预测多发性原发性结直肠癌患者术后癌症特异性生存率的竞争风险列线图

摘要

研究发现，男性、肿瘤分级差和晚期肿瘤淋巴结转移分期与多发性原发性结直肠癌 （MPCC） 患者术后较差的癌症特异性生存率 （CSS） 相关。我们开发了一种列线图来预测 MPCC 患者的 CSS 并为临床治疗决策做出贡献。

摘要

多发性原发性结直肠癌 （MPCC） 患者的癌症特异性生存期 （CSS） 受到其他原因导致的死亡的竞争性影响。本研究旨在通过 MPCC 患者的竞争风险分析来调查 CSS 和相关危险因素。本研究的数据来自 SEER 数据库。使用竞争风险模型的单变量和多变量分析来削弱竞争性事件的影响，它探讨了 CSS 的风险因素并开发了列线图模型。然后，通过 ROC 曲线、校准曲线和 DCA 验证模型的性能。该研究共纳入 8931 名患者，其中 6255 名在训练队列中，2676 名在验证队列中。单变量和多变量分析显示，性别、肿瘤淋巴结转移 （TNM） 分期和肿瘤分级是 MPCC 患者癌症特异性生存的独立危险因素。根据风险因素，我们开发了一个图表模型来预测 CSS。ROC 曲线、校准曲线和 DCA 也显示出良好的结果。总之，开发了一种列线图，作为预测 MPCC 患者 CSS 的宝贵工具，为临床医生提供个性化治疗计划的重要见解。

引言

结直肠癌作为全球最常见的消化系统肿瘤之一，其发病率在过去几十年中持续上升。持续高发病率和死亡率引起了广泛关注。根据最新统计数据，结直肠癌在全球常见恶性肿瘤中排名第三，死亡率排名全球第二¹。多发性原发性结直肠癌 （MPCC） 是结直肠癌的一种特殊亚型，近年来越来越受到研究人员的关注。它被定义为在同一患者中诊断出两个或多个独立的结直肠癌病灶，病灶边缘之间的距离超过 5 厘米。在 MPCC 中，当同时或在不到 6 个月内诊断出多个肿瘤时，定义为同步性结直肠癌 （SCRC），而如果诊断之间的间隔大于 6 个月，则定义为异时性结直肠癌 （MCRC）2,3,4,5。

MPCC 在所有结直肠癌中的比例相对较低，其发病率的报告因地区和研究而异。最近的研究报告称，MPCC 占结直肠癌的 2%-10% 2,3,4,5。与孤立性结直肠癌相比，MPCC 的预后更差 ^3,6。目前，MPCC 预后的临床评估主要依赖于美国癌症联合委员会的肿瘤淋巴结转移 （TNM） 分期系统，该系统使用多发病灶的最晚期分期作为 MPCC 的实际分期。然而，仅根据 TNM 分期预测预后是不够的。仍然缺乏预测 MPCC 术后预后的有效工具。在当今精准医学时代，用于量化风险的临床预测模型被广泛用于临床决策和患者预后评估 ^7,8。近年来，基于独立预后危险因素的列线图已被广泛接受用于预测肿瘤预后⁹。列线图可以可视化复杂的统计模型，使其更容易在临床环境中应用。在肿瘤预后评估中，总生存期 （OS） 和癌症特异性生存期 （CSS） 是常用的结果指标⁹。OS 是指从患者确诊癌症到因任何原因死亡的时间。CSS 是指从诊断出肿瘤到专门由癌症导致死亡的时间，更准确地反映了因癌症而死亡的风险。当 CSS 用作结果指标时，由其他因素引起的死亡会影响癌症特异性死亡率的概率，从而在两个事件之间引入竞争风险关系^10,11。因此，肿瘤特异性生存率的研究应使用竞争风险模型来消除竞争事件的影响。以前的研究已经构建了预测 MPCC 预后的模型，但这些模型仅限于同步性结直肠癌，并且没有利用竞争性风险模型来解释竞争性事件对 CSS^的影响 12,13,14。

在这项研究中，我们探讨了影响 MPCC 术后癌症特异性生存率的竞争独立危险因素。采用竞争风险模型的基本原理源于它能够解释患者可能死于癌症以外的原因的可能性，这对于获得无偏倚的生存估计至关重要^15,16。传统的生存分析技术，如 Cox 模型，可能会高估存在竞争事件的生存概率，从而使竞争风险模型的使用在这些场景中更合适¹⁷。

根据确定的独立危险因素，我们构建了列线图来预测生存概率并验证了其性能。列线图在临床环境中越来越受欢迎，因为它们提供了复杂统计模型的用户友好图形表示，使临床医生能够轻松计算个性化风险评分^18,19。与其他预测工具不同，列线图包含多个风险因素，并提供更准确、个性化的预后估计。这种方法已在各种癌症中得到越来越多的验证，显示出优于传统分期系统的性能 20,21,22。我们的工具旨在帮助临床医生在诊断和治疗期间做出个性化和更准确的预后估计，从而加强 MPCC 管理的决策。

研究方案

本研究包括两个步骤。首先，从 SEER 数据库中获得 MPCC 的临床和生存数据。然后，使用 R 软件（版本 4.3.3）分析和构建竞争风险模型。该研究的工作流程图如图 1 所示。本研究不需要伦理批准和同意即可参与。本研究中使用的数据是从数据库中获得的。

1. 数据采集

1. 下载 SEER。来自 SEER 数据库网站 （http://seer.cancer.gov/about/overview.html） 的 Stat 8.4.3 软件。注册并登录 SEER。statt 8.4.3 获取相关患者数据。
2. 登录仙工智能后。统计 8.4.3，单击 Case Listing Session > Data 并选择 Incidence SEER Research Data， 17 Regisries， Nov 2022 Sub （2000-2020） 数据库。
3. 点击 >编辑选择 “并选择 {种族、性别、诊断年份} = '2004'， '2005'， '2006'， '2007'， '2008'， '2009'， '2010'， '2011'， '2012'， '2013'， '2014'， '2015' AND {部位和形态学.站点重新编码 ICD-O-3/WHO 2008} = '结肠和直肠' AND {站点和形态学。诊断确认} = '阳性组织学' AND {多个主字段。序列号}！= '仅一个主要'。
4. 单击 OK 并保存选择。单击 表格，然后在可用变量界面中，选择 单个年龄和 85+ 的年龄重新编码、性别、部位重新编码 ICD-O-3/WHO 2008、CS 肿瘤大小、等级重新编码（至 2017 年）、衍生的 AJCC T，第 6 版 （2004-2015），衍生的 AJCC N，第 6 版 （2004-2015），衍生的 AJCC M，第 6 版 （2004-2015），放射重编码，化疗重编码（是、否/unk）、SEER 原因特异性死亡分类、 SEER 其他死亡原因分类、生存月数、患者 ID、RX Summ-Surg Prim 站点 （1998+），然后单击 列。
5. 单击 输出 ，命名数据，然后单击 执行 输出并保存数据。
6. SEER 数据库不直接提供有关患者是否患有 MPCC 的信息。如上所述完成数据下载后，使用患者 ID 筛选出 MPCC 患者，即诊断为 2 次或更多次的患者。确定 MPCC 患者后，根据他们的生存时间计算肿瘤诊断之间的间隔。以 6 个月为临界值，将患者分为 SMPCC 和 MMPCC。
7. 根据患者初步诊断时的年龄，将患者的年龄分类为 = 65 岁和> 65 岁。对于肿瘤分级，I 级对应于良好分化，II 级对应于中度分化，III 级对应于低分化，IV 级对应于未分化。根据多个肿瘤的分布将肿瘤位置分类为右结肠、左结直肠和整个结直肠。
   1. 近端和远端结直肠在胚胎发育和生物学特性上存在明显差异，根据脾弯曲划分肿瘤位置²³。右结肠定义为脾曲近端，包括盲肠、升结肠、肝曲和横结肠，而左结直肠包括脾曲、降结肠、乙状结肠、直肠乙状结肠交界处和直肠。如果患者的肿瘤完全位于右结肠，则将肿瘤位置定义为右结肠;如果所有肿瘤都位于左侧结直肠，则将位置定义为左侧结直肠;如果右结肠和左结直肠都有肿瘤，请将位置定义为整个结直肠。
8. 通过在同一患者的多个肿瘤中选择最大的肿瘤直径来确定肿瘤大小。根据肿瘤直径，将大小分类为 = 5 cm 或 >5 cm。该研究共纳入 8,931 名患者。要创建训练队列和验证队列，请以 7：3 的比例随机划分所有个案。

2. 模型构建

1. 下载 RStudio （2023.12.1+402） 和 R 软件 （4.3.3）。打开 RStudio 以运行 R 软件。单击 New File（新建文件 ）并选择 R Script（R 脚本 ）以创建新的 R 编程接口。在代码编辑器中输入相关代码，然后单击 Run 以执行代码。
   注意：R 语言及其函数提供了多种参数。添加或修改这些参数可以增强数据分析和可视化。
2. 使用以下代码执行单变量分析并绘制 CIF 曲线。
   图书馆（Tidycmprsk）
   库（GT摘要）
   图书馆（ggsurvfit）
   库 （GGPrivers）
   data <-read.csv（'data.csv'）”
   data$status<-factor（data$status， levels=c（0,1,2），labels=c（“0”，“CSS”，“OCS”））
   CIF <- tidycmprsk：：cuminc（Surv（时间，状态） ~ 性别，数据 = 数据）
   ggcuminc（CIF，结果= c（“CSS”， “OCS”），大小= 1.5）
   其中 data.csv 是从 SEER 数据库获取的数据。
3. 运行以上代码后，点击 出口，然后点击 另存为图片，最后点击 优惠 保存图片。保存后续图像的方法与此步骤中的方法相同。将上述代码中的 逐个替换为其他因子，以对所有因子执行单变量分析。
4. 使用以下代码执行 BSR 和多变量分析和可视化。
   库 （LEAPS）
   库 （riskRegression）
   库（Prodlim）
   库 （forestplot）
   leaps<-regsubsets（status==0~+Size+Grade+T+N+M，data = data）
   plot（leaps，scale=“adjr2”）
   多<- FGR（Hist（时间，状态）~性别 + T + N + M +等级 + 大小，原因=1，data=数据）
   摘要（多个）
   多<- read.csv（“multi.csv”，header = T）
   forestplot（labeltext=as.matrix（Multi [，1：4]）， mean= Multi $HR_mean， ower= Multi $HR_1， upper= Multi $HR_2）
   其中 multi.csv 中的数据来自上一个代码的结果。
5. 按照步骤 2.3 进行作。以保存图像。
6. 使用以下代码绘制列线图、ROC 曲线、校准曲线和 DCA 曲线。
   库（QHScrnomo）
   库 （RMS）
   库 （riskRegression）
   库（Prodlim）
   数据 <- read.csv（「data.csv”）
   d <- datadist（data）
   options（datadist = “d”）
   e <-cph（Surv（时间，status==1）~性别 + T + N + M +等级，data = 数据，
   x=T， y=T， surv=T，time.inc=60）
   nomo <- crr.fit（e，failcode=1，cencode = 0）
   nomogram.crr（fit =nomo， lp = F， xfrac = 0.5， fun.at =seq（from=0， to=1， by= 0.1） ， failtime =c（12,36,60），funlabel = c（“1 年 CSS 累积发生率”， “3 年 CSS 累积发生率”，“5 年 CSS 累积发生率”））
   set.seed（123）
   data$pro <- tenf.crr（m3，time = 60）
   groupci（x=data$pro， ftime = data$time， fstatus = data$status， failcode = 1， cencode = 0， ci = TRUE）
   f <- CSC（Hist（时间，状态）~性别 + T + N + M +等级，数据 = 数据）
   x <- 分数（list（model1=f）， Hist（time，status）~1， data=data， cause=1， times=c（12,36,60）， se.fit=1L， plots=“roc”， metrics=“auc”）
   g <- as.data.frame（x$AUC$score）
   h <- g[g$times %in% c（12,36,60），]
   col = c（“深青色”，“番茄”，“紫色”）
   plotROC（x， xlab=“1-特异性”， ylab=“灵敏度”，col=col[1]， cex=1.5， legend=“”， auc.in.legend = F， times = 12）
   plotROC（x，col=col[2]，legend = ''， cex=1.5，times =36，auc.in.legend = F，add=T）
   plotROC（x，col=col[3]， 乘以 =60， add=T， cex=1.5， legend = ''，auc.in.legend = F）
   腿 <- paste0（c（“1 年：”，“3 年：”，“5 年：”），substr（a$AUC，1,5））
7. 按照步骤 2.3 进行作。以保存图像。
8. 使用 ggscidca 软件包绘制 DCA 曲线。
   库 （ggscidca）
   df_surv<-read.csv（“data.csv”，header = T）
   cox_model <- coxph（Surv（时间，status==1）~性别 + T + N+ M +等级，数据 = df_surv）
   cox_model1<-newcrr（cox_model）
   scidca（cox_model1， newdata = df_surv，threshold.line = T，threshold.text = T）
   其中 data.csv 是从 SEER 数据库获取的数据。
9. 按照步骤 2.3 进行作。以保存图像。

结果

患者特征
该研究共纳入 8,931 名患者。在性别分布方面，男性患者 （56%） 的比例高于女性患者 （44%）。关于肿瘤位置分布，大多数肿瘤分布在总结直肠，而最少的肿瘤位于右结肠 （21%）。从肿瘤分级来看，最常见的分级为 II 级，有 6,251 例患者，占总数的 70%;其次是 III 级，有 2,026 名患者 （23%）。I 级和 IV 级分别为 355 例和 299 例患者，分别占总数的 4% 和 3.3%。在肿瘤侵袭方面，T3 和 T4 分期最常见。超过一半的患者没有淋巴结转移，而 17% 的患者经历了远处转移。1,446 例患者 （16%） 接受了放疗，3,843 例患者 （43%） 接受了化疗。SCRC 更常见，有 5,327 名患者占总数的 60%;异时性结直肠癌患者 3,604 例，占 40%。患者以 7：3 的比例随机分为训练集和验证集。如 表 1 所示，训练队列和验证队列之间的基线数据没有统计学上的显着差异。

单变量分析
在控制了竞争事件的影响后，单因素分析结果显示性别、肿瘤分级和大小、TNM 分期、放疗、化疗、同步或异时状态以及肿瘤位置是影响 MPCC 患者 CSS 的预后因素。只有年龄不是 MPCC 患者 CSS 的预后因素。我们注意到 CIF 在放疗、化疗、位置和同步或异时状态方面存在显着交叉，表明放疗对 MPCC 患者的短期和长期预后影响不同，化疗、位置和同步或异时状态也是如此。每个子组的累积风险曲线如图 2 所示。

多变量分析
将单变量分析获得的预后因素纳入竞争风险模型的最佳子集回归 （BSR） 和多变量分析中。其中，放疗、化疗、位置和同步或异时状态被排除在外，因为它们对预后的双重影响。BSR 和多变量分析结果均显示，性别、TNM 分期和肿瘤分级是 MPCC 患者 CSS 的独立危险因素。（图 2）

列线图的构建和验证
基于多变量分析获得的独立风险因素，我们构建了一个线列线图来预测 CSS 并验证预测模型的性能（图 3）。然后，我们使用 ROC 曲线、校准曲线和 DCA 来评估模型。ROC 曲线显示，训练队列 1 年、 3 年和 5 年的 AUC 分别为 0.762 、 0.742 和 0.734，验证队列的 1 年、 3 年和 5 年的 AUC 分别为 0.801 、 0.740 和 0.743。在训练队列和验证队列中，校准曲线显示预测概率与实际数据之间的高度一致性（图 4）。为了验证模型在临床应用中的性能，我们使用 DCA 来评估模型的临床价值。结果表明，该模型显示出良好的净收益（图 5）。

图 1：研究的工作流程图。 本研究包括两个步骤：首先，使用 SEER 获取数据。统计，然后使用 R 进行数据分析和可视化。 请单击此处查看此图的较大版本。

图 2：分析结果。 （A） 子组的 CIF。* 表示 p <0.05。（B） 最佳子集回归。在最佳拟合优度下，考虑纳入性别、等级和 TNM 阶段（在顶部显示为黑色块）。（C） 多变量分析还显示，性别、等级和 TNM 分期是独立的危险因素。 请单击此处查看此图的较大版本。

图 3：MPCC 患者 CSS 的列线图。 患者的总分可以通过将与每个因素对应的分数相加来计算。根据总分，可以预测 1 年、3 年和 5 年时癌症特异性死亡的概率 请单击此处查看此数字的较大版本。

图 4：ROC 曲线和校准曲线。 （A、B） 训练队列 （n=6255） 和 （C、D） 验证队列 （n=2676） 中的曲线。AUC 值越接近 1，模型的分类性能越好。误差线显示实际事件发生的概率的 95% 置信区间。 请单击此处查看此图的较大版本。

图 5：1 年、3 年和 5 年的 DCA。 （A、B、C） 训练队列和 （D、E、F） 验证队列中的 DCA。绿线表示所有正值的净收益，蓝线表示无正值的净收益，红线表示模型的净收益。下面的红色区域表示模型的好处超过所有正值和无正值的好处，表示模型的实际好处范围。 请单击此处查看此图的较大版本。

表 1：患者的临床病理学和基线特征。请点击此处下载此表格。

讨论

作为一种常见的消化系统肿瘤，影响孤立性结直肠癌预后的因素已在既往研究中研究和证实²⁴。然而，关于 MPCC 患者预后因素的研究有限。这项研究包括 8,931 年至 2004 年间从 SEER 数据库中接受手术的 2015 名 MPCC 患者。我们使用竞争风险模型来调查影响 CSS 的风险因素并构建了一个预测模型。在这项研究中，39.1% 的已故患者死于癌症以外的原因，强调了使用竞争风险模型来分析 CSS 风险因素的必要性。

以前的研究发现，高龄是影响 MPCC 患者 OS 的危险因素¹²。然而，在这项研究中，我们发现年龄不是 CSS 的危险因素。老年患者通常表现出较差的基线健康状况和更多的合并症，与年轻患者相比，这可能导致更短的 OS。老年人也更容易死于其他原因，例如心血管事件和严重感染，这使他们比年轻患者更容易受到这些因素的影响。在这项研究中，我们关注了其他原因导致的死亡与癌症本身导致的死亡之间的竞争关系。通过使用竞争风险模型并排除其他原因导致的死亡干扰，我们发现在这些情况下，高龄不再是 MPCC CSS 的危险因素。这表明不同年龄组的 MPCC 患者可能面临相似的肿瘤负担。总体而言，患有该病的年轻和老年患者具有相似的 CSS，这为制定个性化治疗策略提供了有价值的指导。

本研究还发现，MPCC 的发病率和预后表现出性别相关倾向，男性患者的比例较高，CSS 较差。这与在孤立性结直肠癌中观察到的情况一致。既往研究表明，孤立性结直肠癌在男性中更常见，男性患者的预后比女性患者差。这可能是由于雌激素对结直肠癌发生和进展的影响²⁵。此外，其他研究表明，男性患者的肠道微生物群和肠道代谢物可能是结直肠癌患者出现性别差异的原因之一²⁶。德国的一项研究发现，2 型糖尿病对女性²⁷ 岁的结直肠癌影响更大。更重要的是，维生素 D 对女性的结直肠瘤形成有保护作用，但在男性中没有发现类似的发现²⁸。

竞争性单变量分析发现，肿瘤较大的 MPCC 患者的 CSS 较差。在以前的研究中，肿瘤大小通常被认为是肿瘤侵袭性的指标 29,30,31。然而，竞争性多变量分析的结果并不支持肿瘤大小作为独立的危险因素。这表明，在结直肠等空心器官中，肿瘤大小反映肿瘤侵袭性的能力可能有限。这种现象可能源于多种因素，包括肿瘤生物学的复杂性以及肿瘤生长和在不同器官中扩散的不同模式。

肿瘤分级差表明肿瘤细胞的侵袭和迁移能力更强，这与本研究的结论一致：肿瘤分级越差表明 MPCC 患者的 CSS 越差。TNM 分期是指导患者治疗和预测预后最常用的临床方法^32,33。这项研究发现，肿瘤浸润越深，转移性淋巴结的数量就越多，并且存在器官转移，患者的癌症特异性生存率就越差。这与临床共识完全一致。

在结直肠癌中，预后因肿瘤位置而异。许多研究发现，与左结直肠相比，右结肠的预后较差 34,35,36,37。然而，一些研究表明，在可切除的结直肠癌中，肿瘤位置的一侧不会影响长期预后³⁸。在这项研究中，位于右结肠的 MPCC 在短期内 CSS 较差，但长期预后较好。同样，接受放疗和化疗的 MPCC 患者的短期 CSS 较好，但长期 CSS 较差。与 MCRC 相比，SCRC 的短期 CSS 较差，但长期 CSS 较好。这些对预后产生双重影响的原因尚不清楚。

这项研究有一些局限性。由于 SEER 数据库的固有限制，我们无法获得或分析一些已知的预后指标，例如癌胚抗原 （CEA） 水平和微卫星状态。此外，我们不能排除 MPCC³⁹ 风险较高的炎症性肠病、遗传性非息肉病性结直肠癌和家族性腺瘤性息肉病患者。此外，免疫疗法已成为结直肠癌治疗中越来越重要的方面，但我们无法获得这方面的数据。我们分析的回顾性和对单个数据集的依赖可能会引入固有的偏差。

基于 SEER 数据库的研究发现，男性、肿瘤分级差和 TNM 分期晚期与 MPCC 患者术后 CSS 较差相关。在诊断和治疗过程中密切关注具有这些危险因素的患者非常重要。此外，本研究开发了一种列线图来预测 MPCC 患者的 CSS，可以准确预测预后并有助于临床治疗决策。

材料

Name	Company	Catalog Number	Comments
forestplot package	Comprehensive R Archive Network (CRAN)	forest plot 3.1.3	A forest plot that allows for multiple confidence intervals per row, custom fonts for each text element, custom confidence intervals, text mixed with expressions, and more.
ggprism package	Comprehensive R Archive Network (CRAN)	ggprism 1.0.5	The ggprism package provides various themes, palettes, and other useful functions to customise ggplots and give them the ‘GraphPad Prism’ look.
ggscidca package	Comprehensive R Archive Network (CRAN)	ggscidca package	The 'ggscidca' package adds coloured bars of discriminant relevance to the traditional decision curve. Improved practicality and aesthetics.
ggsurvfit package	Comprehensive R Archive Network (CRAN)	ggsurvfit 1.1.0	The ggsurvfit package eases the creation of time-to-event (aka survival) summary figures with ggplot2. The concise and modular code creates images that are ready for publication or sharing.
gtsummary package	Comprehensive R Archive Network (CRAN)	gtsummary 2.0.0	The gtsummary package provides an elegant and flexible way to create publication-ready analytical and summary tables using the R programming language. The {gtsummary} package summarizes data sets, regression models, and more, using sensible defaults with highly customizable capabilities.
QHScrnomo package	Comprehensive R Archive Network (CRAN)	QHScrnomo 3.0.1	The goal of QHScrnomo is to provide functionality to construct nomograms in the context of time-to-event (survival) analysis in the presence of competing risks. It also contains functions to build, validate, and summarize these models.
R Software	R Core Team	R 4.3.3	Free software environment for statistical computing and graphics
riskRegression package	Comprehensive R Archive Network (CRAN)	riskRegression 1.3.7	Risk Regression Models and Prediction Scores for Survival Analysis with Competing Risks
rms package	Comprehensive R Archive Network (CRAN)	rms 6.8-1	rms does regression modeling, testing, estimation, validation, graphics, prediction, and typesetting by storing enhanced model design attributes in the fit.
RStudio	RStudio, Public Benefit Corporation(PBC)	Rstudio 2023.12.1+402	Integrated Development Environment (IDE) used for running R scripts, data analysis, and model development. Provides a user-friendly interface for R programming with advanced features like script editing, debugging, and version control.
SEERstat	National Cancer Institute (NCI)	SEERstat 8.4.3	Software for statistical analysis of SEER and other cancer-related databases
tidycmprsk package	Comprehensive R Archive Network (CRAN)	tidycmprsk 1.0.0	The tidycmprsk package provides an intuitive interface for working with the competing risk endpoints