Nomogram met concurrerend risico voor het voorspellen van kankerspecifieke overleving bij patiënten met meerdere primaire colorectale kanker na een operatie

Ons onderzoek richt zich op het analyseren van kankerspecifieke overleving van patiënten met meerdere primaire colorectale kankers. We onderzoeken de factoren die van invloed zijn op de specifieke overleving van kanker bij deze patiënten en ontwikkelen vervolgens een model ter ondersteuning van de klinische besluitvorming.

In ons onderzoek gebruiken we een concurrerend ReX-model in plaats van een Cox-model om de factoren te onderzoeken die van invloed zijn op de specifieke overleving van kanker. Deze aanpak stelt ons in staat om de impact van concurrerende evenementen te minimaliseren en preciezere resultaten te bereiken. In de toekomst zijn we van plan ons te concentreren op genomics-onderzoek in meerdere primaire colorectale kankers, met als doel hun verschillende genetische kenmerken bloot te leggen.

[Docent] Download om te beginnen de SEERStat 8.4.3-software van de SEER-databasewebsite. Registreer en log in op SEERStat 8.4.3 om de relevante patiëntgegevens te verkrijgen. Klik na het inloggen op caselisting sessie en gegevens. Selecteer vervolgens de incident-SEER-onderzoeksgegevens, 17 registers, november 2022 sub, 2000 tot 2020 database. Klik op selectie, bewerk en kies vervolgens ras, geslacht, jaar dx, jaar van diagnose, 2004 tot 2015, en plaats en morfologie, site hercodeer ICD03 en WHO 2008 als dikke darm en rectum. Kies diagnostische bevestiging van de plaats en morfologie als positieve histologie, en het volgnummer van meerdere primaire velden is niet slechts één primaire. Klik nu op oké en sla de selectie op. Klik vervolgens op de tabel en selecteer in de beschikbare variabeleninterface leeftijdshercodering met alleenstaande leeftijden en 85 plus, geslacht, site hercodering ICD03 en WHO 2008 CS tumorgrootte, graad hercodering tot en met 2017, afgeleide AJCCT zesde editie, 2004 tot 2015, afgeleide AJCCN zesde editie, 2004 tot 2015, afgeleide AJCCM zesde editie, 2004 tot 2015, straling hercodering, Chemotherapie hercoderen, ja, nee of onbekend. Classificatie van SEER-oorzaakspecifieke dood, classificatie van andere doodsoorzaken, overlevingsmaanden, patiënt-ID en RX-samenvattingsoperatie, prim-site 1,998 plus. Klik daarna op kolom. Klik vervolgens op uitvoer. Geef de gegevens een naam en klik op uitvoeren om de gegevens uit te voeren en op te slaan. Nadat u de gegevensdownload hebt voltooid, gebruikt u de patiënt-ID om patiënten uit te filteren bij wie twee of meer voorvallen zijn vastgesteld, wat wijst op meerdere primaire colorectale kankers. Bereken het interval tussen tumordiagnoses op basis van hun overlevingstijden. Classificeer patiënten vervolgens in synchrone, meervoudige primaire colorectale kanker en metachrone meervoudige primaire colorectale kanker, met zes maanden als grenswaarde. Categoriseer op basis van de leeftijd op het moment van de eerste diagnose de leeftijd van patiënten als 65 jaar of jonger en ouder dan 65 jaar. Classificeer tumorgraden als graad één voor goede differentiatie, graad twee voor matige differentiatie, graad drie voor lage differentiatie en graad vier voor niet-differentiatie. Classificeer vervolgens de tumorlocatie op basis van de verdeling van meerdere tumoren, zoals de rechter dikke darm, het linker colorectum of het hele colorectum. Bepaal de tumorgrootte door de grootste tumordiameter te selecteren tussen meerdere tumoren bij dezelfde patiënt. Verdeel willekeurig alle 8.931 patiënten in een trainingscohort en een validatiecohort in een verhouding van zeven tot drie. Download RStudio en RSoftware. Open RStudio om RSoftware uit te voeren. Klik vervolgens op nieuw bestand en selecteer RScript om een nieuwe RProgramming-interface te maken. Voer de relevante code in de code-editor in en klik op uitvoeren om de code uit te voeren. Gebruik de code om univariate analyses uit te voeren en de CIF-curve uit te zetten. Klik na het uitvoeren van de code op exporteren, klik vervolgens op opslaan als afbeelding en klik ten slotte op opslaan om de afbeelding op te slaan. Vervang geslacht in de code door andere factoren om een univariate analyse uit te voeren voor alle factoren. Gebruik vervolgens de code om de beste subsetregressie, multivariate analyse en visualisatie uit te voeren. Sla vervolgens de afbeelding op zoals eerder weergegeven. Gebruik de code om het nomogram, de ROC-curve, de kalibratiecurve en de DCA-curve uit te zetten. Gebruik vervolgens het GGSCIDCA-pakket om de DCA-curve uit te zetten voordat u de afbeelding opslaat. De ROC-curven toonden aan dat het model een AUC van 0,762, 0,742 en 0,734 behaalde voor respectievelijk voorspellingen van één jaar, drie jaar en vijf jaar in het trainingscohort. En 0.801, 0.740 en 0.743 in het verificatiecohort. De kalibratiecurves gaven een hoge overeenkomst aan tussen de voorspelde kansen en de werkelijke uitkomsten in zowel de trainings- als de verificatiecohorten. DCA toonde aan dat het model een goed netto voordeel opleverde over verschillende drempelkansen.