一种动态诺模图及风险分类方法，用于预测伴有静脉肿瘤血栓的肾细胞癌患者的预后

《BMC Urology》：A dynamic nomogram and risk classification for predicting prognosis in renal cell carcinoma with venous tumor thrombus

　　

摘要

背景

本研究旨在建立一种有效的动态诺模图（nomogram）和一种新的风险分类系统，以预测伴有静脉肿瘤血栓的肾细胞癌（RCC-VTT）患者的总生存期（OS）。

方法

共纳入318名患者，并按7:3的比例随机分为训练集和验证集。采用LASSO回归分析和多变量Cox回归分析来识别重要的预后因素。基于这些因素，开发了一个诺模图模型，并通过一致性指数（C-index）、接收者操作特征（ROC）曲线、校准曲线和决策曲线分析（DCA）对其进行了评估。生存差异通过Kaplan–Meier曲线和对数秩检验进行评估。

结果

确定了8个影响生存的预测因子：梅奥诊所分期（Mayo Clinic Stage）、组织学类型（Histology）、N分期（N Stage）、M分期（M Stage）、肾窦侵犯（Renal Sinus Invasion）、肉瘤样特征（Sarcomatoid Feature）、血红蛋白（Hemoglobin）和估算的肾小球滤过率（Estimated Glomerular Filtration Rate）。训练集和验证集的C指数分别为0.77（95% CI：0.72–0.82）和0.75（95% CI：0.68–0.82）。对于5年生存期的预测，训练集和验证集的AUC分别为0.869（95% CI：0.805–0.933）和0.854（95% CI：0.770–0.937）。决策曲线分析（DCA）进一步证实了该模型的临床实用性。此外，基于诺模图的分类系统将患者分为不同的生存风险亚组（P < 0.0001）。

结论

我们为RCC-VTT患者开发了一种动态诺模图和新的风险分类系统。这一工具有助于个性化治疗策略。

背景

本研究旨在建立一种有效的动态诺模图和一种新的风险分类系统，以预测伴有静脉肿瘤血栓的肾细胞癌（RCC-VTT）患者的总生存期（OS）。

方法

共纳入318名患者，并按7:3的比例随机分为训练集和验证集。采用LASSO回归分析和多变量Cox回归分析来识别重要的预后因素。基于这些因素，开发了一个诺模图模型，并通过一致性指数（C-index）、接收者操作特征（ROC）曲线、校准曲线和决策曲线分析（DCA）对其进行了评估。生存差异通过Kaplan–Meier曲线和对数秩检验进行评估。

结果

确定了8个影响生存的预测因子：梅奥诊所分期（Mayo Clinic Stage）、组织学类型（Histology）、N分期（N Stage）、M分期（M Stage）、肾窦侵犯（Renal Sinus Invasion）、肉瘤样特征（Sarcomatoid Feature）、血红蛋白（Hemoglobin）和估算的肾小球滤过率（Estimated Glomerular Filtration Rate）。训练集和验证集的C指数分别为0.77（95% CI：0.72–0.82）和0.75（95% CI：0.68–0.82）。对于5年生存期的预测，训练集和验证集的AUC分别为0.869（95% CI：0.805–0.933）和0.854（95% CI：0.770–0.937）。决策曲线分析（DCA）进一步证实了该模型的临床实用性。此外，基于诺模图的分类系统将患者分为不同的生存风险亚组（P < 0.0001）。

结论

我们为RCC-VTT患者开发了一种动态诺模图和新的风险分类系统。这一工具有助于个性化治疗策略。