Nội dung được dịch bởi AI, chỉ mang tính chất tham khảo
Các yếu tố ảnh hưởng đến sự sống sót của bệnh nhân ung thư đại trực tràng bằng phương pháp rừng sống ngẫu nhiên
Tóm tắt
Ung thư đại trực tràng là một trong những loại ung thư phổ biến nhất và là nguyên nhân hàng đầu gây tử vong do ung thư ở Iran. Nghiên cứu này nhằm phát triển và xác thực một mô hình rừng sống ngẫu nhiên (RSF) để xác định các yếu tố nguy cơ quan trọng đối với tỷ lệ tử vong ở bệnh nhân ung thư đại trực tràng dựa trên các biến số nhân khẩu học và lâm sàng liên quan. Trong nghiên cứu đoàn hệ hồi cứu này, thông tin của 317 bệnh nhân mắc ung thư đại trực tràng được chuyển đến Phòng khám Imam Khomeini ở Hamadan trong giai đoạn 2002 đến 2017 đã được xem xét. Tỷ lệ sống sót của bệnh nhân được tính từ thời điểm chẩn đoán đến khi tử vong. Trong nghiên cứu hiện tại, mô hình RSF đã được sử dụng để xác định các yếu tố ảnh hưởng đến tỷ lệ sống sót của bệnh nhân. Ngoài ra, kết quả của mô hình RSF cũng được so sánh với mô hình Cox. Dữ liệu đã được phân tích bằng phần mềm R (phiên bản 3.6.1) và các gói phần mềm sống sót. Tỷ lệ sống sót của các bệnh nhân tham gia trong 1, 2, 3, 4, 5, và 10 năm lần lượt là 81.4%, 63%, 57%, 52%, 45% và 34%, trong khi thời gian sống trung vị được xác định là 53 tháng. Trong thời gian này, có 150 bệnh nhân đã tử vong. Bốn yếu tố dự đoán quan trọng nhất đối với sự sống sót bao gồm sự di căn sang các cơ quan khác, số lượng bạch cầu, giai đoạn bệnh và số lượng hạch bạch huyết bị ảnh hưởng. Phương pháp RSF dự đoán tỷ lệ sống tốt hơn so với mô hình tỷ lệ nguy cơ tương đối Cox thông thường. Chúng tôi nhận thấy rằng sự di căn sang các cơ quan khác, số lượng bạch cầu, giai đoạn bệnh và số lượng hạch bạch huyết bị ảnh hưởng là bốn yếu tố dự đoán quan trọng nhất dẫn đến tỷ lệ sống sót thấp ở bệnh nhân ung thư đại trực tràng.
Từ khóa
#ung thư đại trực tràng #rừng sống ngẫu nhiên #tỷ lệ sống sót #yếu tố nguy cơ #mô hình CoxTài liệu tham khảo
Wickham R, Lassere Y. The ABCs of colorectal cancer. Semin Oncol Nurs. 2007;23:1–8.
Ju J-H, Chang S-C, Wang H-S, Yang S-H, Jiang J-K, Chen W-C, et al. Changes in disease pattern and treatment outcome of colorectal cancer: a review of 5,474 cases in 20 years. Int J Color Dis. 2007;22(8):855–62.
Toyoda Y, Nakayama T, Ito Y, Ioka A, Tsukuma H. Trends in colorectal cancer incidence by subsite in Osaka, Japan. Jpn J Clin Oncol. 2009;39(3):189–91.
Rawla P, Sunkara T, Barsouk A. Epidemiology of colorectal cancer: incidence, mortality, survival, and risk factors. Prz Gastroenterol. 2019;14(2):89.
Ministry of Health and Medical Education. Islamic Republic of Iran Ministry of Health and Medical Education, Office of Deputy Minister for Health Center for disease control, cancer office. Iranian Annual National Cancer Registration Report. 2006.
Chan J, Meyerhardt J, Niedzwiecki D. Family history of colorectal cancer: a new survival predictor of colon cancer? 2008.
Wilkes G, Hartshorn K. Colon, rectal, and anal cancers. Semin Oncol Nurs. 2009; Elsevier.
Corrao G, Bagnardi V, Zambon A, La Vecchia C. A meta-analysis of alcohol consumption and the risk of 15 diseases. Prev Med. 2004;38(5):613–9.
Kelsall HL, Baglietto L, Muller D, Haydon AM, English DR, Giles GG. The effect of socioeconomic status on survival from colorectal cancer in the Melbourne Collaborative Cohort Study. Soc Sci Med. 2009;68(2):290–7.
Moghimi-Dehkordi B, Safaee A, Zali MR. Prognostic factors in 1,138 Iranian colorectal cancer patients. Int J Color Dis. 2008;23(7):683–8.
Young AM, Hobbs R, Kerr DJ. ABC of colorectal cancer: Wiley; 2011.
Ramos M, Esteva M, Cabeza E, Campillo C, Llobera J, Aguiló A. Relationship of diagnostic and therapeutic delay with survival in colorectal cancer: a review. Eur J Cancer. 2007;43(17):2467–78.
Jayasekara H, English DR, Haydon A, Hodge AM, Lynch BM, Rosty C, et al. Associations of alcohol intake, smoking, physical activity and obesity with survival following colorectal cancer diagnosis by stage, anatomic site and tumor molecular subtype. Int J Cancer. 2018;142(2):238–50.
Kleinbaum DG, Klein M. Survival Analysis. A self-learning text. Third ed. New York: Springer; 2012.
Radespiel-Tröger M, Rabenstein T, Schneider H, Lausen B. Comparison of tree-based methods for prognostic stratification of survival data. Artif Intell Med. 2003;28(3):323–41.
Churpek MM, Yuen TC, Winslow C, Meltzer DO, Kattan MW, Edelson DP. Multicenter comparison of machine learning methods and conventional regression for predicting clinical deterioration on the wards. Crit Care Med. 2016;44(2):368–74.
Ishwaran H, Kogalur UB, Blackstone EH, Lauer MS. Random survival forests. Ann Appl Stat. 2008;2(3):841–60.
Yuan Y, Van Allen EM, Omberg L, Wagle N, Amin-Mansour A, Sokolov A, et al. Assessing the clinical utility of cancer genomic and proteomic data across tumor types. Nat Biotechnol. 2014;32(7):644–52.
Sloan RA, Haaland BA, Sawada SS, Lee I-M, Sui X, Lee D-c, et al. A fit-fat index for predicting incident diabetes in apparently healthy men: a prospective cohort study. PLoS One. 2016;11(6):e0157703.
Lawless JF, Yuan Y. Estimation of prediction error for survival models. Stat Med. 2010;29(2):262–74.
Gerds TA, Schumacher M. Consistent estimation of the expected Brier score in general survival models with right-censored event times. Biom J. 2006;48(6):1029–40.
van der Geest LG, Koopman M, Verhoef C, Elferink MA, de Wilt JH. Nationwide trends in incidence, treatment and survival of colorectal cancer patients with synchronous metastases. Clin Exp Metastasis. 2015;32(5):457–65.
Riihimäki M, Hemminki A, Sundquist J, Hemminki K. Patterns of metastasis in colon and rectal cancer. Sci Rep. 2016;6(1):1–9.
Field K, Lipton L. Metastatic colorectal cancer-past, progress and future. World J Gastroenterol: WJG. 2007;13(28):3806–15.
Gohari MR, Biglarian A, Bakhshi E, Pourhoseingholi MA. Use of an artificial neural network to determine prognostic factors in colorectal cancer patients. Asian Pac J Cancer Prev. 2011;12(6):1469–72.
Saki Malehi A, Hajizadeh E, Fatemi R. Evaluation of prognostic variables for classifying the survival in colorectal patients using the decision tree. Iran J Epidemiol. 2012;8(2):13–9.
Prasanna T, Karapetis CS, Roder D, Tie J, Padbury R, Price T, et al. The survival outcome of patients with metastatic colorectal cancer based on the site of metastases and the impact of molecular markers and site of primary cancer on metastatic pattern. Acta Oncol. 2018;57(11):1438–44.
Moghimi DB, Safaei A, Zali M. Survival rates and prognostic factors in colorectal cancer patients. J Ilam Univ Med Sci. 2008;16(1):33–41.
Guthrie G, Roxburgh C, Farhan-Alanie O, Horgan P, McMillan D. Comparison of the prognostic value of longitudinal measurements of systemic inflammation in patients undergoing curative resection of colorectal cancer. Br J Cancer. 2013;109(1):24–8.
Zhang J, Zhang H-Y, Li J, Shao X-Y, Zhang C-X. The elevated NLR, PLR and PLT may predict the prognosis of patients with colorectal cancer: a systematic review and meta-analysis. Oncotarget. 2017;8(40):68837–46.
Wu J, Ge XX, Zhu W, Zhi Q, Xu MD, Duan W, et al. Values of applying white blood cell counts in the prognostic evaluation of resectable colorectal cancer. Mol Med Rep. 2019;19(3):2330–40.
Li Q-Q, Lu Z-H, Yang L, Lu M, Zhang X-T, Li J, et al. Neutrophil count and the inflammation-based glasgow prognostic score predict survival in patients with advanced gastric cancer receiving first-line chemotherapy. Asian Pac J Cancer Prev. 2014;15(2):945–50.
Guthrie GJ, Charles KA, Roxburgh CS, Horgan PG, McMillan DC, Clarke SJ. The systemic inflammation-based neutrophil–lymphocyte ratio: experience in patients with cancer. Crit Rev Oncol Hematol. 2013;88(1):218–30.
Xu Z, Berho ME, Becerra AZ, Aquina CT, Hensley BJ, Arsalanizadeh R, et al. Lymph node yield is an independent predictor of survival in rectal cancer regardless of receipt of neoadjuvant therapy. J Clin Pathol. 2017;70(7):584–92.