roc曲线 生存时间
重复测量诊断试验的ROC曲线广义线性混合效应模型
积标准正态分布函数的逆函数。 ＲOC 曲线下面积 （ AUC ） 是评价诊断试验最常用 （ 阳性 ） 和“不 的一个指标， 它表示诊断系统中“患病 ” （ 阴性） 诊断结果分布与“金标准 ” 的重叠程度， 患病” 体现了诊断试验的价值， 面积越大诊断价值越高。 理 论上 AUC 的取值范围为 0. 5 1 ， 两端点分别表示完 全无价值的诊断及完善的诊断。 一般 ＲOC 曲线面积 在 0. 50 0. 70 ， 表示诊断准确度低， 在 0. 70 0. 90 ， 表 0. 90 以上， 示诊断准确度中等， 认为诊断准确度较高。 2. 参数估计方法 本文采用马尔科夫蒙特卡洛（ M arkov chain M onte M CM C ） 的贝叶斯方法来估计 ＲOC 曲线广义线 Carlo ， 性混合效应模型。相比于极大似然估计方法， 该方法 且用于估计的随机效应变量个数可以 更加灵活准确， 是任意的。本文用 WinBUGS 软件来进行计算。 具体 ［3 － 5 ］ ： 的参数估计过程如下 第一步， 给定假阳性率集， Γ = （ p） 基于 Alonzo 和 Pepe （ 2001 ） 的模拟研究， 可选择 50 个等间距的 FPＲs， …， 50 /51 ） ， 即 Γ = （ 1 /51 ， 不仅可 以保证模型参数估计的有效性和稳健性 ， 还能节约模 型估计的运算时间， 实现用较小的假阳性率集获得较 大假阳性率集的统计功效。 D 的先验分布 第二步， 确定参数 γ， β， （ γ | A） U（ － A， A） （ β | B） U （ － B， B） －1 （ D | V， v ） Wishart（ V － 1 ， v） M CM C 过程 第三步， D 的后验分布， β， 此处采用 Gibbs 抽样 为获得 γ， k = 1， …， n， 方法， 迭代更新方法如下， 对于第 k 步， 直 至收敛： p， y） （ 1 ） （ γ | λ （ k） ， （ k） 给定 λ ， 给定假阳性率集 Γ = （ p ） ， 对于大样本， （ k） （ k） （ γ|λ ， p， y ） 近似服从均值为极大似然估计值 ^ γ ，
r语言nomogram的roc曲线
标题：深入理解R语言中的Nomogram与ROC曲线一、引言在医学和生物统计学领域，Nomogram和ROC曲线被广泛应用于数据分析和预测模型的评估。
本文将深入探讨R语言中的Nomogram和ROC曲线，并结合实际案例，帮助读者更深入地理解这两个概念及其在数据分析中的应用。
二、Nomogram的概念与应用1. Nomogram的定义Nomogram是一种图形化工具，用于将数学模型转化为直观的预测工具。
在生物统计学中，Nomogram通常用于预测疾病风险、治疗效果以及患者生存率等。
它能够将多个变量的影响关系转化为直观的图形，方便医生和研究人员进行预测和评估。
2. 在R语言中创建Nomogram在R语言中，我们可以使用rms包和Hmisc包来创建Nomogram。
我们需要对数据进行预处理和变量选择，然后利用相应的函数进行模型拟合和Nomogram的创建。
在创建Nomogram时，需要注意变量的选择和排列顺序，以确保Nomogram的准确性和可读性。
3. Nomogram的实际应用以肿瘤生存率预测为例，我们可以利用R语言中的Nomogram来构建预测模型，并将其转化为直观的Nomogram图形。
通过观察Nomogram图形，我们可以直观地了解不同变量对患者生存率的影响程度，帮助医生和研究人员进行个性化治疗和预后评估。
三、ROC曲线的理解与分析1. ROC曲线的定义ROC曲线（Receiver Operating Characteristic curve）是一种衡量二分类模型性能的曲线。
它以真阳性率（True Positive Rate，TPR）为纵轴，假阳性率（False Positive Rate，FPR）为横轴，通过绘制不同阈值下的TPR和FPR，来衡量模型对正负样本的分类能力。
2. 在R语言中绘制ROC曲线在R语言中，我们可以利用pROC包和ROCR包来绘制ROC曲线。
需要利用模型预测结果和真实标签来计算模型的TPR和FPR，然后利用相应的函数来绘制ROC曲线。
存活曲线名词解释
存活曲线在机器学习中的应用存活曲线是统计学中一个重要的曲线，常用于评估模型的性能。
在机器学习领域中，存活曲线被广泛应用于评估分类模型的准确性和稳定性。
本文将介绍存活曲线的基本概念和应用，并探讨如何在机器学习中应用存活曲线。
一、存活曲线的基本概念存活曲线 ( Survival Curve) 是指一组数据 (例如患者生存率) 随着时间 (通常是年数) 的变化而变化的图形表示。
在生存分析中，存活曲线表示观察值随着时间的变化而变化的情况，可以用来评估模型的性能。
存活曲线的横轴是时间 (通常以年为单位),纵轴是观测到的事件发生数 (例如患者死亡数)。
在生存分析中，事件通常是由时间因素引起的，例如患者的死亡。
因此，存活曲线可以用来评估分类模型的准确性和稳定性，以及预测模型的预测能力。
二、存活曲线在机器学习中的应用在机器学习领域中，存活曲线被广泛应用于评估分类模型的准确性和稳定性。
例如，在癌症预测模型中，存活曲线可以用来评估模型对患者生存率的预测能力。
此外，存活曲线还可以用于评估模型对不同患者群体的分类效果，从而优化模型的性能。
除了评估模型性能之外，存活曲线还可以用于预测模型的预测能力。
例如，在神经网络中，可以通过在训练集上训练模型并绘制存活曲线，来预测模型在测试集上的准确性和稳定性。
这种方法可以用来评估模型的泛化能力，并帮助选择最佳的模型超参数。
三、如何在机器学习中应用存活曲线要在机器学习中应用存活曲线，需要进行以下步骤:1. 收集和准备数据：首先需要收集和准备数据，包括患者生存率、模型预测结果和实际死亡率等信息。
2. 绘制存活曲线：使用生存分析软件或编程语言 (例如 R 或Python) 绘制存活曲线。
3. 评估模型性能：使用绘制的存活曲线来评估模型的性能。
例如，可以计算模型在生存曲线上的分类精度、召回率和 F1 值等指标。
4. 预测模型预测能力：使用绘制的存活曲线来预测模型在测试集上的准确性和稳定性。
通过以上步骤，可以在机器学习中使用存活曲线来评估模型性能和预测模型预测能力，从而帮助选择最佳的模型超参数和提高模型性能。
基于铁死亡相关基因的生物信息学分析构建肺鳞癌预后模型研究
㊃0481㊃现代医药卫生2021年6月第37卷第11期J M o d M e d H e a l t h,J u n e2021,V o l.37,N o.11㊃论著㊃基于铁死亡相关基因的生物信息学分析构建肺鳞癌预后模型研究胡文龙,梁惠芳,李明ә(暨南大学附属顺德医院呼吸内科,广东佛山528000)[摘要]目的采用生物学信息方法分析铁死亡相关基因并构建肺鳞癌预后模型㊂方法在癌症基因组图谱(T C G A)中获得所有肺鳞癌转录组数据及临床资料,从现有文献中查找铁死亡相关基因,使用R软件筛选出与预后相关的铁死亡相关基因,再进一步使用L A S S O回归分析的方法筛选关键铁死亡相关基因,进行预后模型的构建㊂根据每例患者计算得出的L A S S O回归系数,按照风险评分高低分为高风险组和低风险组,再对构建的模型进行K a p l a n-M e i e r生存分析㊁受试者接受特征(R O C)曲线评价㊂高风险组和低风险组进行差异基因分析,并分析差异基因富集状态和免疫功能状态㊂鉴定该预后模型是否独立于其他临床特征的预后因子的方法则采用多因素C o x回归㊂结果单因素C o x回归分析显示,在52个差异表达的铁死亡相关基因中,5个基因可能与预后相关,这5个基因经L A S S O回归分析也确认为影响预后的关键基因㊂此外,生存分析结果显示,低风险组(中位生存期是2.26年)的预后较高风险组好(中位生存期1.65年),差异有统计学意义(P<0.001),R O C曲线显示模型3年生存率的曲线下面积为0.635,5年生存率的曲线下面积为0.619㊂高风险组和低风险组的差异基因富集于铁代谢生物学功能和免疫相关通路,且两组间存在着免疫功能状态的差异㊂多因素C o x回归分析结果表明,该预后模型可以作为一个独立的预后因子(H R= 2.893,95%置信区间1.687~3.379,P<0.05)㊂结论通过生物信息学分析,该研究成功建立了基于5个铁死亡相关基因的肺鳞癌预后模型,该模型可以帮助实施患者个体化预后评估和免疫状态的分析,可能对肺鳞癌的个体化治疗提供一定依据㊂[关键词]铁死亡;预后模型;肺鳞癌;生物信息学D O I:10.3969/j.i s s n.1009-5519.2021.11.012中图法分类号:文章编号:1009-5519(2021)11-1840-06文献标识码:AS t u d y o n t h e c o n s t r u c t i o n o f p r o g n o s t i c m o d e l b a s e d o n t h e e x p r e s s i o n o f f e r r o p t o s i s-r e l a t e dg e n e i n s q u a m o u s c e l l l u n g c a r c i n o m a v i a b i o i n f o r m a t i c sHU W e n l o n g,L I A N G H u i f a n g,L I M i n gә(D e p a r t m e n t o f R e s p i r a t o r y M e d i c i n e,T h e A f f i l i a t e d S h u n D e H o s p i t a l o f J i N a nU n i v e r s i t y,F o s h a n,G u a n g d o n g528000,C h i n a)[A b s t r a c t]O b j e c t i v e T o a n a l y z e i r o n d e a t h r e l a t e d g e n e s a n d c o n s t r u c t p r o g n o s i s m o d e l o f l u n g s q u a m o u s c e l l c a r c i n o m a b yB i o l o g i c a l i n f o r m a t i o n m e t h o d.M e t h o d s T h e t r a n s c r i p t o m e a n d c l i n i c a l d a t a o f l u n g s q u a m o u s c e l l c a r c i n o m a f r o m t h eC a n c e r G e-n o m e A t a l s(T C G A)d a t a b a s e w a s d o w n l o a d e d.S e a r c h e d f o r i r o n d e a t h-r e l a t e d g e n e s f r o m t h e e x i s t i n g l i t e r a t u r e,u s e R s o f t w a r e t o s c r e e n i r o n d e a t h-r e l a t e d g e n e s r e l a t e d t o p r o g n o s i s,a n d t h e n u s e L A S S O r e g r e s s i o n a n a l y s i s t o s c r e e n k e y i r o n d e a t h-r e l a t e d g e n e s, a n d c o n s t r u c t a p r o g n o s t i c m o d e l.A c c o r d i n g t o t h e L A S S O r e g r e s s i o n c o e f f i c i e n t,t h e r i s k s c o r e o f e a c h p a t i e n t w a s c a l c u l a t e d,a n d t h e p a t i e n t s w e r e d i v i d e d i n t o h i g h-r i s k g r o u p a n d l o w-r i s k g r o u p.K a p l a n-M e i e r s u r v i v a l a n a l y s i s a n d s u b j e c t a c c e p t a n c e c h a r a c t e r-i s t i c(r e c e i v e r o p e r a t i n g c h a r a c t e r i s t i c,R O C)c u r v e w e r e u s e d t o e v a l u a t e t h e m o d e l.T h e d i f f e r e n t i a l g e n e s i n t h e h i g h-r i s k g r o u p a n d t h e l o w-r i s k g r o u p w e r e a n a l y z e d,a n d t h e e n r i c h m e n t a n a l y s i s a n d i mm u n e f u n c t i o n s t a t u s a n a l y s i s o f t h e d i f f e r e n t i a l g e n e s w e r e c a r r i e d o u t.F i n a l l y,m u l t i v a r i a t e C o x r e g r e s s i o n w a s u s e d t o d e t e r m i n e w h e t h e r t h e p r o g n o s t i c m o d e l w a s a p r o g n o s t i c f a c t o r i n d e p e n d e n t o f o t h e r c l i n i c a l f e a t u r e s.R e s u l t s U n i v a r i a t e C o x r e g r e s s i o n a n a l y s i s s h o w e d t h a t a m o n g t h e52d i f f e r e n t i a l l y e x-p r e s s e d g e n e s r e l a t e d t o i r o n d e a t h,5g e n e s m a y b e r e l a t e d t o p r o g n o s i s,a n d t h e s e5g e n e s w e r e a l s o c o n f i r m e d a s k e y g e n e s a f f e c t-i n g p r o g n o s i s b y L A S S O r e g r e s s i o n a n a l y s i s.I n a d d i t i o n,t h e r e s u l t s o f t h e s u r v i v a l a n a l y s i s s h o w e d t h a t t h e l o w-r i s k g r o u p h a d a b e t t e r p r o g n o s i s t h a n t h e h i g h-r i s k g r o u p(M e d i a n s u r v i v a l w a s1.65y e a r s i n t h e h i g h-r i s k g r o u p a n d2.26y e a r s i n t h e l o w-r i s k g r o u p,P<0.001)T h e R O C c u r v e s h o w e d t h a t t h e a r e a u n d e r t h e3-y e a r s u r v i v a l r a t e w a s0.635,a n d t h e a r e a u n d e r t h e5-y e a r s u r v i v a l r a t e w a s0.619.T h e d i f f e r e n t i a l g e n e s b e t w e e n h i g h-r i s k g r o u p a n d l o w-r i s k g r o u p w e r e m a i n l y e n r i c h e d i n i mm u n e-r e l a t e d p a t h w a y s,a n d t h e r e w e r e d i f f e r e n c e s i n i mm u n e f u n c t i o n b e t w e e n t h e t w o g r o u p s.M u l t i v a r i a t e C o x r e g r e s s i o n a n a l y s i s s h o w e d t h a t t h e p r o g n o s t i c m o d e l c o u l d b e u s e d a s a n i n d e p e n d e n t p r o g n o s t i c f a c t o r(H R=2.893,95%C I=1.687-3.379P<0.05).C o n c l u-s i o n T h r o u g h b i o i n f o r m a t i c s a n a l y s i s,t h i s s t u d y s u c c e s s f u l l y e s t a b l i s h e d a p r o g n o s i s m o d e l o f l u n g s q u a m o u s c e l l c a r c i n o m a b a s e d o n f i v e i r o n d e a t h-r e l a t e d g e n e s.T h e m o d e l c a n s u c c e s s f u l l y e v a l u a t e t h e i n d i v i d u a l p r o g n o s i s a n d a n a l y z e t h e i mm u n e s t a t u s o f p a-t i e n t s.I t m a y p r o v i d e a b a s i s f o r i n d i v i d u a l i z e d t r e a t m e n t o f l u n g s q u a m o u s c e l l c a r c i n o m a.[K e y w o r d s] F e r r o p t o s i s; P r o g n o s t i c m o d e l; S q u a m o u s c e l l l u n g c a r c i n o m a; B i o i n f o r m a t i c s肺癌作为我国最常见的肿瘤之一,在男性肿瘤中的发病率和致死率均居首位[1]㊂肺癌的主要类型是作者简介:胡文龙(1983-),主治医师,主要从事肺癌的研究工作㊂ә通信作者,E-m a i l:851024237@q q.c o m㊂非小细胞肺癌(N S C L C),其所占比例为85%~90%,而肺鳞状细胞癌(简称肺鳞癌)是N S C L C第二常见病理亚型[2]㊂由于肺鳞癌缺乏早期诊断和预后的生物标志物,且易发生局部浸润和转移,肺鳞癌患者中多数人5年生存率低于15%[3]㊂因此,通过肺鳞癌预后相关的生物标志物对肺鳞癌患者的预后情况进行早期评估,对于肺鳞癌患者的预后及治疗尤为重要㊂铁死亡是程序性细胞死亡的形式之一,其主要特点是发生在线粒体内的铁依赖性脂质过氧化物损伤诱导了细胞的死亡[4]㊂铁死亡与阿尔兹海默病㊁急性肾损伤㊁心肌缺血再灌注损伤㊁肿瘤的增殖和凋亡等多种疾病的发生㊁发展密切相关[5]㊂肺癌组织中普遍存在着更高的活性氧和脂质氧化标志物水平,这提示肺癌细胞中可能存在铁死亡㊂C H E N等[6]研究表明,毛兰素可以诱导肺鳞癌细胞铁死亡,并伴随R O S聚集㊁脂质过氧化和谷胱甘肽耗竭,抑制肿瘤细胞迁移从而达到抗癌的目的㊂此外,J I A N G等[7]研究也表明,诱导细胞铁死亡也是p53抑制肺癌生长的重要途径,但铁死亡的调控是由多个氧化应激途径和代谢途径共同作用,因此铁死亡相关基因在肺癌发生中起到重要作用㊂为探索可靠的铁死亡相关基因对于肺鳞癌预后评估的意义,本研究拟通过分析T C G A数据库中肺鳞癌的高通量测序数据,筛查出差异表达的铁死亡相关基因,并加以分析构建临床预后模型,为肺鳞癌患者提供个体化治疗和预后评估方面的依据㊂1资料与方法1.1一般资料2020年9月从T C G A官方网站下载(h t t p s://g d c-p o r t a l.n c i.n i h.g o v/)肺鳞癌患者肿瘤组织和癌旁组织的m R N A高通量测序数据及临床资料㊂使用R软件中的L i mm a包对测序的基因表达谱做归一化㊂下载的数据内容有肺鳞癌患者的两类m R N A表达数据,包括502例肿瘤组织和49例癌旁组织㊂临床数据包含了502例肺鳞癌患者I D号㊁年龄㊁性别㊁病理分期㊁生存时间㊁生存状态等临床信息,为了减少统计学误差,剔除生存时间少于30d的患者信息,最终纳入482例肺鳞癌患者㊂T C G A数据都是公开的,因此本研究免除了地方伦理委员会的批准㊂1.2方法1.2.1代谢相关基因提取和处理下载并阅读P u b M e d㊁E M B A S E㊁W e b o f S c i e n c e㊁万方数据库中国知网,维普数据等数据库中的铁死亡相关文献[8-12],选取整理好的60个铁死亡相关基因作为研究对象㊂使用R软件中的 L i mm a 包筛选肺鳞癌组织和癌旁组织的差异铁死亡相关基因,以伪发现率(F D R)<0.05为阈值;采用单因素C o x回归筛选与预后相关的铁死亡相关基因,上述2个条件筛选的基因取交集,并绘制热图㊂1.2.2 L A S S O回归分析为了避免单因素C o x回归分析所得的基因有过度拟合,通过R软件 g l m e t 包进行L A S S O回归再次筛选基因㊂本研究使用10折交叉验证来确定λ的值,并且选择偏似然偏差最小的λ作为最优λ㊂一旦确定了预测基因,笔者应用它们构建基于风险评分的预后模型,风险评分表达式如下所示㊂风险评分(R i s k S c o r e=ðN i=1(E x p i*C i))其中N是基因数,E x p i是基因的表达水平,C i是l a s s o回归分析得到的回归相关系数㊂根据预后模型可以计算出每一个肺鳞癌的风险评分大小,通过风险评分的中位数值,模型将纳入的肺鳞癌患者划分为高风险组和低风险组㊂基于预后模型中基因的表达情况,采用R软件中的 s t a t s 包对基因表达量进行主成分分析和不同组别的分布情况分析(t-S N E)㊂1.2.3预后模型评价和K-M生存分析采用R软件中的 s u r v i v a l 包并利用K-M生存分析对高风险组和低风险组进行评价;其次,通过 t i m e R O C 包对3年及5年总生存率的R O C曲线下面积(A U C)值进行计算,对预后模型的预测能力进行评价㊂除此之外,本研究结合年龄㊁性别㊁病理分期等临床信息,采用多因素C o x回归对预后模型进行分析,以验证构建的模型的预测能力是否独立于其他临床因素,可以成为独立的预测因子㊂1.2.4功能富集及免疫功能状态分析继续利用R 软件 c l u s t e r p r o f i l e r 和 L i mm a 包对高风险组和低风险组之间的差异基因(l o g2F C的绝对值大于1, F D R<0.05)进行基因本体论(G O)和京都基因百科全书(K E G G)分析㊂运用 s s G S E A 包对两组的免疫细胞浸润分数和免疫相关功能的活性进行定量计算㊂1.3统计学处理应用S P S S20.0软件处理数据㊂运用R软件(3.5.3版)进行相关图像的绘制㊂以xʃs 的格式表示连续性变量㊂由于基因表达量数据呈现为非正态分布,故对肿瘤组织和癌旁组织之间基因表达量的均数差异运用W i l c o x o n非参数秩和检验的方法来比较,并运用B H法调整P值㊂采用χ2检验对计数资料之间的差异性进行分析,当P<0.05时,表示差异有统计学意义㊂2结果2.1纳入患者的基本情况最终符合纳入标准的肺鳞癌患者482例,其中男性患者死亡235例(71.43%),未死亡112例(73.20%);女性患者死亡94例(28.57%),未死亡41例(26.80%);肺鳞癌死亡患者平均年龄(68.7ʃ6.9)岁,未死亡患者平均年龄(65.4ʃ8.5)岁,表1中包含患者种族㊁吸烟㊁化疗㊁放疗㊁生存时间等情况㊂见表1㊂2.2肿瘤组织和正常肺组织中差异表达的铁死亡相关基因对482例肺鳞癌患者肿瘤组织和49例癌旁正常肺组织的铁死亡相关基因进行W i l c o x o n非参数秩和检验,经分析满足条件F D R<0.05的基因共有52个㊂大部分的铁死亡相关基因在两组间都有差异㊃1481㊃现代医药卫生2021年6月第37卷第11期J M o d M e d H e a l t h,J u n e2021,V o l.37,N o.11表达(86.67%,52/60)㊂表1从T C G A数据库中纳入分析的肺鳞状细胞癌患者的基本特征(n=482)临床变量死亡未死亡t/χ2P 年龄(xʃs,岁)68.7ʃ6.966.4ʃ8.51.790.023性别[n(%)]0.210.582男235(71.43)112(73.20)女94(28.57)41(26.80)种族[n(%)]1.350.211白种人223(67.78)106(69.28)非白种人106(32.22)47(30.72)吸烟状态[n(%)]1.250.863否245(74.47)114(74.51)是84(25.53)39(25.49)病理分期[n(%)]3.640.032 Ⅰ/Ⅱ期263(79.94)124(81.05)Ⅲ/Ⅳ期66(20.06)29(18.95)化疗[n(%)]6.620.008无210(63.83)125(81.70)有119(36.17)28(18.30)放疗[n(%)]2.390.119无283(86.02)135(88.24)有48(14.59)18(11.76)生存期(xʃs,年)2.96.42ʃ2.712.48ʃ2.432.980.006 2.3与肺鳞癌预后相关的关键铁死亡相关基因的确定单因素C o x回归分析显示5个基因与总体生存时间有关,图1A㊂上述条件取交集的基因也是5个,图1B,他们分别是A L O X5,T F R C,P H K G2,F A D S2, N O X1,基因表达量的热图见图1C㊂通过L A S S O回归分析进一步确定了这5个铁死亡相关基因均是关键基因㊂见图2A㊁2B及表2㊂A为与预后相关的铁死亡基因;B为差异的铁死亡基因和预后相关的铁死亡基因的交集;C为5个铁死亡基因表达量的热图;C中1代表癌旁组织,2代表肺鳞癌组织㊂图1铁死亡相关基因2.4肺鳞癌预后模型的构建和评价基于L A S S O 回归分析确定的预后模型将所有患者分为高风险组和低风险组两组,主成分分析和t-S N E分析表明,不同风险程度的两组患者分布在两个方向,见图3㊂用K-M生存分析评估该模型的预测能,结果表明高风险组的中位生存期为1.65年,而3㊁5年生存概率分别为47%和37%;低风险组的中位生存期为2.26年, 3㊁5年的生存概率分别为69%和55%,低风险组总体生存期比高风险组长,差异有统计学意义(P<0.05),见图4A;3年总生存率的R O C曲线下面积A U C= 0.635,5年总生存率的R O C曲线下面积A U C= 0.619,见图4B㊂同时,所有患者的风险评分分布及风险评分与生存时间的关系也提示高风险组的患者可能更早死亡,见图5A㊁5B㊂以总生存时间为因变量,预后模型所计算的风险评分㊁年龄㊁性别㊁病理分期等临床指标作为协变量进行多因素C o x回归分析,其结果表明该预后模型可以作为一个独立的预测预后的因子[风险比(H R)=2.893,95%置信区间=1.687~3.379,P<0.05],见图6㊂A代表L A S S O回归系数分布的剖面图,B代表采用10倍交叉验证选择最优的λ值㊂图2 L A S S O回归分析2.5功能富集分析为了阐明和预后风险评分相关的生物学功能和通路,利用高风险组和低风险组之间的差异基因进行G O富集和K E G G通路分析㊂结果发现离子通道活性和离子门控通道活性等几个和铁相关的分子功能在两组的差异基因中均有富集,见表3㊂但值得注意的是,高风险组和低风险组的差异基因也显著存在于许多与免疫相关的生物学过程中,如细胞因子与细胞因子受体的相互作用,细胞外基质受体途径(P<0.05)㊂㊃2481㊃现代医药卫生2021年6月第37卷第11期J M o d M e d H e a l t h,J u n e2021,V o l.37,N o.11表2 5个关键基因的详细信息基因名称E n s e m b l I D基因全称H RPL A S S O回归系数值A L O X 5E N S G 00000012779A r a c h i d o n a t e 5-l i p o x y ge n a s e 1.1340.0450.053T F R CE N S G 00000072274T r a n s f e r r i n r e c e pt o r 0.9010.038-0.129P H K G 2E N S G 00000156873P h o s p h o r y l a s e K i n a s e C a t a l yt i c S u b u n i t G a mm a 20.7100.031-0.311F A D S 2E N S G 00000134824F a t t y a c i d d e s a t u r a s e 21.1250.0450.156N O X 1E N S G 00000007952N A D P H o x i d a s e 10.5150.013-0.564 A 为主成分分析,B 为t -S N E 分析㊂图3 高、低风险的样本分布情况A 为肺鳞癌患者的生存曲线,蓝色代表低风险人群,红色代表高风险人群;B 为预后模型的R O C 曲线㊂图4模型的预测效能检验A 为肺鳞癌中风险评分的分布情况;B 为风险评分与生存时间的关系,黑色虚线是把患者分为高风险组和低风险组的最佳分界线㊂图5 5个铁死亡相关基因预后模型与生存状态图图6 多因素C o x 回归分析风险评分与预后关系的森林图2.6 免疫功能状态分析 在所纳入的患者中,巨噬细胞,N K 细胞,中性粒细胞等免疫细胞在高风险组和低风险组之间有显著差异(P <0.05)㊂其次,除了抗原呈递细胞的抑制功能差异无统计学意义(P >0.05)外,其余免疫功能在高风险组和低风险组差异均有统计学意义(P <0.05)㊂见图7㊂㊃3481㊃现代医药卫生2021年6月第37卷第11期 J M o d M e d H e a l t h ,J u n e 2021,V o l .37,N o .11A 为免疫细胞亚群图,B 为免疫相关功能图,N S 代表差异无统计学意义㊂图7 高、低风险人群与免疫细胞及免疫功能的关系表3 G O 富集和K E G G 通路分析类型功能富集基因数目(n )P生物学过程细胞外结构的构建30<0.05体液免疫反应28<0.05细胞外基质的构建27<0.05吞噬作用25<0.05蛋白形成21<0.05适应性免疫反应20<0.05蛋白激活串联18<0.05补体的激活17<0.05免疫球蛋白调节的体液反应12<0.05细胞成分含有胶原的细胞外基质30<0.05免疫球蛋白复合物28<0.05质膜外部20<0.05内质网17<0.05胶原三聚体15<0.05细胞外成分14<0.05板层小体11<0.05丝状胶原三聚体10<0.05带状胶原10<0.05续表3 G O 富集和K E G G 通路分析类型功能富集基因数目(n )P分子功能细胞外基质结构形成28<0.05粘多糖绑定26<0.05肝素绑定25<0.05硫化物绑定22<0.05抗原绑定16<0.05离子通道活性16<0.05离子门控通道活性14<0.05细胞外基质结构抗张强度12<0.05免疫球蛋白绑定10<0.05血小板源生长因子绑定5<0.05K E G G 通路磷脂酰肌醇3-激酶信号通路14<0.05细胞因子与细胞因子受体的相互作用12<0.05蛋白消化和吸收11<0.05细胞外基质受体相互作用10<0.05吞噬体8<0.05金黄色葡萄球菌感染6<0.05血小板激活6<0.05扩张性心肌病5<0.05糖基化终末产物受体4<0.053 讨 论铁死亡是否可以像凋亡和自噬等程序性死亡一样,参与机体的发育和正常生理过程,目前仍在积极研究中,但是关于铁死亡在肿瘤中的潜在作用已经有很多报道[13-14]㊂大多数肿瘤处于高氧化应激状态,以致肿瘤细胞也需要通过增加R O S 的清除能力,以防止氧化损伤,因此多数肿瘤(如肝细胞癌㊁骨肉瘤㊁前列腺癌㊁卵巢癌等)细胞比较易受铁死亡的影响[15]㊂肺部组织相比与其他组织处于高氧浓度的环境中,这种特殊的环境造就了肺部肿瘤需要承受很大的氧化压力㊂为了应对氧化压力,肺癌细胞系的S ys t e m x c -上调水平在癌症细胞中的相对较高以抵抗铁死亡[16]㊂此外,铁死亡相关基因半胱氨酸脱硫酶(N F S -1)在肺癌细胞中表达较高,进一步实验发现N F S -1明显缓解了高氧诱导的细胞铁死亡,动物实验中也发现N S F -1敲除后细胞成瘤时间明显延长[17]㊂这表明铁死亡相关基因调控的铁死亡在肺癌的增殖和凋亡中发挥着重要作用㊂鉴于此,作者有理由推测铁死亡相关基因在预测预后方面可能也发挥一定作用,为临床鉴定理想的预后标志物提供参考㊂本研究通过文献查阅及生物信息技术,系统地分析了60个铁死亡相关基因在肺鳞癌组织中的表达及其与总体生存期的关系,首次构建了一个基于5个铁死亡相关基因的预后模型,该模型将482例肺鳞癌患者分为了高风险和低风险组,两组患者差异基因主要富集于免疫相关通路中㊂虽然以往研究表明,部分铁㊃4481㊃现代医药卫生2021年6月第37卷第11期 J M o d M e d H e a l t h ,J u n e 2021,V o l .37,N o .11死亡基因可能调节药物诱导的肺鳞癌中的铁死亡现象[17],但是这些基因的表达与肺鳞癌患者的总体生存期相关性仍然需要进一步研究㊂但值得注意的是,大多数铁死亡相关基因(86.67%)在肺鳞癌组织和癌旁组织中都有差异表达,单因素C o x回归分析显示其中5个铁死亡相关基因与总体生存期相关㊂这些结果都表明铁死亡在肺鳞癌中的潜在作用,以及利用铁死亡相关基因建立预后模型的可能性㊂本研究建立的预后模型由5个铁死相关基因(A L O X5㊁T F R C㊁P H K G2㊁F A D S2㊁N O X1)构成㊂这些基因主要和4种代谢有关,即脂代谢㊁铁代谢㊁能量代谢和抗氧化代谢㊂花生四烯酸5-脂氧合酶(A L O X5)是一种起始酶,主要介导炎症介质白细胞三烯和脂氧素生成,是肿瘤细胞存活的关键调节因素,A L O X5基因可通过过表达而抑制由于药物诱导导致的铁死亡[18]㊂转铁蛋白受体(T F R C)是重要蛋白质分子,在机体铁的运输㊁转化和利用等铁代谢过程中起到关键作用,此外还可介导细胞生长㊁增殖及代谢,过度表达的T F R C能显著抑制由c-M y c引起肿瘤的形成过程[19]㊂磷酸化酶催化亚基γ(P H K G2)基因抑制会导致线粒体中铁的累及和随后的氧化损伤,从而导致毛兰素诱导的肺鳞癌细胞铁死亡[20]㊂脂肪酸去氧饱和酶基因2(F A D S2)可通过在脂肪酸的烃链中引入双键来达到调节多不饱和脂肪酸合成的目的,F A D S2的过度表达可以加速肿瘤细胞的铁死亡进程,进而抑制肿瘤的生长[21]㊂酰胺腺嘌呤二核苷酸磷酸氧化酶1(N O X1)参与催化产生活性氧过程,N O X1的敲除可以通过阻止肿瘤细胞脂质活性氧的诱导来抑制毛兰素诱导的铁死亡[22]㊂虽然以往研究显示,肿瘤的免疫机制一直是热门的研究领域,但肿瘤免疫和铁死亡之间的潜在调控关系仍然未知㊂作者对高风险组和低风险组患者的差异基因进行了G O和K E G G分析,发现这些差异基因存在于与免疫相关的生物学过程和通路中㊂根据结果,推测铁死亡与肿瘤的免疫功能之间可能存在密切关联㊂在本次研究中,低风险组和高风险组的免疫功能存在着显著差异,一种可能性是铁死亡细胞释放不同的信号,如脂质代谢产物㊁铁代谢产物㊁细胞因子等,将抗原呈递细胞吸引到铁死亡细胞的位置[23]㊂此外,通过对比分析,高风险人群都有较高比例的巨噬细胞和调节性T细胞㊂有研究表明,肿瘤相关巨噬细胞或调节性T细胞的增加和肺癌患者预后不良有关,因为这两类细胞起到免疫侵袭作用[24]㊂同时,本研究通过免疫功能状态分析还发现高风险评分组患者与抗肿瘤免疫受损相关,高风险组患者的Ⅱ型I F N应答的比例更低,提示该组患者抗肿瘤免疫功能减弱,且可能是预后不良的原因之一㊂本研究仍有一些不足之处:(1)铁死亡相关基因建立的预后模型是基于公共数据库T C G A的临床资料和基因表达谱,为验证此模型的临床作用,需根据自身临床数据加以确认;(2)预后模型仅纳入了铁死亡相关基因的表达水平,许多显著与肺鳞癌预后相关的基因可能排除在外;(3)风险评分与免疫功能的关系需要基础实验进一步验证㊂综上所述,经多种生物信息学方法筛选出的5个铁死亡相关基因组成的预后模型对肺鳞癌预后有较好的预测价值,可能对肺鳞癌患者人的个体化治疗和评估提供一定依据㊂参考文献[1]X U X,L I U Z,X I O N G W,e t a l.C o m b i n e d a n d i n t e r a c t i o n e f f e c t o fc h l a m yd i a p ne u m o n i a e i nf e c t i o n a n d s m o k i ng o n l u n g c a n c e r:ac a s e-c o n t r o l s t ud y i n S o u t he a s t C h i n a[J].B M C C a n c e r,2020,20(1):903.[2]S H A N G X,L I J,WA N G H,e t a l.C M T M6i s p o s i t i v e l y c o r r e l a t e dw i t h P D-L1e x p r e s s i o n a n d i mm u n e c e l l s i n f i l t r a t i o n i n l u n g s q u a-m o u s c a r c i n o m a[J].I n t I mm u n o p h a r m a c o l,2020,88:106864.[3]P A N K O V A O V,R O D I O N O V E O,M I L L E R S V,e t a l.N e o a d-j u v a n t c h e m o t h e r a p y c o m b i n e d w i t h i n t r a o p e r a t i v e r a d i o t h e r a p y i s e f f e c t i v e t o p r e v e n t r e c u r r e n c e i n h i g h-r i s k n o n-s m a l l c e l l l u n gc a n c e r(N S C L C)p a t i e n t s[J].T r a n s l L u n g C a n c e r R e s,2020,9(4):988-999.[4]C E P E L A K I,D O D I G S,D O D I G D.F e r r o p t o s i s:r e g u l a t e d c e l ld e a t h[J].A r h H i g R a d a T o k s i k o l,2020,71(2):99-109.[5]WA N G Y,W E I Z,P A N K,e t a l.T h e f u n c t i o n a n d m e c h a n i s m o ff e r r o p t o s i s i n c a n c e r[J].A p o p t o s i s,2020,25(11/12):786-798.[6]C H E N P,WU Q,F E N G J,e t a l.E r i a n i n,a n o v e l d i b e n z y l c o m-p o u n d i n D e n d r o b i u m e x t r a c t,i n h i b i t s l u n g c a n c e r c e l l g r o w t h a n d m i g r a t i o n v i a c a l c i u m/c a l m o d u l i n-d e p e n d e n t f e r r o p t o s i s[J].S i g n a l T r a n s d u c t T a r g e t T h e r,2020,5(1):51.[7]J I A N G L,K O N N,L I T,e t a l.F e r r o p t o s i s a s a p53-m e d i a t e d a c-t i v i t y d u r i n g t u m o u r s u p p r e s s i o n[J].N a t u r e,2015,520(7545): 57-62.[8]L I A N G J Y,W A N G D S,L I N H C,e t a l.A n o v e l f e r r o p t o s i s-r e l a t e dg e n e s i g n a t u r e f o r o v e r a l l s u r v i v a l p r e d i c t i o n i n p a t i e n t s w i t h h e p a t o-c e l l u l a r c a r c i n o m a[J].I n t J B i o l S c i,2020,16(13):2430-2441.[9]HA S S A N N I A B,V A N D E N A B E E L E P,V A N D E N B E R G H E T.T a r g e t i n g f e r r o p t o s i s t o i r o n o u t c a n c e r[J].C a n c e r C e l l,2019,35(6):830-849.[10]S T O C KW E L L B R,F R I E D MA N N A N G E L I J P,B A Y I R H,e ta l.F e r r o p t o s i s:a r e g u l a t e d c e l l d e a t h n e x u s l i n k i n g m e t ab o l i s m, r e d o x b i o l o g y,a n d d i s e a s e[J].C e l l,2017,171(2):273-285.[11]B E R S U K E R K,H E N D R I C K S J M,L I Z,e t a l.T h e C o Q o x i-d o re d u c t a s e F S P1a c t s p a r a l l e l t o G P X4t o i n h i b i tf e r r o p t o s i s[J].N a t u r e,2019,575(7784):688-692.[12]D O L L S,F R E I T A S F P,S H A H R,e t a l.F S P1i s a g l u t a t h i o n e-i n-d e p e n d e n t f e r r o p t o s i s s u p p r e s s o r[J].N a t u r e,2019,575(7784):693-698.[13]C O N R A D M,L O R E N Z S M,P R O N E T H B.T a r g e t i n g f e r r o p t o s i s:n e w h o p e f o r a s-y e t-i n c u r a b l e d i s e a s e s[J].T r e n d s M o l M e d,2020,27(2):113-122.[14]E L G E N D Y S M,A L Y AMMA H I S K,A L HAMA D D W,e t a l.F e r r o p t o s i s:a n e m e r g i n g a p p r o a c h f o r t a r g e t i n g c a n c e r s t e m c e l l sa n d d r u g r e s i s t a n c e[J].C r i t R e v O n c o l H e m a t o l,2020,155:103095.(下转第1849页)㊃5481㊃现代医药卫生2021年6月第37卷第11期J M o d M e d H e a l t h,J u n e2021,V o l.37,N o.11药成分进入肌理也可起到中药外用的渗透作用,同时作用于体液㊁血液等机体组织[11-12],也有单纯使用中药外洗或熏洗治疗睑缘炎的临床研究发表[13-15],其临床疗效满意;(2)随着科技的发展,运用中药熏蒸已比从前方便快捷很多,不仅有中药颗粒㊁浓缩药液的制成,还有智能化㊁便捷化的熏蒸仪器[16]的出现,二者结合使中药熏蒸变得更加简洁有效㊂7篇研究所用中药大多取清热燥湿祛风,辅以活血滋润养阴之意,较多用菊花㊁连翘㊁紫花地丁㊁竹叶㊁熟地㊁山药㊁茯苓㊁牡丹皮等,部分研究根据3种睑缘炎特征分别加用不同中药㊂通过此次文献分析得出问题如下:(1)在筛选的文献中,部分文献提到纳入复发眼为研究对象,但并未具体对该病复发率进行专项研究,也未有文献对该病复发眼的疗法进行相关研究,后今可对以上方面的不足进行调研或研究;(2)此次分析仅对2种疗法的总有效率进行数据分析,不同疗法应在病程及疗程上应该也具有相对差异,但由于本次病程及疗程的数据均不齐全,则未进行疗程及病程的数据分析;(3)纳入的研究仅有2项[4,7]研究记录了西药不良反应,若要对中西医联合疗法的安全性问题做出评价和分析,需在今后的相关研究中增加药物或疗法不良反应相关的评价指标,完善干预措施评价体系;(4)有3篇研究[6,8,10]对3种类型的睑缘炎分别加用不同的药物,其余4篇[4-5,7,9]均对3种睑缘炎使用自拟的同一剂中药㊂使用同一剂药物可能对疾病针对性相对不高,分疾病类型用药将更能提高药物精准性,缩短治愈或显效时间㊂综上所述,如需更全面地评价中西医联合疗法治疗睑缘炎的疗效,还需要更高质量㊁更详尽的文献数据支撑㊂参考文献[1]余继锋,刘雪,褚慧慧,等.83例儿童睑缘炎相关角结膜病变的特征观察[J].眼科,2020,29(2):157-160.[2]MU N T Z A,S A N D F O R D E,C L A A S S E N M,e t a l.R a n d o m i z e dt r i a l o f t o p i c a l p e r i o c u l a r c a s t o r o i l t r e a t m e n t f o r b l e p h a r i t i s[J].O c u l a r S u r f a c e,2020.[3]MA R C E L Y,ÁV I L A,D A Y R O N F,MA R TÍN E Z-P U L G A RÍN C,e t a l.T o p i c a l i v e r m e c t i n-m e t r o n i d a z o l e g e l t h e r a p y i n t h e t r e a t-m e n t o f b l e p h a r i t i s c a u s e d b y D e m o d e x s p p.:a r a n d o m i z e d c l i n i c a l t r i a l[J].C o n t a c t L e n s A n t e r i o r E y e,2020.[4]郑榆美.韦氏退赤消痒方熏蒸治疗睑缘炎的临床疗效观察[D].北京:北京中医药大学,2018.[5]李清煌.中药熏蒸法联合眼部按摩治疗睑缘炎患者的临床效果[J].医疗装备,2019,32(22):106-107.[6]李书娜,蓝冰,李进明,等.自拟中药方熏洗治疗睑缘炎疗效观察[J].中医药临床杂志,2004,16(1):77.[7]裴玉喜.中西医结合治疗睑缘炎临床观察[J].临床心身疾病杂志,2015,21(增刊1):33-34.[8]王飞波,王挺.中药汤剂熏蒸㊁按摩联合药液清洗治疗睑缘炎疗效观察[J].新中医,2015(6):215-216.[9]王砚颖,姚小萍,庄晋峰,等.中药熏蒸法联合眼部按摩治疗睑缘炎的临床观察[J].国际眼科杂志,2012,12(4):798-799. [10]徐蕴.五味消毒饮熏洗按摩联合电离子导入治疗睑缘炎56例[J].浙江中医杂志,2016,59(11):821.[11]李瑞瑞,米勇.针灸联合中药熏蒸治疗急性期周围性面瘫的研究进展[J].新疆中医药,2018,36(1):124-127.[12]张智,王业辉.内热针联合中药熏蒸治疗膝骨关节炎52例临床观察[J].江苏中医药,2018,50(4):67-69.[13]巩鸿霞,孟秀阁.中药外洗治疗睑缘炎的临床观察[J].天津中医药,2011,28(4):322.[14]蒋宇,韩光.银翘散外用熏蒸治疗鳞屑性睑缘炎的临床效果[J].中国当代医药,2019,26(1):187-189.[15]张雪娟,戎曙欣,白世淼,等.参柏熏洗汤治疗溃疡型睑缘炎72例临床观察[J].河北中医,2008,30(10):1079-1080. [16]牟强善,牟宗峰,曹杰,等.智能中药熏蒸仪基本工作原理与维修案例分析[J].中国医疗设备,2020,35(3):174-177.(收稿日期:2020-06-02修回日期:2021-02-04)(上接第1845页)[15]A L A M,MO HAMMA D J A F A R I R,A G B E L E A T,e t a l.S u m a t r i p t a n a l l e v i a t e s r a d i a t i o n-i n d u c e d o r a l m u c o s i t i s i n r a t s b yi n h i b i t i o n o f N F-k B a n d E R K a c t i v a t i o n,p r e v e n t i o n o f T N F-αa n d R O S r e l e a s e[J].A r c h O r a l B i o l,2020,119:104919.[16]G A I C,L I U C,WU X,e t a l.M T1D P l o a d e d b y f o l a t e-m o d i f i e d l i-p o s o m e s s e n s i t i z e s e r a s t i n-i n d u c e d f e r r o p t o s i s v i a r e g u l a t i n g m i R-365a-3p/N R F2a x i s i n n o n-s m a l l c e l l l u n g c a n c e r c e l l s[J].C e l lD e a t h D i s,2020,11(9):751.[17]A L V A R E Z S W,S V I D E R S K I Y V O,T E R Z I E M,e t a l.N F S1u n d e r g o e s p o s i t i v e s e l e c t i o n i n l u n g t u m o u r s a n d p r o t e c t s c e l l sf r o m f e r r o p t o s i s[J].N a t u r e,2017,551(7682):639-643.[18]W E I X,WA N G C,F E N G H,e t a l.E f f e c t s o f A L O X5,I L6R a n dS F T P D g e n e p o l y m o r p h i s m s o n t h e r i s k o f l u n g c a n c e r:a c a s e-c o n t r o l s t u d y i n C h i n a[J].I n t I mm u n o p h a r m a c o l,2020,79:106155.[19]WA N G H,Y A N G B,G E N G T,e t a l.T i s s u e-s p e c i f i c s e l e c t i o n o fo p t i m a l r e f e r e n c e g e n e s f o r e x p r e s s i o n a n a l y s i s o f a n t i-c a n c e rd r u g-re l a t e d g e n e s i n t u m o r s a m p l e s u s i n g q u a n t i t a t i v e r e a l-t i m eR T-P C R[J].E x p M o l P a t h o l,2015,98(3):375-381. [20]Y UMU R A M,N A G A N O T,N I S H I MU R A Y.N o v e l m u l t i t a r g e t t h e r a p i e s f o r l u n g c a n c e r a n d r e s p i r a t o r y d i s e a s e[J].M o l e c u l e s, 2020,25(17).[21]J I A N G Y,MA O C,Y A N G R,e t a l.E G L N1/c-M y c i n d u c e dl y m p h o i d-s p e c i f i c h e l i c a s e i n h i b i t s f e r r o p t o s i s t h r o u g h l i p i d m e t a-b o l ic g e n e e x p r e s s i o n c h a n g e s[J].T h e r a n o s t i c s,2017,7(13):3293-3305.[22]MO U S S L I M M,P A G A N O A,A N D R E O T T I N,e t a l.P e p t i d es c r e e n i d e n t i f i e s a n e w N A D P H o x i d a s e i n h i b i t o r:i m p a c t o n c e l l m i g r a t i o n a n d i n v a s i o n[J].E u r J P h a r m a c o l,2017,794:162-172.[23]F R I E D MA N N A N G E L I J P,K R Y S K O D V,C O N R A D M.F e r-r o p t o s i s a t t h e c r o s s r o a d s o f c a n c e r-a c q u i r e d d r u g r e s i s t a n c e a n di mm u n e e v a s i o n[J].N a t R e v C a n c e r,2019,19(7):405-414.[24]G U O X,Z HA N G Y,Z H E N G L,e t a l.G l o b a l c h a r a c t e r i z a t i o n o fT c e l l s i n n o n-s m a l l-c e l l l u n g c a n c e r b y s i n g l e-c e l l s e q u e n c i n g[J].N a t M e d,2018,24(7):978-985.(收稿日期:2020-10-06修回日期:2021-01-21)㊃9481㊃现代医药卫生2021年6月第37卷第11期J M o d M e d H e a l t h,J u n e2021,V o l.37,N o.11。
肝纤维化-4指数（FIB-4）联合预后营养指数（PNI）对早期肝癌射频消融术后复发及生存期的预测价值
·肝脏肿瘤·DOI： 10.3969/j.issn.1001-5256.2023.11.015肝纤维化-4指数（FIB-4）联合预后营养指数（PNI）对早期肝癌射频消融术后复发及生存期的预测价值张旭，哈福双，李凤惠，高艳颖，梁静天津市第三中心医院消化肝病科，天津市重症疾病体外生命支持重点实验室，天津市人工细胞工程技术研究中心，天津市肝胆研究所，天津 300170通信作者：梁静，******************（ORCID： 0000-0001-5114-9030）摘要：目的 探讨术前肝纤维化-4指数（FIB-4）联合预后营养指数（PNI）对于早期肝癌射频治疗（RFA）术后复发的预测价值。
方法 回顾性分析2013年1月—2017年12月于天津市第三中心医院行RFA的365例初诊为早期肝癌患者的临床资料，统计患者的复发及生存情况。
以术后肿瘤复发为阳性事件绘制FIB-4、PNI的ROC曲线，选取最佳cut-off值，进行FIB-4和PNI的分级，组合为FIB-4-PNI评分，据此分为FIB-4-PNI 0分组（n=207）、1分组（n=93）和2分组（n=65）。
计数资料组间比较采用χ2检验。
采用Kaplan-Meier生存分析及Log-rank检验分析不同FIB-4-PNI等级组无复发生存率（RFS）及总生存率（OS）的差异。
采用Cox回归模型筛选影响患者RFS、OS的相关因素。
结果 所有患者的1、3和5年RFS率分别为79.2%、49.8%和34.3%，中位RFS为35个月，1、3和5年OS率分别为98.9%、86.9%和77.3%。
不同FIB-4、PNI、FIB-4-PNI水平患者累积RFS率（χ2值分别为17.890、29.826、32.397，P值均<0.001）、OS率（χ2值分别为16.896、21.070、26.121，P值均<0.001）差异均有统计学意义。
泛免疫炎症值与结直肠癌患者术后感染性并发症及预后的关系
泛免疫炎症值与结直肠癌患者术后感染性并发症及预后的关系倪子龙;朱正秋;周双;冯晓慧【期刊名称】《现代肿瘤医学》【年(卷),期】2024(32)1【摘要】目的:探讨泛免疫炎症值(pan-immune-inflammation value,PIV)与结直肠癌(colorectal cancer,CRC)患者术后感染性并发症及预后的关系。
方法:回顾分析437例在徐州医科大学附属医院行根治手术的CRC患者的临床资料,根据ROC 曲线确定PIV的最佳临界值,将患者分别分为高、低水平组。
通过Kaplan-Meier 比较两组患者的生存曲线情况,通过Logistic回归分析影响患者术后感染性并发症的危险因素,通过Cox比例风险模型分析影响患者OS的危险因素。
结果:PIV最佳临界值为463.7,Kaplan-Meier生存曲线显示,高PIV组和低PIV组的中位生存时间分别为33个月和80个月,高PIV组的OS明显比低PIV组更差(Log-rank检验,P<0.05)。
Logistic回归分析,年龄≥60岁、开腹手术、糖尿病史及PIV≥463.7是患者术后感染性并发症的独立危险因素。
Cox多因素分析,低分化、浸润深度(T_(3)-T_(4))、TNM分期(Ⅲ-Ⅳ)、淋巴结检出数目≤12、远处转移及PIV≥463.7是患者OS的独立预后不良因素。
结论:PIV可作为结直肠癌患者术后感染性并发症及术后总生存期的有效预测指标。
【总页数】6页(P87-92)【作者】倪子龙;朱正秋;周双;冯晓慧【作者单位】徐州医科大学附属宿迁医院消化内科;徐州医科大学附属医院肿瘤内科;徐州医科大学研究生学院【正文语种】中文【中图分类】R735.3【相关文献】1.结直肠癌患者术后炎症反应及感染性并发症应用肠道微生态制剂治疗的效果及护理配合2.腹腔镜结直肠癌根治术与开腹结直肠癌根治术对结直肠癌患者术后炎症反应及免疫功能的影响比较3.系统炎症反应联合肿瘤免疫评分对结直肠癌肝转移患者术后预后的预测价值4.结直肠癌术后发生感染性并发症患者Th1/Th2比值变化及与预后的关系分析5.泛免疫炎症值对可切除结直肠癌患者预后的预测价值因版权原因，仅展示原文概要，查看原文内容请购买。
- 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)。
roc曲线生存时间
（实用版）
目录
1.ROC 曲线的概念和作用
2.生存时间的定义和意义
3.ROC 曲线与生存时间的关系
4.如何利用 ROC 曲线分析生存时间
正文
1.ROC 曲线的概念和作用
ROC 曲线（Receiver Operating Characteristic Curve），即接收者操作特征曲线，是一种用于评估二元分类模型性能的统计工具。
它通过比较真实阳性（True Positive，TP）与假阳性（False Positive，FP）的数量，以及真实阴性（True Negative，TN）与假阴性（False Negative，FN）的数量，来衡量模型的精确度和召回度。
在实际应用中，ROC 曲线可以帮助我们选择最佳的分类阈值，以达到最优的检测效果。
2.生存时间的定义和意义
生存时间，又称为存活时间，是指从某一事件开始到观察结束的时间间隔。
在医学领域，生存时间通常指患者从患病到死亡的时间。
在金融领域，生存时间可以表示投资项目的持续时间。
生存时间是一个重要的统计指标，它可以用来衡量某种治疗方法对患者的疗效，或者评估投资项目的可持续性。
3.ROC 曲线与生存时间的关系
ROC 曲线和生存时间在某些情况下有密切的关系。
以医学领域为例，我们可以通过 ROC 曲线来评估某种治疗方法对患者的生存时间的影响。
在这种情况下，横坐标表示假阳性（FP），即错误地判断为有效的治疗；
纵坐标表示真实阳性（TP），即正确地判断为有效的治疗。
ROC 曲线下的面积表示治疗有效的概率，而横坐标与纵坐标的交点则表示最佳的分类阈值。
4.如何利用 ROC 曲线分析生存时间
要利用 ROC 曲线分析生存时间，首先需要收集相关的数据，包括患者的生存时间、接受治疗的情况等。
然后，根据这些数据绘制 ROC 曲线，分析不同分类阈值下的精确度和召回度。
通过比较不同治疗方法的 ROC 曲线，我们可以找到对患者生存时间影响最大的治疗方法。