Name: establishing a competing risk regression nomogram model for survival data
Uploaded: 2020-10-23T13:00:00
Description: Watch this Scientific Journal Video about Establishing a Competing Risk Regression Nomogram Model for Survival Data at JoVE.com

这项研究得到了浙江省自然科学基金（资助号LY19H160020）和金华市科技局重点项目（资助号2016-3-005、2018-3-001d和2019-3-013）的资助。

研究方案经浙江大学医学院金华医院伦理委员会批准。对于本实验，这些病例是从监测、流行病学和最终结果（SEER）数据库中获得的。SEER 是一个开放访问数据库，包括来自 18 个基于人口的癌症登记处的人口、发病率和生存数据。我们在 SEER 网站上注册并签署了获取研究数据的保证书 （12296-2018 年 11 月）。
1. 数据源
<ol><li>从数据库中获取案例以及从注册表中使用案例的权?...

<ol>
	<li>Fine, J. P., Gray, R. J. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=A+proportional+hazards+model+for+the+subdistribution+of+a+competing+risk.">A proportional hazards model for the subdistribution of a competing risk.</a> Journal of the American Statistical Association. 94 (446), 496-509 (1999).</li><li>Fu, J., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Real-world+impact+of+non-breast+cancer-specific+death+on+overall+survival+in+resectable+breast+cancer.">Real-world impact of non-breast cancer-specific death on overall survival in resectable breast cancer.</a> Cancer. 123 (13), 2432-2443 (2017).</li><li>Kim, H. T. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Cumulative+incidence+in+competing+risks+data+and+competing+risks+regression+analysis.">Cumulative incidence in competing risks data and competing risks regression analysis.</a> Clinical Cancer Research. 13, 559-565 (2007).</li><li>Balachandran, V. P., Gonen, M., Smith, J. J., DeMatteo, R. P. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Nomograms+in+oncology:+more+than+meets+the+eye.">Nomograms in oncology: more than meets the eye.</a> Lancet Oncology. 16 (4), 173-180 (2015).</li><li>Han, D. S., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Nomogram+predicting+long-term+survival+after+d2+gastrectomy+for+gastric+cancer.">Nomogram predicting long-term survival after d2 gastrectomy for gastric cancer.</a> Journal of Clinical Oncology. 30 (31), 3834-3840 (2012).</li><li>Karakiewicz, P. I., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Multi-institutional+validation+of+a+new+renal+cancer-specific+survival+nomogram.">Multi-institutional validation of a new renal cancer-specific survival nomogram.</a> Journal of Clinical Oncology. 25 (11), 1316-1322 (2007).</li><li>Liang, W., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Development+and+validation+of+a+nomogram+for+predicting+survival+in+patients+with+resected+non-small-cell+lung+cancer.">Development and validation of a nomogram for predicting survival in patients with resected non-small-cell lung cancer.</a> Journal of Clinical Oncology. 33 (8), 861-869 (2015).</li><li>Valentini, V., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=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.">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.</a> Journal of Clinical Oncology. 29 (23), 3163-3172 (2011).</li><li>Iasonos, A., Schrag, D., Raj, G. V., Panageas, K. S. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=How+to+build+and+interpret+a+nomogram+for+cancer+prognosis.">How to build and interpret a nomogram for cancer prognosis.</a> Journal of Clinical Oncology. 26 (8), 1364-1370 (2008).</li><li>Chisholm, J. C., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Prognostic+factors+after+relapse+in+nonmetastatic+rhabdomyosarcoma:+a+nomogram+to+better+define+patients+who+can+be+salvaged+with+further+therapy.">Prognostic factors after relapse in nonmetastatic rhabdomyosarcoma: a nomogram to better define patients who can be salvaged with further therapy.</a> Journal of Clinical Oncology. 29 (10), 1319-1325 (2011).</li><li>Brockman, J. A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Nomogram+Predicting+Prostate+Cancer-specific+Mortality+for+Men+with+Biochemical+Recurrence+After+Radical+Prostatectomy.">Nomogram Predicting Prostate Cancer-specific Mortality for Men with Biochemical Recurrence After Radical Prostatectomy.</a> European Urology. 67 (6), 1160-1167 (2015).</li><li>Zhou, H., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Nomogram+to+Predict+Cause-Specific+Mortality+in+Patients+With+Surgically+Resected+Stage+I+Non-Small-Cell+Lung+Cancer:+A+Competing+Risk+Analysis.">Nomogram to Predict Cause-Specific Mortality in Patients With Surgically Resected Stage I Non-Small-Cell Lung Cancer: A Competing Risk Analysis.</a> Clinical Lung Cancer. 19 (2), 195-203 (2018).</li><li>Fu, J., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=De-escalating+chemotherapy+for+stage+II+colon+cancer.">De-escalating chemotherapy for stage II colon cancer.</a> Therapeutic Advances in Gastroenterology. 12, 1756284819867553 (2019).</li><li>Chen, D., Li, J., Chong, J. K. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Hazards+regression+for+freemium+products+and+services:+a+competing+risks+approach.">Hazards regression for freemium products and services: a competing risks approach.</a> Journal of Statistical Computation and Simulation. 87 (9), 1863-1876 (2017).</li><li>. rms: Regression Modeling Strategies. R package version 5.1-2 Available from: <a target="_blank" href="https://CRAN.R-project.org/package=rms">https://CRAN.R-project.org/package=rms</a> (2018)</li><li>. cmprsk: Subdistribution Analysis of Competing Risks. R package version 2.2-7 Available from: <a target="_blank" href="https://CRAN.R-project.org/package=cmprsk">https://CRAN.R-project.org/package=cmprsk</a> (2014)</li><li>Scrucca, L., Santucci, A., Aversa, F. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Regression+modeling+of+competing+risk+using+R:+an+in+depth+guide+for+clinicians.">Regression modeling of competing risk using R: an in depth guide for clinicians.</a> Bone Marrow Transplantation. 45 (9), 1388-1395 (2010).</li><li>Zhang, Z., Geskus, R. B., Kattan, M. W., Zhang, H., Liu, T. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Nomogram+for+survival+analysis+in+the+presence+of+competing+risks.">Nomogram for survival analysis in the presence of competing risks.</a> Annals in Translational Medicine. 5 (20), 403 (2017).</li><li>Geskus, R. B. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Cause-specific+cumulative+incidence+estimation+and+the+fine+and+gray+model+under+both+left+truncation+and+right+censoring.">Cause-specific cumulative incidence estimation and the fine and gray model under both left truncation and right censoring.</a> Biometrics. 67 (1), 39-49 (2011).</li><li>Fu, J., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Young-onset+breast+cancer:+a+poor+prognosis+only+exists+in+low-risk+patients.">Young-onset breast cancer: a poor prognosis only exists in low-risk patients.</a> Journal of Cancer. 10 (14), 3124-3132 (2019).</li><li>de Glas, N. A., et al. <a target="_blank" href="http://www.ncbi.nlm.nih.gov/entrez/query.fcgi?db=PubMed&cmd=Search&doptcmdl=Citation&defaultField=Title+Word&term=Performing+Survival+Analyses+in+the+Presence+of+Competing+Risks:+A+Clinical+Example+in+Older+Breast+Cancer+Patients.">Performing Survival Analyses in the Presence of Competing Risks: A Clinical Example in Older Breast Cancer Patients.</a> Journal of the National Cancer Institute. 108 (5), (2016).</li></ol>

目前研究的总体目标是建立一种能够描述真实世界疾病的具体竞争风险图谱，并开发一个方便的个人评估模型，供临床医生处理治疗决定。在这里，我们提供了一个分步教程，用于基于考克斯回归模型和竞争风险回归模型建立声像，并进一步执行子组分析。张等人18日介绍了一种创建竞争风险表谱的方法，但本文中描述的方法的主要概念完全不同。Zhang等人的方法首先通过mstat...

事件生存分析的时间在临床研究中很常见。生存数据测量从开始时间到发生感兴趣的事件的时间跨度，但感兴趣的事件的发生通常被另一个事件排除。如果存在多种类型的端点，则称为竞争风险终点。在这种情况下，标准危险分析（即 Cox 比例特定危险模型）通常不能很好地工作，因为经历另一种类型的事件的个人受到审查。经历过竞争事件的个人通常仍然处于风险集中，因为竞争风险通常不是独立的。因此，Fine 和Gray1 研究了竞争风险的子分布的回归模型估计。在相互竞争的风险环境中，可以区分三种不同类型的事件。
一个测量整体生存（OS）通过证明从疾病的新治疗方法直接临床利益。OS 测量从起源时间（即诊断或治疗时间）到因任何原因死亡的时间，并一般评估死亡的绝对风险，从而无法区分死亡原因（例如癌症特异性死亡（CSD）或非癌症特异性死亡（非CSD））2。因此，操作系统被认为是最重要的终结点。感兴趣的事件通常与癌症有关，而非癌症特定事件（包括心脏病、交通事故或其他无关原因）则被视为竞争事件。预后良好的恶性患者，预计存活时间更长，往往面临更大的非CSD风险。也就是说，操作系统将被其他死因稀释，不能正确解释临床治疗的真正有效性。因此，操作系统可能不是获取疾病3结果的最佳措施。这种偏差可以通过竞争风险回归模型加以纠正。
竞争风险数据有两种主要方法：特定原因危险模型（考克斯模型）和子分布危险模型（竞争模型）。在以下协议中，我们提出了两种基于原因特定危险模型和子分布危险模型生成声像的方法。特定原因的危险模型可以与 Cox 比例危险模型一起进行，该模型将体验竞争事件的主体视为在发生竞争事件时受到审查的受试者。在 Fine 和 Gray1 于 1999 年引入的子分布危险模型中，可以区分三种不同类型的事件，而遇到竞争事件的个人将始终处于风险设定中。
符号图是三个或更多变量 4 之间关系的数学表示。医学数字图将生物和临床事件视为变量（例如，肿瘤等级和患者年龄），并生成临床事件的概率（例如癌症复发或死亡），这些事件以图形方式描述为给定个体的统计预测模型。一般来说，根据考克斯比例危害模型,,5、6、7、8、9、106,79的结果8来配5制一个符号。
但是，当存在竞争风险时，基于 Cox 模型的 nomogram 可能无法很好地执行。虽然,以前的几,项研究11、12、13、14都应用了竞争风险数字来估计CSD的概率，但很少有研究描述如何基于竞争风险回归模型建立数字图，而且没有现有的包可以做到这一点。,121314因此，下面介绍的方法将提供一个分步协议，基于竞争风险回归模型建立特定的竞争风险模型，以及风险评分估计，以帮助临床医生进行治疗决策。

establishing a competing risk regression nomogram model for survival data

卡普兰-迈尔法和考克斯比例危害回归模型是生存框架中最常见的分析方法。这些相对容易应用和解释，可以直观地描绘。但是，当存在竞争事件（如心血管和脑血管事故、治疗相关死亡、交通事故）时，应谨慎应用标准生存方法，无法正确解释真实世界的数据。最好区分可能导致失败的不同类型的事件，并在分析中以不同的方式对待它们。在这里，方法侧重于使用竞争回归模型来识别存在竞争事件时的重大预后因素或风险因素。此外，还建立了基于比例危险回归模型和竞争回归模型的符号图，以帮助临床医生进行个别评估和风险分层，以解释有争议的因素对预后的影响。

示例队列的生存特征 在示例队列中，共有8，550名符合条件的患者被纳入分析，随和时间中位数为88个月（范围为1至95个月）。共 679 （7.94%）患者年龄小于40岁，为7，871人（92.06%）病人年龄超过40岁。在审判结束时，7，483人（87.52%）病人还活着， 662 （7.74%）死于乳腺癌，405 （4.74%）病人死于其他原因（相互竞争的风险）。
两种生存模式的比较 通...

Watch this Scientific Journal Video about Establishing a Competing Risk Regression Nomogram Model for Survival Data at JoVE.com

Establishing a Competing Risk Regression Nomogram Model for Survival Data

此处介绍的是基于考克斯比例危险回归模型和竞争风险回归模型构建符号图的协议。竞争方法是在生存分析中存在竞争事件时应用的一种更为合理的方法。

为生存数据建立竞争风险回归 Nomogram 模型

The Kaplan&#8211;Meier method and Cox proportional hazards regression model are the most common analyses in the survival framework. These are relatively ...

这是基于竞争风险回归模型处理正常赠款的协议，在生存分析中传递交通事故等竞争事件时，是一种更为合理的应用方法。经历过我们竞争事件的个人经常会提醒风险，因为竞争风险通常不是独立的。相互竞争的正常授予更适用于评估分析中个人测试事件的概率。安装 RMS 和竞争风险 R 包后，加载它们并导入队列数据 建立 Cox 比例危害回归模型，使用 CPH 函数将模型拟合到数据中，然后以两年预测生存率为例，开发 Cox 回归值图。使用 R 中的元包计算风险分数并绘制林图。安装和加载 R 包后，获取组风险评分或 GRS，并将组分为三个子组。然后绘制林图，获得危险比较低的能力区间，以及CRR函数的上置置信区间。要建立竞争风险回归模型，首先将预测变量放入矩阵中。使用 Cbind 函数按列串联变量，并将它们拟合到模型中。然后使用 nomogram 函数构造考克斯 Nome。获取基准累积事件函数或 CIF，并替换竞争风险回归模型的 X beta 和 X 点。替换 X 卷轴中的 X 总点，然后计算 X 分数并绘制 nomogram。X分数和X轨关系的方程可以根据竞争模型的内在属性进行计算。CIF 零表示基准 CIF，由预测 CRR 函数计算。在示例队列中，共有 8，550 名符合条件的患者被纳入分析，中位随从时间是 88 个月。肿瘤死亡的累积发生率和无肿瘤死亡及竞争事件分别采用卡普兰-迈尔法和竞争风险回归函数。用卡普兰-迈尔法计算的肿瘤死亡和无肿瘤死亡的累计发生率之和高于所有死因估计之和，这等于使用竞争方法时癌症特定死亡的累计事件。使用基于重要因素（包括婚姻状况、种族、组织学类型、分化等级、T-分类和N-分类）的考克斯比例回归模型构建了符号图。还使用竞争风险回归模型构建了一个声像。根据风险评分，将该组分为三个子组：低风险、中风险、高风险。森林地块用于清楚地显示群体风险评分与特定因素之间的相互作用。在考虑年龄时，只有低风险人群对年轻女性的预后较差，表明年轻女性可能作为中高风险群体的预后保护因素。在尝试此协议时，必须充分了解 10 到事件分析中的不同生存模型，并正确掌握工具以进行个性化指导。模型性能根据歧视和口径配给性能进行评估。按照此过程，校准曲线和它们相同的间隙可以是性能，以验证竞争正常授予的效率。

Research

JoVE Journal

Cancer Research

Establishing Dual Resistance to EGFR-TKI and MET-TKI in Lung Adenocarcinoma Cells In Vitro with a 2-step Dose-escalation Procedure

Establishing Dual Resistance to EGFR-TKI and MET-TKI in Lung Adenocarcinoma Cells In Vitro with a 2-step Dose-escalation Procedure

建立双抗 EGFR-使用 tki 药物治疗和满足使用 tki 药物治疗在肺腺癌细胞体外与 2 步剂量升级程序

Drug resistance is a major challenge in cancer therapy. The generation of resistant sublines in vitro is necessary for discovering novel mechanisms to ...

科研

癌症研究

Morphology-Based Distinction Between Healthy and Pathological Cells Utilizing Fourier Transforms and Self-Organizing Maps

利用傅里叶变换和自组织映射的形态学区分健康和病理细胞

The appearance and the movements of immune cells are driven by their environment. As a reaction to a pathogen invasion, the immune cells are recruited to ...

Establishing Cell Lines Overexpressing DR3 to Assess the Apoptotic Response to Anti-mitotic Therapeutics

建立过度表达 dr3 的细胞系, 评估抗有丝分裂治疗的凋亡反应

Studying the function of a gene of interest can be achieved by manipulating its level of expression, such as decreasing its expression with knockdown cell ...

Evaluation of Colorectal Cancer Risk and Prevalence by Stool DNA Integrity Detection

通过大刀DNA完整性检测评估结肠直肠癌风险和患病率

Nowadays, stool DNA can be isolated and analyzed by several methods. The long fragments of DNA in stool can be detected by a qPCR assay, which provides a ...

Studying Triple Negative Breast Cancer Using Orthotopic Breast Cancer Model

研究使用正交乳腺癌模型的三阴性乳腺癌

Triple-negative breast cancer (TNBC) is an aggressive breast cancer subtype with limited therapeutic options. When compared to patients with less ...

A Data Integration Workflow to Identify Drug Combinations Targeting Synthetic Lethal Interactions

数据集成工作流，以识别针对合成致命相互作用的药物组合

A synthetic lethal interaction between two genes is given when knock-out of either one of the two genes does not affect cell viability but knock-out of ...

A 3D Spheroid Model for Glioblastoma

胶质母细胞瘤的3D球形模型

Two-dimensional (2D) cell cultures do not mimic in vivo tumor growth satisfactorily. Therefore, three-dimensional (3D) culture spheroid models were ...

Detection of Cell-Free DNA in Blood Plasma Samples of Cancer Patients

癌症患者血浆样本中无细胞DNA检测

Identifying mutations in tumors of cancer patients is a very important step in disease management. These mutations serve as biomarkers for tumor diagnosis ...

Nuclei Isolation from Fresh Frozen Brain Tumors for Single-Nucleus RNA-seq and ATAC-seq

单核RNA-seq和ATAC-seq的新鲜冷冻脑肿瘤的核隔离

Adult diffuse gliomas exhibit inter- and intra-tumor heterogeneity. Until recently, the majority of large-scale molecular profiling efforts have focused ...