胃神经内分泌肿瘤患者危险因素及预测模型分型构建

【摘要】：【目的】本研究旨在利用SEER数据库(Surveillance,Epidemiology and End Res ults database,SEER data)分别构建有效的列线图模型来预测胃神经内分泌癌(gastric neuroendocrine carcinoma,GNEC)和胃神经内分泌瘤(gastric neuroe-ndocrine tumor,GNET)的预后。【方法】从SEER*Stat软件中提取2004年至2015年经病理诊断为胃神经内分泌肿瘤(gastric neuroendocrine neoplasms,GNENs)(包括GNEC和GNET),并具有完整随访数据的患者的临床资料,收集人口学和临床病理数据,分别随机分配到训练和验证集中。绘制Kaplan-Meier生存曲线,采用Log-rank检验进行单因素分析,COX回归进行多因素分析,并用nomogram(列线图)进行COX回归评分系统的可视化预后预测模型的构建~([1])。患者以7:3比例被随机分配到训练和验证队列中,OS被设为研究终点。通过单因素和多因素的COX回归筛选预后变量并构建列线图,基于以上结果,我们分别构建了列线图来预测GNEC和GNET患者3和5年的OS(Overall Survival,生存期),并通过校准曲线和ROC(受试者工作特征)曲线对其进行了验证,证明临床预测模型的可靠性和准确性。【结果】结合多因素分析,年龄(P0.05),手术和TNM分期作为危险因素被纳入GNEC和GNET的列线图预测模型。此外,GNEC还纳入了性别,组织学分级(P0.05),N分期变量。在GNEC和GNET队列中,我们的列线图预测的3年和5年存活率与实际存活率之间取得了较佳的一致性。其中,其中GNEC:训练集C Index(C指数)0.832(95%CI=0.803-0.862),验证集C Index 0.797(95%CI=0.738-0.857);GNET:训练集C Index 0.749(95%CI=0.667-0.832),验证集C Index 0.807(95%CI:0.699-0.915)。预测验证集OS的列线图的AUC值为0.913(3年)、0.887(5年),高于第8版AJCC分期系统的AUC值(0.816 VS 0.789)。在GNET验证队列中观察到了出色的区分度(3年OS的列线图AUC与AJCC分期:0.78 VS 0.589;5年OS:0.779 VS 0.602)。基于以上结果,分别构建了可视化列线图并对其进行了验证,以预测GNEC患者的3年和5年OS。校准曲线、受试者工作特征(ROC)曲线也证明了临床预测模型的可靠性和准确性~([2])。在GNEC训练集中,预测3年和5年OS的列线图的AUC分别为0.913和0.887,高于传统的第8版AJCC分期系统(3年OS为0.833,5年OS为0.823)。在GNET训练集中,对于3年OS(0.722 VS 0.602)和5年OS(0.795 VS0.585),nomogram模型的AUC也大于传统的AJCC分期系统。【结论】与第8版AJCC分期系统相比,我们基于SEER数据库,分别建立的胃神经内分泌瘤及胃神经内分泌癌列线图预测模型具有更优的效能,我们的预测模型有望成为评估胃神经内分泌肿瘤患者预后的个性化和易用性的工具,并有助于在临床实践中做出更准确的判断。