشبكة أرشيف R الشاملة (CRAN)gtsummary 2.0.0توفر حزمة gtsummary طريقة أنيقة ومرنة لإنشاء جداول تحليلية وملخصة جاهزة للنشر باستخدام لغة البرمجة R. تلخص حزمة {gtsummary} مجموعات البيانات ونماذج الانحدار والمزيد، باستخدام إعدادات افتراضية معقولة ذات إمكانات قابلة للتخصيص بدرجة كبيرة.
حزمة QHScrnomoشبكة أرشيف R الشاملة (CRAN)QHScrnomo 3.0.1الهدف من QHScrnomo هو توفير وظائف لإنشاء مخططات نوموغرافية في سياق تحليل الوقت لانتهاء الحدث (البقاء على قيد الحياة) في وجود مخاطر متنافسة. كما يحتوي على وظائف لبناء هذه النماذج والتحقق من صحتها وتلخيصها.
R SoftwareR Core TeamR 4.3.3بيئة برمجية مجانية للحوسبة الإحصائية ومخاطر الرسوماتحزمة
الانحدارشبكة أرشيف R الشاملة (CRAN)riskRegression 1.3.7نماذج انحدار المخاطر ودرجات التنبؤ لتحليل البقاء على قيد الحياة مع المخاطر المتنافسة
حزمة RMSشبكة أرشيف R الشاملة (CRAN)rms 6.8-1  يقوم RMS بنمذجة الانحدار والاختبار والتقدير والتحقق من الصحة والرسومات والتنبؤ والتنضيد عن طريق تخزين سمات تصميم النموذج المحسنة في Fit.
RStudioRStudio، شركة المنفعة العامة (PBC)Rstudio 2023.12.1+402بيئة التطوير المتكاملة (IDE) المستخدمة لتشغيل البرامج النصية R وتحليل البيانات وتطوير النماذج. يوفر واجهة سهلة الاستخدام لبرمجة R مع ميزات متقدمة مثل تحرير البرنامج النصي, تصحيح الأخطاء, والتحكم في الإصدار.
SEERstatالمعهد الوطني للسرطان (NCI)SEERstat 8.4.3برنامج للتحليل الإحصائي ل SEER وقواعد البيانات الأخرى المتعلقة بالسرطان
حزمة tidycmprskشبكة أرشيف R الشاملة (CRAN)tidycmprsk 1.0.0توفر حزمة tidycmprsk واجهة سهلة الاستخدام للعمل مع نقاط نهاية المخاطر المتنافسة

المراجع

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,
  1. Bray, F., et al. Global cancer statistics 2022: GLOBOCAN estimates of incidence and mortality worldwide for 36 cancers in 185 countries. CA Cancer J Clin. 74 (3), 229-263 (2024).
  2. Derwinger, K., Gustavsson, B. A study of aspects on gender and prognosis in synchronous colorectal cancer. Clin Med Insights Oncol. 5, 259-264 (2011).
  3. Chin, C. C., Kuo, Y. H., Chiang, J. M. Synchronous colorectal carcinoma: predisposing factors and characteristics. Colorectal Dis. 21 (4), 432-440 (2019).
  4. Nikoloudis, N., et al. Synchronous colorectal cancer. Tech Coloproctol. 8 (Suppl 1), s177-s179 (2004).
  5. Huang, C. S., et al. Synchronous and metachronous colorectal cancers: Distinct disease entities or different disease courses. Hepatogastroenterology. 62 (140), 838-842 (2015).
  6. He, W., et al. Prognosis of synchronous colorectal carcinoma compared to solitary colorectal carcinoma: a matched pair analysis. Eur J Gastroenterol Hepatol. 31 (12), 1489-1495 (2019).
  7. Ranstam, J., Cook, J. A., Collins, G. S. Clinical prediction models. Br J Surg. 103 (13), 1886(2016).
  8. Smith, T., et al. Comparison of prognostic models to predict the occurrence of colorectal cancer in asymptomatic individuals: a systematic literature review and external validation in the EPIC and UK Biobank prospective cohort studies. Gut. 68 (4), 672-683 (2019).
  9. Iasonos, A., Schrag, D., Raj, G. V., Panageas, K. S. How to build and interpret a nomogram for cancer prognosis. J Clin Oncol. 26 (8), 1364-1370 (2008).
  10. Conroy, T., et al. Five-year outcomes of FOLFIRINOX vs Gemcitabine as adjuvant therapy for pancreatic cancer: A randomized clinical trial. JAMA Oncol. 8 (11), 1571-1578 (2022).
  11. Zhong, M., et al. Impact of lung metastasis versus metastasis of bone, brain, or liver on overall survival and thyroid cancer-specific survival of thyroid cancer patients: A population-based study. Cancers. 14 (13), 3133(2022).
  12. Xu, Y., Wang, X., Huang, Y., Ye, D., Chi, P. A LASSO-based survival prediction model for patients with synchronous colorectal carcinomas based on SEER. Transl Cancer Res. 11 (8), 2795-2809 (2022).
  13. Zhang, X., Zhao, L., Hu, Y., Deng, K., Ren, W. A novel risk prediction nomogram for early death in patients with resected synchronous multiple primary colorectal cancer based on the SEER database. Int J Colorectal Dis. 38 (1), 130(2023).
  14. Zhang, X., et al. Developing prognostic nomograms to predict overall survival and cancer-specific survival in synchronous multiple primary colorectal cancer based on the SEER database. J Cancer Res Clin Oncol. 149 (15), 14057-14070 (2023).
  15. Austin, P. C., Lee, D. S., Fine, J. P. Introduction to the analysis of survival data in the presence of competing risks. Circulation. 133 (6), 601-609 (2016).
  16. Lau, B., Cole, S. R., Gange, S. J. Competing risk regression models for epidemiologic data. Am J Epidemiol. 170 (2), 244-256 (2009).
  17. Nolan, E. K., Chen, H. Y. A comparison of the Cox model to the Fine-Gray model for survival analyses of re-fracture rates. Arch Osteoporos. 15 (1), 86(2020).
  18. Park, S. Y. Nomogram: An analogue tool to deliver digital knowledge. J Thorac Cardiovasc Surg. 155 (4), 1793(2018).
  19. Balachandran, V. P., Gonen, M., Smith, J. J., DeMatteo, R. P. Nomograms in oncology: more than meets the eye. Lancet Oncol. 16 (4), e173-e180 (2015).
  20. Liang, W., et al. Development and validation of a nomogram for predicting survival in patients with resected non-small-cell lung cancer. J Clin Oncol. 33 (8), 861-869 (2015).
  21. Chen, D., et al. Predicting postoperative peritoneal metastasis in gastric cancer with serosal invasion using a collagen nomogram. Nat Commun. 12 (1), 179(2021).
  22. Niu, X., et al. A prognostic nomogram for patients with newly diagnosed adult thalamic glioma in a surgical cohort. Neuro Oncol. 23 (2), 337-338 (2021).
  23. Luo, S., et al. Comparison of left- and right-sided colorectal cancer to explore prognostic signatures related to pyroptosis. Heliyon. 10 (7), e28091(2024).
  24. Keum, N., Giovannucci, E. Global burden of colorectal cancer: emerging trends, risk factors and prevention strategies. Nat Rev Gastroenterol Hepatol. 16 (12), 713-732 (2019).
  25. Foster, P. A. Oestrogen and colorectal cancer: mechanisms and controversies. Int J Colorectal Dis. 28 (6), 737-749 (2013).
  26. Wang, L., et al. Male-biased gut microbiome and metabolites aggravate colorectal cancer development. Adv Sci. 10 (25), e2206238(2023).
  27. Krämer, H. U., et al. Type 2 diabetes mellitus and gender-specific risk for colorectal neoplasia. Eur J Epidemiol. 27 (5), 341-347 (2012).
  28. Aigner, E., et al. Gender- and site-specific differences of colorectal neoplasia relate to vitamin D. Aliment Pharmacol Ther. 40 (11-12), 1341-1348 (2014).
  29. Dai, W., et al. Does tumor size have its prognostic role in colorectal cancer? Re-evaluating its value in colorectal adenocarcinoma with different macroscopic growth pattern. Int J Surg. 45, 105-112 (2017).
  30. Rössler, O., et al. Tumor size, tumor location, and antitumor inflammatory response are associated with lymph node size in colorectal cancer patients. Mod Pathol. 30 (6), 897-904 (2017).
  31. Zhang, Q., et al. Prognostic impact of tumor size on patients with metastatic colorectal cancer: a large SEER-based retrospective cohort study. Updates Surg. 75 (5), 1135-1147 (2023).
  32. Greene, F. L. TNM: our language of cancer. CA Cancer J Clin. 54 (3), 129-130 (2004).
  33. Ueno, H., et al. Optimal colorectal cancer staging criteria in TNM classification. J Clin Oncol. 30 (13), 1519-1526 (2012).
  34. Yahagi, M., Okabayashi, K., Hasegawa, H., Tsuruta, M., Kitagawa, Y. The worse prognosis of right-sided compared with left-sided colon cancers: a systematic review and meta-analysis. J Gastrointest Surg. 20 (3), 648-655 (2016).
  35. Holch, J. W., Ricard, I., Stintzing, S., Modest, D. P., Heinemann, V. The relevance of primary tumour location in patients with metastatic colorectal cancer: A meta-analysis of first-line clinical trials. Eur J Cancer. 70, 87-98 (2017).
  36. Petrelli, F., et al. Prognostic survival associated with left-sided vs right-sided colon cancer: A systematic review and meta-analysis. JAMA Oncol. 3 (2), 211-219 (2017).
  37. Zheng, C., Jiang, F., Lin, H., Li, S. Clinical characteristics and prognosis of different primary tumor location in colorectal cancer: a population-based cohort study. Clin Transl Oncol. 21 (11), 1524-1531 (2019).
  38. Karim, S., Brennan, K., Nanji, S., Berry, S. R., Booth, C. M. Association between prognosis and tumor laterality in early-stage colon cancer. JAMA Oncol. 3 (10), 1386-1392 (2017).
  39. Lindberg, L. J., et al. Risk of multiple colorectal cancer development depends on age and subgroup in individuals with hereditary predisposition. Fam Cancer. 18 (2), 183-191 (2019).

إعادة الطباعة والأذونات

طلب إذن لإعادة استخدام النص أو الأشكال في مقالة JoVE هذه

طلب إذن

الوسوم

Nomogram SEER ROC

مقالات ذات صلة