简介：摘要目的分析新疆地区局部晚期鼻咽癌患者治疗后的预后相关因素，构建列线图(Nomogram)预后模型，并对此模型进行验证。方法选择2010年7月至2017年6月新疆医科大学附属肿瘤医院收治并行根治性调强放射治疗的鼻咽癌患者317例，使用最小绝对收缩和选择算子(LASSO)回归法进行单因素筛选后行Cox多因素回归分析，并构建Nomogram预后模型对局部晚期鼻咽癌患者预后进行评估。采用一致性指数(C-index)、校准曲线、净重分类改善指数(NRI)、综合判别改善指数(IDI)进行Nomogram与TNM分期系统之间模型的验证与评估。使用决策树算法对患者列线图风险进行分层，生存率采用Kaplan-Meier法计算，并采用Log-rank法检验。结果T分期、N分期、乳酸脱氢酶(LDH)、转移性淋巴结体积(GTVnd)及初治血浆EBV-DNA拷贝量(EBV-DNA)与总生存(OS)相关，将各因素纳入Nomogram预后模型，C-index为0.784 (95%CI：0.736～0.831，P<0.01)。校准曲线显示，由Nomogram模型预测的OS概率与实际观察到的OS有较好的一致性，结果在验证队列中获得了验证；且在使用净重分类改善指数及综合判别改善指数对OS的准确性进行评估时Nomogram模型结果均优于美国癌症联合委员会(AJCC)第8版分期系统所建模型。使用决策树算法根据Nomogram得分可将患者分为4个不同危险程度的亚组，组间生存率差异有统计学意义(χ2＝113.21，P<0.01)，高风险队列内的患者能从诱导化疗联合同步放化疗中获得总生存获益。结论本课题组建立的Nomogram模型可为本地区局部晚期鼻咽癌患者临床诊疗及预后评估提供参考意见。

简介：摘要目的通过构建基于临床因素、影像因素、临床联合影像因素的预后预测模型，以期寻找卒中患者机械取栓治疗后最优的预后预测模型。材料与方法回顾性分析在南京市第一医院接受机械取栓治疗的急性脑卒中患者71例。所有患者均为发病24 h内并于治疗前接受MRI检查。收集所有患者的MRI资料及一般临床资料。患者预后采用3个月改良Rankin量表(modified Rankin Scale，mRS)评分评估。应用多元逻辑回归分析方法分别筛选卒中患者预后的独立预测因子并构建临床预测模型、影像预测模型及临床联合影像预测模型，并采用ROC曲线分析模型对卒中预后的预测效能。结果71例患者中预后良好者为35例，预后不良者为36例。多元逻辑回归临床因素结果显示年龄(OR=1.071；95% CI：1.010～1.135；P=0.022)、入院NIHSS评分(OR=1.225；95% CI：1.099～1.366；P＜0.001)为预测卒中预后的独立预测因子，该模型预测卒中预后的AUC为0.810 (95% CI：0.709～0.911)，敏感度和特异度分别为80.6%、71.4%。回归影像因素结果显示低灌注强度比值(hypoperfusion intensity ratio，HIR) (OR=4.037；95% CI：1.241～13.136；P=0.005)为预测卒中预后的独立预测因子，该模型预测卒中预后的AUC为0.862 (95% CI：0.772～0.952)，敏感度和特异度分别为72.2%、94.3%。回归临床联合影像因素显示入院NIHSS评分(OR=1.157；95% CI：0.998～1.341；P=0.043)、HIR (OR=6.669；95% CI：4.817～15.051；P=0.009)为预测卒中预后的独立预测因子，该模型预测卒中预后的AUC最高，达0.905 (95% CI：0.830～0.979)，其敏感度为94.4%、特异度为82.9%。结论临床联合影像的预测模型优于临床模型、影像模型，可有效提高急性脑卒中机械取栓治疗后预后的预测效能。

简介：摘要目的构建和验证用于预测晚期肝细胞癌总生存期和癌症特异性生存期的Nomogram模型。方法本研究采用回顾性队列研究的方法，收集SEER数据库中2010—2015年病理诊断为晚期肝细胞癌的患者，共2 382例，使用R语言函数按1∶1的比例随机分为建模组(n＝1 191)和内部验证组(n＝1 191)，并采用χ2检验验证两组间可比性。选取苏州大学附属张家港医院的62例晚期肝细胞癌患者作为外部验证组。基于建模组中的单因素和多因素COX回归分析，构建6个月和12个月的总生存期和癌症特异性生存期的Nomogram预测模型。一致性指数(C-index)、校准图、受试者工作特征(ROC)曲线和Kaplan-Meier生存分析检测Nomogram模型的评估能力，并在内部验证组、外部验证组中进行验证。通过决策曲线分析(DCA)衡量模型的临床效用。结果基于COX回归分析构建Nomogram模型，纳入模型的危险因素包括性别、组织学分级、T分期、N分期、M分期、肿瘤大小、骨转移、甲胎蛋白、原发部位手术、放疗和化疗。总生存期模型中，建模组、内部验证组和外部验证组的C-index分别为0.729(95%CI：0.711~0.747)、0.721(95%CI：0.705~0.737)和0.860(95%CI：0.831~0.889)，癌症特异性生存期模型中分别为0.732(95%CI：0.714~0.750)、0.725(95%CI：0.707~0.743)和0.862(95%CI：0.829~0.895)。校准图、ROC曲线和Kaplan-Meier生存曲线显示Nomogram模型有良好的预测能力，DCA显示Nomogram模型的临床应用价值优于其他传统临床模型。结论构建了用于预测晚期肝细胞癌总生存期和癌症特异性生存期的Nomogram模型，并进行了验证。

简介：摘要目的探究淋巴细胞与单核细胞比值(LMR)、白蛋白-胆红素（ALBI）评分以及终末期肝病模型（MELD）评分联合对HBV相关慢加急性肝衰竭（ACLF)患者90 d预后的评估价值。方法纳入2017年1月至2021年7月新疆医科大学第一附属医院收治的168例HBV-ACLF患者，随访90 d后根据患者结局分为生存组（80例）和死亡组（88例），入院后检测患者总胆红素(TBil)、白蛋白（Alb）、肌酐（Cr）、国际标准化比值（INR）、淋巴细胞计数（LY）、单核细胞计数（MO），比较两组LMR、ALBI评分、MELD评分差异，二元Logistic回归分析各指标与患者预后的关系，并绘制受试者工作特征曲线（ROC曲线），分析LMR、ALBI评分、MELD评分以及联合指标对HBV-ACLF患者90 d预后评估价值。结果死亡组Alb值低于生存组，年龄、MO、TBil、INR值均高于生存组，差异具有统计学意义（Z=-2.15，t=3.19，Z=2.57、2.10和4.37，P=0.032、0.002、0.010、0.036和<0.001）。死亡组合并上消化道出血、腹水、肝性脑病高于生存组，差异具有统计学意义（χ2=9.75、7.89和42.52，P=0.002、0.009和<0.001）。死亡组ALBI评分（-0.67±0.35）和MELD评分（28.81±6.57）均高于生存组的-0.85±0.36和24.10±4.22（t=3.17，5.57，P=0.002和<0.001）。死亡组LMR[1.31(0.74, 2.01)]低于生存组[1.76(1.28, 2.52)]（Z=-3.79，P<0.001）。LMR<0.899、ALBI评分>-0.845、MELD评分>29.634为HBV-ACLF患者90 d病死的危险因素（OR=1.759、1.167和4.490）。1/LMR+ALBI评分+MELD评分预测患者90 d预后的ROC曲线下面积0.774，均高于单独检测。结论LMR、ALBI评分、MELD评分是影响HBV-ACLF患者短期预后危险因素。LMR+ALBI评分+MELD评分预测价值最高，可对评估患者预后转归提供一定的参考依据。

简介：摘要：目的：探讨老年维持性血液透析病人生存预后的独立危险因素，构建风险预测模型。方法：采用便利抽样法选取２０２２年５月—２０２３年５月收治的２３９例老年血液透析病人为研究对象，回顾病人一般资料，根据其是否发生生存预后将其分为生存预后组和非生存预后组，通过单因素分析确定老年维持性血液透析病人生存预后的影响因素，通过多因素Ｌｏｇｉｓｔｉｃ回归分析其独立危险因素，构建Ｌｏｇｉｓｔｉｃ风险预测模型。通过Ｈｏｓｍｅｒ－Ｌｅｍｅｓｈｏｗ（Ｈ－Ｌ）检验和受试者工作特征曲线（ＲＯＣ）对模型的诊断效率进行综合性评价。结果：老年维持性血液透析病人生存预后发生率为２２．５９％。单因素分析结果显示，不同性别、年龄、是否跌倒、是否锻炼、脑卒中病史、抑郁情况、透析时间、Ｃｈａｒｌｓｏｎ合并疾病指数、血清白蛋白、血红蛋白、肌酐、尿素氮清除效率、体质指数的老年维持性血液透析病人生存预后发生情况比较，差异有统计学意义（Ｐ均＜０．０５）；多因素Ｌｏｇｉｓｔｉｃ回归分析结果显示，高龄、跌倒、不锻炼、抑郁、透析时间长、Ｃｈａｒｌｓｏｎ合并疾病指数大及较低水平的血清白蛋白、血红蛋白是老年维持性血液透析病人发生生存预后的独立危险因素（Ｐ均＜０．０５）。结论：基于年龄、糖尿病、血管通路、NLR、血清白蛋白五个变量构建在线动态列线图，可较准确预测MHD患者1～3年生存率。

简介：摘要目的探讨与较低级别胶质瘤预后有关的因素，构建个体化生存期预测的模型。方法提取癌症和肿瘤基因图谱(TCGA)计划中较低级别胶质瘤患者的基本临床信息，包括性别、年龄、病理学类型等，用R分析软件进行单因素、多因素Cox回归分析，筛选预后相关因素，构建个体化生存期预测的列线图。结果共对237例较低级别胶质瘤患者的数据进行了Cox回归分析，患者的年龄、肿瘤的病理学类型、WHO分级是影响预后的因素，风险比(HR)值分别为1.07(P<0.01)、0.60(P<0.05)、2.82(P<0.05)，列线图显示1、3、5年患者的生存率。结论患者的年龄、肿瘤的病理学类型以及WHO分级是独立的预后影响因素，年龄越大、WHO等级越高患者的预后越差，少突神经胶质瘤的预后较好，星形细胞瘤的预后最差。

简介：摘要目的探讨影响卵巢上皮性癌（卵巢癌）患者预后的相关因素，构建列线图预测模型，对卵巢癌患者的预后进行评估。方法回顾性分析2016年8月11日至2018年7月11日在陆军军医大学第一附属医院进行初始治疗的208例卵巢癌患者的临床病理资料，包括年龄、术前有无腹水、有无新辅助化疗、手术方式、病理类型、病理分化程度、手术病理分期以及术前和化疗后血清癌相关抗原125（CA125）水平、人附睾蛋白4（HE4）水平、血小板计数、血小板计数/淋巴细胞计数比值（PLR）。对影响卵巢癌患者无进展生存时间（PFS）的相关因素进行单因素和多因素Cox比例风险模型分析，并以此建立卵巢癌患者PFS的列线图预测模型，评估其预测卵巢癌患者PFS的效能。结果单因素分析显示，有无新辅助化疗、病理类型、病理分化程度、手术病理分期以及术前和化疗后血清CA125、HE4水平、血小板计数、PLR均与卵巢癌患者PFS预后显著相关（P均<0.05）；多因素分析显示，手术病理分期、术前PLR、化疗后血清CA125水平、化疗后血清HE4水平均为影响卵巢癌患者PFS的独立因素（P均<0.01），以此建立的卵巢癌患者预后的列线图预测模型的一致性系数为0.749（95%CI为0.699~0.798），该模型具有显著的预测效能。结论基于手术病理分期、术前PLR、化疗后血清CA125水平和化疗后血清HE4水平这4个临床病理指标构建的列线图预测模型，有效预测卵巢癌患者初始治疗后的无进展生存情况，可帮助临床医师筛查高危患者并提供个体化治疗，以改善卵巢癌患者的预后。

简介：摘要目的评价TNM分期联合系统免疫炎症指数(SII)对老年食管癌是否具有更好的预测价值。方法回顾性分析118例接受放化疗的老年食管癌患者的临床资料，计算SII值。将SII及临床病理特征纳入Cox模型分析，得出预后指数(PI)方程。应用Kaplan-Meier法生存分析，根据PI分组预测患者生存并比较PI和TNM的预测价值。结果单因素分析显示SII、N分期、TNM分期均与总生存率密切相关(均P<0.01)，多因素分析结果显示SII、N分期是影响总生存率的因素。根据Cox分析结果得出PI＝0.961×SII分组＋0.523×N分期。根据PI及总生存期绘制受试者工作特征(ROC)曲线，得出临界值并分组。低危组1、2、3年总生存率明显高于高危组(HR＝0.365，95%CI：0.221～0.604，P<0.001)。SII-N预测总生存ROC曲线下面积优于TNM分期(0.707：0.560，P<0.001)。结论初步证明SII-N预后评分模型优于传统TNM分期，可能对老年食管癌治疗策略选择具有指导意义，值得进一步研究。

简介：摘要目的构建自噬基因表达特征的肝细胞癌(hepatocellular carcinoma, HCC)患者预后的预测模型。方法从癌症基因组图谱(The Cancer Genome Atlas, TCGA)、基因型-组织表达研究项目(The Genotype-Tissue Expression, GTEx)数据库中分别得到所有HCC和正常肝细胞组织的基因转录表达数据，并将每个样本的基因转录表达数据统一转化为log2(FPKM值＋1)，消除数据库之间测试平台的数据差异。根据人类自噬基因库中获取的人类自噬基因列表筛选出TCGA-GTEx整合后序列中每个样本对应的自噬基因的表达量。采用R语言limma包以错误发现率(FDR)<0.05及差异倍数|logFC|>1为筛选标准，进行自噬基因差异表达分析。采用R语言clusterProfiler包对差异表达自噬基因以P<0.05为筛选标准，进行基因本体论(Gene Ontology，GO)富集分析及京都基因与基因组百科全书(Kyoto Encyclopedia of Genes and Genomes, KEGG)富集分析。根据自噬基因的差异表达量和患者的临床信息，采用R语言survival包进行单因素的Cox回归分析。进一步将单因素的Cox回归分析中有统计学意义(P<0.05)的自噬基因纳入到多因素Cox回归分析中，以每个差异表达的自噬基因表达量和相对应的回归系数coef值为基础，构建HCC的自噬基因预后模型：expmRNA1×βmRNA1＋expmRNA2×βmRNA2＋…＋expmRNAn×βmRNAn(exp：基因表达量；β：多因素Cox回归分析的回归系数coef)。绘制预测模型的受试者工作特征(receiver operating characteristic，ROC)曲线并计算ROC曲线下面积(area under curve，AUC)评估模型预测价值。结果从TCGA-GTEx数据库中共得到HCC样本374例和正常肝组织样本160例的基因转录表达数据及临床信息。从整合后的样本序列中共筛选出205个自噬基因的表达数据，其中SPNS1、DIRAS3、TMEM74、NRG2、NRG1、IRGM、IKBKE、NKX2-3、BIRC5、CDKN2A、TP73为符合筛选标准的差异表达自噬基因。差异表达自噬基因GO主要富集在丝氨酸/苏氨酸蛋白激酶活性的调控、ErbB 2信号通路、蛋白激酶调节活性、激酶调节活性等功能。差异表达自噬基因主要富集在EGFR酪氨酸激酶抑制剂耐药、Hippo信号通路等KEGG通路。整合并删除生存信息缺失的样本后，共418例样本表达纳入到Cox回归分析中。通过单因素、多因素Cox风险回归分析后，筛选出NRG1(HR＝1.5565，95%CI：1.1793～2.0543)、IKBKE(HR＝1.7502, 95%CI：1.2093～2.5330)这两个自噬基因并建立预后预测模型：(0.44247×NRG1的表达量)＋(0.55977×IKBKE的表达量)。预测模型的ROC曲线显示7年总体生存的AUC为0.711。结论基于NRG1和IKBKE表达量构建的HCC预后模型，对HCC患者远期生存率有较高的预测价值。

简介：摘要目的基于加权基因共表达网络分析（WGCNA）筛选卵巢上皮性癌（卵巢癌）预后相关关键基因，并建立基因预后模型。方法（1）从美国国家生物技术信息中心（NCBI）基因表达综合（GEO）数据库下载基因表达谱数据集GSE26712，共有185份卵巢癌组织标本和10份正常卵巢组织标本的数据，采用limma软件包筛选出卵巢癌的差异表达基因，与WGCNA筛选出的卵巢癌预后相关模块基因绘制韦恩（Venn）图，取其交集，得到交集基因；再结合基因本体（GO）、京都基因和基因组百科全书（KEGG）进行信号通路富集分析，构建交集基因相应蛋白之间的相互作用网络。（2）在交集基因中，采用单因素及多因素Cox回归模型分析筛选出与卵巢癌患者总生存时间显著相关的关键基因，据此构建基因预后模型，预后模型风险评分为各关键基因的表达水平乘以相应权重值后求和，以风险评分的中位数为界分为高风险组和低风险组。使用癌症基因组图谱（TCGA）数据库（共有379份卵巢癌组织标本）进行验证；并对TCGA数据库中的高风险组、低风险组采用基因集富集分析（GSEA）进行KEGG信号通路富集、基因突变分析和免疫特征分析。结果（1）数据集GSE26712筛选出的1 024个卵巢癌差异表达基因与WGCNA筛选出的523个卵巢癌预后相关模块基因绘制韦恩图，取其交集获得378个交集基因。（2）单因素及多因素Cox回归模型分析共筛选出6个与预后显著相关的关键基因，即BNC1、CERK、FOXO1、GALNT6、MRPL2、PRSS2基因，构建基因预后模型，风险评分=BNC1基因表达水平×0.06+CERK基因表达水平×0.24+FOXO1基因表达水平×0.14+GALNT6基因表达水平×（-0.22）+MRPL2基因表达水平×（-0.20）+PRSS2基因表达水平×（-0.07）。训练集（GSE26712数据集）和验证集（TCGA数据库）中低风险组总生存率均显著高于高风险组（P<0.001，P=0.003）。采用GSEA进行的KEGG信号通路富集发现，低风险组的基因在氧化磷酸化相关通路中富集，高风险组的基因在恶性肿瘤、钙离子等信号通路中富集；基因突变分析发现，TP53和TTN基因在高风险组（分别为82%、23%）和低风险组（分别为85%、24%）中的突变率均高于15%；免疫特征分析发现，低风险组浆细胞、滤泡辅助性T淋巴细胞、M1型巨噬细胞的浸润比例均显著高于高风险组（P均<0.05），而休眠记忆CD4 T淋巴细胞的浸润比例显著低于高风险组（P<0.05）。结论基于WGCNA筛选的卵巢癌关键基因建立的基因预后模型能有效预测卵巢癌患者的预后，基因预后模型中的6个关键基因为研究卵巢癌的发生、发展及治疗靶点提供了参考依据。

简介：摘要目的寻找准确预测食管鳞癌患者生存的生物标志物。方法通过TCGA数据库筛选出与食管鳞癌患者总生存时间(OS)相关的免疫相关基因，构建预后风险评分模型。采用Kaplan-Meier法比较高风险和低风险组患者的预后情况，采用受试者工作特征(ROC)曲线评估模型的准确性。收集安阳市肿瘤医院的83例病理诊断为食管鳞癌患者的肿瘤组织样本进行外部验证。采用Cox回归分析综合评估预后风险评分与各临床特征对食管鳞癌患者OS的影响。结果从TCGA数据库筛选出7个与生存预后相关的免疫相关基因分别为S100A12、SLC40A1、FABP9、TNFSF10、IGHA2、IL1F10和STC2纳入预后风险评分模型。低风险组(40例)患者的1、2年生存率分别为94.3%和82.5%，高风险组(40例)患者的1、2年生存率分别为75.9%和32.9%；高风险组与低风险组患者比较，预后更差(P<0.001)。83例外部验证样本运用该预后风险评分模型得到一致的结果。预后风险评分与食管鳞癌组织中CD4+ T淋巴细胞含量呈正相关(rs＝0.259, P＝0.020)，与B淋巴细胞、CD8+T淋巴细胞、中性粒细胞、巨噬细胞、树突状细胞含量的无相关性(均P>0.05)。结论S100A12、SLC40A1、FABP9、TNFSF10、IGHA2、IL1F10和STC2是与食管鳞癌患者OS相关的风险基因。预后风险评分是食管鳞癌患者OS的独立预后因素，与食管鳞癌组织中CD4+ T淋巴细胞含量有关。

简介：摘要目的分析胸椎黄韧带骨化症（TOLF）手术预后的影响因素，并构建预测模型。方法回顾性分析2016年2月至2019年2月重庆奉节县人民医院收治的138例行后路减压内固定手术的TOLF患者的临床资料，术后6个月对所有患者进行随访，评估预后效果，将疗效评判为"差""可"的患者纳入不良组（35例），将疗效评判为"良""优"的患者纳入优良组（103例），比较两组患者的临床资料，采用多因素Logistic回归分析影响行TOLF手术患者预后的危险因素，并构建预测模型，最后验证模型的效果。结果多因素Logistic回归分析结果显示，合并硬膜囊骨、T2加权像髓内高信号、椎管面积残余率、术后脑脊液漏、病程是TOLF手术预后不良的危险因素（P<0.05）。预测模型：P = 1/（e＾-Y），Y = 2.419 + 2.726 ×合并硬膜囊骨+ 3.735 × T2加权像髓内高信号+ 3.616 ×椎管面积残余率+ 1.949 ×术后脑脊液漏+ 2.137 ×病程，曲线下面积为0.632，灵敏度为77.1%，特异度为75.7%，模型预测效果验证的灵敏度为84.21%、特异度为82.93%。结论合并硬膜囊骨、T2加权像髓内高信号、椎管面积残余率、术后脑脊液漏、病程是TOLF手术预后不良的危险因素，采用由上述危险因素所构建的预测模型能够对TOLF手术预后不良的风险进行有效评估。

简介：摘要目的研究乳腺癌中差异表达免疫相关基因与肿瘤预后的关系,寻找潜在的免疫治疗靶点。方法从TCGA数据库中下载乳腺癌转录组和患者对应的临床数据,利用生物信息学方法,筛选出在癌组织中的差异表达基因,同时结合ImmPort数据库，筛选出与患者总生存期密切相关的免疫基因，COX回归构建用于预后评估的风险评分模型并评价其预测能力。结果在乳腺癌与癌旁组织中共发现2499个差异表达基因,进一步筛选出差异表达的免疫相关基因138个,单因素COX分析显示9个免疫基因呈现与预后相关,多因素COX分析筛选出6个免疫相关基因作为预后的独立危险因素用于构建风险评分模型。临床特征COX回归分析显示患者风险值为独立预后因素（P<0.05）。结论乳腺癌中存在多个差异表达的免疫基因,这些基因与患者预后密切相关,基于这些免疫基因构建的风险评分模型可有效预测患者预后,为乳腺癌的免疫治疗提供新的潜在治疗靶点。

简介：摘要目的对利用生物信息学方法筛选的肾上腺皮质癌（ACC）肿瘤微环境（TME）相关基因构建的预后模型进行验证，为ACC的诊疗提供临床指导和相关生物标志物。方法从癌症基因组图谱（TCGA）数据库中收集79例ACC患者的转录组数据和临床病理数据。采用ESTIMATE算法计算免疫评分、基质评分（二者即反映TME）和ESTIMATE评分，应用VennDiagram包对免疫评分及基质评分高、低评分组（以中位值进行分组）间差异表达基因进行选择，采用基因本体（GO）数据库和京都基因与基因组百科全书（KEGG）数据库对选择的基因进行功能富集分析，探索基因潜在功能与通路。采用单因素Cox回归、lasso回归和多因素Cox回归分析筛选与ACC TME相关的基因，并建立ACC患者预后的风险评分（RS）模型，用受试者工作特征（ROC）曲线评价构建的模型预测ACC患者预后的价值。以基因表达综合（GEO）数据库的数据集GSE33371和GSE19750作为外部验证集，对建立的预后模型进行验证。从TCGA数据库中提取79例ACC患者资料，将临床病理因素与所构建预后模型的RS纳入Cox回归分析，获得ACC患者预后影响因素。结果根据免疫评分和基质评分，用VennDiagram包筛选得到1 205个二者交集的差异表达基因，其中上调833个，下调372个。对差异表达基因进行各回归分析筛选后，最终构建成功包含9个TME相关基因（GREB1、POU4F1、HIC1、HOXC9、CACNB2、RAB27B、ZIC2、C3、CYP2D6）的ACC预后模型，即RS=GREB1×0.223 6+POU4F1×0.671 7+HIC1×0.167 5+HOXC9×0.211 3+CACNB2×0.156 0+RAB27B×0.956 5+ZIC2×0.582 7+C3×（-0.003 1）+CYP2D6×0.819 3。该模型在TCGA数据库中预测79例ACC患者1、3、5年总生存的ROC曲线下面积（AUC）分别为0.876、0.919、0.917，在GEO验证集中预测45例ACC患者1、3、5年总生存的AUC分别为0.689、0.704、0.708，表明模型对ACC患者生存具有较高的预测准确性。对TCGA数据库中79例ACC患者资料进行Cox回归分析显示，TME相关基因预后模型RS是ACC患者预后的独立影响因素（HR=1.011，95% CI 1.005~1.016，P<0.01）。结论构建的ACC TME相关基因预后模型可用于预测ACC患者的预后。模型中包含的9个基因有可能作为研究ACC发病机制和免疫治疗的新靶点，值得进一步研究。

简介：摘要目的分析胸椎黄韧带骨化症（TOLF）手术预后的影响因素，并构建预测模型。方法回顾性分析2016年2月至2019年2月重庆奉节县人民医院收治的138例行后路减压内固定手术的TOLF患者的临床资料，术后6个月对所有患者进行随访，评估预后效果，将疗效评判为"差""可"的患者纳入不良组（35例），将疗效评判为"良""优"的患者纳入优良组（103例），比较两组患者的临床资料，采用多因素Logistic回归分析影响行TOLF手术患者预后的危险因素，并构建预测模型，最后验证模型的效果。结果多因素Logistic回归分析结果显示，合并硬膜囊骨、T2加权像髓内高信号、椎管面积残余率、术后脑脊液漏、病程是TOLF手术预后不良的危险因素（P<0.05）。预测模型：P = 1/（e＾-Y），Y = 2.419 + 2.726 ×合并硬膜囊骨+ 3.735 × T2加权像髓内高信号+ 3.616 ×椎管面积残余率+ 1.949 ×术后脑脊液漏+ 2.137 ×病程，曲线下面积为0.632，灵敏度为77.1%，特异度为75.7%，模型预测效果验证的灵敏度为84.21%、特异度为82.93%。结论合并硬膜囊骨、T2加权像髓内高信号、椎管面积残余率、术后脑脊液漏、病程是TOLF手术预后不良的危险因素，采用由上述危险因素所构建的预测模型能够对TOLF手术预后不良的风险进行有效评估。

简介：摘要目的寻找准确预测食管鳞癌患者生存的生物标志物。方法通过TCGA数据库筛选出与食管鳞癌患者总生存时间(OS)相关的免疫相关基因，构建预后风险评分模型。采用Kaplan-Meier法比较高风险和低风险组患者的预后情况，采用受试者工作特征(ROC)曲线评估模型的准确性。收集安阳市肿瘤医院的83例病理诊断为食管鳞癌患者的肿瘤组织样本进行外部验证。采用Cox回归分析综合评估预后风险评分与各临床特征对食管鳞癌患者OS的影响。结果从TCGA数据库筛选出7个与生存预后相关的免疫相关基因分别为S100A12、SLC40A1、FABP9、TNFSF10、IGHA2、IL1F10和STC2纳入预后风险评分模型。低风险组(40例)患者的1、2年生存率分别为94.3%和82.5%，高风险组(40例)患者的1、2年生存率分别为75.9%和32.9%；高风险组与低风险组患者比较，预后更差(P<0.001)。83例外部验证样本运用该预后风险评分模型得到一致的结果。预后风险评分与食管鳞癌组织中CD4+ T淋巴细胞含量呈正相关(rs＝0.259, P＝0.020)，与B淋巴细胞、CD8+T淋巴细胞、中性粒细胞、巨噬细胞、树突状细胞含量的无相关性(均P>0.05)。结论S100A12、SLC40A1、FABP9、TNFSF10、IGHA2、IL1F10和STC2是与食管鳞癌患者OS相关的风险基因。预后风险评分是食管鳞癌患者OS的独立预后因素，与食管鳞癌组织中CD4+ T淋巴细胞含量有关。

简介：摘要目的构建基于代谢通路相关基因的乳腺癌预后预测模型并进行验证。方法从癌症基因组图谱(TCGA)数据库下载乳腺癌患者的基因表达数据和临床信息，然后从基因集富集分析(GSEA)网站提取所有代谢通路相关基因进行差异分析，获得肿瘤和正常组织中的差异表达基因，再利用单因素Cox和最小绝对收缩和选择算子(LASSO)回归分析筛选出与预后相关的差异代谢基因用于构建预后风险评分。根据风险评分的中位数，将患者分为高危组和低危组，利用Kaplan-Meier生存分析、受试者操作特征(ROC)曲线对预后模型进行效能评价，并将此模型联合其他临床因素构建列线图，对乳腺癌患者进行生存率预测。最后通过基因表达综合数据库进行验证。结果通过单因素Cox和LASSO回归分析最后共筛选出了6个代谢相关基因(NT5E、PAICS、PFKL、PLA2G2D、QPRT和SHMT2)用于模型构建。在训练集和验证集中，预后风险评分均是乳腺癌的独立危险因素，Kaplan-Meier生存分析结果提示，高危组患者的总生存率均显著低于低危组，差异具有统计学意义(P<0.001)。并且ROC曲线分析结果表明，该列线图模型较其他临床病理特征预测准确性更高，曲线下面积均为0.794。校准图显示预测值与实际值一致性较好。基于GSEA确定了该模型可以揭示代谢特征，同时监测肿瘤微环境的状态。结论本研究构建的代谢相关基因预后模型可作为乳腺癌患者有前景的独立预后标志物，并可提示肿瘤微环境的状态。

简介：摘要目的构建基于长链非编码RNA（lncRNA）的膀胱癌（BLCA）预后模型。方法从TCGA下载BLCA的lncRNA表达数据及临床信息，利用单因素Cox回归评估每个lncRNA表达水平与患者总生存期（OS）的相关性，将经多重比较校正P值<0.01的lncRNA作为候选预测变量，再在训练队列中通过最小化绝对收缩和选择算子回归、多因素逐步Cox回归等方法构建预测模型。同时在验证队列中验证该模型。统计时间依赖的受试者工作特征（tROC）曲线下面积以及Harrel C指数。并将患者预测模型风险评分中位数将患者分为高风险组和低风险组，通过t检验或卡方检验比较两组间临床病理特征差异。结果建立基于13个lncRNA的BLCA预后模型，其中LINC01465、ARHGAP5-AS1、ZFHX4-AS1、MAFG-AS1为预后危险因素（β值分别为0.32、0.16、0.06、0.20），其余为保护因素（β值均<0）；该预测模型在完整队列中第1年、第3年、第5年OS的tROC曲线下面积为0.79、0.82、0.80，Harrell C指数为0.74。校正包括年龄和肿瘤分期在内的混杂因素发现，该模型风险评分为BLCA患者总生存的独立不良预后因素（风险比为4.05，P<0.001）。高风险和低风险组患者临床病理特征比较显示，高风险组年龄较低风险组年龄大（70.0 岁>66.1岁，P<0.001）、非乳突型患者较多［74.2%（147/202）比61.2%（123/202），P=0.005］、高分期患者较多［Ⅳ期患者为37.6%（76/202）比28.0%（56/202），P<0.001］、高级别肿瘤较多［98.0%（198/202）比92.0%（183/202），P=0.005］。结论成功建立了基于13个lncRNA的膀胱癌预后模型，该模型可为临床决策和患者咨询提供参考价值。

简介：摘要目的利用严重创伤患者的生理指标构建急诊预后预测模型及评分工具，对其临床应用效果进行验证，为创伤患者在急诊的早期病情评估提供参考。方法本研究是回顾性研究，采用整群抽样法，收集2019年9月至2020年11月于苏州大学附属第一医院急诊科就诊的符合纳入排除标准的严重创伤患者资料，根据患者的预后按7∶3的比例根据预后情况分层随机分配为建模组与验证组。对建模组的资料进行Logistic回归分析构建预后预测模型，并将预测模型转化为简易评分工具，通过验证组和为期2个月的前瞻性数据验证对其应用效果进行评价。并将本研究构建的简易评分工具预测效能与目前临床使用的修正创伤评分（revised trauma score, RTS）和损伤严重度评分（injury severity score, ISS）比较。结果本研究最终纳入863例患者资料，其中建模组604例，验证组259例。模型共纳入收缩压、脉搏血氧饱和度、意识状态（AVPU评分）3项指标，其预测严重创伤患者急诊死亡的受试者操作曲线下面积（the area under receiver operating cure, AUC）为0.938。模型简化评分工具的AUC为0.933，最佳截断值为5分，敏感度86.7%，特异度94.2%；验证组的AUC为0.885，敏感度83.3%，特异度93.7%；前瞻性验证的AUC为0.919，敏感度100%，特异度76.7%。RTS和ISS的AUC分别为0.800和0.833，RTS的AUC低于本研究构建简化评分工具（P<0.05）。结论本预测模型及简化评分工具对严重创伤患者急诊预后的预测效能优于RTS，具有较高的分辨度，适合急诊医护工作者对严重创伤患者病情严重程度的评估。

简介：无