基于多中心真实世界数据的肺癌疾病负担预测

《Pattern Recognition Letters》：Forecasting Lung Cancer Burden Using Multicenter Real-World Data

　　

• •
  分析了 33 家医院中 82,402 名患者的肺癌负担。
• •
  介绍了一种考虑医疗利用率的医院患病率框架。
• •
  将三种统计预测方法与作为机器学习基准的 XGBoost 进行比较。
• •
  在时间留出的测试期间，ARIMA 实现了最低误差。
• •
  统计模型预测肺癌负担将持续增长至 2030 年。

引言

肺癌仍然是全球癌症相关死亡的主要原因 [1], [2]。由于其高发率、慢性随访需求以及复杂的多模式治疗路径，它继续给医疗系统带来巨大负担。特别是在土耳其，根据 GLOBOCAN 2020 数据，男性的年龄标准化发病率为 41.7，女性为 10 万人口中的 8.7，使肺癌成为最常见的癌症类型 [3]。尽管诊断技术和治疗策略取得了进步，但肺癌的预后仍然与早期检测、医疗可及性和系统级能力密切相关。因此，了解肺癌诊断的历史趋势并预期未来的疾病负担，对于有效的医疗规划、资源分配和政策制定至关重要。

传统的流行病学评估主要依赖基于人群的癌症登记处来估计发病率和患病率。虽然这些数据源提供了有价值的群体层面见解，但它们可能缺乏关于医疗利用模式、合并症负担和现实世界治疗轨迹的细粒度信息 [4]。此外，基于登记处的预测通常假设医疗可及性和报告结构随时间保持相对稳定，这一假设越来越受到不断演变的医疗系统、人口结构变化以及新冠疫情等破坏性事件的挑战。

基于医院的真实世界数据提供了一个互补且日益重要的视角，通过捕获与医疗系统积极互动的患者，从而反映疾病对医院和诊所的运营负担。然而，解释基于医院的肺癌诊断的时间趋势是复杂的，因为观察到的增加或减少可能不仅反映疾病发生的变化，还反映医疗利用、转诊模式、诊断能力或医院总入院量的波动。因此，如果没有适当的标准化，原始诊断计数可能会将真实的流行病学趋势与系统级效应混淆。

为了应对这些挑战，纳入医疗利用指标和患者水平临床特征的纵向时间序列分析可以提供有用的工具，用于表征时间模式并预期未来的医疗负担。当有长期的年度观测数据但时间点数量仍然有限时，统计预测方法特别有价值。在这种情况下，简约模型可以提供可解释的预测，同时减少与高度参数化方法相关的过拟合风险。尽管如此，只有相对较少的研究检查了长期多中心医院数据以预测未来肺癌负担，同时明确考虑了医疗利用和合并症概况 [5], [6], [7]。

在此背景下，我们利用了一个包含超过二十年间在土耳其 33 家医院治疗的 82,402 名肺癌患者的大型多中心真实世界数据集 [8]。该数据集整合了详细的诊断时间、特定年份的医院申请指标、累积医疗利用措施、区域信息和合并症。通过构建基于医院的肺癌负担的年度时间序列表示，并针对研究队列内的医疗利用对诊断计数进行标准化，我们旨在检查诊断趋势与记录的医院利用时间变化之间的关系。

本研究的主要目的是表征肺癌诊断密度和基于医院的患病率的长期趋势，并使用三种统计时间序列方法预测 2026–2030 年期间的未来患病率，同时额外评估 XGBoost 作为机器学习基准。次要目标包括检查与观察到的时间模式相关的人口统计学特征、区域差异、合并症负担和医疗利用。通过整合流行病学推理与比较时间序列预测，本研究寻求提供具有临床和运营意义的未来基于医院的肺癌负担估计，与医疗系统规划的政策决策相关。

章节摘要

研究设置、队列和变量

在此背景下，我们利用了一个包含超过二十年间在土耳其 33 家医院治疗的 82,402 名肺癌患者的大型多中心真实世界数据集 [8]。该数据集整合了详细的诊断时间、特定年份的医院申请指标、累积医疗利用措施、区域信息和合并症。通过构建基于医院的肺癌负担的年度时间序列表示，并针对研究的医疗利用对诊断计数进行标准化

分析框架

提出的框架由三个主要阶段组成：数据集构建、探索性分析和预测。首先，处理原始患者级数据，通过计算诊断计数、基于医院的患病率、总申请数和标准化诊断率来构建年度时间序列数据集。此外，聚合年度人口统计学和合并症指标，并生成滞后特征以捕获时间依赖性。

其次，进行探索性分析

结果

在 2000 年至 2024 年的研究期间，观察到基于医院的肺癌指标发生了时间变化。图 2a 展示了持续向上的轨迹，特别是在 2009 年至 2019 年之间。观察到的最大增幅发生在 2021 年至 2024 年之间。

（图 2b）显示年度诊断计数呈增加模式，并有明显波动。虽然病例数在研究初期和中期逐年上升，但在 2021 年观察到一个急剧的峰值。在激增之后，诊断

讨论

本研究利用跨越二十多年的多中心真实世界数据，提供了基于医院的肺癌负担的综合纵向分析。通过整合诊断趋势与医疗利用动态，并应用多种时间序列预测方法，研究结果提供了关于医院系统内肺癌负担演变情况和运营见解的流行病学见解。

结果显示基于医院的肺癌持续增加

结论

这项多中心真实世界研究表明，过去二十年间基于医院的肺癌负担持续增加。观察到的基于医院的患病率和标准化诊断率的增长突显了日益资源密集型的肿瘤护理格局。

三种统计预测方法一致预测持续增长至 2030 年，而 XGBoost 基准显示了明显较差的留出表现和有限的...外推能力

未引用文献

缺少引用 表 1 和 算法 1。

人工智能使用声明

在准备本稿件期间，作者使用了生成式人工智能工具（ChatGPT, OpenAI）进行英语语言编辑，并协助基于作者定义的内容和分析结果进行图 1 的图形呈现。未使用 AI 工具进行统计分析或生成报告的数值结果。作者审查并编辑了所有 AI 辅助的输出，并对稿件的内容承担全部责任。

资助

本研究未收到公共、商业或非营利领域资助机构的任何特定拨款。

CRediT 作者贡献声明

Omer Aydin：撰写 – 审阅与编辑，撰写 – 初稿，可视化，验证，监督，软件，资源，项目管理，方法论，调查，资金获取，正式分析，数据整理，概念化。Levent Korkmaz：撰写 – 审阅与编辑，撰写 – 初稿，可视化，验证，监督，软件，资源，项目管理，方法论，调查，资金获取，正式分析，数据整理，

利益冲突声明

作者声明以下可能被视为潜在利益冲突的财务利益/个人关系：L.K. 是 WisdomEra A.S. 的创始人兼首席执行官，该公司开发了在本研究中用于数据准备的 Wanalyzer 和 Wistats。其余作者声明没有可能影响本论文中报告工作的竞争财务利益或个人关系。WisdomEra A.S. 在研究解释中没有发挥作用

Omer Aydin 是 IEEE 会员，土耳其马尼萨哲拉勒·拜尔大学的副教授。他于 2007 年获得伊斯坦布尔科技大学计算机工程专业学士学位，随后于 2014 年获得电气与电子工程硕士学位，并于 2019 年获得九 Eylül 大学计算机工程博士学位。2022 年，他获授副教授头衔。拥有 20 多年跨越学术界和工业界的经验，阿金博士曾担任访问

Omer Aydin|Levent Korkmaz|Aybeyan Selim|Murat Kuzlu|Ferhat Ozgur Catak|Huseyin Kusetogullari|Umit Cali