论文部分内容阅读
目的:针对术前难以准确判断甲状腺乳头状癌(PTC)、临床淋巴结阴性(cNO)的PTC、cN0甲状腺微小乳头状癌(PTMC)患者中央区淋巴结转移(CLNM)状态的难题,本研究构建并验证了联合超声特征与临床信息的列线图预测三类PTC患者发生CLNM风险概率的可行性,并开发列线图网页版计算器,旨在帮助临床医生在术前直观预测CLNM风险,根据其风险概率采用有针对性的治疗策略。研究方法:分别筛选经甲状腺切除术、中央区淋巴结清扫(CCND)及组织病理证实的512例PTC患者、771例cNO PTC患者及439例cNO PTMC患者组成训练数据集,应用最小绝对收缩和选择算子回归方法选择训练集中预测CLNM的超声风险特征。将筛选出的超声特征和临床资料纳入多因素logistic回归分析,构建CLNM预测模型,绘制列线图、森林图、ROC曲线,建立网页版计算器。再分别筛选306例PTC患者、386例cNO PTC患者及220例cNO PTMC患者作为独立验证数据集来评估预测模型的区分度、校准度和临床实用性。结果:1、在有BRAF V600E基因突变检测结果的PTC人群中,年龄、性别、肿瘤大小、多发灶肿瘤和超声报告的CLNM状态作为CLNM风险预测因子,被纳入个体化列线图中建立模型1。再将BRAF V600E加入模型1构成模型2。模型1、2的C-指数无统计学意义(训练集0.765 vs.0.764,验证集0.791 vs.0.792)。添加BRAF V600E并没有提高模型1的性能。在训练和验证集中,两个模型均显示出良好的区分度和校准度。临床决策曲线分析(DCA)表明,更简便的预测模型1具有良好的临床可行性。2、多因素回归分析显示cNO PTC患者的年龄、性别、肿瘤大小、双侧叶肿瘤、肿瘤接触被膜数量、慢性淋巴细胞甲状腺炎(CLT)和实时弹性成像(RTE)为CLNM风险预测因素,组成预测模型1。为了分析RTE在模型中的作用,将RTE剔除构成模型2。比较两个模型曲线下面积(AUC)显示模型1的预测效能更好(训练集0.798 vs.0.733,验证集0.792 vs.0.715,P<0.001),并有良好的区分度和校准度。DCA、临床影响曲线显示,模型1具有良好的净受益,并构建网页版计算器。3、多因素回归分析显示cNO PTMC患者的年龄、肿瘤大小、多发灶肿瘤、肿瘤接触被膜数量和实时弹性成像(RTE)为CLNM风险预测因子。年龄、肿瘤大小作为连续变量建立模型1,二者作为分类变量建立模型2。比较两个模型AUC无统计学意义(训练集0.78 vs.0.788,验证集0.77vs.0.756),选择模型1构建列线图,显示出良好的区分度和校准度,并构建网页版动态计算器。DCA、临床影响曲线分析表明,模型1具有良好的净受益及临床实用性。结论:本研究开发并验证了基于超声和临床资料相结合预测PTC、cNO PTC、cN0 PTMC患者发生CLNM风险概率的三种列线图,并建立了 cNO PTC、cNO PTMC列线图的网页版动态计算器,帮助临床医生术前直观地预测CLNM概率,一旦筛选出CLNM高风险患者,临床医生可以给予更密切的关注或规划更好的治疗策略,包括预防性CCND。