Name: 预测多发性原发性结直肠癌患者术后癌症特异性生存率的竞争风险列线图 (视频) | JoVE Journal
Uploaded: 2024-09-27T15:00:00.000+00:00
Duration: 6 min 46 s
Description: 了解多发性原发性结直肠癌患者术后癌症特异性生存率的预测方法。本研究利用竞争风险模型分析影响因素，并开发列线图辅助临床决策，为肿瘤学精准治疗提供可靠工具。

ai_agent_IP

ai_agent

maintenance

instantTrialDurationMinutes

isBiopharma

enableNewMyJoveSectionDesign

educationFeatures

seoMetaApi

ai_copilot_institution_blacklist

ai_chat_institution_blacklist

freeAccessWindow

ssoRoleCapture

scheduledMaintenanceBanner

joveLabsFeatures

disable_autoplay_for_bots

extended_trial_duration

5 minutes

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
<ol>
	<li>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。</li>
	<li>登录 SEER.Stat 8.4.3 后，点击 Case Listing Session &#62; Data，并选择 Incidence SEER Research Data, 17 Registries, Nov 2022 Sub (2000-2020) 数据库。</li>
	<li>点击 Selection &#62; 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'。</li>
	<li>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。</li>
	<li>点击 Output，为数据命名，然后点击 Execute 以输出并保存数据。</li>
	<li>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。</li>
	<li>根据患者首次诊断时的年龄，将患者年龄分为 = 65 岁和&#62; 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。
	<ol>
		<li>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。</li>
	</ol>
	</li>
	<li>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 &#62;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。</li>
</ol>
2. 模型构建
<ol>
	<li>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。</li>
	<li>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 &#60;读取 CSV 文件（'data.csv'）&#34; 
	data$status&#60;-因子(data$status, 水平=c(0,1,2), 标签=c(&#34;0&#34;,&#34;CSS&#34;,&#34;OCS&#34;)) 
	CIF &#60;- tidycmprsk::cuminc(Surv(时间, 状态) ~ 性别, data = 数据) 
	ggcuminc(CIF, 结局 = c(&#34;CSS&#34;, &#34;OCS&#34;），大小=1.5） 
	其中 data.csv 是从 SEER 数据库获得的数据。</li>
	<li>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。</li>
	<li>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&#60;-regsubsets(状态==0 ~ 性别 + 大小 + 等级 + T + N + M, data = data) 
	plot(leaps, scale=&#34;adjr2&#34;) 
	多 &#60;- 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 &#60;- read.csv(&#34;multi.csv&#34;,header = T) 
	forestplot(labeltext=as.matrix(Multi[,1:4]), mean=Multi$HR_mean, lower=Multi$HR_1, upper=Multi$HR_2) 
	其中 multi.csv 中的数据来源于前述代码的运行结果。</li>
	<li>按照步骤 2.3 保存图像。</li>
	<li>使用以下代码绘制列线图、ROC曲线、校准曲线和DCA曲线。 
	library(QHScrnomo) 
	library(rms) 
	library(riskRegression) 
	library(prodlim) 
	数据 &#60;- read.csv(&#34;data.csv&#34;) 
	d &#60;- datadist(data) 
	options(datadist = &#34;d&#34;) 
	e &#60;-cph(Surv(时间, 状态==1) ~ 性别 + T + N + M + 分级, data = data, 
	x=T, y=T, surv=T, time.inc=60 
	nomo &#60;- crr.fit(e, failcode=1, cencode=0) 
	nomogram.crr(fit =nomo, lp = F, xfrac = 0.5, fun.at =seq(from=0, to=1, by= 0.1) , failtime =c(12,36,60),funlabel = c(&#34;1年CSS累积发病率&#34;, &#34;3年CSS累积发病率&#34;,&#34;5年CSS累积发病率&#34;)) 
	set.seed(123) 
	data$pro &#60;- tenf.crr(m3, time = 60) 
	groupci(x = data$pro, ftime = data$time, fstatus = data$status, failcode = 1, cencode = 0, ci = TRUE) 
	f &#60;- CSC（Hist（time，status）~ Sex + T + N + M + Grade，data = data） 
	x &#60;- Score(list(model1=f), Hist(time,status)~1, data=data, cause=1, times=c(12,36,60), se.fit=1L, plots=&#34;中国台湾&#34;，指标=&#34;auc&#34;) 
	g &#60;- as.data.frame(x$AUC$score) 
	h &#60;- g[g$times %in% c(12,36,60),] 
	col = c(&#34;深青色&#34;,&#34;番茄&#34;,&#34;紫色&#34;) 
	plotROC(x, xlab=&#34;1-特异性&#34;，ylab=&#34;灵敏度&#34;,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 &#60;- paste0(c(&#34;1年： &#34;,&#34;3年： &#34;,&#34;5年： &#34;），substr(a$AUC, 1, 5)</li>
	<li>按照步骤 2.3 保存图像。</li>
	<li>使用 ggscidca 包绘制 DCA 曲线。 
	library(ggscidca) 
	df_surv&#60;-read.csv(&#34;data.csv&#34;,header = T) 
	cox模型 &#60;- coxph(Surv(时间, 状态==1) ~ 性别 + T + N + M + 分级, data = df_surv) 
	cox_model1&#60;-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。</li>
	<li>按照步骤 2.3 保存图像。</li>
</ol>

Nomogram Development for Survival Prediction in MPCC Patients

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

作者无任何利益冲突需要披露。

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。

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。

<table><tbody><tr><td>forestplot 包</td><td>综合 R 存档网络 (CRAN)</td><td>forest plot 3.1.3</td><td>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。</td></tr><tr><td>ggprism 包</td><td>综合 R 存档网络 (CRAN)</td><td>ggprism 1.0.5</td><td>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 &amp;lsquo;GraphPad Prism&amp;rsquo; 的外观。</td></tr><tr><td>ggscidca 包</td><td>综合 R 存档网络 (CRAN)</td><td>ggscidca 包</td><td>&amp;nbsp;“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。&amp;nbsp;</td></tr><tr><td>ggsurvfit 包</td><td>综合 R 存档网络 (CRAN)</td><td>ggsurvfit 1.1.0</td><td>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。&amp;nbsp;</td></tr><tr><td>gtsummary 包</td><td>综合 R 存档网络 (CRAN)</td><td>gtsummary 2.0.0</td><td>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。</td></tr><tr><td>QHScrnomo 包</td><td>综合 R 存档网络 (CRAN)</td><td>QHScrnomo 3.0.1</td><td>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。</td></tr><tr><td>R 软件</td><td>R Core Team</td><td>R 4.3.3</td><td>用于统计计算和图形的自由软件环境</td></tr><tr><td>riskRegression 包</td><td>综合 R 存档网络 (CRAN)</td><td>riskRegression 1.3.7</td><td>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</td></tr><tr><td>rms 包</td><td>综合 R 存档网络 (CRAN)</td><td>rms 6.8-1</td><td>&amp;nbsp;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。</td></tr><tr><td>RStudio</td><td>RStudio, 公共利益公司 (PBC)</td><td>Rstudio 2023.12.1+402</td><td>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。</td></tr><tr><td>SEERstat</td><td>美国国家癌症研究所 (NCI)</td><td>SEERstat 8.4.3</td><td>用于 SEER 及其他癌症相关数据库统计分析的软件</td></tr><tr><td>tidycmprsk 包</td><td>综合 R 存档网络 (CRAN)</td><td>tidycmprsk 1.0.0</td><td>tidycmprsk 包为处理竞争风险终点提供了直观的接口</td></tr></tbody></table>

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

Competing-Risk Nomogram for Predicting Cancer-Specific Survival in Multiple Primary Colorectal Cancer Patients after Surgery

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。

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（56%），高于女性患者（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（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（23%）；I级和IV级分别为355例和299例，分别占总数的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。仅有年龄不是 MPCC 患者 CSS 的预后因素。我们注意到，放疗、化疗、肿瘤位置以及同步或异时状态的竞争风险累积发生率（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 
基于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，结果显示该模型具有良好的净获益（图5）。
<img alt="从 SEER*Stat 数据分析流程图过渡到 R 4.3.3 进行统计计算和绘图。" class="xfigimg" src="/files/ftp_upload/67433/67433fig01.jpg" data-altupdatedat="1788304762000" data-alt="图 1"> 
图 1：本研究的工作流程图。 本研究包括两个步骤：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。<a href="https://www.jove.com/files/ftp_upload/67433/67433fig01large.jpg" target="_blank">请点击此处查看此图的放大版本。</a>
<img alt="癌症预后分析；12个生存曲线图、热图、森林图；临床变量；数据研究。" class="xfigimg" src="/files/ftp_upload/67433/67433fig02.jpg" data-altupdatedat="1788304762000" data-alt="图 2"> 
图 2：分析结果。 （A）各亚组的累积发生函数（CIF）。* 表示 p &lt;0.05。 （B）最优子集回归分析。在拟合优度最佳的情况下，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。 <a href="https://www.jove.com/files/ftp_upload/67433/67433fig02large.jpg" target="_blank">请点击此处查看该图的高清版本。</a>
<img alt="基于TNM分级和图形量表法的CSS累积发生率列线图。" class="xfigimg" src="/files/ftp_upload/67433/67433fig03.jpg" data-altupdatedat="1788304762000" data-alt="图3"> 
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。<a href="https://www.jove.com/files/ftp_upload/67433/67433fig03large.jpg" target="_blank">请点击此处查看该图的放大版本。</a>
<img alt="预测模型验证的ROC曲线和校准曲线；1年、3年、5年的AUC评分。" class="xfigimg" src="/files/ftp_upload/67433/67433fig04.jpg" data-altupdatedat="1788304762000" data-alt="图4"> 
图4：ROC曲线与校准曲线。（A, B）训练队列（n=6255）中的曲线；（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。<a href="https://www.jove.com/files/ftp_upload/67433/67433fig04large.jpg" target="_blank">请点击此处查看该图的放大版本。</a>
<img alt="决策曲线分析图；模型阈值概率与净获益比较；六幅图。" class="xfigimg" src="/files/ftp_upload/67433/67433fig05.jpg" data-altupdatedat="1788304762000" data-alt="图5"> 
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。绿色线表示全部阳性策略的净获益，蓝色线表示全部阴性策略的净获益，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的部分，反映该模型的实际获益范围。<a href="https://www.jove.com/files/ftp_upload/67433/67433fig05large.jpg" target="_blank">请点击此处查看该图的放大版本。</a>
表1：患者的临床病理学特征及基线特征。 <a href="https://www.jove.com/files/ftp_upload/67433/table%201_RE.xlsx" target="_blank">请点击此处下载该表格。</a>

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。

多原发结直肠癌（MPCC）患者中，癌症特异性生存率（CSS）受到其他原因死亡的竞争性影响。本研究……

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。

competing-risk-nomogram-for-predicting-cancer-specific-survival

Research

科研

JoVE Journal

Cancer Research

癌症研究

预测多发性原发性结直肠癌患者术后癌症特异性生存率的竞争风险列线图

本文介绍了一种基于Cox比例风险回归模型和竞争风险回归模型构建列线图的方案。当生存分析中存在竞争事件时，竞争风险方法是一种更为合理的分析方法。...

建立用于生存数据的竞争风险回归列线图模型

本方案介绍了用于评估竞争风险模型区分能力和校准能力的 R...

基于R语言的竞争风险模型景观验证

本研究利用机器学习模型和竞争风险分析，评估了结直肠印戒细胞癌患者的预后系统。研究发现，与pN分期相比，阳性淋巴结的对数比（LODDS）是更优的预后预测指标，具有良好的预测性能，可通过可靠的生存预测工具辅助临床决策。...

基于机器学习模型的三种淋巴结分期系统在结直肠印戒细胞癌中的预测性能比较

转移性克隆定植于远端部位的能力取决于其增殖能力，和/或在宿主微环境中不发生显著增殖而存活的能力。本文介绍了一种动物模型，可对转移性克隆的这两种肝脏定植方式进行定量可视化观察。...

肝内结直肠转移的高级动物模型：成像技术与转移克隆特性

我们描述了通过将肿瘤细胞或类器官注射到小鼠盲肠中建立原位结直肠肿瘤模型，并从此模型中后续分离循环肿瘤细胞（CTCs）的方法。...

结直肠癌原位小鼠模型中循环肿瘤细胞的分离

通过节段性腺病毒-Cre感染建立结直肠癌基因工程小鼠模型的方案及其监测 通过...

一种用于散发性结直肠癌的基因工程小鼠模型

肿瘤内皮细胞是肿瘤微环境及疾病进程的重要决定因素。本文描述了一种从人结直肠癌及正常结肠组织中分离出纯净且具有活性的内皮细胞的实验方案，可用于药物测试和发病机制研究。...

从正常结肠和结直肠癌组织中分离人内皮细胞——一种改进的方案

我们介绍了一种用于评估癌症患者血浆样本中循环微小RNA（miRNA）表达水平的实验方案。具体而言，我们采用了一种市售的试剂盒进行循环miRNA的提取和逆转录。最后，利用实时荧光定量PCR预点样探针定制板，对24种选定的miRNA进行了检测分析。...

转移性结直肠癌患者循环microRNA定制 panel 的检测

本方案描述了通过将高级别尿路上皮细胞癌细胞经膀胱内灌注，或将结直肠癌细胞经直肠内注射至非肥胖型糖尿病/重度联合免疫缺陷（NOD/SCID）小鼠体内，建立患者来源的原位异种移植模型，以在淋巴结基质细胞影响下实现原发肿瘤生长及自发性转移，从而模拟人类转移性疾病的进展过程。...

源自患者的膀胱上皮细胞癌和结直肠癌原位异种移植模型用于肿瘤生长及自发性转移研究

药物靶向中枢神经系统肿瘤是一项重大挑战。本文介绍了一种利用小鼠和/或人类细胞构建体外血脑肿瘤屏障模型的实验方案，并探讨了该模型在预测体内中枢神经系统肿瘤靶向性方面的相关性。...

利用培养皿中的血-脑肿瘤屏障预测体内载荷递送效果

了解多发性原发性结直肠癌患者术后癌症特异性生存率的预测方法。本研究利用竞争风险模型分析影响因素，并开发列线图辅助临床决策，为肿瘤学精准治疗提供可靠工具。

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

探索更多视频