检索历史 清除

摘要背景:<br>　　卵巢癌肉瘤(Ovarian carcinosarcoma,OCS)是卵巢恶性肿瘤中极为罕见的一种类型，其病理复杂，临床症状不明显，进展快，预后差，具有高度侵袭性的特征。由于其罕见性、发病率低，目前报道的相关研究多为小样本回顾性研究，受条件限制，难以开展前瞻性研究来验证和探索OCS患者的治疗和预后。目前已有小样本回顾性研究通过构建临床预测模型，以评估OCS患者的风险及预后生存，但可利用特征少、样本量较小，因此仍缺乏可观的预后评估工具。<br>　　目的:<br>　　本研究通过大样本的回顾性分析，并纳入更多的可能影响预后的因素，来探索影响OCS患者预后的独立危险因素，并结合患者的临床病例资料来构建OCS预后的临床预测模型，同时进行模型的验证及建立可视化的列线图，为OCS患者的预后评估预测提供参考。<br>　　方法:<br>　　从美国国立癌症研究所的SEER数据库中收集2000至2020年间所有确诊为OCS患者的病例资料，纳入信息包括组织病理学分级、患者确诊时的年龄、患者确诊的时间(年)、是否合并其他恶性疾病、糖类抗原-125(cancer antigen-125,CA-125)情况、生存时间等。首先对患者的年龄和分期分布情况进行了统计分析，对于患者确诊时的年龄以及患者肿瘤直径大小这两个连续变量，使用X-tile软件分析选取最佳截断值，将年龄进行三分组、直径大小进行二分组。由于研究时间跨度大，将诊断年份时间分为四组。将按照7∶3的比例将总的患者队列随机分为建模训练队列和内部验证队列，通过卡方检验分析比较两组患者间临床基线特征有无显著差异。首先应用单因素Cox回归分析找出潜在影响的预后因素，根据结果将潜在的因素纳入多因素Cox回归分析，确定其中的独立危险因素;基于前期多因素Cox回归分析的结果，建立预测模型;综合应用受试者工作特征曲线下面积(Area under the receiver operating characteristic curve，AUC)、C指数(C-index)对模型进行区分度评价，并进行模型校准度及临床决策曲线分析(Decision Curve Analysis,DCA)评估，同时在验证队列中进行模型的评估验证。<br>　　结果:<br>　　本研究最终共纳入2541例OCS患者，其中建模训练队列1779例，内部验证队列762例。在建模训练队列的数据中，单因素Cox回归分析结果显示，患者组织病理学分级、肿瘤转移范围、FIGO分期、治疗方案、肿瘤直径大小、术后残留肿瘤大小、淋巴结受累情况、CA-125异常情况、肿瘤偏向侧、年龄等10项因素是OCS患者的潜在影响预后因素(p＜0.10)。进一步的多因素Cox回归分析结果显示FIGO分期、转移范围、肿瘤直径大小、病理分化分级、治疗方案、年龄等因素是影响OCS预后的独立危险因素(P＜0.05)。将术后残留肿瘤大小和这6个独立危险因素一起构建预测模型，对模型进行综合评估并使用验证组数据进行内部验证，训练组模型预测1年、3年和5年OS的AUC分别为0.736、0.794和0.868,验证组中模型预测1年、3年和5年OS的AUC分别为0.721、0.812和0.900。训练组模型的C-index为0.675,验证组中模型的C-index为0.672。所构建模型具有良好的区分度、校准度及临床应用价值。最后基于模型构建列线图，方便临床使用。<br>　　结论:<br>　　1.本研究发现影响OCS患者预后的独立危险因素包括年龄、病理分化分级、FIGO分期、转移范围、肿瘤直径大小、治疗方案。<br>　　2.本研究通过构建并验证的一个具有良好校准度、区分度以及临床实用性的临床预测模型，该模型可以对OCS患者的1、3、5年总生存率进行评估预测。<br>　　3.通过科学量化的方式，并使用列线图实现模型可视化，通过提高了医疗决策的精准度和效率，可协助临床医生快速评估OCS患者风险等级，为临床医师评估OCS患者个体生存预后提供参考。<br>　　4.受回顾性研究局限性影响，模型还需进一步的外部验证。更好的预后评估需要多中心、大规模的前瞻性临床研究证据来对模型进一步的验证和改进。