CN116030963A - 一种甲胎蛋白阴性原发性肝细胞癌列线图诊断模型及其构建方法和应用 - Google Patents
一种甲胎蛋白阴性原发性肝细胞癌列线图诊断模型及其构建方法和应用 Download PDFInfo
- Publication number
- CN116030963A CN116030963A CN202211742555.4A CN202211742555A CN116030963A CN 116030963 A CN116030963 A CN 116030963A CN 202211742555 A CN202211742555 A CN 202211742555A CN 116030963 A CN116030963 A CN 116030963A
- Authority
- CN
- China
- Prior art keywords
- hepatocellular carcinoma
- alpha fetoprotein
- primary hepatocellular
- model
- negative primary
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 206010073071 hepatocellular carcinoma Diseases 0.000 title claims abstract description 69
- 231100000844 hepatocellular carcinoma Toxicity 0.000 title claims abstract description 69
- 102000013529 alpha-Fetoproteins Human genes 0.000 title claims abstract description 65
- 108010026331 alpha-Fetoproteins Proteins 0.000 title claims abstract description 65
- 238000003745 diagnosis Methods 0.000 title claims abstract description 40
- 238000010276 construction Methods 0.000 title claims abstract description 12
- 238000007477 logistic regression Methods 0.000 claims abstract description 13
- 108010094028 Prothrombin Proteins 0.000 claims description 35
- 102100027378 Prothrombin Human genes 0.000 claims description 35
- 229940039716 prothrombin Drugs 0.000 claims description 35
- 108010063628 acarboxyprothrombin Proteins 0.000 claims description 22
- 230000002159 abnormal effect Effects 0.000 claims description 18
- 210000003743 erythrocyte Anatomy 0.000 claims description 13
- 102000002260 Alkaline Phosphatase Human genes 0.000 claims description 11
- 108020004774 Alkaline Phosphatase Proteins 0.000 claims description 11
- WQZGKKKJIJFFOK-GASJEMHNSA-N Glucose Natural products OC[C@H]1OC(O)[C@H](O)[C@@H](O)[C@@H]1O WQZGKKKJIJFFOK-GASJEMHNSA-N 0.000 claims description 11
- 102000001554 Hemoglobins Human genes 0.000 claims description 11
- 108010054147 Hemoglobins Proteins 0.000 claims description 11
- 102000012406 Carcinoembryonic Antigen Human genes 0.000 claims description 9
- 108010022366 Carcinoembryonic Antigen Proteins 0.000 claims description 9
- 210000004369 blood Anatomy 0.000 claims description 9
- 239000008280 blood Substances 0.000 claims description 9
- BPYKTIZUTYGOLE-IFADSCNNSA-N Bilirubin Chemical compound N1C(=O)C(C)=C(C=C)\C1=C\C1=C(C)C(CCC(O)=O)=C(CC2=C(C(C)=C(\C=C/3C(=C(C=C)C(=O)N\3)C)N2)CCC(O)=O)N1 BPYKTIZUTYGOLE-IFADSCNNSA-N 0.000 claims description 8
- 208000019425 cirrhosis of liver Diseases 0.000 claims description 8
- 210000001616 monocyte Anatomy 0.000 claims description 8
- 102100036475 Alanine aminotransferase 1 Human genes 0.000 claims description 7
- 108010082126 Alanine transaminase Proteins 0.000 claims description 7
- 108010088751 Albumins Proteins 0.000 claims description 7
- 102000009027 Albumins Human genes 0.000 claims description 7
- 108010003415 Aspartate Aminotransferases Proteins 0.000 claims description 7
- 102000004625 Aspartate Aminotransferases Human genes 0.000 claims description 7
- 102000004420 Creatine Kinase Human genes 0.000 claims description 7
- 108010042126 Creatine kinase Proteins 0.000 claims description 7
- 108020004206 Gamma-glutamyltransferase Proteins 0.000 claims description 7
- 102000003855 L-lactate dehydrogenase Human genes 0.000 claims description 7
- 108700023483 L-lactate dehydrogenases Proteins 0.000 claims description 7
- 102000006640 gamma-Glutamyltransferase Human genes 0.000 claims description 7
- 239000008103 glucose Substances 0.000 claims description 7
- 208000002672 hepatitis B Diseases 0.000 claims description 7
- 238000000611 regression analysis Methods 0.000 claims description 7
- 238000000034 method Methods 0.000 claims description 6
- 102000006395 Globulins Human genes 0.000 claims description 5
- 108010044091 Globulins Proteins 0.000 claims description 5
- 206010042135 Stomatitis necrotising Diseases 0.000 claims description 5
- 210000000265 leukocyte Anatomy 0.000 claims description 5
- 210000004698 lymphocyte Anatomy 0.000 claims description 5
- 210000000440 neutrophil Anatomy 0.000 claims description 5
- 201000008585 noma Diseases 0.000 claims description 5
- 239000000427 antigen Substances 0.000 claims description 4
- 102000036639 antigens Human genes 0.000 claims description 4
- 108091007433 antigens Proteins 0.000 claims description 4
- 150000001720 carbohydrates Chemical class 0.000 claims description 4
- 238000005534 hematocrit Methods 0.000 claims description 4
- OYPRJOBELJOOCE-UHFFFAOYSA-N Calcium Chemical compound [Ca] OYPRJOBELJOOCE-UHFFFAOYSA-N 0.000 claims description 3
- 108010049003 Fibrinogen Proteins 0.000 claims description 3
- 102000008946 Fibrinogen Human genes 0.000 claims description 3
- 108010044467 Isoenzymes Proteins 0.000 claims description 3
- 108090000190 Thrombin Proteins 0.000 claims description 3
- 210000003651 basophil Anatomy 0.000 claims description 3
- 239000011575 calcium Substances 0.000 claims description 3
- 229910052791 calcium Inorganic materials 0.000 claims description 3
- 210000003979 eosinophil Anatomy 0.000 claims description 3
- 229940012952 fibrinogen Drugs 0.000 claims description 3
- 235000018102 proteins Nutrition 0.000 claims description 3
- 102000004169 proteins and genes Human genes 0.000 claims description 3
- 108090000623 proteins and genes Proteins 0.000 claims description 3
- 229960004072 thrombin Drugs 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 238000008789 Direct Bilirubin Methods 0.000 claims description 2
- FYYHWMGAXLPEAU-UHFFFAOYSA-N Magnesium Chemical compound [Mg] FYYHWMGAXLPEAU-UHFFFAOYSA-N 0.000 claims description 2
- OAICVXFJPJFONN-UHFFFAOYSA-N Phosphorus Chemical compound [P] OAICVXFJPJFONN-UHFFFAOYSA-N 0.000 claims description 2
- 238000008050 Total Bilirubin Reagent Methods 0.000 claims description 2
- 230000036541 health Effects 0.000 claims description 2
- 239000011777 magnesium Substances 0.000 claims description 2
- 229910052749 magnesium Inorganic materials 0.000 claims description 2
- 239000011574 phosphorus Substances 0.000 claims description 2
- 229910052698 phosphorus Inorganic materials 0.000 claims description 2
- DDRJAANPRJIHGJ-UHFFFAOYSA-N creatinine Chemical compound CN1CC(=O)NC1=N DDRJAANPRJIHGJ-UHFFFAOYSA-N 0.000 claims 2
- DGAQECJNVWCQMB-PUAWFVPOSA-M Ilexoside XXIX Chemical compound C[C@@H]1CC[C@@]2(CC[C@@]3(C(=CC[C@H]4[C@]3(CC[C@@H]5[C@@]4(CC[C@@H](C5(C)C)OS(=O)(=O)[O-])C)C)[C@@H]2[C@]1(C)O)C)C(=O)O[C@H]6[C@@H]([C@H]([C@@H]([C@H](O6)CO)O)O)O.[Na+] DGAQECJNVWCQMB-PUAWFVPOSA-M 0.000 claims 1
- ZLMJMSJWJFRBEC-UHFFFAOYSA-N Potassium Chemical compound [K] ZLMJMSJWJFRBEC-UHFFFAOYSA-N 0.000 claims 1
- LEHOTFFKMJEONL-UHFFFAOYSA-N Uric Acid Chemical compound N1C(=O)NC(=O)C2=C1NC(=O)N2 LEHOTFFKMJEONL-UHFFFAOYSA-N 0.000 claims 1
- TVWHNULVHGKJHS-UHFFFAOYSA-N Uric acid Natural products N1C(=O)NC(=O)C2NC(=O)NC21 TVWHNULVHGKJHS-UHFFFAOYSA-N 0.000 claims 1
- PNNCWTXUWKENPE-UHFFFAOYSA-N [N].NC(N)=O Chemical compound [N].NC(N)=O PNNCWTXUWKENPE-UHFFFAOYSA-N 0.000 claims 1
- 229940109239 creatinine Drugs 0.000 claims 1
- 239000011591 potassium Substances 0.000 claims 1
- 229910052700 potassium Inorganic materials 0.000 claims 1
- 239000011734 sodium Substances 0.000 claims 1
- 229910052708 sodium Inorganic materials 0.000 claims 1
- 229940116269 uric acid Drugs 0.000 claims 1
- 238000001514 detection method Methods 0.000 abstract description 4
- 230000000694 effects Effects 0.000 abstract description 3
- 230000000007 visual effect Effects 0.000 abstract description 2
- 210000003494 hepatocyte Anatomy 0.000 abstract 1
- 238000012216 screening Methods 0.000 description 9
- 238000010200 validation analysis Methods 0.000 description 9
- 230000008901 benefit Effects 0.000 description 7
- 238000012549 training Methods 0.000 description 6
- 206010016654 Fibrosis Diseases 0.000 description 5
- 206010028980 Neoplasm Diseases 0.000 description 5
- 230000007882 cirrhosis Effects 0.000 description 5
- 230000035945 sensitivity Effects 0.000 description 5
- 208000000419 Chronic Hepatitis B Diseases 0.000 description 4
- 238000004820 blood count Methods 0.000 description 3
- 238000004364 calculation method Methods 0.000 description 3
- 238000011088 calibration curve Methods 0.000 description 3
- 210000000170 cell membrane Anatomy 0.000 description 3
- 230000003908 liver function Effects 0.000 description 3
- 238000012795 verification Methods 0.000 description 3
- 102000004190 Enzymes Human genes 0.000 description 2
- 108090000790 Enzymes Proteins 0.000 description 2
- 102000004641 Fetal Proteins Human genes 0.000 description 2
- 108010003471 Fetal Proteins Proteins 0.000 description 2
- -1 IBIL Proteins 0.000 description 2
- 230000009471 action Effects 0.000 description 2
- 201000011510 cancer Diseases 0.000 description 2
- 238000006243 chemical reaction Methods 0.000 description 2
- 230000015271 coagulation Effects 0.000 description 2
- 238000005345 coagulation Methods 0.000 description 2
- 229940088598 enzyme Drugs 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000002107 myocardial effect Effects 0.000 description 2
- 238000010827 pathological analysis Methods 0.000 description 2
- 230000009467 reduction Effects 0.000 description 2
- 206010008909 Chronic Hepatitis Diseases 0.000 description 1
- 238000011394 anticancer treatment Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005773 cancer-related death Effects 0.000 description 1
- 231100000504 carcinogenesis Toxicity 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000003759 clinical diagnosis Methods 0.000 description 1
- 238000013524 data verification Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 238000013399 early diagnosis Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000002489 hematologic effect Effects 0.000 description 1
- 208000006454 hepatitis Diseases 0.000 description 1
- 230000003907 kidney function Effects 0.000 description 1
- 238000009533 lab test Methods 0.000 description 1
- 210000004185 liver Anatomy 0.000 description 1
- 208000014018 liver neoplasm Diseases 0.000 description 1
- 230000036210 malignancy Effects 0.000 description 1
- 230000001394 metastastic effect Effects 0.000 description 1
- 206010061289 metastatic neoplasm Diseases 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011119 multifactor regression analysis Methods 0.000 description 1
- 238000011369 optimal treatment Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000001356 surgical procedure Methods 0.000 description 1
- 230000004083 survival effect Effects 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Investigating Or Analysing Biological Materials (AREA)
Abstract
本发明公开了一种甲胎蛋白阴性原发性肝细胞癌列线图诊断模型及其构建方法和应用。本发明首先收集甲胎蛋白阴性原发性肝细胞患者临床特征数据,利用单因素logistics、LASSO筛选出与甲胎蛋白阴性原发性肝细胞癌相关的独立预测因子,将其纳入多因素logistic回归分析中,分析多个指标的联合诊断作用,选择性能较优的概率预测模型并建立甲胎蛋白阴性原发性肝细胞癌列线图诊断模型。本发明的甲胎蛋白阴性原发性肝细胞癌列线图诊断模型简单、直观,仅需要临床常见的检测结果,无需增加患者负担,适合临床快速应用。
Description
技术领域
本发明属于诊断技术领域,涉及一种甲胎蛋白阴性原发性肝细胞癌诊断模型及其构建方法和应用。
背景技术
原发性肝细胞癌(HCC)占肝癌的75%-85%,是最主要的类型。作为一种进展迅速,易复发转移的恶性肿瘤,HCC已成为世界范围内的第六大癌症,同时占癌症相关死亡原因的第三位。由于起病隐匿加之缺乏有效的早期诊断手段,使得多数患者确诊时已达晚期,从而错过最佳治疗时机。因此寻找更加有效的筛查与诊断标志物能够有效提高HCC的诊断效率,改善病人生存结局。
当前,甲胎蛋白(AFP)是应用最广泛的HCC的血液学筛查手段,但数据表明,约30%的HCC病人表现为无AFP升高,因此一部分AFP阴性的原发性肝细胞癌就成为筛查“盲区”。此外,肝脏良性疾病如肝硬化、慢性肝炎也会表现为AFP升高。目前已有一些其他单个指标发现能够辅助诊断HCC,如异常凝血酶原(PIVKA-II)、甲胎蛋白异质体(AFP-L3%)等。其中PIVKA-II单个指标辅助诊断HCC时仍然存在敏感度不高的问题。已有足够证据表明,将多指标进行联合能够有效提高诊断敏感度与特异性,提高诊断效能。当前已构建出多种模型用于HCC的诊断,但多数基于AFP与不同标志物之间的搭配,在诊断AFP阴性HCC中的效用未得到验证。此外,不足之处还包括:部分模型采用未在临床广泛应用的新型指标,不易在临床推广应用;还有部分模型没有经过多中心的大规模数据验证;多数模型使用时需要按照公式进行复杂的计算,操作较为繁琐。
列线图(Alignment Diagram),又称诺莫图(Nomogram图),它是建立在多因素回归分析的基础上,将多个预测指标进行整合,然后采用带有刻度的线段,按照一定的比例绘制在同一平面上,从而用以表达预测模型中各个变量之间的相互关系。
发明内容
为了克服现有标志物及诊断模型的不足,本发明旨在提供一种由临床常规检测指标组合的针对甲胎蛋白阴性原发性肝细胞癌的诊断模型及其构建方法和应用。
为实现上述目的,本发明采取如下技术方案:
一种甲胎蛋白阴性原发性肝细胞癌诊断模型的构建方法,包括如下步骤:
(1)收集经手术切除并经病理确诊的原发性肝细胞癌术前相关临床特征数据,包括人口学数据(性别、年龄)以及48个常见临床实验室检测指标(血常规:中性粒细胞数(Neutrophil counts)、单核细胞数(Monocyte counts)、淋巴细胞数(Lymphocytecounts)、嗜酸性粒细胞数(Eosinophils counts)、嗜碱性粒细胞(Basophil counts)、白细胞数(WBC)、红细胞数(RBC)、血红蛋白含量(HGB)、红细胞压积(HCT) 、平均红细胞体积(MCV)、平均血红蛋白含量(MCH)、平均血红蛋白浓度(MCHC)、红细胞分布宽度(RDW)、血小板数(PLT);肿瘤标志物:甲胎蛋白(AFP)、癌胚抗原(CEA)、糖类抗原199(CA199)、异常凝血酶原(PIVKA-II);肝功能指标:丙氨酸氨基转移酶(ALT)、天冬氨酸氨基转移酶(AST)、γ-谷氨酰转移酶(GGT)、碱性磷酸酶(ALP)、总胆红素(TBIL)、直接胆红素(DBIL)、间接胆红素(IBIL);肾功能指标:肌酐(CREA)、尿酸(UA)、尿素氮(UREA);电解质:血钾(K)、血钠(NA)、血镁(MG)、血磷(P)、血钙(CA);心肌酶指标:肌酸激酶(CK)、肌酸激酶同工酶(CKMB)、乳酸脱氢酶(LDH);凝血功能指标:凝血酶原时间(PT)、部分凝血酶原时间(APTT)、国际标准化比值(INR)、纤维蛋白原(Fg)、凝血酶时间(TT);血糖(GLU)、总蛋白(TP)、白蛋白(ALB)、球蛋白(GLO));同时收集乙肝、肝硬化、健康体检人群相关临床特征数据作为对照组;最终训练集中纳入294例甲胎蛋白阴性肝细胞癌患者,63例慢性乙型肝炎患者,64例肝硬化患者以及159例健康体检人群用于模型的构建;来自另外一家医院的外部验证集纳入227例甲胎蛋白阴性肝细胞癌患者,47例慢性乙型肝炎患者,45例肝硬化患者以及137例健康体检人群用于模型的验证;
(2)对(1)中的临床特征数据进行单因素logistic回归分析,初步筛选出与甲胎蛋白阴性原发性肝细胞癌相关的单因素预测变量,将筛选出的17个
P<0.05的单因素预测变量(性别、年龄、CEA、PIVKA-II、lymphocyte counts、monocyte counts、neutrophil counts、PLT、WBC、ALB、ALP、GLU、IBIL、LDH、TP、APTT、Fg、PT)纳入LASSO回归分析,进一步进行降维筛选,最终得到8个与甲胎蛋白阴性原发性肝细胞癌相关的独立预测因子(性别、年龄、PIVKA-II、monocyte counts、PLT、ALP、PT、MCHC);
(3)将(2)中LASSO回归分析确定的独立预测因子纳入多因素logistic回归分析,分析多个指标的联合诊断作用,得到4个关键因子(年龄、PT、PLT、PIVKA-II)并构建甲胎蛋白阴性原发性肝细胞癌诊断模型,所述甲胎蛋白阴性原发性肝细胞癌诊断模型的预测公式如下:
,
其中,
P表示预测概率值,Age表示年龄,PIVKA-Ⅱ表示异常凝血酶原(异常凝血酶原变量需依据数值分布的四方位数进行等级变换,其中,≤20mAU/mL=1;20.1-30mAU/mL=2;30.1-178mAU/mL=3;≥178.1mAU/mL =4),PT表示凝血酶原时间,PLT表示血小板数;
(4)采用R语言的DynNom包基于(3)中甲胎蛋白阴性原发性肝细胞癌诊断模型绘制得到列线图诊断模型;
(5)通过受试者工作曲线(ROC)并计算曲线下面积(AUC)评估列线图诊断模型的区分能力;通过绘制校准曲线评估预测值与实际值之间的偏移程度;通过决策曲线(DCS)和临床影响曲线(CIC)评估列线图诊断模型的临床实用性;同时所述列线图诊断模型还在来源不同外部验证集中进行了进一步验证,最终得到模型从对照组中区分AFP阴性HCC的AUC(曲线下面积)为0.937。
一种甲胎蛋白阴性原发性肝细胞癌列线图诊断模型,其是上述的构建方法得到。
进一步的,上述一种甲胎蛋白阴性原发性肝细胞癌列线图诊断模型由11个标尺组成;其中,第一个标尺为分值标尺,分值范围为0~100分;第二个标尺为血小板数标尺,取值范围为0~800×109/L,对应分值30~80分;第三个标尺为年龄标尺,取值范围为24~90岁,对应分值40~100分;第四个标尺为凝血酶原时间标尺,取值范围为9.8~23.4秒,对应分值0~88分;第五个标尺为异常凝血酶原标尺,依据数值分布四分位数转化成为等级变量后,1、2、3、4数值分别对应40、60、80、100分。
进一步的,上述一种甲胎蛋白阴性原发性肝细胞癌列线图诊断模型还包括总分值评分公式,具体为:
总分值=血小板数对应分值+年龄对应分值+凝血酶原时间对应分值+异常凝血酶原对应分值。
上述一种列线图诊断模型在制备用于诊断或者辅助诊断甲胎蛋白阴性原发性肝细胞癌的产品中的应用。
本发明的有益效果是:本发明中由4个临床常规检测指标(年龄、PT、PLT、PIVKA-II)构建的甲胎蛋白阴性原发性肝细胞癌列线图诊断模型简单、直观,在诊断AFP阴性HCC方面有良好的诊断效能,且有较高的敏感度和特异性,并经过外部数据验证,有助于临床诊断。
附图说明
图1:本发明方法构建的甲胎蛋白阴性原发性肝细胞癌列线图诊断模型。
图2:本发明通过绘制ROC曲线并计算AUC与cut-off值评估甲胎蛋白阴性原发性肝细胞癌列线图诊断模型的区分能力。A:在训练集中,本模型的AUC为0.937,cut-off值为0.366,对应的特异度(Specificity)为0.902,敏感度为0.854。B:在验证集中,本模型的AUC为0.942,cut-off值为0.290,对应的特异度(Specificity)为0.921,敏感度为0.882。
图3:本发明通过绘制校准曲线评估甲胎蛋白阴性原发性肝细胞癌列线图诊断模型预测概率值与真实观察值之间的吻合程度,判断模型的诊断准确性。图中横坐标对应的是模型对该甲胎蛋白阴性患者患原发性肝细胞癌的预测概率值,纵坐标对应的该患者的实际患病概率。其中Idea虚线条表示理想预测结果即模型预测概率值与实际发生率完全吻合;Apparent虚线为模型的实际表现;Bais-corrected实际表示样本经反复自助抽样矫正了过拟合情况后的表现。在训练集(A)与验证集(B)中均可看出,模型的实际表现接近Idea线,表示模型在预测概率与实际发生概率拟合程度较好。
图4:本发明通过绘制DCA以及CIC(G-H)通过模型的净收益评估其临床实用性。A:模型在训练集中应用的决策曲线(DCA)。B:模型在验证集中应用的决策曲线(DCA)。横轴代表患病的风险概率(High Risk Threshold),纵坐标就是利减去弊之后的净获益率(NetBenefit)。当风险概率在某个值时,采用本模型进行预测,给检出真阳性患者受益值与检出假阳性患者损失值之间的差值即为净获益率。下方横轴为损失收益比(Cost:BenefitRatio)。图中的曲斜线分别代表诊断模型在训练集(红色)与验证集(蓝色)中的表现,另外两条黑色线条代表两种极端情况,黑横线代表所有患者未应用该模型,净获益为0;黑色虚线代表所有患者均使用该模型进行预测,随阈概率的改变,净获益的改变。图中本模型的曲线在较大风险概率范围内均高于两种极端情况,有较大的应用价值。C:模型在训练集中应用的临床影响曲线(CIC)(红色)。D:模型在验证集中应用的临床影响曲线(CIC)(蓝色)。纵坐标代表在不同风险概率下,使用模型预测1000人中患病人数。图中红色与蓝色曲线(Number high risk)表示在各个阈概率下,被模型划分为阳性(高风险)的人数;黑色曲线(Number high risk with outcome)为各个阈概率下真阳性的人数。
具体实施方式
为了使本发明所述的内容更加便于理解,下面结合具体实施方式对本发明所述的技术方案做进一步的说明,但是本发明不仅限于此。
实施例1一种甲胎蛋白阴性原发性肝细胞癌列线图诊断模型的构建
1. 收集HCC患者与对照组数据
入组要求为:手术切除并经病理诊断为原发性肝细胞癌病人;AFP阴性(<20 ng/mL);术前未接受其他抗癌治疗;临床资料完整。
收集符合条件病人的术前相关人口学数据(性别、年龄)以及48个常见临床实验室检测指标(血常规:中性粒细胞数(Neutrophil counts)、单核细胞数(Monocyte counts)、淋巴细胞数(Lymphocyte counts)、嗜酸性粒细胞数(Eosinophils counts)、嗜碱性粒细胞(Basophil counts)、白细胞数(WBC)、红细胞数(RBC)、血红蛋白含量(HGB)、红细胞压积(HCT)、平均红细胞体积(MCV)、平均血红蛋白含量(MCH)、平均血红蛋白浓度(MCHC)、红细胞分布宽度(RDW)、血小板数(PLT);肿瘤标志物:甲胎蛋白(AFP)、癌胚抗原(CEA)、糖类抗原199(CA199)、异常凝血酶原(PIVKA-II);肝功能指标:丙氨酸氨基转移酶(ALT)、天冬氨酸氨基转移酶(AST)、γ-谷氨酰转移酶(GGT)、碱性磷酸酶(ALP)、总胆红素(TBIL)、直接胆红素(DBIL)、间接胆红素(IBIL);肾功能指标:肌酐(CREA)、尿酸(UA)、尿素氮(UREA);电解质:血钾(K)、血钠(NA)、血镁(MG)、血磷(P)、血钙(CA);心肌酶指标:肌酸激酶(CK)、肌酸激酶同工酶(CKMB)、乳酸脱氢酶(LDH);凝血功能指标:凝血酶原时间(PT)、部分凝血酶原时间(APTT)、国际标准化比值(INR)、纤维蛋白原(Fg)、凝血酶时间(TT);血糖(GLU)、总蛋白(TP)、白蛋白(ALB)、球蛋白(GLO))。
同时收集乙肝、肝硬化、健康体检人群相关数据作为对照组。
最终训练集中纳入294例甲胎蛋白阴性肝细胞癌患者,63例慢性乙型肝炎患者,64例肝硬化患者以及159例健康体检人群用于模型的构建;来自另外一家医院的外部验证集纳入227例甲胎蛋白阴性肝细胞癌患者,47例慢性乙型肝炎患者,45例肝硬化患者以及137例健康体检人群用于模型的验证。
2. Logistic回归与LASSO回归分析筛选独立变量
采用SPSS 22.0软件对50个临床变量进行单因素logistic回归分析,结果显示性别、年龄、CEA、PIVKA-II、lymphocyte counts、monocyte counts、neutrophil counts、PLT、WBC、ALB、ALP、GLU、IBIL、LDH、TP、APTT、Fg、PT 共17个指标具有统计学差异(
P<0.05)(表1),为与甲胎蛋白阴性原发性肝细胞癌相关的单因素预测变量;为了进一步进行筛选降维,将单因素logistic回归分析中
P<0.05的变量纳入至LASSO回归分析中,最终得到性别、年龄、PIVKA-II、monocyte counts、PLT、ALP、PT、MCHC共8个与甲胎蛋白阴性原发性肝细胞癌相关的独立预测因子(表2)。
表1 单因素logistic回归结果(n=17)
表2 LASSO回归结果
3. 多因素logistic回归构建最终模型及模型可视化
将上述筛选得到的8个指标(性别、年龄、PIVKA-II、monocyte counts、PLT、ALP、PT、MCHC)纳入多因素logistic回归,分析多个指标的联合诊断作用,最终结果表明年龄、PT、PLT、PIVKA-II共4个关键指标(
P<0.05)组成的模型有最大诊断效能,结果以OR值和95%CI表示(表3)。
表3 多因素logistic回归结果
最终得到的逻辑回归方程为
f(x)=-0.247+0.079(Age)+1.843(PIVKA-II)-0.588(PT)-0.006(PLT)
为了便于计算与应用,年龄、凝血酶原时间、血小板计数为数值型变量直接代入计算,异常凝血酶原变量依据数值分布的四方位数进行等级变换,其中,≤20mAU/mL=1;20.1-30mAU/mL=2;30.1-178mAU/mL=3;≥178.1mAU/mL =4。
根据该方程计算所得预测概率值为:
,其中,
P表示预测概率值,Age表示年龄,PIVKA-Ⅱ表示异常凝血酶原,PT表示凝血酶原时间,PLT表示血小板数。
临床上应用该方程需要经过大量的复杂运算,为此利用R软件中DynNom包将方程转化成为列线图(图1)。列线图中4个变量均有对应的刻度线,应用时,将患者指标在数轴上找到对应点位(PIVKA-II需要进行等级变量转化),同时记录投射至最上方刻度线的分数,将四个变量分数相加得到总分,最后寻找总分所在位置对应的预测概率值即为通过该列线图所得到的的患者患有HCC的可能性。所述列线图中,第一行为分值标尺,分值范围为0~100分;第二行为血小板计数(PLT)标尺,取值范围为0~800×109/L,对应分值为30-80分;第三行为年龄(Age)标尺,取值范围为24~90岁,对应分值为40~100分;第四行为凝血酶原时间(PT)标尺,取值范围为9.8-23.4秒,对应分值为0~88分;第五行为异常凝血酶原(PIVKA-II)标尺,依据数值分布四分位数转化成为等级变量后,1、2、3、4数值分别对应40、60、80、100分。在每项指标对应上方的单项分数获得单项分数,相加获得总分后,下方总分对应的预测概率值即为该模型预测病人患有HCC的概率。如一位65岁病人对应分数(对应分数为79分),其PLT为195×109/L(对应分数为66分),PT为11.8s(对应分数为79分),PIVKA-II为322mAU/mL(赋值为4,对应分数为100),则该病人在模型内相加总分为324,对应的预测概率值为0.989。
4、模型验证
(1)通过ROC曲线评估所构建的甲胎蛋白阴性原发性肝细胞癌列线图诊断模型并计算AUC(曲线下面积),评估模型从对照组中区分甲胎蛋白阴性原发性肝细胞癌(AFPN-HCC)的能力(图2A),结果为AUC:0.937(95%CI :0.892-0.938),同时通过外部验证集进行验证(图2B),可见AUC:0.942(95%CI :0.921-0.963),以上结果说明,本发明所构建的甲胎蛋白阴性原发性肝细胞癌列线图诊断模型具有较好的诊断效能。
(2)通过绘制校准曲线评估所构建的甲胎蛋白阴性原发性肝细胞癌列线图诊断预测值与实际观察值之间的偏差,可见两者之间较为吻合(图3)。
(3)通过绘制DCA与CIC评估所构建的甲胎蛋白阴性原发性肝细胞癌列线图诊断模型的临床实用性,可见模型能够取得较好的净收益(图4)。
通过以上验证可以得出结论:本发明基于年龄、血小板计数(PLT)、凝血酶原时间(PT)、异常凝血酶原(PIVKA-II)4个临床常见实验室检测指标在内构建的甲胎蛋白阴性原发性肝细胞癌诊断模型,对于AFP阴性HCC的诊断有较高应用价值,并且经过可视化转换成列线图后,更具有临床实用性。
以上所述仅为本发明的较佳实施例,凡依本发明申请专利范围所做的均等变化与修饰,皆应属本发明的涵盖范围。
Claims (6)
1.一种甲胎蛋白阴性原发性肝细胞癌列线图诊断模型的构建方法,其特征在于:包括如下步骤: S1:收集甲胎蛋白阴性原发性肝细胞癌患者的临床特征数据,包括性别、年龄、中性粒细胞数、单核细胞数、淋巴细胞数、嗜酸性粒细胞数、嗜碱性粒细胞、白细胞数、红细胞数、血红蛋白含量、红细胞压积、平均红细胞体积、平均血红蛋白含量、平均血红蛋白浓度、红细胞分布宽度、血小板数、甲胎蛋白、癌胚抗原、糖类抗原199、异常凝血酶原、丙氨酸氨基转移酶、天冬氨酸氨基转移酶、γ-谷氨酰转移酶、碱性磷酸酶、总胆红素、直接胆红素、间接胆红素、肌酐、尿酸、尿素氮、血钾、血钠、血镁、血磷、血钙、肌酸激酶、肌酸激酶同工酶、乳酸脱氢酶、凝血酶原时间、部分凝血酶原时间、国际标准化比值、纤维蛋白原、凝血酶时间、血糖、总蛋白、白蛋白和球蛋白,同时收集乙肝患者、肝硬化患者、健康体检人群的临床特征数据作为对照;
S2:利用单因素logistic回归分析对S1中所收集的临床特征数据进行回归分析,初步筛选出与甲胎蛋白阴性原发性肝细胞癌相关的单因素预测变量,将P < 0.05的变量纳入LASSO回归分析,筛选出与甲胎蛋白阴性原发性肝细胞癌相关的独立预测因子;
S3:根据S2中LASSO回归分析确定的独立预测因子,将其纳入多因素logistic回归分析中,最终选择年龄、凝血酶原时间、血小板数、异常凝血酶原来构建甲胎蛋白阴性原发性肝细胞癌诊断模型,所述甲胎蛋白阴性原发性肝细胞癌诊断模型的预测公式如下:
,
其中,P表示预测概率值,Age表示年龄,PIVKA-Ⅱ表示异常凝血酶原,PT表示凝血酶原时间,PLT表示血小板数;其中,PIVKA-Ⅱ需依据数值分布的四方位数进行等级变换,≤20mAU/mL=1,20.1-30mAU/mL=2,30.1-178mAU/mL=3,≥178.1mAU/mL =4;
S4:采用R语言的DynNom包基于S3中甲胎蛋白阴性原发性肝细胞癌诊断模型绘制得到列线图模型。
2.根据权利要求1所述的一种甲胎蛋白阴性原发性肝细胞癌列线图诊断模型的构建方法,其特征在于:还包括步骤:
S5:采用ROC曲线、DCA曲线、CIC曲线对步骤S4所绘制的列线图模型进行评估。
3.一种甲胎蛋白阴性原发性肝细胞癌列线图诊断模型,其特征在于:采用如权利要求1所述的构建方法得到。
4.根据权利要求3所述的一种甲胎蛋白阴性原发性肝细胞癌列线图诊断模型,其特征在于:所述甲胎蛋白阴性原发性肝细胞癌列线图诊断模型由11个标尺组成;其中,第一个标尺为分值标尺,分值范围为0-100分;第二个标尺为血小板数标尺,取值范围为0-800×109/L,对应分值30-80分;第三个标尺为年龄标尺,取值范围为24-90岁,对应分值40-100分;第四个标尺为凝血酶原时间标尺,取值范围为9.8-23.4秒,对应分值0-88分;第五个标尺为异常凝血酶原标尺,依据数值分布四分位数转化成为等级变量后,1、2、3、4数值分别对应40、60、80、100分。
5.根据权利要求4所述的一种甲胎蛋白阴性原发性肝细胞癌列线图诊断模型,其特征在于:所述甲胎蛋白阴性原发性肝细胞癌列线图诊断模型还包括总分值评分公式,具体为:
总分值=血小板数对应分值+年龄对应分值+凝血酶原时间对应分值+异常凝血酶原对应分值。
6.权利要求3所述的列线图诊断模型在制备用于诊断或者辅助诊断甲胎蛋白阴性原发性肝细胞癌的产品中的应用。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211742555.4A CN116030963A (zh) | 2022-12-30 | 2022-12-30 | 一种甲胎蛋白阴性原发性肝细胞癌列线图诊断模型及其构建方法和应用 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211742555.4A CN116030963A (zh) | 2022-12-30 | 2022-12-30 | 一种甲胎蛋白阴性原发性肝细胞癌列线图诊断模型及其构建方法和应用 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116030963A true CN116030963A (zh) | 2023-04-28 |
Family
ID=86090742
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211742555.4A Pending CN116030963A (zh) | 2022-12-30 | 2022-12-30 | 一种甲胎蛋白阴性原发性肝细胞癌列线图诊断模型及其构建方法和应用 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116030963A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116825362A (zh) * | 2023-08-29 | 2023-09-29 | 北京回龙观医院(北京心理危机研究与干预中心) | 一种关于酒精性肝损伤的诊断预测模型及其构建方法和应用方法 |
-
2022
- 2022-12-30 CN CN202211742555.4A patent/CN116030963A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116825362A (zh) * | 2023-08-29 | 2023-09-29 | 北京回龙观医院(北京心理危机研究与干预中心) | 一种关于酒精性肝损伤的诊断预测模型及其构建方法和应用方法 |
CN116825362B (zh) * | 2023-08-29 | 2024-01-02 | 北京回龙观医院(北京心理危机研究与干预中心) | 一种关于酒精性肝损伤的诊断预测模型及其构建方法和应用方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107153774A (zh) | 慢性病风险评估双曲线模型的构建及应用该模型的疾病预测*** | |
JP2009535644A (ja) | バイオマーカーを使用して疾患状況を同定するための方法および装置 | |
CN109830264B (zh) | 肿瘤患者基于甲基化位点进行分类的方法 | |
CN113327679A (zh) | 一种肺栓塞临床风险及预后评分方法与*** | |
CN111584082A (zh) | 一种基于临床检验多维数据的原发性肝细胞癌微血管侵犯回归预测模型的建立及其应用 | |
CN116030963A (zh) | 一种甲胎蛋白阴性原发性肝细胞癌列线图诊断模型及其构建方法和应用 | |
CN109585011A (zh) | 胸痛患者的病症诊断方法及机器可读存储介质 | |
CN114093517A (zh) | 一种基于血液指标、cfDNA的癌症筛查方法和*** | |
CN112201318A (zh) | 实验室指标模型在covid-19患者危险分层中的应用方法 | |
Blagojević et al. | Artificial intelligence approach towards assessment of condition of COVID-19 patients-Identification of predictive biomarkers associated with severity of clinical condition and disease progression | |
CN114864080A (zh) | 一种肝癌诊断模型c-galad ii的建立方法、***、设备及介质 | |
CN114141371B (zh) | 预测乙肝病毒感染引起的肝癌合并肿瘤相关性贫血患者预后的*** | |
CN111613324A (zh) | 一种机器学习模型高通量分析乙型肝炎病毒基因组rt/s区序列特征预测肝癌风险的方法 | |
CN117976213A (zh) | 一种脓毒症急性肝损伤风险预测方法、装置、设备及存储介质 | |
CN110911008A (zh) | 一种建立胆道闭锁列线图预测模型的方法及其用途 | |
CN111192687A (zh) | 一种进展期阑尾炎列线图预测模型及其用途 | |
CN114496210A (zh) | St段抬高型心肌梗死预后评分*** | |
Sheng et al. | Higher mean corpuscular hemoglobin concentration is associated with worse prognosis of hepatorenal syndrome: a multicenter retrospective study | |
CN114252612B (zh) | 基于神经细胞粘附分子的肝癌转移预测***及方法 | |
CN105671179A (zh) | 血清microRNA在肝癌诊断中的应用及诊断试剂盒 | |
Zeng et al. | Nomogram for predicting disseminated intravascular coagulation in heatstroke patients: a 10 years retrospective study | |
CN110993092B (zh) | Ngfp诊断指标的获取方法和高危hcc预测模型的构建方法 | |
Han et al. | Development and validation of a nomogram for predicting death within 2 days after intracerebral hemorrhage | |
CN108417267B (zh) | 一种确定肝硬化肝肾综合征患者短期预后的*** | |
CN112216386A (zh) | 用于预测结直肠癌患者发生隐匿性肝转移的风险度的方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |