切换至 "中华医学电子期刊资源库"
高级检索
中华结直肠疾病电子杂志

中华结直肠疾病电子杂志 ›› 2023, Vol. 12 ›› Issue (05) : 404 -414. doi: 10.3877/cma.j.issn.2095-3224.2023.05.007

论著

基于SEER数据库手术后原发性阑尾肿瘤患者预后列线图构建与验证
王立涛, 刘恩瑞, 李振鲁, 吴昌亮, 高鹏†()   
  1. 266000　青岛大学附属医院急诊外科
  • 收稿日期:2023-04-13 出版日期:2023-10-25
  • 通信作者: 高鹏
  • 基金资助:
    山东省自然科学基金青年项目(ZR2020QH165)

Development and validation of a nomogram to predict overall survival in patients with primary appendiceal tumors after surgery based on the SEER database

Litao Wang, Enrui Liu, Zhenlu Li, Changliang Wu, Peng Gao†()   

  1. Department of Emergency Surgery, the Affiliated Hospital of Qingdao University, Qingdao 266000, China
  • Received:2023-04-13 Published:2023-10-25
  • Corresponding author: Peng Gao
全文 ( ) 下载PDF ( ) 导出引用
引用本文：

王立涛, 刘恩瑞, 李振鲁, 吴昌亮, 高鹏. 基于SEER数据库手术后原发性阑尾肿瘤患者预后列线图构建与验证[J]. 中华结直肠疾病电子杂志, 2023, 12(05): 404-414.

Litao Wang, Enrui Liu, Zhenlu Li, Changliang Wu, Peng Gao. Development and validation of a nomogram to predict overall survival in patients with primary appendiceal tumors after surgery based on the SEER database[J]. Chinese Journal of Colorectal Diseases(Electronic Edition), 2023, 12(05): 404-414.

目的

探讨原发性阑尾肿瘤患者手术后影响生存的独立危险因素，构建并验证列线图，帮助识别高危患者，制定个体化治疗方案。

方法

回顾性收集美国Surveillance，Epidemiology，and End Results（SEER）数据库2010~2015年诊断为阑尾肿瘤的患者临床资料，随机分为训练队列和验证队列。采用多因素Cox回归分析影响原发性阑尾肿瘤术后患者总生存期（OS）的独立危险因素，开发了一种新的列线图模型，并通过内部验证进行评估。

结果

年龄、病理分型、肿瘤分化、N分期、M分期、淋巴结清扫数量、CEA状态是影响术后阑尾肿瘤患者预后的独立危险因素（P＜0.05）。该列线图训练队列的C指数为0.811（95%CI：0.797~0.825），验证队列的C指数为0.844（95%CI：0.819~0.869）。1、3、5年总生存率ROC曲线下面积（AUC）在训练队列和验证队列中分别为0.807、0.849、0.824和0.857、0.862、0.825。采用X年10次200折交叉验证，进一步验证预测模型区分不同结局事件患者的能力。校准曲线和临床决策曲线（DCA）显示具有良好的一致性和临床获益。风险分级系统将所有患者分为三组，Kaplan-Meier曲线显示不同组间OS具有良好的分层和区分能力。

结论

我们开发了一种新的列线图模型来预测原发性阑尾肿瘤术后OS。此外，风险分级系统有助于准确评估预后和指导治疗。

关键词: 阑尾肿瘤, 原发性阑尾肿瘤, SEER数据库, 列线图
Objective

Exploring the independent risk factors that affect the survival of patients with primary appendiceal tumors after surgery, constructing and validating column charts to help identify high-risk patients, and developing personalized treatment plans.

Methods

We retrospectively collected clinical data from patients diagnosed with appendiceal tumors in the American Surveillance, Epidemiology, and End Results (SEER) database from 2010 to 2015, and randomly divided them into a training set and a validation set. Multiple factor Cox regression analysis was used to identify independent risk factors that affect overall survival (OS) in patients with primary appendiceal tumors after surgery. A new column chart model was developed and evaluated through internal validation.

Results

Age, Pathology type, Tumor stage, N-stage, M-stage, lymph node dissection quantity, and CEA status were identified as independent risk factors affecting the prognosis of postoperative appendiceal tumor patients (P＜0.05). The C-index of the column chart training set was 0.811 (95% CI: 0.797~0.825), and the C-index of the validation set was 0.844 (95% CI: 0.819~0.869). The area under the ROC curve (AUC) of the 1-, 3-, and 5-year overall survival rates was 0.807, 0.849, and 0.824 in the training set, and 0.857, 0.862, and 0.825 in the validation set, respectively. Further validation of the predictive model's ability to distinguish between different outcome events was performed using X-year 10-fold 200-fold cross-validation. The calibration curve and decision curve analysis (DCA) showed good consistency and clinical benefits. The risk grading system divided all patients into three groups, and the Kaplan-Meier curve showed good stratification and discrimination ability between different groups regarding OS.

Conclusions

We developed a new column chart model to predict postoperative overall survival (OS) in patients with primary appendiceal tumors. In addition, the risk grading system helps accurately assess prognosis and guide treatment.

Key words: Appendiceal neoplasms, Primary appendiceal neoplasms, SEER program, Nomograms
表1 人口统计学特征［例（%）］
变量 总队列（n=3 777） 训练队列（n=2 833） 验证队列（n=944） χ2值 P值
种族 0.932 0.628
白色人种 3 154（83.5） 2 375（83.8） 779（82.5）
黑色人种 396（10.5） 290（10.2） 106（11.2）
其他 227（6.0） 168（5.9） 59（6.2）
性别 1.142 0.285
女性 2 123（56.2） 1 607（56.7） 516（54.7）
男性 1 654（43.8） 1 226（43.3） 428（45.3）
诊断时年龄（岁） 0.760 0.783
＜60 2 261（59.9） 1 700（60） 561（59.4）
≥60 1 516（40.1） 1 133（40） 383（40.6）
病理分型 0.980 0.913
腺癌 1 387（36.7） 1 039（36.7） 348（36.9）
类癌 1 155（30.6） 863（30.5） 292（30.9）
杯状细胞腺癌 388（10.3） 298（10.5） 90（9.5）
神经内分泌肿瘤 332（8.8） 251（8.9） 81（8.6）
其他 515（13.6） 382（13.5） 133（14.1）
肿瘤分化 4.832 0.305
高分化 1 595（42.2） 1 208（42.6） 387（41）
中分化 1 010（26.7） 737（26） 273（28.9）
低分化 469（12.4） 362（12.8） 107（11.3）
未分化 86（2.3） 68（2.4） 18（1.9）
其他 617（16.3） 458（16.2） 159（16.8）
肿瘤分期 2.401 0.662
0 27（0.7） 20（0.7） 7（0.7）
Ⅰ 1 605（42.5） 1 187（41.9） 418（44.3）
Ⅱ 1 059（28.0） 801（28.3） 258（27.3）
Ⅲ 446（11.8） 333（11.8） 113（12）
Ⅳ 640（16.9） 492（17.4） 148（15.7）
T分期 2.608 0.625
Tis 27（0.7） 20（0.7） 7（0.7）
T1 1 437（38.0） 1 062（37.5） 375（39.7）
T2 325（8.6） 240（8.5） 85（9）
T3 905（24.0） 682（24.1） 223（23.6）
T4 1 083（28.7） 829（29.3） 254（26.9）
N分期 0.258 0.879
N0 3 074（81.4） 2 302（81.3） 772（81.8）
N1 462（12.2） 347（12.2） 115（12.2）
N2 241（6.4） 184（6.5） 57（6）
M分期 1.317 0.251
M0 3 137（83.1） 2 341（82.6） 796（84.3）
M1 640（16.9） 492（17.4） 148（15.7）
淋巴结清扫数量（个） 0.932 0.614
未清扫 1 501（39.7） 1 119（39.5） 382（40.5）
＜12 540（14.3） 414（14.6） 126（13.3）
≥12 1 736（46.0） 1 300（45.9） 436（46.2）
CEA 1.142 0.417
阴性 438（11.6） 323（11.4） 115（12.2）
阳性 375（9.9） 291（10.3） 84（8.9）
不详 2 964（78.5） 2 219（78.3） 745（78.9）
化疗 0.760 0.301
无/不详 2 795（74.0） 2 109（74.4） 686（72.7）
有 982（26.0） 724（25.6） 258（27.3）
肿瘤大小（cm） 0.980 0.516
≤2 1 980（52.4） 1 476（52.1） 504（53.4）
＞2 1 797（47.6） 1 357（47.9） 440（46.6）
表2 基于训练队列的单因素与多因素Cox回归分析
变量 单因素分析 多因素分析
HR（95%CI） P值 HR（95%CI） P值
种族
白色人种 1 1
黑色人种 1.2（0.96~1.48） 0.105 1.12（0.9~1.39） 0.307
其他 1.37（1.05~1.79） 0.021 1.14（0.87~1.49） 0.347
性别
女性 1 1
男性 1.17（1.02~1.35） 0.024 1.15（1~1.32） 0.055
年龄（岁）
＜60 1 1
≥60 2.62（2.28~3.02） ＜0.001 1.87（1.61~2.16） ＜0.001
病理分型
腺癌 1 1
类癌 0.1（0.08~0.14） ＜0.001 0.4（0.26~0.61） ＜0.001
杯状细胞腺癌 0.44（0.35~0.56） ＜0.001 0.83（0.63~1.09） 0.178
神经内分泌肿瘤 0.16（0.11~0.24） ＜0.001 0.52（0.32~0.82） 0.006
其他 0.76（0.63~0.91） 0.003 0.85（0.7~1.02） 0.082
肿瘤分化
高分化 1 1
中分化 2.72（2.24~3.31） ＜0.001 1.45（1.17~1.79） ＜0.001
低分化 7.45（6.11~9.08） ＜0.001 2.4（1.91~3.03） ＜0.001
未分化 8.99（6.55~12.35） ＜0.001 2.3（1.63~3.25） ＜0.001
其他 1.43（1.11~1.84） 0.006 1.29（0.98~1.69） 0.007
肿瘤分期
0 1
Ⅰ 0.41（0.15~1.12） 0.083
Ⅱ 1.47（0.55~3.95） 0.446
Ⅲ 2.54（0.94~6.85） 0.066
Ⅳ 4.86（1.81~13.02） 0.002
T分期
Tis 1 1
T1 0.36（0.13~0.98） 0.046 0.78（0.28~2.21） 0.639
T2 0.76（0.27~2.13） 0.602 0.88（0.31~2.49） 0.813
T3 1.51（0.56~4.07） 0.413 1.1（0.41~2.97） 0.856
T4 3.87（1.45~10.36） 0.007 1.73（0.64~4.68） 0.283
N分期
N0 1 1
N1 2.59（2.09~2.99） ＜0.001 1.8（1.47~2.2） ＜0.001
N2 9.81（8.19~11.76） ＜0.001 3.26（2.61~4.08） ＜0.001
M分期
M0 1 1
M1 4.63（4.02~5.33） ＜0.001 1.46（1.46~2.08） ＜0.001
淋巴结清扫数量
未清扫 1 1
＜12 2.98（2.42~3.67） ＜0.001 1.14（0.91~1.43） 0.257
≥12 2.28（1.92~2.72） ＜0.001 0.74（0.6~0.91） 0.004
CEA
阴性 1 1
阳性 1.93（1.54~2.43） ＜0.001 1.45（1.14~1.84） 0.002
不详 0.54（0.45~0.66） ＜0.001 1.28（1.05~1.57） 0.015
化疗
无/不详 1
有 3.51（3.06~4.03） ＜0.001
肿瘤大小（cm）
≤2 1 1
＞2 3.02（2.59~3.51） ＜0.001 1（0.84~1.19） 0.996
图1 Lasso回归进行交叉验证和回归分析。1A：交叉验证；1B：Lasso回归路径图
图2 列线图预测手术后阑尾肿瘤患者的总生存期（OS）
图3 列线图1年、3年、5年总生存期ROC曲线。A1~A3：训练队列；B1~B3：验证队列
图4 3年和5年10次200折交叉验证可视化小提琴图。4A：训练队列；4B：验证队列
图5 列线图1、3、5年总生存率校准曲线。A1~A3：训练队列；B1~B3：验证队列
图6 列线图1、3、5年总生存率临床决策曲线。6A：训练队列；6B：验证队列
表3 训练队列和验证队列1、3、5年临床决策曲线下面积（AUDC）
组别 训练队列 验证队列
1年 3年 5年 1年 3年 5年
列线图 0.005 0.045 0.080 0.008 0.045 0.068
TNM分期系统 0.004 0.039 0.070 0.005 0.038 0.054
图7 风险分级系统。7A~7B：预测总分数的最优截断值；7C：根据总队列的OS绘制不同风险等级的Kaplan-Meier曲线
[1]
Shankar S, Ledakis P, El HH, et al. Neoplasms of the appendix: current treatment guidelines[J]. Hematol Oncol Clin North Am, 2012, 26(6): 1261-1290.
[2]
Glasgow SC, Gaertner W, Stewart D, et al. The American society of colon and rectal surgeons, clinical practice guidelines for the management of appendiceal neoplasms[J]. Dis Colon Rectum, 2019, 62(12): 1425-1438.
[3]
McCusker ME, Coté TR, Clegg LX, et al. Primary malignant neoplasms of the appendix: a population-based study from the surveillance, epidemiology and end-results program, 1973-1998[J]. Cancer, 2002, 94(12): 3307-3312.
[4]
Tiselius C, Kindler C, Shetye J, et al. Computed tomography follow-up assessment of patients with low-grade appendiceal mucinous neoplasms: evaluation of risk for pseudomyxoma peritonei[J]. Ann Surg Oncol, 2017, 24(7): 1778-1782.
[5]
Overman MJ, Fournier K, Hu CY, et al. Improving the AJCC/TNM staging for adenocarcinomas of the appendix: the prognostic impact of histological grade[J]. Ann Surg, 2013, 257(6): 1072-1078.
[6]
Mällinen J, Rautio T, Grönroos J, et al. Risk of Appendiceal neoplasm in periappendicular abscess in patients treated with interval appendectomy vs follow-up with magnetic resonance imaging: 1-year outcomes of the peri-appendicitis acuta randomized clinical trial[J]. JAMA Surg, 2019, 154(3): 200-207.
[7]
Marmor S, Portschy PR, Tuttle TM, et al. The rise in appendiceal cancer incidence: 2000-2009[J]. J Gastrointest Surg, 2015, 19(4): 743-750.
[8]
Amin MB, Greene FL, Edge SB, et al. The eighth edition AJCC cancer staging manual: continuing to build a bridge from a population-based to a more "personalized" approach to cancer staging[J]. CA Cancer J Clin, 2017, 67(2): 93-99.
[9]
Iasonos A, Schrag D, Raj GV, et al. How to build and interpret a nomogram for cancer prognosis[J]. J Clin Oncol, 2008, 26(8): 1364-1370.
[10]
Valentini V, van Stiphout RG, Lammering G, et al. Nomograms for predicting local recurrence, distant metastases, and overall survival for patients with locally advanced rectal cancer on the basis of European randomized clinical trials[J]. J Clin Oncol, 2011, 29(23): 3163-3172.
[11]
Weiser MR, Landmann RG, Kattan MW, et al. Individualized prediction of colon cancer recurrence using a nomogram[J]. J Clin Oncol, 2008, 26(3): 380-385.
[12]
Whitfield CG, Amin SN, Garner JP. Surgical management of primary appendiceal malignancy[J]. Colorectal Dis, 2012, 14(12): 1507-1511.
[13]
Liu T, Mi J, Wang Y, et al. Establishment and validation of the survival prediction risk model for appendiceal cancer[J]. Front Med (Lausanne), 2022, 9: 1022595.
[14]
Yezierski RP. The effects of age on pain sensitivity: preclinical studies[J]. Pain Med, 2012, 13(Suppl. 2): S27-S36.
[15]
Assarzadegan N, Montgomery E. What is new in the 2019 World Health Organization (WHO) classification of tumors of the digestive system: review of selected updates on neuroendocrine neoplasms, appendiceal tumors, and molecular testing[J]. Arch Pathol Lab Med, 2021, 145(6): 664-677.
[16]
中国医师协会结直肠肿瘤专业委员会. 中国阑尾肿瘤多学科综合治疗专家共识(2021版)[J/OL]. 中华结直肠疾病电子杂志, 2021, 10(3): 225-231.
[17]
Chua TC, Moran BJ, Sugarbaker PH, et al. Early- and long-term outcome data of patients with pseudomyxoma peritonei from appendiceal origin treated by a strategy of cytoreductive surgery and hyperthermic intraperitoneal chemotherapy[J]. J Clin Oncol, 2012, 30(20): 2449-2456.
[18]
Liu X, Mody K, de Abreu FB, et al. Molecular profiling of appendiceal epithelial tumors using massively parallel sequencing to identify somatic mutations[J]. Clin Chem, 2014, 60(7): 1004-1011.
[19]
Arends MJ, Fukayama M, Klimstra DS, et al. WHO classification of tumours of the digestive system[M]. 5th ed. Lyon (France): International Agencyfor Research on Cancer Press, 2019.
[20]
裘法祖, 吴阶平. 黄家驷外科学[M]. 6版. 北京: 人民卫生出版社, 2000.
[21]
余佩武, 王代科. 阑尾类癌的临床诊断与治疗[J]. 中国实用外科杂志, 1997, 17(3): 11-12.
[22]
Gahagan JV, Whealon MD, Phelan MJ, et al. Lymph node positivity in appendiceal adenocarcinoma: should size matter?[J]. J Am Coll Surg, 2017, 225(1): 69-75.
[23]
Fleischmann I, Warschkow R, Beutner U, et al. Improved survival after retrieval of 12 or more regional lymph nodes in appendiceal cancer[J]. Eur J Surg Oncol, 2017, 43(10): 1876-1885.
[24]
Zhao S, Bi Y, Wang Z, et al. Accuracy evaluation of combining gastroscopy, multi-slice spiral CT, Her-2, and tumor markers in gastric cancer staging diagnosis[J]. World J Surg Oncol, 2022, 20(1): 152.
[25]
Thirunavukarasu P, Sukumar S, Sathaiah M, et al. C-stage in colon cancer: implications of carcinoembryonic antigen biomarker in staging, prognosis, and management[J]. J Natl Cancer Inst, 2011, 103(8): 689-697.
[1] 孙帼, 谢迎东, 徐超丽, 杨斌. 超声联合临床特征的列线图模型预测甲状腺乳头状癌淋巴结转移的价值[J]. 中华医学超声杂志（电子版）, 2023, 20(07): 734-742.
[2] 王思思, 金晶, 汪婕. 初产妇哺乳期乳腺炎发生的影响因素及风险模型构建[J]. 中华乳腺病杂志(电子版), 2023, 17(05): 272-276.
[3] 刘丹丹, 宋鸣, 李霞, 徐夏君. 老年髋部骨折术后便秘的影响因素及其列线图预测模型[J]. 中华关节外科杂志(电子版), 2023, 17(05): 607-612.
[4] 张秋彬, 张楠, 林清婷, 徐军, 朱华栋, 姜辉. 急性胰腺炎合并急性肾损伤患者的预后评估[J]. 中华危重症医学杂志(电子版), 2023, 16(05): 382-389.
[5] 郑鹏, 吴赛萍, 谢秀璋, 史庆丰. 术前预测感染性肾结石列线图模型的构建及验证[J]. 中华实验和临床感染病杂志(电子版), 2023, 17(05): 299-306.
[6] 杨梅, 周春, 赵艾红, 王琴. 儿童难治性肺炎支原体肺炎所致塑型性支气管炎风险列线图模型的构建[J]. 中华实验和临床感染病杂志(电子版), 2023, 17(04): 274-281.
[7] 王迎迎, 谢平. 乙型肝炎病毒感染合并肺结核患者发生肝损伤的危险因素及预测模型构建[J]. 中华实验和临床感染病杂志(电子版), 2023, 17(04): 267-273.
[8] 甄子铂, 刘金虎. 基于列线图模型探究静脉全身麻醉腹腔镜胆囊切除术患者术后肠道功能紊乱的影响因素[J]. 中华普外科手术学杂志(电子版), 2024, 18(01): 61-65.
[9] 唐旭, 韩冰, 刘威, 陈茹星. 结直肠癌根治术后隐匿性肝转移危险因素分析及预测模型构建[J]. 中华普外科手术学杂志(电子版), 2024, 18(01): 16-20.
[10] 王万川, 麦广智, 张晓槟, 冯家豪. 腹腔镜下LAR术治疗低位直肠癌保肛术中钉仓数量与术后LARS的关系[J]. 中华普外科手术学杂志(电子版), 2023, 17(05): 491-496.
[11] 徐伯麒, 陶亮, 章帆, 毛忠琦. 结肠癌患者淋巴结转移预测模型的建立[J]. 中华普外科手术学杂志(电子版), 2023, 17(04): 393-397.
[12] 于恒, 陆晓峰, 宋鹏, 毛永欢, 孙锋, 艾世超, 王峰, 陶亮, 胡琼源, 王萌, 刘颂, 王琼, 沈晓菲, 管文贤. 胃癌肝转移危险因素分析及预测模型构建[J]. 中华普外科手术学杂志(电子版), 2023, 17(04): 375-379.
[13] 徐慧新, 刘波, 唐立钧. 体外冲击波治疗>1 cm输尿管上段结石失败的预测模型建立[J]. 中华腔镜泌尿外科杂志(电子版), 2023, 17(05): 506-511.
[14] 杨静, 顾红叶, 赵莹莹, 孙梦霞, 查园园, 王琪. 老年血液透析患者短期死亡的影响因素及列线图预测模型的预测作用[J]. 中华肾病研究电子杂志, 2023, 12(05): 254-259.
[15] 李海马, 孙恺, 刘如恩. 颅内单纯生殖细胞瘤患者的生存预测：基于SEER数据库的临床研究[J]. 中华神经创伤外科电子杂志, 2023, 09(05): 283-288.
阅读次数
全文


摘要

版权所有 中华医学会 中华医学电子音像出版社有限责任公司  京ICP备14006079号-1  网络出版服务许可证：(署)网出证(京)字第075号