结直肠癌术前N分期的随机森林预测模型的建立与验证
结直肠癌预后相关铁死亡基因筛选及预后预测模型构建
结直肠癌预后相关铁死亡基因筛选及预后预测模型构建李雯雯;骆子荣;余卫锋;贝佳敏;何桂花;钟彩玲;黄穗平;张北平【期刊名称】《临床肿瘤学杂志》【年(卷),期】2024(29)2【摘要】目的基于生物信息学方法筛选并分析与结直肠癌(CRC)预后相关的铁死亡相关基因(FRGs),构建临床预后模型。
方法通过癌症基因组图谱(TCGA)数据库获取结直肠癌预后样本基因,单因素Cox回归分析后得到预后相关基因,从FerrDb数据库中获取FRGs,取交集后得到预后相关FRGs。
通过LASSO-Cox回归分析构建预后模型。
以预后模型的风险评分的中位数为临界值,将CRC患者分为高风险组和低风险组,并绘制生存曲线,使用受试者工作特征(ROC)曲线评价FRGs模型的诊断效能。
采用单因素和多因素Cox回归分析确定影响患者总生存期(OS)的独立预后因素。
通过GeneMANIA数据库对预后模型中的基因进行蛋白互作网络分析,同时通过Metascap数据库进行基因本体(GO)功能富集分析和京都基因与基因组百科全书(KEGG)通路富集分析。
结果通过LASSO-Cox回归分析共筛选出11个有预后价值的FRGs,并以此构建预后模型。
Kaplan-Meier生存曲线显示,高风险组患者的OS较低风险组更短,差异有统计学意义(P<0.05)。
ROC曲线提示预后模型诊断效果良好。
单因素和多因素Cox回归分析显示,T分期、N分期、病理分期、年龄、残余瘤及风险评分是影响预后的独立因素(P<0.05)。
蛋白互作网络分析结果提示其蛋白互作网络功能主要与大自噬、铁离子转运等相关。
功能富集分析显示,11个预后相关FRGs在膜电位调控、自噬和逆行内源性大麻素信号等通路均有显著富集。
结论经生物信息学方法筛选出的11个预后相关FRGs组成的预后模型对CRC患者的预后有较好的预测价值,可能为CRC患者提供预后评估方面的依据。
【总页数】8页(P160-167)【作者】李雯雯;骆子荣;余卫锋;贝佳敏;何桂花;钟彩玲;黄穗平;张北平【作者单位】广州中医药大学第二临床医学院;东莞松山湖高新技术产业开发区社区卫生服务中心;深圳市中西医结合医院脾胃病科;广州中医药大学第三临床医学院;广州中医药大学第二附属医院脾胃病科【正文语种】中文【中图分类】R735.3【相关文献】1.胃癌预后相关铁死亡基因筛选及预后预测模型构建2.胰腺癌预后相关铁死亡基因筛选及预后预测模型构建3.基于铁死亡相关基因的生物信息学分析构建结直肠癌预后模型4.基于铁死亡相关lncRNA的结直肠癌预后风险模型的构建和验证5.基于铁死亡相关基因构建头颈部鳞状细胞癌的预后预测模型并验证因版权原因，仅展示原文概要，查看原文内容请购买。
新的结直肠癌TNM分期
新的结直肠癌TNM分期结直肠癌是一种常见的恶性肿瘤，严重威胁着人们的健康。
对于结直肠癌的准确分期，对于治疗方案的选择、预后的评估以及患者的管理都具有至关重要的意义。
近年来，结直肠癌的 TNM 分期系统不断更新和完善，为临床工作提供了更精准的指导。
TNM 分期系统中的“T”代表原发肿瘤的情况。
原发肿瘤的大小、侵犯深度以及与周围组织的关系是评估“T”分期的重要依据。
在新的分期系统中，对于原发肿瘤的评估更加细致和精确。
比如说，T1 期表示肿瘤侵犯黏膜下层；T2 期意味着肿瘤侵犯固有肌层；T3 期则是肿瘤穿透固有肌层到达浆膜下层，或者侵犯无腹膜覆盖的结直肠旁组织；而 T4 期又分为 T4a 和 T4b，T4a 是肿瘤穿透脏层腹膜，T4b 是肿瘤直接侵犯或粘连于其他器官或结构。
“N”代表区域淋巴结转移情况。
淋巴结转移的数量和位置对于判断病情的严重程度十分关键。
新的分期系统对淋巴结转移的评估也有了新的变化。
N0 表示无区域淋巴结转移；N1 期分为 N1a、N1b 和 N1c，N1a 是指有 1 枚区域淋巴结转移，N1b 是指有 2 3 枚区域淋巴结转移，N1c 则是指肿瘤种植在浆膜下层、肠系膜或无腹膜覆盖的结直肠旁组织，且无区域淋巴结转移；N2 期同样分为 N2a 和 N2b，N2a 是指有 4 6 枚区域淋巴结转移，N2b 是指有 7 枚及更多区域淋巴结转移。
“M”代表远处转移。
M0 表示无远处转移，M1 表示有远处转移。
而M1 又可以进一步细分，M1a 是指远处转移局限于单个器官或部位（如肝、肺、卵巢、非区域淋巴结），M1b 是指远处转移分布于一个以上的器官/部位或腹膜转移。
新的结直肠癌 TNM 分期系统的更新，主要是基于大量的临床研究和实践经验。
其目的是为了更准确地反映肿瘤的生物学行为和患者的预后，从而为治疗决策提供更可靠的依据。
在临床实践中，新的分期系统具有重要的意义。
首先，它有助于医生为患者制定更个性化的治疗方案。
基于临床指标-CT征象的列线图模型术前预测结直肠癌微卫星不稳定状态
基于临床指标-CT征象的列线图模型术前预测结直肠癌微卫星不稳定状态卞雪莲;孙琦;王咪;董瀚韵;戴晓晓;吴永友;张力元;范国华;陈光强【期刊名称】《放射学实践》【年(卷),期】2024(39)4【摘要】目的:探讨基于临床指标和CT征象构建的列线图模型术前预测结直肠癌(CRC)患者微卫星不稳定状态(MSI)的价值。
方法:回顾性连续搜集2016年1月-2022年12月在本院经病理诊断为结直肠腺癌的347例患者的术前临床和CT检查资料。
CT资料包括平扫及对比增强动脉期、静脉期和延迟期图像。
其中,276例为微卫星稳定状态(MSS),71例为MSI。
按照7︰3的比例将所有患者随机分为训练集(243例)和验证集(104例)。
采用单因素分析(t检验、U检验或卡方检验)对两组之间年龄、性别、病史和实验室检查等临床指标及CT征象[临床T分期、临床N分期、病变肠管的长度及最厚径、病变的部位、强化方式及各期相对CT值(CR=病变CT值/同层面腹主动脉或其分支的CT值)]的差异进行比较。
随后,将有统计学意义的变量纳入多因素二元logistic回归分析,筛选出预测CRC患者MSI状态的独立危险因素并构建预测模型,随后绘制模型的列线图。
分别采用ROC曲线、校准曲线和决策曲线(DCA)评估列线图模型的预测效能、预测准确性和临床实用性。
结果:单因素分析结果显示血小板(PLT)水平、系统免疫炎症指数(SII)、病变部位、强化方式、四期图像上病灶的CR值在MSS组与MSI组之间的差异有统计学意义(P<0.05)。
多因素逻辑回归分析结果显示PLT、SII、病变部位、强化方式和动脉期CR是CRC患者MSI状态的独立预测因子。
根据多因素分析结果所构建的列线图模型具有较好的MSI预测效能:在训练集和验证集中的ROC曲线下面积(AUC)分别为0.765和0.783;校准曲线表明列线图模型的拟合优度良好;DCA结果显示列线图模型在预测CRC患者MSI状态时具有较高的临床净获益率。
新的结直肠癌TNM分期-资料类
新的结直肠癌TNM分期－资料类关键信息项：1、结直肠癌 TNM 分期的定义及标准2、各分期的详细特征及描述3、分期对于治疗方案的影响4、分期的评估方法和依据5、相关的临床研究和数据支持11 引言结直肠癌是一种常见的恶性肿瘤，其准确的分期对于制定治疗方案、评估预后以及开展临床研究都具有重要意义。
本协议旨在详细阐述新的结直肠癌 TNM 分期系统，以促进相关医疗工作者之间的共识和交流。
111 结直肠癌 TNM 分期的背景TNM 分期系统是国际上广泛应用于肿瘤评估的方法。
随着医学研究的不断深入和临床经验的积累，结直肠癌的 TNM 分期也在不断更新和完善，以更好地反映肿瘤的生物学特性和临床行为。
112 目的本协议的目的是明确新的结直肠癌 TNM 分期的具体内容和应用原则，为临床诊断、治疗和研究提供统一的标准和指导。
12 TNM 分期的定义121 T（原发肿瘤）分期T 分期主要描述原发肿瘤的浸润深度。
T1 表示肿瘤侵犯黏膜下层；T2 表示肿瘤侵犯固有肌层；T3 表示肿瘤穿透固有肌层到达浆膜下层，或侵犯无腹膜覆盖的结直肠旁组织；T4 分为T4a（肿瘤穿透脏层腹膜）和 T4b（肿瘤直接侵犯或粘连于其他器官或结构）。
122 N（区域淋巴结）分期N 分期取决于区域淋巴结的转移情况。
N0 表示无区域淋巴结转移；N1 分为 N1a（1 个区域淋巴结转移）、N1b（2-3 个区域淋巴结转移）、N1c（肿瘤种植于无区域淋巴结转移的结肠或直肠周围脂肪组织）；N2 分为 N2a（4-6 个区域淋巴结转移）和 N2b（7 个及以上区域淋巴结转移）。
123 M（远处转移）分期M 分期判断是否存在远处转移。
M0 表示无远处转移；M1 分为M1a（远处转移局限于单个器官或部位，无腹膜转移）、M1b（远处转移分布于一个以上器官/部位，无腹膜转移）和 M1c（腹膜转移，伴或不伴其他部位的转移）。
13 各分期的详细特征及描述131 Ⅰ期包括 T1N0M0、T2N0M0。
基于术前实验室参数的诺模图预测转移性结直肠癌的研究
基于术前实验室参数的诺模图预测转移性结直肠癌的研究倪红元;杨滇宇;李冬【期刊名称】《检验医学与临床》【年(卷),期】2022(19)20【摘要】目的探讨基于术前实验室检测参数的诺模图用于预测转移性结直肠癌(mCRC)的价值。
方法选取2014年7月至2018年4月在该院接受手术治疗的106例结直肠癌(CRC)患者,回顾性地收集其术前的实验室指标检测结果。
根据美国癌症联合会(AJCC)第八版癌症分期手册将患者分为有转移组、无转移组,进行单因素和多因素分析以确定mCRC的独立预测因素,通过R软件整合独立预测因素构建诺模图。
采用校准图、受试者工作特征曲线(ROC)和决策曲线分析(DCA)分别评估诺模图的校准效能、诊断效能和临床应用价值。
结果共纳入106例确诊的CRC患者并收集其术前实验室指标检测结果,经单因素分析和多因素回归分析,显示术前糖类抗原242(CA242)、血红蛋白(Hb)及国际标准化比值(INR)是mCRC的独立预测因素。
诺模图是在这些预测因素的基础上建立起来的,该模型的曲线下面积(AUC)为0.731(95%CI:0.637~0.826),并具有良好的校准效果。
决策曲线分析表明,当阈值概率大于10%时,诺模图预测mCRC是临床有效的。
结论该研究开发了并内部验证了基于术前CA242、Hb和INR的诺模图,其对术前预测CRC的转移状态具有良好的临床应用价值。
【总页数】4页(P2816-2819)【作者】倪红元;杨滇宇;李冬【作者单位】同济大学附属同济医院/上海市同济医院检验科【正文语种】中文【中图分类】R446.11【相关文献】1.RAS野生型转移性结直肠癌EGFR抑制剂耐药机制的研究进展RAS野生型转移性结直肠癌EGFR抑制剂耐药机制的研究进展2.瑞戈非尼为中国转移性结直肠癌患者带来了新的希望瑞戈非尼加最佳支持治疗与安慰剂加最佳支持治疗用于亚洲经治转移性结直肠癌患者的对比（CONCUR）：随机、双盲、安慰剂对照、Ⅲ期试验解读3.术前预测胃癌Lauren分型的CT影像组学诺模图的构建和验证4.基于诺模图模型预测脊柱术后手术部位感染风险的研究5.基于多维参数诺模图的局限期小细胞肺癌生存期预测研究因版权原因，仅展示原文概要，查看原文内容请购买。
新的结直肠癌TNM分期
新的结直肠癌TNM分期结直肠癌是一种常见的恶性肿瘤，严重威胁着人们的健康。
对于结直肠癌的准确分期，对于治疗方案的选择、预后的评估以及患者的生存预期都有着至关重要的作用。
近年来，结直肠癌的 TNM 分期系统不断更新和完善，以更好地适应临床实践和研究的需求。
首先，我们来了解一下什么是TNM 分期。
TNM 是肿瘤（Tumor）、淋巴结（Node）和远处转移（Metastasis）三个英文单词的首字母缩写。
T 主要描述原发肿瘤的情况，比如肿瘤的大小、浸润深度等；N 反映区域淋巴结的转移情况，包括淋巴结的数量和位置；M 则表示是否有远处转移。
在新的结直肠癌 TNM 分期中，对于 T 分期有了更细致的划分。
T1期表示肿瘤侵犯黏膜下层；T2 期肿瘤侵犯固有肌层；T3 期肿瘤穿透固有肌层到达浆膜下层，或者侵犯无腹膜覆盖的结直肠旁组织；T4 期又分为 T4a（肿瘤穿透脏层腹膜）和 T4b（肿瘤直接侵犯或粘连于其他器官或结构）。
这种更精确的 T 分期有助于医生更准确地评估肿瘤的局部侵犯程度，从而制定更合适的手术方案或其他治疗策略。
N 分期也有了一些变化。
N0 表示区域淋巴结无转移；N1 期包括N1a（有 1 个区域淋巴结转移）、N1b（有 2-3 个区域淋巴结转移）、N1c（肿瘤位于浆膜下层、肠系膜或无腹膜覆盖的结肠直肠旁组织，并且无区域淋巴结转移，但在肿瘤沉积处有单个或多个肿瘤结节）；N2期分为 N2a（有 4-6 个区域淋巴结转移）和 N2b（有 7 个及更多区域淋巴结转移）。
通过对淋巴结转移情况的详细分类，可以更好地预测患者的预后和指导辅助治疗的选择。
M 分期相对较为简单，M0 表示无远处转移，M1 表示有远处转移。
远处转移包括肝转移、肺转移、骨转移等。
新的 TNM 分期系统还引入了一些其他的因素来进一步完善分期的准确性。
例如，肿瘤的组织学分级、脉管浸润、神经侵犯等都可能会影响分期和治疗决策。
为什么要不断更新结直肠癌的 TNM 分期呢？这是因为随着医学技术的不断进步，我们对结直肠癌的认识也在不断加深。
结直肠腺瘤性息肉发生风险预测模型的建立与验证
结直肠腺瘤性息肉发生风险预测模型的建立与验证张旭航;路德荣【期刊名称】《胃肠病学和肝病学杂志》【年(卷),期】2024(33)1【摘要】目的通过分析结直肠腺瘤性息肉发生的危险因素,构建列线图模型来个体化预测结直肠腺瘤性息肉发生风险,并对模型进行验证。
方法回顾性收集2020年1月至2022年9月于新乡医学院第三附属医院行结肠镜检查患者的临床资料,按7∶3比例随机将研究对象分为训练集和验证集。
采用单因素及多因素Logistic回归分析筛选出结直肠腺瘤性息肉发生的危险因素,并使用R软件构建结直肠腺瘤性息肉发生风险的列线图模型。
运用验证集对模型进行内部验证。
分别通过ROC曲线、Calibration校准曲线、决策曲线分析来评价模型的区分度、校准度及临床实用性。
结果共有513例患者纳入分析,其中训练集347例(男225例,女122例),验证集166例(男115例,女51例),年龄分别为(58.13±10.39)岁和(56.70±11.10)岁。
回归分析显示,年龄、BMI、吸烟、脂肪肝、低密度脂蛋白(low density lipoprotein,LDL)与结直肠腺瘤性息肉发生有关。
该模型的训练集和验证集的AUC分别为0.772(95%CI:0.722~0.822)和0.745(95%CI:0.667~0.823),Calibration校准曲线拟合度良好,决策曲线分析显示该列线图模型具有较好的临床实用性。
结论基于年龄、BMI、吸烟、LDL、脂肪肝这5个预测因素构建的列线图模型对于结直肠息肉患者发生腺瘤性息肉的风险具有良好的预测价值。
【总页数】5页(P65-69)【作者】张旭航;路德荣【作者单位】新乡医学院第三附属医院消化内科【正文语种】中文【中图分类】R574【相关文献】1.结直肠癌患者围术期发生贫血风险预测模型的建立及验证2.结直肠息肉术后6个月复发风险诺莫图预测模型的建立及验证3.代谢因素与结直肠息肉发病相关性及风险预测模型建立4.结直肠息肉发生风险预测模型的构建和验证5.幽门螺杆菌感染合并结直肠腺瘤性息肉风险诺莫图预测模型的构建与验证因版权原因，仅展示原文概要，查看原文内容请购买。
基于WGCNA算法分析结直肠癌发病机制和预后风险模型的构建
基于WGCNA算法分析结直肠癌发病机制和预后风险模型的构建基于WGCNA算法分析结直肠癌发病机制和预后风险模型的构建摘要：结直肠癌是一种常见的恶性肿瘤，其发病机制及预后风险模型的构建一直是研究的热点。
本研究利用WGCNA算法对结直肠癌相关的基因表达谱进行分析，筛选出了与结直肠癌发病机制密切相关的基因模块，并构建了一种新的预后风险模型。
该研究结果为结直肠癌的诊断和治疗提供了新的思路。
1. 引言结直肠癌是全球范围内常见的恶性肿瘤，其发病率和死亡率在近年来呈逐年上升的趋势，对人类健康造成了严重的威胁。
虽然在治疗手段上取得了一定的进展，但结直肠癌的具体发病机制以及高风险患者的预测和筛查仍然是一个挑战。
WGCNA （Weighted Correlation Network Analysis）算法是一种通过分析基因共表达网络，从而识别出与特定生理过程相关的基因模块的无监督学习方法，近年来在肿瘤研究中得到了广泛应用。
2. 方法2.1 数据集本研究收集了包括结直肠癌肿瘤组织和正常对照组织的基因表达数据，通过RNA测序技术获得。
共有100个结直肠癌患者和100个正常对照样本。
2.2 WGCNA分析首先，我们对基因表达矩阵进行预处理，包括数据归一化、去除离群值等。
然后，根据每个基因在样本中的表达水平，计算基因之间的相关系数，并构建基因共表达网络。
接着，利用WGCNA算法，将高度相关的基因聚类为不同的模块。
最后，通过计算每个模块与结直肠癌发病相关的模块性状相关性，筛选出与结直肠癌发病机制密切相关的模块。
2.3 预后风险模型的构建根据筛选出的关键基因模块，我们继续分析这些基因在结直肠癌患者中的表达情况，并计算每个患者的基因模块打分。
然后，我们利用这些基因模块的打分和临床资料，构建了一种新的预后风险模型。
最后，通过生存分析和其他评估指标，验证了该模型的准确性和可靠性。
3. 结果3.1 WGCNA分析结果通过WGCNA算法，我们筛选出了与结直肠癌发病机制密切相关的5个基因模块，分别命名为M1、M2、M3、M4和M5。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
结直肠癌术前N分期的随机森林预测模型的建立与验证
目的:研究基于CT结肠成像(CTC)或注水法结肠CT检查并结合临床及病理资
料建立的随机森林(RF)模型在预测结直肠癌术前N分期方面的价值。方法:回顾
性收集并分析从2016年1月到2017年12月在吉林大学第一医院接受手术,经病
理证实为结直肠癌的患者,在病理科得到每位患者的N分期,筛选出术前接受过
CT结肠平扫+增强检查的239例患者(其中N0、N1、N2期患者数目分别为119例、
99例、21例),使用计算机随机分配软件以大致2:1的比例将患者分为训练集(167)
测试集(72)。
分别检测病灶平扫、动脉期、静脉期的CT值,并计算动脉期、静脉期的对比
强化率。病变均为单发病灶,入组患者在术前均接受CT结肠成像(CTC)或注水法
结肠CT检查。
在PACS系统中收集影像学资料,在医生工作站上收集临床及病理资料(年龄、
性别、糖类抗原19-9、癌胚抗原、糖类抗原72-4、肿瘤最大直径、肿瘤的位置、
强化率、术后病理N分期)。使用SPSS软件分别对连续变量(性别和肿瘤位置)
进行t假设检验,对离散变量(年龄、癌胚抗原、糖类抗原19-9、糖类抗原72-4、
肿瘤最大径、强化率)进行卡方检验,筛选出相关度最高的特征,进而用降维后得
到的特征进行机器学习建模,通过ROC曲线和敏感度特异度等参数评价模型。
结果:结直肠癌N分期与CA199、A、V、A-P、V-P、A-P/P、V-P/P这七个特
征有相关性(P值均<0.05,与年龄、最大直径、CEA、CA72-4均无相关性。随
机森林模型预测的N分期与术后病理N分期具有高度一致性,训练集Kappa系数
为0.78452(95%置信区间为0.69073-0.87830),测试集Kappa系数为0.58333(95%
置信区间为0.39579-0.77088)。
随机森林模型预测结直肠癌N分期的训练集准确度为0.971,测试集的准确
度为0.792。结论:基于CT结肠成像(CTC)或注水法结肠CT检查并结合临床及病
理资料建立的随机森林(RF)模型可以提高结直肠癌术前N分期的影像学诊断效
能。