今天和大家分享一篇新鲜出炉的非生存资料预测模型。这篇文章上周发表在Journalofclinicaloncology（IF=28+），研究人员开发了针对T1期黑色素瘤患者前哨淋巴结转移情况的预测，并进行外部验证。

FactorsAffectingSentinelNodeMetastasisinThin(T1)CutaneousMelanomas:DevelopmentandExternalValidationofaPredictiveNomogram

文章整体概览

主要研究结果

1

基本信息

训练集与验证集两组比较，在性别比例、年龄、深缘状态、生长阶段、有丝分裂率、溃疡、淋巴血管侵犯及前哨淋巴结阳性率的差异不具有统计学意义；而在肿瘤位置、厚度、Clark分级、肿瘤浸润淋巴细胞、消退及接受淋巴结清扫的患者比例上两组患者的差异具有统计学意义。

在训练集中，平均随访时间个月（四分位数：90-月），所有患者10年总体生存率为89.5%；在验证集中，平均随访时间个月（四分位数：84-月），所有患者10年总体生存率为90%。

2

前哨淋巴结阳性相关因素

在训练集中，利用卡方检验/Fisher确切概率法比较淋巴结阳性患者与淋巴结阴性患者间的差异。单因素分析结果显示年轻患者、肿瘤位置位于头颈部、垂直生长、Breslow厚度≥0.8mm、有丝分裂率1、溃疡形成、淋巴血管侵犯、Clark分级≥1及消退≥75%。

随后，研究团队利用随机森林算法进一步筛选了与T1期黑色素瘤患者前哨淋巴结转移相关的因素。结果表明年龄（P=0.）Breslow厚度（P=0.）、有丝分裂率（P=0.）、溃疡（P=0.）、淋巴血管侵犯（P=0.）及消退（P=0.）为重要的预测因素。

3

建立Nomogram

基于上述6项因素，建立了以Logistic回归模型为基础的Nomogram。在Logistic回归模型中，6项因素均具有统计学意义（P0.05）。评价结果表明Nomogram在训练集中的C指数高达0.，在验证集中，C指数依旧高达0.。上述结果均表明此Nomogram具有极高的区分度，并且在独立验证队列中依旧保持稳定。

Calibrationcurve(校正曲线）是评价Nomogram的常用图形和指标，此文也对其进行了绘制并评价。结果如下图所示（A为训练集、B为验证集）。从图中可以看出校正曲线几乎贴合对角线，这意味着Nomogram所预测的前哨淋巴结阳性率与实际观测到的淋巴结阳性率高度一致。

DCA（临床决策曲线分析）也是Nomogram中较为常见的评价图形和指标，其可以反映出应用此模型的患者净获益率（Netbenefit）。结合结果，我们可以看出Nomogram可使得患者或者较大的净获益率，最大限度的减少不必要的前哨淋巴结活检。并且，Nomogram比6项纳入Nomogram的单独指标可获得更大的净获益率。

随后，研究团队还比较了Nomogram与指南的对比。研究结果表明无论在净获益率还是减少前哨淋巴结活检方面，Nomogram均较指南表现的更好。

总结

Journalofclinicaloncology这个杂志其实是发了不少Nomogram系列好文的。此外，还有不少基于其它方法的预测模型。总体而言，这是接受Nomogram分数较高的杂志（除去部分高分杂志偶尔发表）。结合今天这篇文章，我们来探讨一下什么样的文章可以发表在这样的杂志上。

首先，对这篇文章我们印象最深的应该并不是样本量，尽管样本量很大。因为现在很多公共数据库（如SEER），动不动就几万样本量。大家可能会说C指数表现的很好。也没错，这篇文章的C指数在训练集和验证集中均＞0.9，这是多少做预测模型的小伙伴的梦想。但是，细心的小伙伴在流程图中应该注意到了本文十分重要的一点，那就是国际性多中心研究。研究团队以意大利国家肿瘤研究所的样本进行建模，利用了13个来自不同机构的样本进行验证，包括来自其余4个国家队列在内的13个独立队列。类似的研究不少都发表在的领域顶刊杂志，例如：

BerardiGiammauro,MoriseZenichi,SpositoCarloetal.Developmentofanomogramtopredictout

转载请注明:http://www.aideyishus.com/lkzp/640.html