论文部分内容阅读
背景目前,对于术前或术中无淋巴结转移证据的临床淋巴结阴性(clinicallymph nodenegative,cN0)甲状腺乳头状癌(papillary thyroid carcinoma,PTC)患者是否行预防性中央区淋巴结清扫(prophylactic central lymph node dissection,PCLND)仍然存有争议。而且目前可用的术前或术中特征还不能准确识别发生中央区淋巴结转移(central lymph node metastasis,CLNM)的 cNO PTC 患者,因此很难决定是否实施PCLND。选择性的仅对部分高危cNO PTC患者行PCLND应该是个不错的选择;既可以避免好多不必要的清扫,防止过度治疗;还可以降低患者二次手术的风险。但是,从术后病理标本的检查结果来看,目前各国的指南建议的表现均不是很理想。因此,开展个体水平的cNO PTC患者发生CLNM的预测分析非常有必要。不仅可以指导PCLND决策,为PCLND选择合适的候选者;还可以优化患者水平、人群水平的治疗效果,具有较大临床价值。综述目前已开展的关于PTC患者发生CLNM的预测模型的研究,其均存在不同的局限性,包括:(1)存在许多研究设计的局限,如缺乏验证、外推能力差等;(2)各研究所用的预测指标有很大差异,有很多指标都不是在清扫中央区前可常规获得的;(3)研究人群存在异质性,同时包括接受了中央区和颈侧区的预防性和治疗性清扫的患者;(4)临床应用价值不清,缺乏临床有用性的评估等。此外,目前大多数关于PTC患者发生CLNM的预测模型均是用Logistic回归方法构建的,很少涉及其他方法的研究。研究目的本研究通过对cNO PTC患者的术前、术中常规可获得的临床、超声和术中病理特征的分析,探索其发生CLNM的危险因素,利用Logistic回归、随机森林和支持向量机3种统计学方法分别构建符合该人群特征的CLNM预测模型,并对各模型的性能进行评价和比较研究,在此基础上选择表现好的模型应用贝叶斯模型平均法构建组合预测模型,以期构建最优的统计学模型,为PCLND决策提供依据。研究方法本研究回顾性收集了 753例符合条件的cNO PTC患者,根据患者的手术时间将其划分为训练集(n=606)和测试集(n=147)。结合临床危险因素、术前超声特征及术中病理资料,应用Logistic回归、随机森林和支持向量机3种统计学方法分别构建符合该人群特征的CLNM预测模型,并在此基础上选择表现好的模型应用贝叶斯模型平均法构建组合预测模型。通过受试者工作特征曲线(Receiver Operating Characteristic curve,ROC 曲线)和曲线下面积(areas under the ROC curves,AUC)评估比较各模型的区分能力,并通过bootstrap法比较训练集和测试集的AUC。通过校准曲线评估各模型的校准能力。通过决策曲线分析评估各模型的临床有用性,并与当前流行的四种PCLND策略进行比较。结果有7个因素作为预测因子被纳入到模型的构建中,包括:年龄、性别、纵横比、微钙化、肿瘤大小、多灶性和腺外侵犯。三个单项模型中,随机森林模型的AUC在训练集中最高,但是在测试集中反而是Logistic回归模型的AUC最高。无论是在训练集中,还是在测试集中,各模型的AUC均要优于2015年美国甲状腺协会指南建议和2018年中国甲状腺癌诊疗规范建议。校准曲线显示,在训练集和测试集中,Logistic模型、随机森林模型和二者的组合预测模型表现的均较好,而支持向量机模型表现的相对较差。决策曲线显示,随机森林模型在训练集中净收益相对较高,但是在测试集中反而是Logistic回归模型相对较高。相比之下,二者的组合预测模型在训练集和测试集均具有不错的净收益。此外,无论是在训练集中,还是在测试集中,如果临床决策的阈值概率在30%到60%之间时,利用各模型进行PCLND决策的净收益均要比目前流行的4种PCLND策略高。结论本研究所构建的4种符合cNO PTC患者特征的CLNM风险评估模型,具有较好的区分能力,均要优于当前流行的4种PCLND策略。医生或患者可根据自身对PCLND的好恶在30%~60%之间选择合适的阈值概率,利用各模型进行预防性中央区清扫决策,均能获得比当前流行的4种PCLND策略更高的净收益。鉴于Logistic回归模型和随机森林模型的组合预测模型在训练集和测试集的良好表现,本研究认为可以将二者联合应用,共同评估cNO PTC患者发生CLNM的风险,为PCLND筛选合适的候选者。