口咽癌各数据集间的临床异质性及其对预后预测的启示

《JAMA Otolaryngology–Head & Neck Surgery》：Clinical Heterogeneity Across Oropharyngeal Cancer Datasets and Implications for Outcome Prediction

　　**要点****问题**主要公开可用的口咽癌数据集是否表现出足够的临床异质性以影响生存建模和机器学习预测，以及在适当的协调和统计调整后，是否能够通过患者和疾病特征来解释表观的机构间生存差异？**发现**在横跨2个机构、1972名患者的横断面分析和回顾性队列研究中，人口统计学信息、人乳头瘤病毒分布和治疗方式的机构间差异显著，在合并分析之前需要进行系统协调。在调整患者和疾病特征后，机构的风险比为1.19（95% CI，0.93-1.52），且治疗机构在所有机器学习算法和时间点上始终被评为低重要性预测因子。**意义**这些发现表明，系统协调和严格假设检验是多机构口咽癌分析的先决条件；在适当调整后，治疗机构并不能独立预测生存。**摘要****重要性**多机构口咽癌数据集越来越多地被用于研究，但对数据完整性及其临床影响的系统评估仍然有限。未识别的变量可用性、编码惯例和患者特征的机构异质性会给合并分析引入实质性偏倚。**目的**系统描述2个主要口咽癌数据集之间的数据可用性模式和临床异质性，评估其对生存的影响，并制定基于证据的多机构研究设计建议。**设计、设置和参与者**对加拿大多伦多公主玛格丽特癌症中心的RADCURE数据集（2005-2017年）和美国休斯敦MD安德森癌症中心的HNSCC-口咽数据集（2005-2012年）进行了横断面分析和回顾性队列研究。纳入具有完整患者和疾病特征数据的研究对象。数据分析时间为2023年至2026年。**暴露因素**机构数据集、人乳头瘤病毒（HPV）状态、肿瘤（T）分期、淋巴结（N）分期、协调后的治疗方式、吸烟状况以及诊断年龄。**主要结局和测量指标**临床和终点变量的数据完整率；采用Kaplan-Meier分析配合Peto-Peto加权log-rank检验、限制性平均生存时间和按HPV状态分层的多元Cox比例风险回归评估总生存；机器学习对1年、5年和10年生存预测的判别能力和校准能力。**结果**最终分析队列由1972名参与者组成（中位[IQR]年龄，59.5 [53.4-67.0]岁；347名女性 [17.6%]和1625名男性 [82.4%]），其中1482名来自RADCURE数据集，490名来自HNSCC-口咽数据集。总计1263例为HPV阳性疾病（64.0%）。在人口统计学特征、HPV分布和治疗方式方面观察到显著的机构差异。在全面调整后，治疗机构的风险比为1.19（95% CI，0.93-1.52），不能排除具有临床意义的效应。HPV状态违反了比例风险假设，其预后影响通过限制性平均生存时间进行量化，表明在两个数据集中HPV阳性疾病的患者均具有临床意义的生存优势。机器学习集成模型实现了中等至良好的判别能力（1年曲线下面积 [AUC]，0.820；5年AUC，0.777；10年AUC，0.786），且机构始终被评为低重要性预测因子。**结论和相关性**在本横断面分析和队列研究中，多机构口咽癌数据集表现出显著的异质性，需要在合并分析之前进行系统协调。系统协调和严格假设检验应作为多机构口咽癌分析的先决条件；在适当调整后，治疗机构不能独立预测生存。