System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及肿瘤复发风险分层模型,具体涉及早期乳腺癌全乳切除术后复发风险分层模型及其构建方法。
技术介绍
1、乳腺癌已成为当今女性最常见的恶性肿瘤,严重威胁女性的生命健康。据最新的全球癌症统计报告显示,女性乳腺癌已超过肺癌成为全球发病率最高的癌种,病死率也仅次于肺癌。随着乳腺癌筛查技术的提高和推广,使得初诊为早期乳腺癌的患者比例越来越高。全乳切除术和保乳术联合辅助放疗是其局部治疗的主要手段,且临床疗效无明显差别。由于经济、文化背景等差异,我国仍有较大比例的患者选择全乳切除术。
2、早期乳腺癌整体生存率高、复发率低,但其是一类异质性明显的恶性肿瘤,在相同的临床分期下,存在着预后不同的亚组人群。既往研究发现,年轻患者、激素受体阴性、脉管癌栓浸润、病理分级高和切缘阳性等临床病理特征为影响患者预后的独立危险因素,而同时具有多个危险因素的t1-2n0早期乳腺癌全乳切除术后患者局部区域复发率(locoregional recurrence,lrr)明显增高,可达10%以上,部分研究报道甚至超过20%。随着新型药物的研发应用和现代综合治疗模式的演进,影响这部分患者预后的危险因素是否发生改变,复发高危人群具有什么样的特点,如何准确地筛选出高危亚组人群并通过后续辅助强化治疗改善其预后,是目前临床关注的问题之一。
技术实现思路
1、为构建预测早期乳腺癌全乳切除术后复发风险分层模型,本专利技术提供了早期乳腺癌全乳切除术后复发风险分层模型及其构建方法,本专利技术利用nomogram构建复发风
2、本专利技术提供了早期乳腺癌全乳切除术后复发风险分层模型的构建方法,包括如下步骤:
3、选择符合标准的病例:t1-2n0乳腺癌全乳切除术后患者;
4、对t1-2n0乳腺癌全乳切除术后患者进行随访观察:观察的临床结局指标包括总生存率os、无局部区域复发生存率lrrfs和无病生存率dfs;
5、确定独立预后因素:对全乳切除术后患者的一般情况、肿瘤病理特征以及治疗情况纳入单因素分析,将单因素分析p<0.1的因素纳入多因素分析,确定lrrfs的独立预后因素和dfs的独立预后因素分析;
6、纳入独立预后因素分别绘制预测全乳切除术患者lrrfs和dfs的nomogram图,基于nomogram图采用x-tile软件分析连续性变量获得相应的截断值,进行风险分层获得全乳切除术患者lrrfs和dfs的nomogram风险分层预测模型。
7、进一步地,所述单因素分析采用log-rank检验进行分析,所述多因素分析采用cox比例风险回归模型进行分析;采用x-tile软件分析连续性变量获得相应的截断值,作为判断lrrfs风险和dfs风险的标准。
8、进一步地,所述独立预后因素分析结果为:
9、月经状态、肿瘤直径、组织学病理分级和激素受体状态是影响lrrfs的独立预后因素;肿瘤直径、组织学病理分级和激素受体状态同时也是dfs的独立危险因素。
10、进一步地,所述lrrfs和dfs的nomogram模型预测能力用c-index来评估,取值范围在0.5-1.0之间,0.5表示结果完全随机,说明该模型没有预测能力,1.0为完全一致,实际情况中无法构建,在此范围内,c-index值越大证明模型预测能力越高,一般认为c-index>0.7时,模型预测能力良好,c-index>0.8时认为模型预测能力优秀。
11、进一步地,预测全乳切除术患者5年lrrfs的nomogram风险分层预测模型的c-index为0.794,95%ci:0.704-0.884;
12、预测全乳切除术患者5年dfs的nomogram风险分层预测模型的c-index为0.726,95%ci:0.659-0.793。
13、进一步地,所述的nomogram模型的风险分层为:
14、lrrfs风险由低到高分为:低危组<110分,高危组≥110分;相应的5年lrrfs分别为98.7%和91.7%;
15、dfs风险由低到高分为:低危组<52分、中危组52-105分和高危组≥105分三组;相应的5年dfs分别为96.0%、93.0%和68.9%。
16、进一步地,所述选择符合标准的病例中的病例纳入标准如下::
17、乳腺癌为唯一原发恶性肿瘤;
18、病理为浸润性乳腺癌;
19、根据美国癌症联合委员会第7版标准肿瘤病理分期为t1-2n0;
20、初诊时未发现远处转移;
21、术后病理证实切缘阴性;
22、完整的临床、病理资料及随访信息。
23、进一步地,选择符合标准的病例过程中的病例排除标准为:
24、男性乳腺癌;
25、双侧乳腺癌;
26、术前行新辅助治疗;
27、术后行放疗。
28、本专利技术还提供了上述方法构建获得的nomogram风险分层预测模型。
29、进一步地,所述nomogram风险分层预测模型包括预测全乳切除术患者5年lrrfs的nomogram风险分层预测模型和预测全乳切除术患者5年dfs的nomogram风险分层预测模型。
30、与现有技术相比,本专利技术的有益效果在于:
31、1、本专利技术构建了t1-2n0早期乳腺癌全乳切除术后复发nomogram风险分层预测模型,预测全乳切除术患者5年lrrfs的nomogram模型的c-index为0.794,95%ci:0.704-0.884,预测全乳切除术患者5年dfs的nomogram模型的c-index为0.726,95%ci:0.659-0.793。
32、t1-2n0乳腺癌全乳切除术后患者的整体预后良好,5年os、lrrfs和dfs分别为99.1%、97.0%和92.0%。经多因素分析发现,月经状态、肿瘤大小、病理分级和激素受体状态是影响患者复发的独立危险因素,纳入危险因素构建预测患者5年lrrfs和dfs的nomogram模型,基于nomogarm风险分层预测模型的风险分层能很好地区分不同风险人群;
33、lrrfs风险由低到高分为,低危组(<110分,504例,占75.1%)和高危组(≥110分,167例,占24.9%)两组,相应的5年lrrfs分别为98.7%和91.7%(p<0.0001)。dfs风险由低到高分为,低危组(<52分,401例,占59.8%)、中危组(52-105分,190例,占28.3%)和高危组(≥105分,80例,占11.9%)三组,相应的5年dfs分别为96.0%、93.0%和68.9%(p<0.0001)。组间生存率差异显著,证明了基于的nomogram预测模型的风险分层的准确性。
本文档来自技高网...【技术保护点】
1.早期乳腺癌全乳切除术后复发风险分层预测模型的构建方法,其特征在于,包括如下步骤:
2.根据权利要求1所述的早期乳腺癌全乳切除术后复发风险分层预测模型的构建方法,其特征在于,所述单因素分析采用Log-rank检验进行分析,所述多因素分析采用Cox比例风险回归模型进行分析;采用X-tile软件分析连续性变量获得相应的截断值,作为判断LRRFS风险和DFS风险的标准。
3.根据权利要求2所述的早期乳腺癌全乳切除术后复发风险分层预测模型的构建方法,其特征在于,所述独立预后因素分析结果为:
4.根据权利要求3所述的早期乳腺癌全乳切除术后复发风险分层预测模型的构建方法,其特征在于,所述LRRFS和DFS的Nomogram模型预测能力用C-index来评估,取值范围在0.5-1.0之间,0.5表示结果完全随机,说明该模型没有预测能力,1.0为完全一致,实际情况中无法构建,在此范围内,C-index值越大证明模型预测能力越高,C-index>0.7时,模型预测能力良好,C-index>0.8时认为模型预测能力优秀。
5.根据权利要求4所述的早期
6.根据权利要求5所述的早期乳腺癌全乳切除术后复发风险分层预测模型的构建方法,其特征在于,所述的Nomogram模型的风险分层为:
7.根据权利要求1所述的早期乳腺癌全乳切除术后复发风险分层预测模型的构建方法,其特征在于,所述选择符合标准的病例中的病例纳入标准如下:
8.根据权利要求1所述的早期乳腺癌全乳切除术后复发风险分层预测模型的构建方法,其特征在于,选择符合标准的病例过程中的病例排除标准为:
9.权利要求1-8任一项所述的方法构建获得的Nomogram风险分层预测模型。
10.根据权利要求9所述的Nomogram风险分层预测模型,其特征在于,所述Nomogram风险分层预测模型包括预测早期全乳切除术患者5年LRRFS的Nomogram风险分层预测模型和预测早期全乳切除术患者5年DFS的Nomogram风险分层预测模型。
...【技术特征摘要】
1.早期乳腺癌全乳切除术后复发风险分层预测模型的构建方法,其特征在于,包括如下步骤:
2.根据权利要求1所述的早期乳腺癌全乳切除术后复发风险分层预测模型的构建方法,其特征在于,所述单因素分析采用log-rank检验进行分析,所述多因素分析采用cox比例风险回归模型进行分析;采用x-tile软件分析连续性变量获得相应的截断值,作为判断lrrfs风险和dfs风险的标准。
3.根据权利要求2所述的早期乳腺癌全乳切除术后复发风险分层预测模型的构建方法,其特征在于,所述独立预后因素分析结果为:
4.根据权利要求3所述的早期乳腺癌全乳切除术后复发风险分层预测模型的构建方法,其特征在于,所述lrrfs和dfs的nomogram模型预测能力用c-index来评估,取值范围在0.5-1.0之间,0.5表示结果完全随机,说明该模型没有预测能力,1.0为完全一致,实际情况中无法构建,在此范围内,c-index值越大证明模型预测能力越高,c-index>0.7时,模型预测能力良好,c-index>0.8时认为模型预测能力优秀。
5.根据权利要求4所...
【专利技术属性】
技术研发人员:周咏春,黄华,张燕群,王涛,谢凌霄,邓虎,王茹,李傲雪,程俊杰,
申请(专利权)人:蚌埠医学院第一附属医院蚌埠医学院附属肿瘤医院,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。