揭示乳腺癌幸存者对癌症复发恐惧的动态轨迹及其预测因素：一项前瞻性队列研究

乳腺癌患者癌症复发恐惧动态轨迹及预测模型研究。采用隐类增长模型和机器学习分析发现，患者存在持续低恐惧、恐惧递增和递减三种轨迹，随机森林模型预测效能最优（ROC AUC 0.901）。研究强调早期识别人口学、社会经济、临床及心理社会因素对预后的影响，未来需扩展干预措施研究。

　　

摘要

背景

对癌症复发的恐惧（FCR）是乳腺癌幸存者中与不良预后相关的一种动态现象。关于其因果关系的纵向研究较为有限。本研究的目的是描绘乳腺癌患者的FCR变化轨迹，识别不同的模式，并开发一个预测模型。

研究设计

这项多中心前瞻性队列研究于2022年3月至2023年12月在中国武汉的两家三级医院进行。共有1095名乳腺癌患者参与研究，其中790名患者的数据被用于分析。数据收集在制定治疗计划后、治疗期间以及治疗结束后3个月内进行。

研究方法

采用潜在类别增长模型（LCGM）来识别FCR的变化轨迹；LASSO回归用于分析训练数据集中的预测因素；同时运用了六种机器学习模型（包括Shapley加性解释方法SHAP和决策曲线分析DCA）来评估模型的预测效能。

研究结果

研究发现FCR的变化轨迹主要有三种类型：“持续低水平”（47.85%）、“逐渐增加”（32.28%）和“逐渐减少”（19.87%）。随机森林（RF）模型的表现最佳，其ROC AUC为0.901，PR AUC为0.854，表明该模型具有较高的预测准确性。关键预测因素包括人口统计学特征、社会经济状况、临床因素以及心理社会因素。决策曲线分析（DCA）进一步验证了RF模型的显著预测价值。

研究局限性

本研究仅在不同时间点测量了FCR水平；接下来我们将重点关注患者重新融入社会时的心理状态。未来的研究应扩大研究范围和持续时间。

结论

乳腺癌患者的FCR变化轨迹具有多样性，这些差异会影响预后。早期识别高风险因素对于改善治疗结果至关重要。未来的研究应聚焦于基于证据的FCR干预措施。

利益冲突

作者声明不存在任何利益冲突。

数据获取说明

如需获取支持本研究结果的数据，可向通讯作者提出合理请求。