基于数据挖掘的肝内胆管癌预后分析

本文将采用美国癌症数据库SEER的患者数据,基于三种预测模型对肝内胆管癌(ICC)患者临床病理数据进行分析,完成对生存时间以及生存状态的预测。首先选取了年龄、性别、种族、T分期、N分期、M分期等变量完成了生存曲线的刻画,通过单因素分析和多因素分析确定了Cox风险回归模型的变量及系数,构建了Cox预测模型。接着完成了机器学习算法的建模,首先是梯度提升法建立的模型,选取了一共12个变量并筛选出了5个最重要的独立变量完成预测。然后是BP神经网络模型的应用,排除了种族等不重要的分类变量,加入了对ICC预后影响更明显的变量进入模型。通过对三个模型拟合效果对比得出相应结论。最后针对上述研究结果提出合理的建议。

基于SEER数据库盲肠癌患者数据的生存预后分析

本文主要分析了来自美国癌症数据库SEER的盲肠癌数据。首先通过随机生存森林模型(Random survival forest)进行盲肠癌的独立预后因素初步筛选,筛选出来的变量为:AJCC (American Joint Committee on Cancer)分期、肿瘤大小、年龄、婚姻状况、组织学分级、化疗状况、种族、放疗状况。然后通过筛选出来的变量分别建立了多因素Cox比例风险回归模型和多因素竞争风险模型。结果表明:Cox比例风险回归模型中,化疗治疗、已婚、肿瘤直径大小在1 cm以上的为盲肠癌患者生存预后的保护因素,年龄大于65岁患者、放疗治疗、AJCC分期大于I、组织学等级高于一级、婚姻状况为其它的因素为危险因素;在竞争风险模型中,化疗治疗、肿瘤直径大小在1 cm以上变量为盲肠癌患者生存预后的保护因素,年龄大于65岁患者、AJCC分期大于I、组织学等级高于I级、放疗治疗都为危险因素。在模型的比较中,竞争风险模型更胜一筹,在对于存在竞争事件的生存分析中,选择基于竞争风险构建的预测模型不仅准确度高,而且更具合理性。