《Frontiers in Oncology》：Analysis of prognostic factors in patients with locally advanced cervical squamous cell carcinoma and development of a nomogram prediction model
编辑推荐：
目的：旨在开发并验证一个整合患者人口统计学和临床数据的预测模型，用于评估局部晚期宫颈鳞状细胞癌（LACSC）患者的3年、4年和5年总生存期（OS）。
方法：收集山西癌症医院670例LACSC患者的临床数据，通过分层抽样按6：4比例随机分为训练队列和内部验证队
目的：旨在开发并验证一个整合患者人口统计学和临床数据的预测模型，用于评估局部晚期宫颈鳞状细胞癌（LACSC）患者的3年、4年和5年总生存期（OS）。
方法：收集山西癌症医院670例LACSC患者的临床数据，通过分层抽样按6：4比例随机分为训练队列和内部验证队列。采用LASSO回归和多因素Cox回归分析确定独立预后因素，并以此构建预测模型。采用一致性指数（C-index）、受试者工作特征（ROC）曲线和校准曲线评估模型性能。通过决策曲线分析（DCA）评估临床效用。
结果：构建了一个包含六个变量的稳健预后模型并可视化为列线图：中性粒细胞计数（NEUT）、单核细胞计数（MONO）、糖类抗原125（CA125）、全身免疫炎症指数（SII）、淋巴结转移状态和治疗方式。基于训练队列的中位风险评分将患者分为高风险组和低风险组。在两组队列中，高风险组的OS均显著较差（P < 0.05）。
结论：建立了用于预测LACSC患者3年、4年和5年生存率的临床预测模型。
论文解读：局部晚期宫颈鳞状细胞癌预后模型研究
宫颈癌是全球女性第四大常见恶性肿瘤，持续高危型人乳头瘤病毒（HPV）感染是其明确病因。宫颈鳞状细胞癌约占所有宫颈癌的80%，多数患者确诊时已处于局部晚期（LACSC），预后较差。以铂类为基础的同步放化疗（CCRT）是LACSC的标准治疗方案，但局部复发和远处转移风险仍然较高。目前治疗手段包括CCRT、手术和靶向免疫治疗等，为改善疗效和生存质量，临床迫切需要能预测患者生存的预后模型，以辅助医生评估疾病进展风险、治疗应答和生存预期，从而制定个体化治疗策略。该论文（作者：Zou T等）发表在《Frontiers in Oncology》上。研究人员基于山西癌症医院的真实世界数据，旨在构建并验证一个预测LACSC患者3、4、5年总生存期（OS）的列线图模型。
该研究为回顾性单中心研究，样本来源于山西癌症医院2020年1月至12月收治的670例LACSC患者（初步纳入678例，8例失访）。患者按6：4比例分层随机分为训练队列（n=402）和内部验证队列（n=268）。主要技术方法包括：采用LASSO回归筛选与生存相关的变量；多因素Cox回归分析确定独立预后因素；基于筛选变量构建列线图；采用一致性指数（C-index）、时间依赖性受试者工作特征（ROC）曲线和校准曲线评估模型的区分度与校准度；采用决策曲线分析（DCA）评估临床净获益；以训练队列中位风险评分划分高低风险组，并通过Kaplan-Meier生存曲线比较组间OS差异。统计分析基于R软件（4.4.3）完成。
研究结果部分如下。
3.1 参与者特征
研究人员初步纳入678例LACSC患者，排除8例失访（失访率1.18%），最终670例纳入分析，其中训练集402例、内部验证集268例。两组间人口学和临床病理特征差异均无统计学意义（P>0.05）。患者以中老年为主，50-86岁者占70.29%；FIGO分期以IIIC期（41.34%）和IIA期（32.38%）居多；HPV阳性率为90.89%；淋巴结转移患者中，88.57%为盆腔淋巴结转移（PLNM）。治疗方式方面，34.9%的患者接受根治性手术联合辅助治疗，29.2%接受同步放化疗。
3.2 独立预后因素的筛选与模型构建
在训练队列中，通过LASSO回归（10折交叉验证，最佳λ=0.02154646，即logλ=-3.83）筛选出19个与生存相关的变量。进一步行多因素Cox回归分析，结果显示：中性粒细胞计数（NEUT）（HR=2.246，95%CI:1.259-4.005）、单核细胞计数（MONO）（HR=1.828，95%CI:1.180-2.832）、糖类抗原125（CA125）（HR=1.868，95%CI:1.017-3.432）、全身免疫炎症指数（SII）（HR=1.521，95%CI:1.167-1.981）、淋巴结转移状态（无转移对比有转移：HR=0.192，95%CI:0.102-0.360，P<0.001）以及治疗方式（如同步放化疗对比其他方案：HR=0.379，95%CI:0.203-0.707）均为LACSC患者OS的独立预后因素。
3.3 列线图模型的建立与验证
基于上述六个变量构建列线图，可通过各变量得分总和估计患者3年、4年、5年OS率。模型的区分度通过C-index和时间依赖性ROC曲线评估：训练集C-index为0.794（95%CI:0.751-0.838），验证集为0.781（95%CI:0.729-0.833）。训练集预测3年、4年、5年OS的AUC分别为0.842（95%CI:0.782-0.901）、0.789（95%CI:0.728-0.850）和0.832（95%CI:0.783-0.880）；验证集对应AUC分别为0.778（95%CI:0.698-0.857）、0.754（95%CI:0.678-0.831）和0.801（95%CI:0.739-0.863）。校准曲线显示预测概率与实际OS率具有良好一致性。DCA表明，在一定的风险阈值概率范围内，该模型能提供临床净获益。
3.4 基于列线图的风险分层
根据训练队列的中位风险评分，将患者划分为高风险组与低风险组。Kaplan-Meier生存分析显示，在训练集和内部验证集中，高风险组的OS均显著低于低风险组（P<0.05），表明该列线图具备准确的风险分层能力。
讨论部分指出，本研究建立的模型基于常规临床和实验室指标，与基于影像组学的预测模型相比，具有简单、经济、易推广的优势，尤其适合基层或资源有限地区。中性粒细胞和单核细胞在肿瘤微环境（TME）中发挥重要作用，如肿瘤相关中性粒细胞（TANs）的N1/N2功能极化、单核细胞分化为肿瘤相关巨噬细胞（TAMs）等；CA125是宫颈癌常用的血清肿瘤标志物；SII作为综合免疫炎症指标，已被证实与多种肿瘤预后相关。淋巴结转移状态是影响LACSC患者生存的重要因素，2018年FIGO分期已将淋巴结转移患者归入IIIC期及以上。该模型克服了影像组学技术门槛高、泛化性受限的瓶颈，贴近临床实践。局限在于：回顾性单中心设计缺乏外部验证，可能存在选择偏倚；基因检测及高分辨率影像因费用高昂且未纳入医保，临床不作为常规基线筛查，缺失率高，故未纳入模型。
研究结论部分可翻译为：本研究所用数据来自真实世界临床实践，
