大家好，这次给大家分享的文献是NomogramsforPredictingCancer-SpecificandOverallSurvivalAmongPatientsWithEndometrialCarcinoma:ASEERBasedStudy，年3月发表在Front.Oncol.杂志上，影响因子4.。同样是基于seer数据库的数据，对子宫内膜癌患者肿瘤特异性生存率和总生存率相关临床特征进行研究。术语
OS：总生存率
CSS：癌症特异性死亡率研究思路从SEER数据库中提取年至年间例子宫内膜癌患者的数据。利用X-tile软件对患者的年龄、肿瘤大小、诊断年份和不同临床分期下的诊断年份进行划分（图2、3）。采用单因素和多因素Cox回归分析筛选有意义的独立预后因素。利用这些因素构建子宫内膜癌患者的列线图模型、3年和5年肿瘤特异性生存率和总生存率的生存预测工具。子宫内膜癌患者数据筛选流程如图1所示。图1图2图3结果
1.患者基本信息
根据纳入和排除标准，共有名子宫内膜癌患者纳入本研究（-）。将患者分为训练组（n=）和试验组（n=）。患者基本情况见表1。两组间所有变量的卡方检验结果均为P0.05。在CSS的单变量Cox回归分析中，除年龄在55-61岁之间外，其他变量均显著相关（P0.05）。在OS的单变量Cox回归中，所有变量均具有显著意义（P0.05）（表2）。在CSS的多因素Cox回归中，除了种族中的“其他”、地区、手术分期、其他各项指标均有意义（P0.05）。在OS的多变量Cox回归分析中，除手术期的局部和远处外，所有其他变量都有意义（P0.05）（表3）。
2.各临床阶段放化疗的比较
图4显示了每个临床阶段与化疗和放疗相比的Kaplan-Meier图，右栏显示化疗治疗在临床II期和III期取得了进展，左栏显示放疗治疗在临床III期取得了进展，两种治疗在临床阶段一、四期都没有任何进展，临床阶段四期的治疗效果甚至比前一期差。
图4
3.OS和CSS列线图的构造与验证患者年龄、组织学分级、临床分期、肿瘤大小、诊断年份和种族被用于构建CSS的列线图（图5）。患者年龄，组织学分级、临床分期、肿瘤大小和种族被用于构建OS的列线图（图5）。表4列出了每个变量的精确点。通过内部和外部验证列线图。用C指数评价列线图的预测精度。对于诺模图的内部验证，CSS和OS的C指数分别为0.（0.-0.）和0.（0.-0.）。对于列线图的外部验证，CSS和OS的C指数分别为0.（0.-0.）和0.（0.-0.）。两个列线图的验证都显示了对预测值的良好一致性（图6）。图5
图6
结语
本文对子宫内膜癌的研究方法是比较经典的研究方法，即首先将数据集划分成训练集和验证集，然后同时研究与OS和CSS相关的临床特征，可以说研究的范围很广，分析的也很全面！
如果您需要基于seer数据库的分析，也可以与我们联系。
生信分析定制服务
请扫描下方
