【原】文献精读| 28分的临床预测模型文章是什么水平

  

欢迎来到医科研，这里是白介素2的读书笔记，跟我一起聊临床与科研的故事, 生物医学数据挖掘，R语言，TCGA、GEO数据挖掘。

---

作者：白介素2

文献标题

肝部分切除术后肝内胆管癌的预后Nomogram

image.png

摘要

文章主要内容是回顾性分析了2002至2007年在上海东方肝胆医院肝部分切除术后肝内胆管癌的367个病例，文章发表在 Journal of Clinical Oncology，2018年影响因子高达 28分，所以说临床医生的科研并不一定是基础实验，我想这样的研究可能会更吸引我，让一个外科医生天天去做细胞实验这样的要求实在是令人感到为难。

image.png

大概了解下摘要的内容，文章的主要工作是建立了一个新的预测模型，该预测模型纳入了多个临床病理指标，比现有的 AJCC分类系统及其它各个系统体现了优越性。文章结论非常清晰果断，不拖泥带水。

---

文章内容介绍

实验设计

实验设计上采用了回顾性分析方法，作者使用2002-2007年的病例作为建模人群，使用2007-2008年的另一独立数据集作为独立的验证集，研究的截止时间为2011年。

主要研究结果

1. 首先展示的是研究样本的基本特征，临床病理参数，可以看到建模人群纳入367例，验证集82例。

image.png

2. 进一步通过单因素，多因素cox回归分析，筛选出独立预后因素：

image.png

3. 应用预后分析筛选出的独立预后因素构建 Nomogram（诺莫图），这是文章非常重要的结果了。

image.png

4. 进一步比较Nomogram与单一的独立预后因素之间的预测准确性高低，再次说明作者本次构建的列线图的优越性。

image.png

5. 比较 Nomogram与传统分期系统的预测效果，首先说明了有些传统的分期系统并不能进行很好的分层，另外C指数较 Nomogram要低，并且作者比较了多号传统分期系统的 C指数，发现并没有差异，这些内容都进一步说明了一个问题，那就是作者的Nomogram更优越。

   

   image.png

6. 接下来其实还有一个结果就是在 ICC子集(MF ICC）中比较 Nomogram与传统分期系统的预测性能，当然结果毫无疑问仍然是Nomogram更优越啦，这部分结果这里就不展示了。因为更重要的内容在于在验证集中验证模型的效能，作者发现在验证集中 C指数达到了0.75，绘制校准曲线也体现了较好的一致性，当然了作者也同样指出了传统分期系统的表现还是一如既往的差强人意。
   

   

   image.png

总结讨论

文章的工作到这里基本就结束了，后面再有就是讨论。可以发现，全文都是应用回顾性分析，构建了一个新的预测模型，从多个角度与传统的分期系统进行比较，说明新模型的优越性。这样的研究需要有可靠的数据来源，白介素同学认为这也是我国当下的一个很大问题，我国人口基数大，大型医院病例数庞大，但令人头疼的是数据质量良莠不齐，导致难以进行有效的整理利用。

结合自己的临床问题+优质的数据+可靠的实验设计+数据分析=28分文章 [hhh]

参考文献

[Prognostic Nomogram for Intrahepatic Cholangiocarcinoma After Partial Hepatectomy，journal of Clinical Oncology]https://www.ncbi.nlm./pubmed/?term=Prognostic+Nomogram+for+Intrahepatic+Cholangiocarcinoma+After+Partial+Hepatectomy%EF%BC%8Cjournal+of+Clinical+Oncology