COVID-19大流行对乳腺癌诊断分期的双重分析：基于传统比较与时间序列模型的初步研究

法国综合癌症中心的研究人员为评估COVID-19对乳腺癌诊断分期的影响，创新性采用传统"疫情前后对比"与时间序列模型（ARIMA）双方法分析3 787例患者数据。研究发现肿瘤大小与转移状态保持稳定，仅淋巴结阴性率（N0）存在非疫情相关的断点，凸显高级统计方法在评估系统性医疗中断中的关键价值。

　　

2020年初，新型冠状病毒肺炎(COVID-19)大流行引发的封锁措施严重扰乱了癌症筛查体系。尽管乳腺癌新发病例出现短期下降，但疾病分期的变化尚未被深入探索。这项开创性研究通过双重方法论——传统分阶段对比与复杂的时间序列建模(AutoRegressive Integrated Moving Average, ARIMA)，系统分析了2017-2022年间3,787例浸润性乳腺癌患者的诊断数据。

传统比较显示疫情前后存在差异，但ARIMA模型揭示了更具深度的发现：肿瘤大小(T分期)和远处转移(M状态)保持惊人稳定。线性回归模型检测到唯一显著结构断点——淋巴结阴性(N0)患者比例的变化，但该现象与疫情时间线不符。研究首次将结构断点分析应用于长期乳腺癌分期评估，为重大公共卫生事件对肿瘤诊疗的影响提供了方法学范式。