趋化因子是一类具有趋化作用的细胞因子。CXCL17是2006年发现的CXC族趋化因子中的一个新成员。该因子有明显的促血管生成作用,由此可促进多种肿瘤的生长;然而在胰腺肿瘤中却通过抗肿瘤免疫等作用而抑制肿瘤的发生。除了在血管生成和肿瘤发生中的作用外,CXCL17还有抗菌抗炎作用,且在粘膜中有恒定表达,推测其在维持粘膜的无菌性中起一定作用。
CXC配体17（CXCL17）是一种新型的CXC趋化因子，其临床意义仍未知。本篇研究中，作者分析了CXCL17对肝癌（HCC）患者的预后价值，并评估了CXCL17与免疫浸润的关系。
研究方法：作者通过免疫组化染色法检查了227例HCC组织标本中的CXCL17表达，将CXCL17表达量分别与临床病理学特征、预后、免疫浸润密度（CD4T细胞，CD8T细胞，B细胞，自然杀伤细胞，嗜中性粒细胞，巨噬细胞）做了相关分析。
结果：Kaplan-Meier生存分析显示肿瘤内CXCL17（总生存率[P] = 0.015，无复发生存率[RFS] P = 0.003）和瘤周CXCL17（OS = 0.002，P = 0.001）与较短的OS和RFS有关。 CXCL17低组患者的5年复发率显着低于CXCL17高组患者（瘤周：53.1％比77.7％，P = 0.001，瘤内：分别为58.6％和73.0％，P = 0.001）。多变量Cox比例风险分析将OS作为独立预后因素（危险比[HR] = 2.066,95％置信区间[CI] = 1.296-3.292，P = 0.002）和RFS（HR = 1.844,95％ CI = 1.218-2.793，P = 0.004）。此外，CXCL17表达与更多的CD68和更少的CD4细胞浸润相关（均P<0.05）。>
结论：作者指出研究结果提供了第一个证据，即肿瘤浸润CXCL17细胞密度是预测HCC中OS和RFS的独立预后因子。 CXCL17的产生与不良免疫浸润相关，可能是抗HCC治疗的重要目标。
Ⅰ材料及方法
本研究中，研究对象为2007至2010年间在中山大学肿瘤医院接受根治性切除术治疗的227肝癌患者。表1，给出了患者的人口学及临床指标的统计描述。
本研究随访时间的中位数36个月（2~83个月）。1年、3年、5年OS和RFS分别为82.7%、61.8%、51.2%和59.9%、39.2%、34.4%。CXCL17表达按照中位数划分为高表达组和低表达组。分层分析按照巨噬细胞在瘤内（Intratumor）、瘤周(Peritumoral Stroma)、非肿瘤(Nontumor)中的密度分成三组。
Ⅱ 分析过程
①作者首先利用KM方法分析了 CXCL17与预后之间的关系。
从图2可见，红色CXCL17低表达组在OS和RFS下，生存率均比CXCL17高表达组高。
②进一步作者利用COX回归做了单因素和多因素分析；
表2第2列和第6列是单因素分析结果，以OS结局中和以RFS结局中，AST,AFP,肿瘤大小,分期等均是独立影响因素；第5列和第9列是最终多因素分析结果。
③最后作者利用卡方检验分析了CXCL17与各临床指标的关系。
点评：本研究目的是研究某个基因位点CXCL17表达量对肝癌预后的影响。文中用到的统计方法属于随访删失数据中的古典方法，也是肿瘤随访数据发文章的经典套路。
基于这篇文献，我们总结一下，写预后模型研究文章的常规模板。
① 数据来源，描述研究人群的来源，是否多中心，研究中心的数量和位置，需详细交代研究对象的纳入排除标准，各指标的诊断金标准。例如临床资料的肿瘤分期版本，随访时间，疾病史等。明确研究的日期信息（数据获得的时间开始时间、结束时间和随访时间等）。
② 表1 只是一个统计描述表，用于交代，研究资料的数据分布情况，有些研究，有人会在表1中做一些简单的比较分析（例如卡方，T检验），因为我们的资料属于随访资料，这里不需要比较分析，除非你做的是类似病例对照研究的数据，在统计描述时需交代病例组和对照组的数据分布情况，且某些指标是均衡的。
③ 对研究关系的因素，如果有必要，可以尽可能的细分，例如本研究的瘤内（Intratumor）、瘤周(Peritumoral Stroma)、非肿瘤(Nontumor)。对于可能影响的其他因素，如果想规避混杂或者交互，也可以做分层分析，但一般分层不建议超过两层。
④ 研究终点的定义，结局指标及定义（明确定义预测模型的预测结局，包括任何测量以及何时测量，是否使用盲法评价方法），预测指标及定义（明确定义预测模型所用到的所有预测指标，包括任何测量以及何时测量，是否使用盲法评价方法）。
⑤ 如果有必要，需要描述研究的样本量任何确定。
⑥ 交代缺失数据的处理方法及细节。
⑦ 对于肿瘤预后模型：详述模型建立的过程，包括预测指标的选择，描述模型验证中预测值的计算方法;详述模型验证的过程， 研究对象的特征分析、 内部验证/外部验证； 模型预测效果的评估方法， 比较验证数据集和建立数据集在人口学特征、临床指标和预测指标等重要变量上的分布差异；并对不同的预测模型进行比较。
⑧ 如果做了风险分层分析，请描述分层建立的细节。
⑨ 预期结果预测：提供可对个体进行预测的完整预测模型，如所有的回归系数、模型常数项或某时点的基线生存情况等；描述如何使用预测模型， 并对预测效果进行估计。
⑩ 交代局限性，推广和应用。
下期：基于本期讲解文献中的实际数据，讲解Lasso方法在肿瘤基因位点筛选中的应用。
本公众号部分精彩历史文章：
04：如何在R软件中求一致性指数(Harrell'concordance index:C-index)？
05：Nomogram 绘制原理及R&SAS实现.
06 :Lasso方法简要介绍及其在回归分析中的应用
07 : 最优模型选择中的交叉验证（Cross validation）方法
08 : 用R语言进行分位数回归(Quantile Regression)
09 : 样本数据中异常值（Outliers）检测方法及SPSS & R实现
10 : 原始数据中几类缺失值（Missing Data）的SPSS及R处理方法
11 : [Survival analysis] Kaplan-Meier法之SPSS实现
12 : [Survival analysis] COX比例风险回归模型在SPSS中的实现
13 : 用R绘制地图：以疾病流行趋势为例
14 : 数据挖掘方法：聚类分析简要介绍 及SPSS&R实现
15 : 医学研究中的Logistic回归分析及R实现
16 : 常用的非参数检验(Nonparametric Tests)总结
17 : 高中生都能看懂的最小二乘法原理
18 : R语言中可实现的常用统计假设检验总结（侧重时间序列）
19 : 如何根据样本例数、均数、标准差进行T-Test和ANOVA
20 : 统计学中自由度的理解和应用
21 : ROC和AUC介绍以及如何计算AUC
22 : 支持向量机SVM介绍及R实现
23 : SPSS如何做主成分分析?
24 : Bootstrap再抽样方法简介
25 : 定量测量结果的一致性评价及 Bland-Altman 法的应用
26 : 使用R绘制热图及网络图
27 : 几种常用的双坐标轴图形绘制
28 : 遗失的艺术—诺谟图（Nomogram）
29 : Nomogram 绘制原理及R&SAS实现（二）
30 : WOE:信用评分卡模型中的变量离散化方法
31 : 结构方程模型（SEM）简介及教程下载
32 : 重复测量的多因素方差分析SPSS实现操作过程
