抗PD‑1/PD‑L1用于消化道肿瘤患者的疗效评估模型的构建及评价

目的探讨消化道肿瘤患者抗程序性死亡受体-1/程序性死亡受体配体-1(PD-1/PD-L1)治疗消化道肿瘤疗效的影响因素,并建立列线图预测模型。方法回顾性分析2018年1月至2022年12月在我院接受免疫治疗或免疫联合化疗治疗的147例消化道肿瘤患者的临床资料。采用受试者工作特征曲线分析连续性变量的最佳截断值;采用单因素和多因素Cox比例风险回归模型进行无进展生存期(PFS)预测因素的筛选;使用KaplanMeier法和Log-rank检验分析不同因素对患者PFS的影响;将多因素Cox回归中影响患者PFS的因素作为自变量构建列线图模型,并评价预测模型的效能;通过X-tile软件对列线图预测模型进行风险分层。结果单因素Cox回归分析显示,美国东部肿瘤协作组体力状况评分(ECOG PS)、中性粒细胞/淋巴细胞(NLR)、血小板/淋巴细胞(PLR)、白蛋白(ALB)、肌酐清除率(Ccr)、免疫治疗期间激素/质子泵抑制剂(PPI)/抗菌药物(ATB)暴露史及免疫相关不良反应(irAE)均是影响消化道肿瘤患者抗PD-1/PD-L1治疗后PFS的因素。多因素Cox回归分析显示,ECOG PS、免疫治疗期间激素/ATB暴露史是消化道肿瘤患者抗PD-1/PD-L1治疗后PFS的独立预测因素。构建包含以上独立预测因素的列线图预测模型,模型内部验证一致性指数(C-index)为0.814,90 d及180 d PFS的受试者工作特征曲线中AUC分别为0.9332、0.9325,校准曲线斜率接近1,临床决策分析曲线显示该列线图临床实用性良好,低风险患者的PFS明显优于中、高风险组。结论ECOG PS评分、免疫治疗期间激素暴露史和抗菌药物暴露史是影响消化道肿瘤患者抗PD-1/PD-L1治疗后PFS的独立预测因素,本研究所构建的列线图模型为预测消化道肿瘤患者免疫治疗疗效提供参考依据。

基于术前PIV、NLR和CEA水平对胃癌根治术后预后列线图预测模型的构建及评价

目的:基于术前泛免疫炎症(PIV)、中性粒细胞与淋巴细胞比值(NLR)以及癌胚抗原(CEA)水平探讨胃癌根治术后预后的影响因素并建立列线图预后预测模型。方法:回顾性分析2016年03月至2019年11月在徐州医科大学附属医院普外科行胃癌根治术的384例胃癌患者的临床病理资料,采用受试者工作特征(ROC)曲线分析术前PIV、NLR、CEA水平预测总生存期(OS)的最佳截断值,并根据PIV的最佳截断值进行分组。采用χ^(2)检验分析不同PIV水平与患者临床病理特征的关系。使用Kaplan-Meier法和Log-rank检验分析不同临床病理特征对患者OS的影响,多因素Cox回归分析患者预后的独立影响因素。使用R4.1.1软件绘制胃癌根治术后患者1、3、5年OS的列线图预测模型,并评价预测模型的效能,然后使用X-tile软件根据列线图风险得分将该模型分层进一步探讨该模型的临床应用价值。结果:ROC曲线分析结果显示,PIV、NLR、CEA曲线下面积(AUC)分别为0.627、0.584、0.590,最佳截断值分别为236.8、1.98、4.93 ng/mL。PIV与年龄、肿瘤最大直径、肿瘤浸润深度、淋巴结转移、TNM分期、神经或脉管侵犯、术前NLR水平相关(P<0.05)。多因素Cox回归分析显示,年龄、肿瘤浸润深度、神经或脉管侵犯、PIV、NLR、CEA为胃癌根治术后患者1、3、5年OS的独立影响因素(P<0.05)。构建包含以上独立危险因素的列线图预测模型,模型内部验证一致性指数(C指数)分别为0.797、0.805、0.780,校正曲线提示该模型区分度良好,低风险患者的OS明显优于中、高风险组(P<0.001)。结论:PIV、NLR、CEA对于胃癌预后有较好的预测价值,基于PIV、NLR、CEA水平及胃癌相关病理资料构建的列线图模型对于临床有较高的指导意义。

基于囊泡介导的转运相关基因构建透明细胞肾细胞癌预后模型和列线图

目的:探讨囊泡介导的转运相关基因(VMTGs)与透明细胞肾细胞癌(ccRCC)预后的关系,构建预后风险评分模型及列线图。方法:从癌症基因组图谱(TCGA)和基因表达数据库(GEO)分别获取601例和55例信息完整的ccRCC临床和转录组数据,从Reactome数据库下载722个VMTGs。使用"DEseq2"R包分析得到TCGA中肿瘤和正常样本的差异表达基因(DEGs),与VMTGs取交集得到142个差异表达的VMTGs,其中96个上调基因,46个下调基因。通过单因素Cox分析筛选得到59个预后相关基因。依次通过最小绝对值收敛与选择算子(LASSO)回归、逐步回归分析及多因素Cox分析构建模型。根据模型评分将患者分为高、低风险组,Kaplan-Meier生存曲线分析高、低风险组的生存差异。用GEO数据集对风险评分模型进行验证,分析高、低风险组生存差异。通过单因素和多因素Cox分析评估风险评分模型的预后价值。结合风险模型评分和临床特征构建列线图。结果:通过分析得到7个预后相关的VMTGs[驱动蛋白家族成员18B(KIF18B)、分拣蛋白1(SORT1)、溶质载体家族18成员A3(SLC18A3)、驱动蛋白家族成员13B(KIF13B)、血清淀粉样蛋白A1(SAA1)、锚蛋白3(ANK3)以及缝隙连接蛋白β1(GJB1)],用于构建风险评分模型,低风险组的预后优于高风险组,差异有统计学意义(χ^(2)=57.0,P<0.01)。接受者操作特性曲线(ROC)中1、3、5年曲线下面积(AUC)分别为0.785、0.740、0.739,提示风险评分模型具有良好的预测效能。GEO队列中低风险组的预后优于高风险组,差异有统计学意义(χ^(2)=5.6,P<0.05),且1、3、5年的AUC分别为0.914、0.873、0.763,表明预测预后效能较好。单因素[风险比(HR)=2.718,95%置信区间(CI)=2.253~3.280,P<0.01]和多因素(HR=2.100,95%CI=1.717~2.570,P<0.01)Cox分析结果显示风险评分模型是独立的预后因素。列线图1、3、5年的AUC(分别为0.869、0.812、0.783)表明预测预后效能较好。校准曲线和决策曲线(DCA)显示列线图的预测准确性较好。结论:基于VMTGs的风险评分模型及列线图可以准确预测ccRCC患者的预后生存,且能对患者进行有效分层。