论文部分内容阅读
目的:炎性乳腺癌（Inflammatory breast cancer,IBC）是一种不同于非炎性局部晚期乳腺癌的临床病理实体,罕见且极具侵袭性,临床上定义为存在乳腺癌病理证据的乳腺弥漫性红斑和水肿,临床表现与急性炎症相似,占所有乳腺癌的2%,尽管发病率很低,但IBC占乳腺癌死亡率的7%。即使结合手术、化疗、靶向治疗等治疗,IBC的预后仍然较差,5年生存率不足50%。在美国癌症联合委员会（American Joint Committee on Cancer,AJCC）解剖分期系统中,IBC在T分期中被归类为T4d,将非转移性IBC划分为ⅢB期（N0-2淋巴结状态）或ⅢC期（N3淋巴结状态）。很明显,重要的淋巴结信息没有得到充分利用。由于其独特的病理性质,先前的预后验证研究排除了IBC,预后指标仍存在争议。本研究目的是结合转移淋巴结数目（Metastatic lymph node number,MLNN）和转移淋巴结比率（Metastatic lymph node rate,MLNR）,为M0期炎性乳癌患者建立一个更准确、更合适的N分期系统。方法:使用美国国家癌症研究所SEER（Surveillance,Epidemiology,and End Results,SEER）数据库中符合条件的术后M0期女性IBC患者的临床资料。研究终点为癌症特异性生存率CSS（cancer-specific survival,CSS）。建模组和验证组分别纳入879、122个患者,利用X-tile软件计算出MLNN和MLNR的最佳截断值,使用截断值分层后形成新N分期系统。采用Kaplan-Meier（K-M）法绘制CSS曲线,采用log-rank检验进行组间比较,评价各组间分层的可行性,根据结果对亚组进行合并。使用COX回归模型进行单因素及多因素分析预后影响因素,使用生存曲线,ROC曲线、受试者工作特征曲线下面积（Area Under Curve,AUC）、时间依赖ROC曲线（Time Dependent ROC,TD-ROC）将新N分期系统的预测性能与AJCC N系统进行比较,P值小于0.05被认为具有统计学意义。将多因素COX分析中得到的有意义的预后因素构建预测M0期IBC患者术后1年,3年,5年的Nomogram预测模型。继而,使用校准曲线评估模型的预测生存率和实际生存率之间的差异。最后,利用决策曲线分析（decision curve analysis,DCA）评估由新N分期参与构建的预测模型的净收益率,并与传统的TNM分期进行对比。结果:在COX单因素分析显示,新N分期系统是一个强有力的预测因素（p＜0.001）,纳入多因素COX分析显示,新N分期系统（N1:风险比（Hazard ratio,HR）2.092,95%可信区间（Confidence Interval,CI）1.576～2.778,p＜0.001;N2:HR 2.889,95%CI 2.185～3.821,p＜0.001;N3:HR 3.675,95%CI 2.520～5.360,p＜0.001）。依据新系统,N0、N1、N2和N3的5年CSS率分别为69.7%、46.9%、39.7%和31.1%。相比之下,第8版AJCC系统对N0、N1、N2和N3的5年CSS结果分别为69.8%、54.9%、52.6%和41.7%。新N分期系统的一致性指数（Concordance Index,C-index）和5年的AUC分别为0.711和0.661,AJCC-N分期系统的C-index和AUC分别为0.677和0.589。两种N分期的ROC曲线对比面积差异0.0735（95%CI0.044-0.103）,显著性水平P＜0.0001。在1、3、5年的TD-ROC中,新N分期系统的AUC值均大于AJCC系统。在COX比例风险回归分析的基础上,由包括新N分期在内的8个重要临床病理因素被纳入参与构建Nomogram模型,模型本身的C-index为0.711,相比之下,AJCC-N分期模型C-index为0.677,预留验证组数据代入模型中计算所得C-index为0.736。同时,经过校正曲线验证,研究所得校准曲线基本与对角线重合,说明由新N分期参与构建的Nomogram模型预测的预测生存率与实际生存率之间有高度的一致性。并且在两种N分期的1、3、5年CSS的DCA曲线中,新N分期代表的曲线均处于AJCC-N分期的上方,结果表明Nomogram预测模型的净收益率总体上均优于传统的N分期,充分显示新N分期系统对M0期术后的IBC患者的临床生存预测比传统解剖分期更准确,该Nomogram模型经验证展示出较好的临床应用价值。结论:本研究提出的新N分期系统对IBC患者术后生存具有良好的预测价值,对IBC的临床生存预测与传统解剖分期比较更具有准确性和实用性。表明在传统的分期系统中充分利用淋巴结状态信息加以分层,可以为临床研究提供较为准确的预后信息。通过进一步的优化,可探索出一种更好的基于IBC数据的分期系统,从而更精准的服务临床。