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

我们的研究聚焦于分析患有多种原发性结直肠癌患者的癌症特异性生存率。我们探讨影响这些患者癌症特异性生存率的因素，并据此建立模型以支持临床决策。

在我们的研究中，我们采用竞争风险模型（ReX模型）而非Cox模型，以探究影响癌症特异性生存率的因素。该方法可最大限度地减少竞争事件的影响，从而获得更精确的结果。未来，我们计划将研究重点放在多原发结直肠癌的基因组学上，旨在揭示其独特的遗传特征。

[讲师] 首先，从 SEER 数据库网站下载 SEERStat 8.4.3 软件。注册并登录 SEERStat 8.4.3 以获取相关患者数据。登录后，点击“病例列表会话”和“数据”。然后选择“SEER 研究数据（发病数据），17 个注册库，2022 年 11 月更新子集，2000 至 2020 年数据库”。点击“筛选”，然后点击“编辑”，选择种族、性别、诊断年份（year dx，2004 至 2015 年）、部位与形态学（site and morphology），其中部位编码采用 ICD-O-3 和 WHO 2008 标准，限定为结肠与直肠。选择组织学确诊方式为“阳性组织学”，多原发肿瘤字段中序列号不限于仅第一个原发肿瘤。点击“确定”并保存筛选条件。接着点击“表格”，在可用变量界面中选择：年龄编码（含单岁组及 85 岁以上组）、性别、部位编码（ICD-O-3 和 WHO 2008）、CS 肿瘤大小、分级编码（至 2017 年）、衍生的 AJCC 第六版 T 分期（2004–2015）、衍生的 AJCC 第六版 N 分期（2004–2015）、衍生的 AJCC 第六版 M 分期（2004–2015）、放疗编码、化疗编码（是、否或未知）、SEER 特定死因分类、SEER 其他死因分类、生存月数、患者 ID，以及原发部位手术摘要（RX summary surgery, prim site 1,998+）。之后点击“列”设置，再点击“输出”。为数据命名后点击“执行”以输出并保存数据。完成数据下载后，使用患者 ID 筛选出被诊断为两次或以上肿瘤的患者，提示其患有多个原发性结直肠癌。根据患者的生存时间计算肿瘤诊断之间的间隔时间。以六个月为界值，将患者分为同步性多原发性结直肠癌和异时性多原发性结直肠癌。根据首次诊断时的年龄，将患者年龄分为 65 岁及以下和 65 岁以上两组。将肿瘤分级分为：一级为高分化，二级为中等分化，三级为低分化，四级为未分化。根据多个肿瘤的分布情况对肿瘤位置进行分类，如右半结肠、左半结直肠或全结直肠。通过选取同一患者多个肿瘤中的最大肿瘤直径来确定肿瘤大小。将全部 8,931 名患者按 7:3 的比例随机分为训练队列和验证队列。下载 RStudio 与 R 软件，打开 RStudio 以运行 R 程序。点击“新建文件”，选择“R 脚本”以创建新的 R 编程界面。在代码编辑器中输入相关代码，点击“运行”以执行代码。使用代码进行单因素分析并绘制累积发生函数（CIF）曲线。运行代码后，点击“导出”，再点击“另存为图像”，最后点击“保存”以保存图像。在代码中将“sex”替换为其他因素，对所有因素逐一进行单因素分析。接下来，使用代码进行最优子集回归、多因素分析及可视化操作，并按前述方式保存图像。使用代码绘制列线图（nomogram）、ROC 曲线、校准曲线和决策曲线分析（DCA）曲线。随后，使用 GGSCIDCA 包绘制 DCA 曲线，再保存图像。ROC 曲线显示，该模型在训练队列中对 1 年、3 年和 5 年预测的 AUC 分别为 0.762、0.742 和 0.734，在验证队列中分别为 0.801、0.740 和 0.743。校准曲线表明，训练队列和验证队列中预测概率与实际结果之间具有高度一致性。决策曲线分析（DCA）显示，该模型在多种阈值概率下均具有良好的净收益。