在科研课题中,上游下游分析是耳熟能详是词汇。近年来,生物信息学技术的崛起给各大组学的分析注入了更为新鲜的活力。在生信分析中,上游下游分析是十分常见的。举个例子理解一下上游和下游。在mRNA为基础的分析中,调控mRNA的理解为上游(如转录因子调节转录),被mRNA影响的则成为下游(如转录、翻译)。在大量的生信文章中,上游下游分析数不胜数。而这一套路在临床文章中却较为少见。今天,我们和大家一起来阅读一篇2020年发表在《Endoscopy》(IF=6.381)上的一篇文章。
题目:Nomogram to predict lymph node metastasis in patients with early gastric cancer: a useful clinical tool to reduce gastrectomy after endoscopic resection
预测早期胃癌患者淋巴结转移的Nomogram:一种有效的减少内镜切除后胃切除的临床工具
文章总体概览
图1 文章整体概览
这个流程图简单粗暴,略去那些没有必要的废话。从流程图可以看出,围绕核心环节(Nomogram),该团队开展了3项研究,包括Nomogram的建立、Nomogram的验证,以及评价。
很多小伙伴一堆问号,评价不是C指数、ROC曲线、校准曲线和DCA这些吗?这些不都是在训练集和验证集里都有的吗?这里怎么还出现了一个评价集?预知事后如何,请听下文细解。
主要研究结果
列线图的建立及验证
一样的套路,先介绍患者基本信息,然后通过多因素确定与早期胃癌淋巴结转移相关的独立危险因素,并以此建立Nomogram(AUC=0.846)。
图2 Nomogram
在验证集中,此Nomogram依然表现出较好的区分度(AUC=0.813)。校准曲线也表明Nomogram预测的淋巴结转移情况与实际情况高度一致。
图3 ROC曲线及校准曲线
读到这里,似乎没什么特殊的。好像除了样本量大一点和多中心研究,并且纳入指标比SEER数据库还少。本文貌似没有什么特殊的地方。就这点Novelty,还是不够的。
深度分析Nomogram
虽然校准曲线(Calibration curve)从整体上展示了Nomogram预测的淋巴结转移率和实际转移率的差异情况,但是具体每个风险分组之间的具体情况不清楚。因此,作者进一步对此进行了深入分析。根据Nomogram预测,在10579患者中,2726位患者为淋巴结转移风险≤2%,而这一组患者的实际转移率为1.02%。在Nomogram预测其转移率≤5%的患者组中,Nomogram的预测结果与实际情况基本一致。
随后,作者尝试采用不同截断值将患者分为高风险组和低风险组,并比较不同截断值的效能。结果表明,若采用1.8%作为截断值,在训练集低风险患者中无淋巴结转移患者,而在验证集低风险组中0.5%的患者发生淋巴结转移;若采用3%作为截断值,在训练集低风险组患者中有1.6%的患者发生淋巴结转移,而验证集低风险组中存在1.3%患者发生淋巴结转移。
之后,研究团队开始重点关注低风险组患者(此处选用3%作为截断值)。结果发现,在低风险组患者中,内镜切除术患者组与胃切除术患者在OS,DFS和RFS的差异均不具有统计学意义(已经校正了年龄、合并症和肿瘤等级)。
笔者总结/经验探讨
其实纵观本文,3大亮点。
首先,多中心研究研究是本文的一大特色。研究团队选取了三星医学中心的10579例患者作为验证队列,同时纳入了国家肿瘤中心的2100例患者作为外部验证对流。其次,大样本研究。五位数的训练队列及4位数的验证队列,除了多中心和SEER这种肿瘤数据库,几乎不敢想象。最后,对Nomogram的实际应用价值进行了深入分析,笔者认为这是本文最值得学习的地方。
纵观本文,并不是一项常规的Nomogram文章,因为文章仅简要叙述了Nomogram和Calibration curve,并没有通过各种各样的比较图形和数据来证明Nomogram的性能。但是,Nomogram的开发终究要回归应用,如何从多角度反应Nomogram的临床、经济和社会效益也许会成为Nomogram研究的拓展点。本研究重点对低风险患者进行了深入分析,结果表明此类患者接受胃切除术后受益并没有显著提升。但是,本文并没有对预测的高风险患者进行深入分析,若能证明接受胃切除术的高风险患者预后显著优于未接受胃切除术的高风险患者,将进一步例证本文的研究结论。