目的构建并验证一个模型以预测肺癌脑转移(lung cancer with brain metastases,LCBM)患者确诊后三个月内死亡的风险。方法本研究纳入监测,流行病学和最终结果(Surveillance,Epidemiology and End Results,SEER)数据库内2010年1月至2015...目的构建并验证一个模型以预测肺癌脑转移(lung cancer with brain metastases,LCBM)患者确诊后三个月内死亡的风险。方法本研究纳入监测,流行病学和最终结果(Surveillance,Epidemiology and End Results,SEER)数据库内2010年1月至2015年12月期间确诊为LCBM的患者。以是否发生早期死亡为研究终点将患者分为早期死亡组和非早期死亡组。以8∶2为比例将数据分为训练集和验证集。在训练集上采用最小绝对值收缩和筛选算子(least absolute shrinkage and selection operator,LASSO)回归法筛选预测因子,并使用多因素Logistic回归构建预测模型并创建列线图。使用受试者工作特征(receiver operating characteristic,ROC)曲线、校准曲线和临床决策曲线(decision curve analysis,DCA)分别在训练集和验证集上评估模型性能。结果共纳入5035例患者,早期死亡发生率28.3%。LASSO回归筛选出13个变量,Logistic回归最终保留了13个与LCBM患者早期死亡相关的危险因素,包括年龄、从诊断到开始治疗时间、肿瘤大小、肿瘤部位、肿瘤分化程度和组织学类型、T分期、N分期、手术、放疗、化疗、肝转移和骨转移。验证集的一致性指数(concordance index,C-index)为0.84,校准曲线和DCA显示模型具有较好的预测效能和临床净效益。结论基于多因素Logistic回归构建的LCBM患者发生早期死亡的预测模型的区分度较好,能够为临床决策提供一定的帮助。展开更多
文摘目的构建并验证一个模型以预测肺癌脑转移(lung cancer with brain metastases,LCBM)患者确诊后三个月内死亡的风险。方法本研究纳入监测,流行病学和最终结果(Surveillance,Epidemiology and End Results,SEER)数据库内2010年1月至2015年12月期间确诊为LCBM的患者。以是否发生早期死亡为研究终点将患者分为早期死亡组和非早期死亡组。以8∶2为比例将数据分为训练集和验证集。在训练集上采用最小绝对值收缩和筛选算子(least absolute shrinkage and selection operator,LASSO)回归法筛选预测因子,并使用多因素Logistic回归构建预测模型并创建列线图。使用受试者工作特征(receiver operating characteristic,ROC)曲线、校准曲线和临床决策曲线(decision curve analysis,DCA)分别在训练集和验证集上评估模型性能。结果共纳入5035例患者,早期死亡发生率28.3%。LASSO回归筛选出13个变量,Logistic回归最终保留了13个与LCBM患者早期死亡相关的危险因素,包括年龄、从诊断到开始治疗时间、肿瘤大小、肿瘤部位、肿瘤分化程度和组织学类型、T分期、N分期、手术、放疗、化疗、肝转移和骨转移。验证集的一致性指数(concordance index,C-index)为0.84,校准曲线和DCA显示模型具有较好的预测效能和临床净效益。结论基于多因素Logistic回归构建的LCBM患者发生早期死亡的预测模型的区分度较好,能够为临床决策提供一定的帮助。