用于预测术后多原发结直肠癌患者癌症特异性生存的竞争风险列线图

摘要

该研究发现，在多原发结直肠癌（MPCC）患者术后，男性性别、肿瘤分级差以及较晚的肿瘤-淋巴结-转移分期与较差的癌症特异性生存率（CSS）相关。我们建立了一个列线图，用于预测MPCC患者的CSS，以辅助临床治疗决策。

摘要

多原发结直肠癌（MPCC）患者的癌症特异性生存率（CSS）会受到其他原因死亡的竞争性影响。本研究旨在通过竞争风险分析，探讨MPCC患者CSS及其相关危险因素。研究数据来源于SEER数据库。通过竞争风险模型的单变量和多变量分析，减弱竞争事件的影响，探索CSS的危险因素，并建立列线图模型。随后，通过ROC曲线、校准曲线和决策曲线分析（DCA）验证模型的性能。本研究共纳入8931例患者，其中训练队列6255例，验证队列2676例。单变量和多变量分析显示，性别、肿瘤-淋巴结-转移（TNM）分期和肿瘤分级是MPCC患者癌症特异性生存的独立危险因素。基于这些危险因素，我们建立了一个预测CSS的图示模型。ROC曲线、校准曲线和DCA结果均显示模型具有良好的预测效能。综上所述，本研究建立的列线图可作为预测MPCC患者癌症特异性生存的有用工具，为临床医生制定个体化治疗方案提供重要参考。

引言

结直肠癌是全球最常见的消化系统肿瘤之一，过去几十年来其发病率持续上升。居高不下的发病率和死亡率已引起广泛关注。根据最新统计数据，结直肠癌在全球常见恶性肿瘤中位居第三位，死亡率高居第二位¹。多原发结直肠癌（MPCC）是结直肠癌的一种特殊亚型，近年来受到研究者越来越多的关注。其定义为同一患者体内存在两个或以上相互独立的结直肠癌病灶，且病灶边缘之间的距离超过5 cm。在MPCC中，若多个肿瘤同时被诊断或诊断间隔小于6个月，则定义为同步性结直肠癌（SCRC）；若诊断间隔大于6个月，则定义为异时性结直肠癌（MCRC）^2,3,4,5。

结直肠癌中多原发结直肠癌（MPCC）所占比例相对较低，不同地区和研究中关于其发病率的报道存在差异。近期研究报道MPCC占结直肠癌的2%–10%^2,3,4,5。与单发性结直肠癌相比，MPCC的预后更差^3,6。目前，MPCC的临床预后评估主要依赖美国癌症联合委员会（AJCC）的肿瘤-淋巴结-转移（TNM）分期系统，该系统以多个病灶中最晚分期的病灶作为MPCC的实际分期。然而，仅基于TNM分期进行预后预测仍显不足。目前仍缺乏有效的工具用于预测MPCC术后的预后。在精准医学时代，用于量化风险的临床预测模型已广泛应用于临床决策和患者预后评估^7,8。近年来，基于独立预后危险因素的列线图（nomogram）已被广泛接受用于肿瘤预后的预测⁹。列线图能够将复杂的统计模型可视化，使其更易于在临床实践中应用。在肿瘤预后评估中，总生存期（OS）和癌症特异性生存期（CSS）是常用的结局指标⁹。OS是指从患者确诊癌症开始至因任何原因死亡的时间。CSS是指从肿瘤诊断至因该癌症特异性死亡的时间，能更精确地反映因癌症导致的死亡风险。当以CSS作为结局指标时，其他因素导致的死亡可能影响癌症特异性死亡概率，从而在两个事件之间引入竞争风险关系^10,11。因此，针对肿瘤特异性生存的研究应采用竞争风险模型，以消除竞争事件的影响。既往研究已构建了用于预测MPCC预后的模型，但这些研究仅限于同步性结直肠癌，且未采用竞争风险模型来考虑竞争事件对CSS的影响^12,13,14。

本研究探讨了影响术后 MPCC 癌症特异性生存的相互竞争的独立危险因素。采用竞争风险模型的依据在于，该模型能够考虑患者可能死于非癌症原因的情况，这对于获得无偏的生存率估计至关重要^15,16。在存在竞争事件的情况下，传统的生存分析方法（如 Cox 模型）可能会高估生存概率，因此在这些情况下使用竞争风险模型更为恰当¹⁷。

基于已确定的独立危险因素，我们构建了一个列线图以预测生存概率，并验证了其性能。列线图因其能够以用户友好的图形方式呈现复杂的统计模型，使临床医生能够方便地计算个体化的风险评分，已在临床实践中得到广泛应用^18,19。与其他预测工具不同，列线图整合了多个危险因素，可提供更准确、个性化的预后评估。该方法已在多种癌症中得到 increasingly 验证，表现出优于传统分期系统的性能^20,21,22。本工具旨在协助临床医生在MPCC的诊断与治疗过程中做出个性化且更准确的预后判断，从而提升临床管理中的决策水平。

方案

本研究包括两个步骤。首先，从SEER数据库中获取MPCC的临床和生存数据。然后，使用R软件（版本4.3.3）进行分析并构建竞争风险模型。本研究的工作流程图见图1。本研究无需伦理审批和参与同意。研究所用数据均来自数据库。

1. 数据采集

1. 从 SEER 数据库网站（http://seer.cancer.gov/about/overview.html）下载 SEER.Stat 8.4.3 软件。注册并登录 SEER.Stat 8.4.3 以获取相关患者数据。
2. 登录 SEER.Stat 8.4.3 后，点击 Case Listing Session > Data，并选择 Incidence SEER Research Data, 17 Registries, Nov 2022 Sub (2000-2020) 数据库。
3. 点击 Selection > Edit，并选择 {Race, Sex, Year Dx. Year of diagnosis} = '2004', '2005', '2006', '2007', '2008', '2009', '2010', '2011', '2012', '2013', '2014', '2015' AND {Site and Morphology. Site recode ICD-O-3/WHO 2008} = 'Colon and Rectum' AND {Site and Morphology. Diagnostic Confirmation} = 'Positive histology' AND {Multiple Primary Fields. Sequence number}! = 'One primary only'。
4. 点击 OK 并保存筛选条件。点击 Table，在“Available variables”界面中选择 Age recode with single ages and 85+, Sex, Site recode ICD-O-3/WHO 2008, CS tumor size, Grade Recode (thru 2017), Derived AJCC T, 6th ed (2004-2015), Derived AJCC N, 6th ed (2004-2015), Derived AJCC M, 6th ed (2004-2015), Radiation recode, Chemotherapy recode (yes, no/unk), SEER cause-specific death classification, SEER other cause of death classification, Survival months, Patient ID, RX Summ-Surg Prim Site (1998+)，然后点击 Column。
5. 点击 Output，为数据命名，然后点击 Execute 以输出并保存数据。
6. SEER 数据库不直接提供患者是否患有 MPCC 的信息。完成上述数据下载后，使用患者 ID 筛选出 MPCC 患者，即诊断出两个或以上肿瘤的患者。识别出 MPCC 患者后，根据其生存时间计算肿瘤诊断之间的间隔。以 6 个月为界值，将患者分为 SMPCC 和 MMPCC。
7. 根据患者首次诊断时的年龄，将患者年龄分为 = 65 岁和> 65 岁。对于肿瘤分级，I 级对应高分化，II 级对应中分化，III 级对应低分化，IV 级对应未分化。根据多发肿瘤的分布情况，将肿瘤位置分为右半结肠、左半结直肠和全结直肠。
   1. 近端与远端结直肠在胚胎发育和生物学特性上存在明显差异，因此根据脾曲进行肿瘤位置划分²³。右半结肠定义为脾曲近端，包括盲肠、升结肠、肝曲和横结肠；左半结直肠包括脾曲、降结肠、乙状结肠、直肠乙状结肠交界处和直肠。若患者的肿瘤全部位于右半结肠，则定义肿瘤位置为右半结肠；若所有肿瘤均位于左半结直肠，则定义位置为左半结直肠；若肿瘤同时存在于右半结肠和左半结直肠，则定义位置为全结直肠。
8. 通过选择同一患者多个肿瘤中的最大肿瘤直径来确定肿瘤大小。根据肿瘤直径，将大小分为 = 5 cm 或 >5 cm。本研究共纳入 8,931 例患者。为建立训练队列和验证队列，将所有病例按 7:3 的比例随机分配。

2. 模型构建

1. 下载 RStudio（2023.12.1+402）和 R 软件（4.3.3）。打开 RStudio 以运行 R 软件。点击 新建文件 并选择 R 脚本 创建一个新的 R 编程界面。在代码编辑器中输入相关代码，然后点击 运行 执行代码。
   注意：R 语言及其函数提供了多种参数。添加或修改这些参数可以增强数据分析与可视化效果。
2. 使用以下代码进行单变量分析并绘制累积发生函数（CIF）曲线。
   library(tidycmprsk)
   library(gtsummary)
   library(ggsurvfit)
   library(ggprism)
   数据 <读取 CSV 文件（'data.csv'）"
   data$status<-因子(data$status, 水平=c(0,1,2), 标签=c("0","CSS","OCS"))
   CIF <- tidycmprsk::cuminc(Surv(时间, 状态) ~ 性别, data = 数据)
   ggcuminc(CIF, 结局 = c("CSS", "OCS"），大小=1.5）
   其中 data.csv 是从 SEER 数据库获得的数据。
3. 运行上述代码后，单击 导出，然后点击 保存为图片，最后单击 保存 保存图像。后续图像的保存方法与此步骤相同。将上述代码中的 Sex 依次替换为其他因素，以对所有因素进行单变量分析。
4. 使用以下代码执行BSR、多变量分析及可视化。
   library(leaps)
   library(riskRegression)
   library(prodlim)
   library(forestplot)
   飞跃<-regsubsets(状态==0 ~ 性别 + 大小 + 等级 + T + N + M, data = data)
   plot(leaps, scale="adjr2")
   多 <- FGR(Hist(时间, 状态) ~ 性别 + T + N + M + 分级 + 大小, cause=1, data=数据)
   摘要（多变量）
   多 <- read.csv("multi.csv",header = T)
   forestplot(labeltext=as.matrix(Multi[,1:4]), mean=Multi$HR_mean, lower=Multi$HR_1, upper=Multi$HR_2)
   其中 multi.csv 中的数据来源于前述代码的运行结果。
5. 按照步骤 2.3 保存图像。
6. 使用以下代码绘制列线图、ROC曲线、校准曲线和DCA曲线。
   library(QHScrnomo)
   library(rms)
   library(riskRegression)
   library(prodlim)
   数据 <- read.csv("data.csv")
   d <- datadist(data)
   options(datadist = "d")
   e <-cph(Surv(时间, 状态==1) ~ 性别 + T + N + M + 分级, data = data,
   x=T, y=T, surv=T, time.inc=60
   nomo <- crr.fit(e, failcode=1, cencode=0)
   nomogram.crr(fit =nomo, lp = F, xfrac = 0.5, fun.at =seq(from=0, to=1, by= 0.1) , failtime =c(12,36,60),funlabel = c("1年CSS累积发病率", "3年CSS累积发病率","5年CSS累积发病率"))
   set.seed(123)
   data$pro <- tenf.crr(m3, time = 60)
   groupci(x = data$pro, ftime = data$time, fstatus = data$status, failcode = 1, cencode = 0, ci = TRUE)
   f <- CSC（Hist（time，status）~ Sex + T + N + M + Grade，data = data）
   x <- Score(list(model1=f), Hist(time,status)~1, data=data, cause=1, times=c(12,36,60), se.fit=1L, plots="中国台湾"，指标="auc")
   g <- as.data.frame(x$AUC$score)
   h <- g[g$times %in% c(12,36,60),]
   col = c("深青色","番茄","紫色")
   plotROC(x, xlab="1-特异性"，ylab="灵敏度",col=col[1], cex=1.5, legend="", auc.in.legend = F, times = 12)
   plotROC(x, col = col[2], legend = '', cex = 1.5, times = 36, auc.in.legend = F, add = T)
   plotROC(x, col=col[3], times=60, add=T, cex=1.5, legend='', auc.in.legend=F)
   腿 <- paste0(c("1年： ","3年： ","5年： "），substr(a$AUC, 1, 5)
7. 按照步骤 2.3 保存图像。
8. 使用 ggscidca 包绘制 DCA 曲线。
   library(ggscidca)
   df_surv<-read.csv("data.csv",header = T)
   cox模型 <- coxph(Surv(时间, 状态==1) ~ 性别 + T + N + M + 分级, data = df_surv)
   cox_model1<-newcrr(cox_model)
   scidca(cox_model1, newdata = df_surv, threshold.line = T, threshold.text = T)
   其中 data.csv 是从 SEER 数据库获得的数据。
9. 按照步骤 2.3 保存图像。

结果

患者特征
本研究共纳入8,931例患者。在性别分布方面，男性患者比例较高，占56%，女性患者占44%。在肿瘤部位分布方面，大多数肿瘤分布于全结直肠，而位于右半结肠的肿瘤最少，占21%。在肿瘤分级方面，最常见的为II级，共6,251例，占总数的70%；其次为III级，共2,026例，占23%。I级和IV级分别有355例和299例，占总数的4%和3.3%。在肿瘤浸润深度方面，T3和T4期最为常见。超过一半的患者无淋巴结转移，17%的患者存在远处转移。1,446例患者（16%）接受了放疗，3,843例患者（43%）接受了化疗。同步性结直肠癌（SCRC）更为常见，共5,327例，占总数的60%；异时性结直肠癌患者为3,604例，占40%。患者按7:3的比例被随机分为训练集和验证集。训练队列与验证队列之间的基线数据无统计学显著差异，详见表1。

单变量分析
在控制竞争风险事件的影响后，单因素分析结果显示，性别、肿瘤分级和大小、TNM 分期、放疗、化疗、同步或异时状态以及肿瘤位置是影响 MPCC 患者癌症特异性生存率（CSS）的预后因素。仅有年龄对 MPCC 患者的 CSS 不构成预后因素。我们注意到，放疗、化疗、肿瘤位置以及同步或异时状态的累积发生函数（CIF）存在显著交叉，表明放疗、化疗、肿瘤位置以及同步或异时状态对 MPCC 患者的短期和长期预后影响不同。各亚组的累积风险曲线见图 2。

多变量分析
单变量分析获得的预后因素被纳入竞争风险模型的最佳子集回归（BSR）和多变量分析中。其中，由于放疗、化疗、肿瘤位置以及同步或异时性状态对预后具有双重影响，因此被排除在外。BSR 和多变量分析的结果均显示，性别、TNM 分期和肿瘤分级是 MPCC 患者癌症特异性生存（CSS）的独立危险因素。（图 2）

列线图的构建与验证
根据多变量分析获得的独立危险因素，我们构建了一个线性列线图以预测癌症特异性生存率（CSS），并验证该预测模型的性能（图3）。随后，我们采用受试者工作特征曲线（ROC曲线）、校准曲线和决策曲线分析（DCA）对模型进行评估。ROC曲线显示，训练队列1年、3年和5年的AUC分别为0.762、0.742和0.734，验证队列1年、3年和5年的AUC分别为0.801、0.740和0.743。在训练队列和验证队列中，校准曲线均显示出预测概率与实际数据之间具有良好的一致性（图4）。为验证该模型在临床应用中的表现，我们采用DCA评估模型的临床价值。结果表明，该模型具有良好的净收益（图5）。

图 1：本研究的工作流程图。 本研究包含两个步骤：首先，使用 SEER*Stat 获取数据；然后，使用 R 进行数据分析和可视化。请点击此处查看此图的放大版本。

图 2：分析结果。（A）各亚组的累积发生函数（CIF）。* 表示 p <0.05。（B）最优子集回归分析。在最优拟合条件下，性别、分级和TNM分期被考虑纳入模型（上方黑色方块所示）。（C）多变量分析同样显示，性别、分级和TNM分期是独立的危险因素。请点击此处查看该图的放大版本。

图3：MPCC患者癌症特异性生存（CSS）的列线图。通过将各因素对应的评分相加，可计算出患者的总评分。根据总评分，可预测患者在1年、3年和5年时发生癌症特异性死亡的概率请点击此处查看该图的放大版本。

图4：ROC曲线和校准曲线。（A, B）训练队列（n=6255）中的曲线，以及（C, D）验证队列（n=2676）中的曲线。AUC值越接近1，模型的分类性能越好。误差条表示实际事件发生概率的95%置信区间。请点击此处查看此图的放大版本。

图 5：1年、3年和5年的决策曲线分析（DCA）。（A, B, C）训练队列中的DCA，以及（D, E, F）验证队列中的DCA。绿色线表示全部判为阳性的净获益，蓝色线表示全部判为阴性的净获益，红色线表示该模型的净获益。下方红色区域表示模型的净获益超过全部阳性与全部阴性策略，反映该模型的实际获益范围。请点击此处查看该图的放大版本。

表1：患者的临床病理学及基线特征。 请点击此处下载该表格。

讨论

作为一种常见的消化系统肿瘤，影响孤立性结直肠癌预后的因素已在既往研究中得到探讨和证实²⁴。然而，关于多原发结直肠癌（MPCC）患者的预后因素研究仍较为有限。本研究纳入了2004年至2015年间来自SEER数据库的8,931例接受手术治疗的MPCC患者。我们采用竞争风险模型分析影响癌症特异性生存率（CSS）的危险因素，并构建了预测模型。在本研究中，39.1%的死亡患者死于非癌症相关原因，凸显了使用竞争风险模型分析CSS危险因素的必要性。

既往研究发现，高龄是影响MPCC患者总生存期（OS）的危险因素¹²。然而，在本研究中，我们发现年龄并非癌症特异性生存期（CSS）的危险因素。老年患者通常基础健康状况较差，并发症更多，因此与年轻患者相比，其总生存期可能更短。此外，老年人更易死于心血管事件、严重感染等非癌症相关原因，对这些因素的易感性也高于年轻患者。本研究重点关注了非癌症死亡与其他原因死亡之间的竞争关系。通过采用竞争风险模型并排除其他原因死亡的干扰，我们发现在此条件下，高龄不再是MPCC患者癌症特异性死亡的危险因素。这表明不同年龄组的MPCC患者可能具有相似的肿瘤负荷。总体而言，该疾病在年轻与老年患者中的癌症特异性生存率相似，这为制定个体化治疗策略提供了有价值的指导。

本研究还发现，MPCC 的发病率和预后存在性别相关倾向，男性患者的占比更高，且癌症特异性生存率（CSS）更差。这与孤立性结直肠癌中观察到的情况一致。既往研究表明，孤立性结直肠癌在男性中更为常见，且男性患者的预后较女性患者更差。这可能与雌激素对结直肠癌发生和进展的影响有关²⁵。此外，其他研究提示，男性患者肠道微生物群及肠道代谢物可能是导致结直肠癌患者性别差异的原因之一²⁶。德国的一项研究发现，2 型糖尿病对女性结直肠癌的影响更大²⁷。此外，维生素 D 对女性结直肠肿瘤具有保护作用，但在男性中未发现类似结果²⁸。

竞争性单变量分析发现，肿瘤体积较大的MPCC患者具有较差的癌症特异性生存率（CSS）。在以往的研究中，肿瘤大小常被视为肿瘤侵袭性的指标^29,30,31。然而，竞争性多变量分析的结果并未支持肿瘤大小作为独立危险因素。这表明，在结直肠等空腔器官中，肿瘤大小反映肿瘤侵袭性的能力可能有限。这一现象可能源于多种因素，包括肿瘤生物学的复杂性以及不同器官中肿瘤生长和扩散模式的差异。

肿瘤分级越低，表明肿瘤细胞的侵袭和迁移能力越强，这与本研究的结论一致：MPCC患者的肿瘤分级越差，其癌症特异性生存率（CSS）越低。TNM分期是临床上用于指导患者治疗和预测预后的最常用方法^32,33。本研究发现，肿瘤浸润越深、转移淋巴结数目越多、存在器官转移的患者，其癌症特异性生存率越差。这一结果与临床共识完全一致。

在结直肠癌中，预后情况因肿瘤位置的不同而有所差异。许多研究发现，与左半结直肠相比，右半结肠的预后更差^34,35,36,37。然而，也有研究指出，在可切除的结直肠癌中，肿瘤所在侧别对长期预后并无影响³⁸。本研究中，位于右半结肠的MPCC短期癌症特异性生存率（CSS）较差，但长期预后较好。类似地，接受放疗和化疗的MPCC患者短期CSS较好，但长期CSS较差。与MCRC相比，SCRC的短期CSS较差，但长期CSS较好。这些对预后产生双重影响的原因目前尚不明确。

本研究存在一些局限性。由于SEER数据库本身的限制，我们无法获取或分析某些已知的预后指标，例如癌胚抗原（CEA）水平和微卫星状态。此外，我们无法排除患有炎症性肠病、遗传性非息肉病性结直肠癌以及家族性腺瘤性息肉病的患者，这些患者发生MPCC的风险较高³⁹。另外，免疫治疗已成为结直肠癌治疗中日益重要的组成部分，但我们未能获得相关数据。本研究为回顾性分析，且依赖于单一数据集，可能会引入固有的偏倚。

基于SEER数据库的研究发现，男性、肿瘤分级较差以及晚期TNM分期与MPCC患者术后较差的癌症特异性生存率（CSS）相关。在诊断和治疗过程中，需对具有这些危险因素的患者予以密切关注。此外，本研究建立了一个预测MPCC患者CSS的列线图，该模型可准确预测患者的预后情况，有助于临床治疗决策的制定。

材料

本文使用的材料清单

姓名	公司	目录编号	评论
forestplot 包	综合 R 存档网络 (CRAN)	forest plot 3.1.3	一种森林图，支持每行多个置信区间、每个文本元素的自定义字体、自定义置信区间、文本与表达式混合显示等功能。
ggprism 包	综合 R 存档网络 (CRAN)	ggprism 1.0.5	ggprism 包提供了多种主题、调色板及其他有用函数，用于自定义 ggplot 图形，使其具有 ‘GraphPad Prism’ 的外观。
ggscidca 包	综合 R 存档网络 (CRAN)	ggscidca 包	“ggscidca”包为传统决策曲线添加了表示判别相关性的彩色条形，提升了实用性与美观性。
ggsurvfit 包	综合 R 存档网络 (CRAN)	ggsurvfit 1.1.0	ggsurvfit 包简化了使用 ggplot2 创建事件发生时间（即生存分析）汇总图形的过程。其简洁且模块化的代码可生成可直接用于发表或共享的图像。
gtsummary 包	综合 R 存档网络 (CRAN)	gtsummary 2.0.0	gtsummary 包提供了一种优雅且灵活的方法，使用 R 编程语言创建适合发表的分析与汇总表格。{gtsummary} 包利用合理的默认设置和高度可定制的功能，对数据集、回归模型等进行汇总。
QHScrnomo 包	综合 R 存档网络 (CRAN)	QHScrnomo 3.0.1	QHScrnomo 的目标是提供在存在竞争风险的情况下，针对事件发生时间（生存）分析构建列线图的功能。该包还包含用于构建、验证和汇总这些模型的函数。
R 软件	R Core Team	R 4.3.3	用于统计计算和图形的自由软件环境
riskRegression 包	综合 R 存档网络 (CRAN)	riskRegression 1.3.7	用于具有竞争风险的生存分析的风险回归模型与预测评分
rms 包	综合 R 存档网络 (CRAN)	rms 6.8-1	rms 通过在拟合结果中存储增强的模型设计属性，实现回归建模、检验、估计、验证、图形绘制、预测和排版。
RStudio	RStudio, 公共利益公司 (PBC)	Rstudio 2023.12.1+402	集成开发环境 (IDE)，用于运行 R 脚本、数据分析和模型开发。为 R 编程提供用户友好的界面，具备脚本编辑、调试和版本控制等高级功能。
SEERstat	美国国家癌症研究所 (NCI)	SEERstat 8.4.3	用于 SEER 及其他癌症相关数据库统计分析的软件
tidycmprsk 包	综合 R 存档网络 (CRAN)	tidycmprsk 1.0.0	tidycmprsk 包为处理竞争风险终点提供了直观的接口