Nomogramma del rischio competitivo per la previsione della sopravvivenza specifica per il cancro in più pazienti con carcinoma colorettale primario dopo l'intervento chirurgico

La nostra ricerca si concentra sull'analisi della sopravvivenza specifica per il cancro di pazienti con più tumori del colon-retto primari. Esploriamo i fattori che influenzano la sopravvivenza specifica del cancro in questi pazienti e quindi sviluppiamo un modello per supportare il processo decisionale clinico.

Nella nostra ricerca, utilizziamo un modello ReX concorrente piuttosto che un modello di Cox per studiare i fattori che influenzano la sopravvivenza specifica del cancro. Questo approccio ci permette di ridurre al minimo l'impatto degli eventi in competizione e di ottenere risultati più precisi. In futuro, abbiamo in programma di concentrarci sulla ricerca genomica in diversi tumori primari del colon-retto, con l'obiettivo di scoprire le loro caratteristiche genetiche distinte.

[Istruttore] Per iniziare, scarica il software SEERStat 8.4.3 dal sito Web del database SEER. Registrati e accedi a SEERStat 8.4.3 per ottenere i dati rilevanti del paziente. Dopo aver effettuato l'accesso, fare clic su sessione e dati dell'elenco dei casi. Quindi seleziona i dati di ricerca SEER sugli incidenti, 17 registri, novembre 2022 sub, database dal 2000 al 2020. Fare clic su selezione, quindi modificare e scegliere razza, sesso, anno dx, anno di diagnosi, dal 2004 al 2015 e sito e morfologia, sito ricodificare ICD03 e OMS 2008 come colon e retto. Scegliere la conferma diagnostica del sito e della morfologia come istologia positiva e il numero di sequenza di più campi primari non è un solo primario. Ora fai clic su ok e salva la selezione. Quindi fare clic sulla tabella e, nell'interfaccia delle variabili disponibili, selezionare la ricodifica dell'età con età singole e più di 85 anni, il sesso, la ricodifica del sito ICD03 e la dimensione del tumore CS dell'OMS 2008, la ricodifica del grado fino al 2017, la sesta edizione dell'AJCCT derivata, dal 2004 al 2015, la sesta edizione dell'AJCCN derivata, dal 2004 al 2015, la ricodifica delle radiazioni, chemioterapia ricodifica, sì, no o sconosciuto. Classificazione della morte specifica per causa SEER, classificazione SEER di altre cause di morte, mesi di sopravvivenza, ID paziente e chirurgia sommaria RX, sito prim 1.998 plus. Successivamente, fai clic sulla colonna. Quindi fare clic su output. Assegna un nome ai dati e fai clic su Esegui per emettere e salvare i dati. Dopo aver completato il download dei dati, utilizzare l'ID paziente per filtrare i pazienti con diagnosi di due o più occorrenze, indicando più tumori del colon-retto primari. Calcola l'intervallo tra le diagnosi di tumore in base ai loro tempi di sopravvivenza. Quindi classificare i pazienti in carcinoma colorettale primario sincrono, multiplo e carcinoma colorettale primario multiplo metacrono, utilizzando sei mesi come cutoff. In base all'età al momento della diagnosi iniziale, classificare l'età dei pazienti come 65 anni o meno e oltre i 65 anni. Classificare i gradi del tumore come grado uno per una buona differenziazione, grado due per una differenziazione moderata, grado tre per una bassa differenziazione e grado quattro per una non differenziazione. Quindi classificare la posizione del tumore in base alla distribuzione di più tumori, come il colon destro, il colon-retto sinistro o l'intero colon-retto. Determinare le dimensioni del tumore selezionando il diametro del tumore più grande tra più tumori nello stesso paziente. Dividi in modo casuale tutti gli 8.931 pazienti in una coorte di formazione e una coorte di convalida in un rapporto di sette a tre. Scarica RStudio e RSoftware. Aprire RStudio per eseguire RSoftware. Quindi fare clic su nuovo file e selezionare RScript per creare una nuova interfaccia di RProgramming. Immettere il codice pertinente nell'editor di codice e fare clic su Esegui per eseguire il codice. Utilizzare il codice per eseguire l'analisi univariata e tracciare la curva CIF. Dopo aver eseguito il codice, fai clic su Esporta, quindi fai clic su Salva come immagine e infine fai clic su Salva per salvare l'immagine. Sostituisci il sesso nel codice con altri fattori per eseguire un'analisi univariata per tutti i fattori. Successivamente, utilizzare il codice per eseguire la regressione di sottoinsiemi, l'analisi multivariata e la visualizzazione ottimali. Quindi salva l'immagine come mostrato in precedenza. Usa il codice per tracciare il nomogramma, la curva ROC, la curva di calibrazione e la curva DCA. Quindi, utilizzare il pacchetto GGSCIDCA per tracciare la curva DCA prima di salvare l'immagine. Le curve ROC hanno dimostrato che il modello ha raggiunto un'AUC di 0,762, 0,742 e 0,734 per le previsioni di un anno, tre anni e cinque anni, rispettivamente, nella coorte di formazione. E 0,801, 0,740 e 0,743 nella coorte di verifica. Le curve di calibrazione hanno indicato un elevato accordo tra le probabilità previste e i risultati effettivi sia nelle coorti di addestramento che in quelle di verifica. Il DCA ha dimostrato che il modello ha fornito un buon beneficio netto in varie probabilità di soglia.