构建小细胞肺癌患者肝转移诺模图预测模型.pdf

3.3 严格审查，加大对发文质量的审核力度目前，市面上存在的各类期刊种类繁多，期刊质量良莠不齐。部分教师为了完成课题任务或是年度考核的需要，更青睐于将文章发表在那些容易发、见刊快的期刊上，而忽略对期刊的质量要求。建议院系分管科研的负责人加强对论文的审核及发文期刊的把关，院校学术委员会、科研主管部门应制定相应措施引导教师进行正确的投稿，提高院校整体的科研水平9。3.4 聚焦研究热点，推动高职教育的内涵式发展从高频关键词共现可以看出，各院校的研究热点除“高职院校”外，聚焦的研究热点各有不同。这说明各院校在实际的医学教育研究中，结合了各自的实际进行探究，但研究不够深入，需要进一步拓展和深化。例如 F 院校聚类中心性不强，各研究热点之间联系不够紧密；Z 院校研究热点多且分散，各聚类间关系松散；Q 院校虽然围绕中心热点形成较好的聚类，但各聚类间的联系还需进一步加强。因此建议各院校一方面要迎合研究热点，根据学校的顶层设计，围绕教学工作和人才培养，组建教学团队开展深入持久的研究；另一方面要结合各自的优势专业、研究方向、就业方向因地制宜地开展针对性的研究，提高研究广度和深度。参考文献：1宋律，都建，杜金，等.安徽省疾病预防控制中心 20072016 年发表论文情况分析J.卫生软科学，2018，32（2）：50-54.2王小梅，周详，范笑仙，等.2016 年全国高校高职教育科研论文统计分析：基于 22 家教育类中文核心期刊的发文情况J.中国高教研究，2017（12）：88-94.3赵鹤凌援基于 VOSviewer 的英文学术期刊国际编委遴选J.中国科技期刊研究，2020，31（2）：190-195.4李琳.基于中国知网的中医药文化文献计量研究D.南京：南京中医药大学，2020.5蔡跃，杨静，何文珍.2017 年国内职业教育研究热点回顾与展望：基于职业技术教育 文章的知识图谱分析J.职业技术教育，2018，39（15）：50-55.6张霄，吕仕杰，陈迎新，等.基于 VOSviewer 的护理伦理决策国际研究热点分析J.医学与哲学，2021，42（12）：27-31.7周详，李璐，刘植萌，等.职业教育研究生态分析：基于 2020 年全国高校职业教育科研论文统计分析J.中国高教研究，2021（12）：84-91.8徐中阳，郭永松.国内 5 所综合性大学医学教育论文发表情况的初步分析J.中国高等医学教育，2021（4）：15-17，23.9赵海静，张娟，陈佳，等.河北省某三甲医院 20162018 年发表论文统计分析J.现代医院管理，2020，18（1）：71-73.作者简介：楼烨（1986），女，硕士，助理研究员。研究方向：教育管理。蒉构建小细胞肺癌患者肝转移诺模图预测模型张娟袁刘娟袁于红*（连云港市赣榆区人民医院，江苏连云港222000）摘要：选取 SEER 数据库中 11 837 例小细胞肺癌患者作为研究对象，使用 Lasso 回归模型进行特征选择，并应用多因素Logistic 回归模型确定影响肝转移的独立风险特征。根据独立风险特征，开发诺模图预测模型，应用曲线下面积（AUC）、校正曲线评估模型辨别高危患者的能力，以早期辨别高危肝转移患者，及时采取治疗决策，延长患者生存期。关键词：小细胞肺癌；肝转移；诺模图中图分类号：R734文献标识码：A文章编号：1671-1246（2023）20-0157-04灾燥造援41 圆园23 晕燥援20卫生职业教育DOI：10.20037/j.issn.1671-1246.2023.20.50Constructing a Nomogram Prediction Model for Liver Metastasis in Patients with SmallCell Lung CancerZHANG Juan，LIU Juan，YU Hong*（Ganyu District Peoples Hospital of Lianyungang City，Lianyungang City，Jiangsu Province，China 222000）Abstract：11袁837 patients with small cell lung cancer in SEER database were selected as research subjects.Lasso regression modelwas used for feature selection袁and multivariate logistic regression model was used to determine the independent risk characteristicsaffecting liver metastasis.Based on independent risk characteristics袁develop a Nomogram prediction model袁apply Area Under Curve(AUC)and calibration curve to evaluate the models ability to identify high-risk patients袁so as to early identify high-risk livermetastasis patients袁take timely treatment decisions to extend patient survival.Keywords：Small cell lung cancer曰Liver metastasis曰Nomogram教学参考157-肺癌是最常见的呼吸系统肿瘤，可以分为非小细胞肺癌（Non-Small Cell Lung Cancer，NSCLC）和小细胞肺癌（Small CellLung Cancer，SCLC）1。SCLC 在肺癌病理分型中占比较少，约15%2。目前，SCLC 患者预后不太理想，5 年生存率不足 7%3。SCLC 的疾病特征是癌细胞增殖快，侵袭能力强，大部分癌细胞分化程度低，转移范围广4。肝脏是 SCLC 最常见的转移部位，肝转移是 SCLC 患者的主要致死原因5。因此，医生早期评估 SCLC患者发生肝转移的风险概率，以选择最佳的治疗方案是很有必要的。以往研究显示，SCLC 患者发生肝转移与临床特征相关6，但缺乏依据治疗信息预测肝转移发生倾向的模型。因此，本研究利用 SEER 数据库中患者临床基本特征和治疗信息，探究影响 SCLC 肝转移的独立风险特征，并开发一个简便、直观及精准的可视化诺模图预测模型，方便临床医生早期识别高危肝转移患者，进一步完善治疗决策。1 资料与方法1.1 资料来源通过使用 SEER*Stat 8.3.9.1 软件，从 SEER 数据库中提取20102015 年间 SCLC 患者的临床特征。选取标准：（1）20102015 年病理诊断为 SCLC 的患者；（2）TN 分期采用第七版肺癌分期手册划分；（3）随访信息齐全。排除标准：（1）初诊时为多原发肿瘤；（2）患者生存时间及生存情况不详；（3）数据由医院住院部及门诊部提供；（4）临床信息不详。1.2 研究对象利用 SEER 数据库收集 SCLC 病例，根据选取和排除标准获取信息，最终获取了 11 837 例病例。提取的临床信息包括：年龄、种族、性别、肿瘤大小、T 分期、N 分期、清除淋巴结数目、肿瘤部位、化疗、手术、放疗、脑转移、骨转移、生存时间。1.3 统计方法根据 R 4.1.1 软件进行统计学分析及绘图。运用 R 语言包“survminer”“survival”对 SCLC 患者肝转移、非肝转移组的总生存期（Overall Surviva，OS）进行生存分析；运用 R 语言包“caret”按 6颐4 将数据随机分为训练组和验证组，应用训练组数据建立模型、应用验证组数据验证模型的可靠性；运用 R 语言包“tableone”对训练组与验证组的定性资料分布差异进行 字2检验；运用 R 语言包“glmnet”进行 Lasso 回归分析；运用 R 语言包“rms”进行多因素 Logistic 回归分析，并绘制预测 SCLC 患者肝转移风险的可视化诺模图模型；运用 R 语言包“pROC”计算曲线下面积（Area Under Curve，AUC），评价预测模型辨别高危肝转移患者的能力；运用 R 语言包“rms”绘制校正图，评价实际发生概率与模型预测概率的一致性。P约0.05 为差异有统计学意义。2 结果2.1 肝转移对 SCLC 患者生存预后的影响SCLC 患者中，肝转移组 3 211 例，非肝转移组 8 626 例。Log Rank 检验结果显示，两组患者预后差异有统计学意义（字2=1 337.185，P0.05），见表 1，两组数据具有可比性。2.3 重要风险预测特征的选择将人口学特征与临床特征纳入 Lasso 回归分析，最佳值 姿为 0.012 397 62 时，得到 8 个回归系数非零的重要特征（见图2），即种族、N 分期、清除淋巴结数目、化疗、手术、放疗、脑转移以及骨转移，此时预测模型最简便且性能最好。2.4 影响 SCLC 患者肝转移的独立危险因素考虑到临床医生认为年龄可能也是肝转移发生的危险特征，因此在多因素 Logistic 回归分析中，纳入的自变量为年龄、种族、N 分期、清除淋巴结数目、化疗、手术、放疗、脑转移与骨转移。结果显示，种族、清除淋巴结数目、N 分期、手术、放疗、化疗、骨转移、脑转移均是影响 SCLC 患者发生肝转移的独立风险特征（见图 3）。其中种族、清除淋巴结数目、手术、放疗是 SCLC患者发生肝转移的保护特征，N 分期、化疗、骨转移、脑转移是SCLC 患者发生肝转移的危险特征。2.5 诺模图预测模型的开发与验证通过多因素 Logistic 回归分析，我们将化疗、种族、脑转移、手术、N 分期、放疗、骨转移、清除淋巴结数目纳入诺模图模型，诺模图可应用于临床预测个体发生肝转移风险率中（见图 4）。结果表明，清除淋巴结数目是最强的预后特征，其次是骨转移、放疗。应用 AUC 评估预测模型辨别高危患者的能力，结果显示，训练组和验证组的 AUC 以及对应的 95%CI 分别为 0.779（0.768耀0.791）和 0.776（0.762耀0.792），表明预测模型识别高危肝转移的能力较强（见图 5A、图 5B）；绘制校正图评估实际发生概率与预测概率的一致性，结果显示，训练组和验证组预测曲线均贴近 45益斜线（见图 6A、图 6B），表明模型校准度较好。3 讨论3.1 诺模图模型预测准确度较高本研究从 SEER 数据库中共获取了 11 837 例 SCLC 患者，超过 27%的患者发生肝转移。通过 Lasso 回归分析以及多因素Logistic 回归分析，将化疗、种族、脑转移、手术、N 分期、放疗、骨转移、清除淋巴结数目作为 SCLC 患者肝转移的独立预测特征图 1SCLC 肝转移组与非肝转移组的生存曲线非肝转移组肝转移组100%75%50%25%0%P0.001020406080时间/月158-1 147（24.2）3 587（75.8）4 061（85.8）460（9.7）213（4.5）2 352（49.7）2 382（50.3）1 378（29.1）1 277（27.0）930（19.6）1 149（24.3）777（16.4）1 289（27.2）1 078（22.8）1 590（33.6）914（19.3）398（8.4）2 552（53.9）870（18.4）4 477（94.6）95（2.0）162（3.4）542（11.4）2 779（58.7）218（4.6）1 132（23.9）63（1.3）954（20.2）3 780（79.8）4 520（95.5）214（4.5）2 082（44.0）2 652（56.0）3 906（82.5）828（17.5）3 670（77.5）1 064（22.5）表 1SCLC 患者一般临床资料n（%）年龄70 mmT 分期T1T2T3T4N 分期N0N1N2N3清除淋巴结数目0 个13 个4 个肿瘤部位主支气管肺上叶肺中叶肺下叶重叠病变化疗否/未知是手术否是放疗否/未知是脑转移否是骨转移否是特征P2 904（24.5）8 933（75.5）10 113（85.4）1 165（9.8）559（4.7）5 868（49.6）5 969（50.4）3 393（28.7）3 156（26.7）2 345（19.8）2 943（24.9）1 860（15.7）3 233（27.3）2 654（22.4）4 090（34.6）2 261（19.1）1 026（8.7）6 371（53.8）2 179（18.4）11 212（94.7）247（2.1）378（3.2）1 368（11.6）6 921（58.5）523（4.4）2 858（24.1）167（1.4）2 344（19.8）9 493（80.2）11 332（95.7）505（4.3）5 167（43.7）6 670（56.3）9 757（82.4）2 080（17.6）9 178（77.5）2 659（22.5）1 757（24.7）5 346（75.3）6 052（85.2）705（9.9）346（4.9）3 516（49.5）3 587（50.5）2 015（28.4）1 879（26.5）1 415（19.9）1 794（25.3）1 083（15.2）1 944（27.4）1 576（22.2）2 500（35.2）1 347（19.0）628（8.8）3 819（53.8）1 309（18.4）6 735（94.8）152（2.1）216（3.0）826（11.6）4 142（58.3）305（4.3）1 726（24.3）104（1.5）1 390（19.6）5 713（80.4）6 812（95.9）291（4.1）3 085（43.4）4 018（56.6）5 851（82.4）1 252（17.6）5 508（77.5）1 595（22.5）验证组（n=4 734）训练组（n=7 103）0.5440.5860.8600.5620.1690.8480.4600.8600.4500.2840.5690.8680.997总数（n=11 837）并用于建立诺模图。本研究利用 ROC、校正图等方法对模型进行了验证，证明该模型具有良好的预测能力，易于辨别 SCLC 肝转移高危患者。3.2 影响 SCLC 患者发生肝转移的重要独立特征本研究通过多因素 Logistic 回归分析发现，白人患者发生肝转移的风险概率比黑人和美国印第安/阿拉斯加患者发生肝转移的风险概率高，与 Reddy S P 等7的研究结果一致。在我们的回顾性研究中，N 分期在 N2（P0.001）、N3（P0.001）期时，诺模图上量化的分数较高，对应的预测肝转移风险较高。以往研究显示，癌细胞转移顺序由淋巴结向远处转移8-9。因此，早期扩大肺部淋巴结清扫区域，能够抑制癌细胞向远处转移。本研究对治疗情况的分析显示，手术（P=0.022）、放疗（P0.001）是SCLC 患者的保护因素，接受手术和放疗的患者肝转移发生率低。孙基峰等10的研究发现，接受治疗的 SCLC 肝转移患者生存期明显比未接受治疗的患者延长。以往研究11表明，化疗抑制癌细胞向身体其他部位转移，这一结果与本研结果不一致。原因可能是化疗会刺激机体产生更多的外泌体，外泌体使肿瘤微环境更利于癌细胞活跃，促进癌细胞通过血液循环抵达肝脏12。研图 3多因素 Logistic 回归分析 SCLC 肝转移独立风险特征年龄60 岁60 岁种族白人黑人其他N 分期N0N1N2N3清除淋巴结数目0 个13 个4 个手术否是放疗否/未知是化疗否/未知是骨转移否是脑转移否是1 7575 3466 0527053461 3476283 8191 3096 7351522166 8122913 0854 0181 3905 7135 5081 5955 8511 252特征n图 2应用 Lasso 回归筛选 SCLC 发生肝转移的相关重要特征1311831-6-5-4-3-2Log（姿）-7-6-5-4-3-2Log（姿）14 14 14 13 12 12 11 9 9 8 8 5 4 3 2 2 2 1注：A 为 13 个临床特征的系数曲线；B 为经 Lasso 回归的十折交叉验证法选择的最佳临床特征AB159-A：训练组B：验证组图 5 诺模图预测模型的 ROC 曲线AUC：0.779（0.7680.791）1-特异度0.00.20.40.60.81.01-特异度0.00.20.40.60.81.0AUC：0.776（0.7620.792）A：训练组B：验证组图 6诺模图预测模型的校正曲线校正曲线理想曲线校正曲线理想曲线0.00.20.40.60.81.00.00.20.40.60.81.0预测小细胞肺癌患者肝转移发生风险预测小细胞肺癌患者肝转移发生风险图 4预测 SCLC 患者肝转移发生风险的诺模图否/未知是其他白人黑人否100150200250300350400450500是否是N3N2N1否/未知是是否逸4 个13 个0 个01000.10.2 0.3 0.4 0.5 0.6 0.7 0.8050-5.5-4.5-3.5-2.5-1.5-0.50.51.512102030405060708090分数肝转移风险种族脑转移手术N 分期放疗骨转移清除淋巴结数目总分数线性预测器化疗N0究报道，SCLC 患者远处转移率极高，癌细胞往往向多个部位同步转移13。这些表明，当检查到远处转移时，SCLC 细胞可能已转移到多个器官，并且发生骨、脑转移的患者更可能发生肝转移。3.3 本研究的局限性本研究尚存在局限性。（1）作为一项具有潜在选择偏倚风险的回顾性研究，本研究结果需要从前瞻性多中心临床试验中得到证实。（2）由于 SEER 数据库的限制，无法获得吸烟史、饮酒史、靶向治疗和免疫治疗的数据。（3）尽管在本研究中讨论了化疗、手术以及放疗情况，但 SEER 数据库中没有具体的治疗方案，如化疗周期、化疗剂量、手术方法以及放疗区域等详细信息。（4）本研究中病例来自国外，建立的模型是否可应用于中国病例还需要更多的研究。综上所述，本研究基于化疗、种族、脑转移、手术、N 分期、放疗、骨转移、清除淋巴结数目开发了诺模图模型来预测 SCLC患者发生肝转移的风险概率。通过对模型的评估，证明该模型具有良好的辨别能力。该模型可以帮助临床医生对高危肝转移SCLC 患者选择最佳治疗策略。当然，该模型在 SCLC 肝转移患者中的应用还需要进一步的研究来证实。参考文献：1SIEGEL R L，MILLER K D，JEMAL A.Cancer statistics，2020 J.CACancer J Clin，2020（1）：7-30.2RONG Y T，ZHU Y C，WU Y.A novel nomogram predicting cancer-spe原cific survival in small cell lung cancer patients with brain metastasisJ.Transl Cancer Res，2022（12）：4289-4302.3CHAN J M，QUINTANAL V 魣，GAO V R，et al.Signatures of plasticity，metastasis，and immunosuppression in an atlas of human small cell lungcancerJ.Cancer Cell，2021（11）：1479-1496.4邱鲁鹏，赵晓，孙胜杰，等.PD-1/PD-L1 抑制剂治疗复发小细胞肺癌的真实世界研究J.临床肿瘤学杂志，2021（1）：34-41.5刘倩，乔梦，毛士琦，等.不同转移部位对广泛期小细胞肺癌患者治疗预后的影响J.中国癌症杂志，2021（1）：45-51.6WANG P P，LIU S H，CHEN C T，et al.Circulating tumor cells as a newpredictive and prognostic factor in patients with small cell lung cancerJ.JCancer，2020，11（8）：2113-2122.7REDDY S P，DOWELL J E，PAN E.Predictors of prognosis of syn原chronous brain metastases in small-cell lung cancer patients J.Clin ExpMetastasis，2020（4）：531-539.8郑衍洪，梁柱，马炳太，等.左侧肺癌切除联合区域淋巴结清扫手术病人淋巴结转移与临床病理的关系分析J.临床外科杂志，2021（5）：463-465.9SUN Y，ZHANG Q，WANG Z，et al.Clinical significance of intrapul原monary lymph node dissection in pathological stage IA non-small cell lungcancer：a propensity score matching analysisJ.Thorac Cancer，2021（10）：1589-1597.10孙基峰，罗婧，徐利明，等.广泛期小细胞肺癌肝转移治疗模式探讨J.天津医科大学学报，2019（6）：577-580.11刘国强，康朔.阿替利珠单抗联合标准化疗方案治疗广泛期小细胞肺癌的成本-效用分析J.中国药房，2021（1）：77-81.12KEKLIKOGLOU I，CIANCIARUSO C，G譈 E，et al.Chemotherapy elic原its pro-metastatic extracellular vesicles in breast cancer modelsJ.NatureCell Biology，2019（2）：190-202.13瞿子涵，刘洁薇，罗锋，等.小细胞肺癌合并腺癌 MDT 治疗报道及文献综述J.中国肺癌杂志，2021（11）：808-814.作者简介：张娟（1988），女，主管护师。研究方向：肿瘤内科护理。*通信作者：于红（1977），女，硕士，主任医师。研究方向：肿瘤内科靶向治疗。蒉160-