基于SEER数据库构建并验证肺癌患者自杀风险的动态列线图模型

《Hormones & Cancer》：Developing and validating a nomogram of suicide risk in lung cancer patients based on the SEER database

为解决肺癌患者自杀风险高但缺乏有效预测工具的问题，研究人员基于SEER数据库开展了一项回顾性研究，开发并验证了一个用于预测肺癌患者自杀风险的动态列线图（Nomogram）。该模型整合了年龄、种族、性别、肿瘤分级和婚姻状况等独立预测因子，在训练集和验证集中均表现出良好的区分度（C-index分别为0.766和0.725）和校准度。该研究为临床医生提供了便捷、实时的个体化风险评估工具，有助于早期识别高危患者并实施精准干预。

　　

肺癌，作为全球发病率和死亡率最高的恶性肿瘤之一，不仅给患者带来沉重的生理负担，其伴随的心理痛苦也日益受到关注。研究表明，癌症幸存者的自杀死亡率至少是普通人群的2至4倍，而肺癌患者更是其中的高危群体。面对高强度的生理症状、沉重的经济压力、病耻感以及负性生活事件，许多患者承受着巨大的心理煎熬，自杀成为他们无法承受痛苦后的最终选择。然而，在临床实践中，医生往往缺乏一个全面、便捷的评估系统来预测患者的自杀风险，导致难以对高危人群进行及时识别和干预，错失了预防自杀行为的最佳时机。

为了填补这一临床空白，来自哈尔滨医科大学附属第二医院的研究团队开展了一项大规模回顾性研究，旨在确定肺癌患者自杀的独立预测因素，并建立一个能够进行个体化风险预测的动态列线图模型。该研究于2025年12月16日在线发表于《Discover Oncology》杂志。

为了回答上述问题，研究人员开展了一项基于SEER数据库的大规模回顾性研究。他们从SEER数据库中筛选了2004年至2015年间确诊的188,147例肺癌患者，并将其随机分为训练集（131,703例）和验证集（56,444例）。研究团队提取了患者的年龄、种族、性别、诊断年份、婚姻状况、AJCC第6版TNM分期、组织学类型、肿瘤分级、手术、放疗、化疗、生存状态及死亡原因等数据。通过多因素Cox比例风险回归模型，他们识别了与自杀风险相关的独立预测因子，并据此构建了一个列线图模型。该模型的性能通过一致性指数（C-index）、受试者工作特征曲线（ROC）和校准曲线进行了评估。此外，研究还利用R软件包“DynNom”开发了一个动态列线图，并将其部署为基于网络的视觉工具，以便于临床医生进行实时、便捷的个性化风险评估。

3.1 基线特征

本研究共纳入188,147例符合条件的肺癌患者，其中训练集131,703例，验证集56,444例。研究人群包括男性（52.0%）和女性（48.0%），年龄主要集中在60-79岁（65.6%），以白人（83.6%）和已婚（57.4%）为主。训练集和验证集在基线人口学和临床病理特征上均无显著差异，表明数据分割合理。自杀组（264例）与非自杀组（187,883例）的中位总生存期分别为39.7±42.7个月和46.8±50.0个月。

3.2 预后因素分析

多因素Cox回归分析显示，年龄、种族、性别、肿瘤分级和婚姻状况是肺癌患者自杀的独立预测因素。具体而言，80-99岁患者（HR=2.30, 95%CI 1.30-4.05）、白人（HR=3.55, 95%CI 1.56-8.08）、男性（HR=5.69, 95%CI 3.79-8.54）、肿瘤分级为II级（HR=2.01, 95%CI 1.09-3.73）和III级（HR=1.99, 95%CI 1.07-3.71）、离异（HR=2.09, 95%CI 1.36-3.22）和单身（HR=2.62, 95%CI 1.77-3.87）的患者自杀风险显著增高。基于这些因素，研究构建了一个列线图模型，通过累加各预测因子的得分，可以确定每位患者的总风险评分。

3.3 预测列线图的开发与验证

为了评估预测自杀风险的准确性，研究比较了C-index和ROC曲线。训练集和验证集的C-index分别为0.766和0.725。训练集列线图的ROC曲线显示，1年、2年和3年预测的曲线下面积（AUC）分别为0.796、0.825和0.778；验证集列线图的ROC曲线显示，1年、3年和5年预测的AUC分别为0.733、0.743和0.750。校准图显示，该模型在训练集和验证集中均表现出良好的预测准确性。

3.4 动态列线图

研究团队利用R软件创建了一个动态列线图，并将其部署在网页上。该动态模型允许用户在界面左侧设置各项参数，右侧将实时显示预测的生存率，为临床医生提供了一个便捷、直观的个体化风险评估工具。

4. 讨论与结论

本研究成功开发并验证了一个用于预测肺癌患者自杀风险的动态列线图模型。该模型整合了年龄、种族、性别、肿瘤分级和婚姻状况等独立预测因子，在内部验证中表现出良好的区分度和校准度。研究证实，高龄、白人、男性、高肿瘤分级以及离异或单身状态是肺癌患者自杀的独立危险因素。该模型不仅为临床医生提供了一个优于传统静态风险量表的预测工具，还通过实现早期识别高危患者，为实施及时干预提供了可能。通过将模型转化为基于网络的视觉工具，本研究极大地提升了其在临床实践中的可及性和实用性，有助于推动肺癌患者心理健康的精准化管理，最终改善患者的生存质量和预后。