老年上皮性卵巢癌患者预后预测模型的构建与验证：基于SEER数据库的列线图研究

本研究针对老年(≥65岁)上皮性卵巢癌(EOC)患者缺乏标准化治疗方案的临床难题，通过分析SEER数据库中22,181例患者的临床病理数据，构建了预测总体生存期(OS)和癌症特异性生存期(CSS)的列线图模型。研究采用LASSO回归筛选独立预后因素，验证结果显示模型预测效能显著优于AJCC分期系统(C-index:0.705-0.714)，为老年EOC个体化治疗决策提供了可视化工具。

　　

卵巢癌作为妇科恶性肿瘤中的"沉默杀手"，老年患者群体正面临日益严峻的诊疗挑战。统计显示，上皮性卵巢癌(EOC)占卵巢癌病例的80%，其中65岁以上患者比例逐年攀升。这个特殊群体往往合并多种基础疾病，化疗耐受性差，仅45%能接受标准治疗，导致其死亡率显著高于年轻患者。更棘手的是，现行AJCC分期系统仅考虑肿瘤解剖学特征，无法全面反映老年患者的异质性。面对临床缺乏精准预后工具的现状，Mingzi Tan团队开展了这项开创性研究。

研究团队从美国SEER数据库提取2010-2016年间22,181例老年EOC患者数据，按7:3比例随机分为训练集和验证集，另收集64例本土医院病例进行外部验证。采用LASSO回归筛选预后相关变量，通过多因素Cox分析确定12项独立风险因素，最终构建包含AJCC分期、病理类型、残余病灶等参数的列线图模型。关键技术包括：1)基于SEER大样本的回顾性队列设计；2)LASSO算法优化变量选择；3)X-tile软件确定临床指标最佳截断值；4)C-index和校准曲线验证模型效能。

Development and validation of a nomogram

研究首先通过X-tile软件确定年龄(71/79岁)、淋巴结活检数(3-7个)等关键指标的临床截断值。在训练队列中，单因素分析筛选出21个OS相关因素，LASSO回归压缩至18个，最终多因素分析确定12项独立预后指标，包括IV期患者的死亡风险是I期的3.654倍(95%CI:2.521-2.912)。

Nomogram construction and validation

构建的列线图显示，AJCC分期对预后影响最大，其次是病理类型（肉瘤型HR=1.850）和年龄（80-101岁组HR=1.880）。模型在训练集的C-index达0.705，显著高于AJCC分期的0.631。时间依赖性AUC分析显示，列线图在10年OS预测的AUC值(0.781)持续优于传统分期(0.739)。

Risk stratification

根据列线图风险评分，患者被分为高低危两组。KM曲线显示两组OS差异显著(P<0.001)，高危组5年生存率仅28.6%，而低危组达71.3%。决策曲线分析证实，当阈值概率>10%时，列线图的临床净获益远超AJCC分期。

这项研究首次为老年EOC建立了精准的预后预测工具。列线图整合了12项临床病理特征，其预测效能较AJCC分期提升11.7%，能有效识别化疗获益人群。特别值得注意的是，模型证实即使存在≤1cm残余病灶，积极手术仍可使老年患者生存获益，这为临床治疗策略选择提供了重要依据。研究结果发表于《European Journal of Medical Research》，为改善老年卵巢癌个体化治疗树立了新标杆。