Nomogram模型预测头颈部鳞状细胞癌术后的远期生存情况分析

杜欢乐 张琳

[摘要] 目的 使用Nomogram模型對头颈部鳞状细胞癌术后的远期生存情况进行预测及分析。 方法 资料来源于NationalCancer Institute SEER数据库，计算淋巴结转移度，并使用SPSS 21.0统计分析软件和R3.6.3软件进行所有数据统计以及生存分析的比较分析。X射线平铺软件用于确定淋巴结转移度的最佳截断值，并采用单因素比较分析影响Kaplan-Meier法和Log-rank法的预后的危险因素。研究分析具有显著Cox统计意义的危险因素，从而得到能够影响患者远期生存情况的独立因素。为了实现生存分析，使用了Kaplan Meier法。 结果 LNR与分化程度、TNM分期、T、N、M分期有明显的关系，与年龄、性别、手术方法不相关，LNR是一个独立的危险因素。根据年龄、T期、M期、LNR，建立脂质谱图，利用一致性指数（C-index）和校准图，得出预测模型具有更加准确的预测价值。 结论 LNR是头颈部鳞状细胞癌患者术后的可靠预测指标。手术方法不影响LNR的大小，所以不管是哪一种手术方式，LNR都可作为预测指标，也可作为影响头颈部鳞状细胞癌患者术后长期生存的独立危险因素。影响头颈部鳞状细胞癌术后远期生存情况的独立危险因素还包括年龄、T分期和M分期。

[关键词] Nomogram模型;头颈部鳞状细胞癌;术后;远期生存情况

[中图分类号] R735.2          [文献标识码] B          [文章编号] 1673-9701（2022）10-0050-05

[Abstract] Objective To predict and analyze the long-term postoperative survival of head and neck squamous cell carcinoma using the Nomogram model. Methods The degree of lymph node metastasis was calculated from the National Cancer Institute SEER database.All data statistics and comparative analysis of survival analysis were performed using SPSS 21.0 statistical analysis software and R3.6.3 software. X-ray tiling software was used to determine the optimal cutoff value for lymph node metastasis.The prognostic factors were analyzed by the Kaplan-Meier method and log-rank method.The univariate comparison was used to analyze the risk factors affecting the prognosis. The risk factors with significant Cox statistical significance were studied and analyzed to obtain the independent factors that can affect the long-term survival of patients. The Kaplan Meier method was used to achieve survival analysis. Results LNR was significantly correlated with differentiation， TNM stage， T， N， and M stages， but not with age， gender， or surgical approach， LNR was an independent risk factor for postoperative prognosis in patients with head and neck squamous cell carcinomao. A nomogram was built based on age， T stage，M stage，and LNR， and through the concordance index （C-index） and calibration plots， it could be concluded that the prediction model had an excellent predictive value. Conclusion LNR is a reliable postoperative predictor of head and neck squamous cell carcinoma. Surgical methods cannot affect the size of LNR. So no matter which surgical method， LNR can be used as a predictor.It is an independent risk factor for long-term postoperative survival in head and neck squamous cell carcinoma patients. Studies have demonstrated that age， T stage， and M stage are independent risk factors for prognosis.41CA8C5A-C72D-4569-AFAA-F03C7F431FBF

[Key words] Nomogram model; Head and neck squamous cell carcinoma; Post-operation; Long-term survival

头颈部鳞状细胞癌是术后长期生存的独立危险因素。Nomogram是一种科学的多因素回归分析，它在实验室中根据患者的多项生理指标或生物学属性，然后利用一系列视线来预测患者的得分[1]。根据某些特定事件所发生的可能概率及事件、多变量恶性肿瘤的临床研究结果来进行可视化的数值预测[2]。为每例癌症患者提供个性化的长期临床生存评估和预测是Nomogram的最大优势，因此在临床实践和研究中具有重要价值[3]。Nomogram可为临床医生评估患者提供参考，因为Nomogram能够使繁琐的统计计算变得简单，还可以将统计计算转化成一种工具，从而使患者的生物学特征个性化并预测特定事件[4]。

1 资料与方法

1.1 一般资料

本研究使用的全部数据及信息均来自NationalCancer Institute SEER数据库，SEER数据库收集的癌症诊断、治疗和生存数据约占人口总数的30%。所有信息和数据搜索都是免费的[5]。本研究中头颈部鳞状细胞癌的选择标准为：在挑选合适的头颈部鳞状细胞癌患者时，以头颈部鳞状细胞癌的形态特征和病理为准。筛选患者及收集的个人数据主要包括性别、年龄、分化程度、局部淋巴结检测的阳性时间、局部淋巴结检测次数、T分期、N分期、M分期、等级、TNM分期、生存时间、最终寿命等[6]。排除信息有缺漏或丢失生存的最终信息者，LNR等于阳性淋巴结数除以检查的淋巴结总数之商[7]。

1.2 方法

在统计分析所有数据及比较分析患者的生存情况时，本研究所采用的软件是SPSS 21.0统计分析软件和R3.6.3软件。X射线平铺软件用于确定淋巴结转移度的最佳截断值。在研究Log-rank法及Kaplan-Meier法的预后因素上，第一步就是单因素比较分析影响患者预后的危险因素。研究分析具有显著Cox统计意义的危险因素，从而得到能够影响患者远期生存情况的独立因素。为实现生存分析，使用Kaplan Meier法[8]。一般情况下，P<0.05为差异有统计学意义;P<0.01为差异有显著的统计学意义。Nomogram是R统计软件中的RMS包，基于LNR设置。在衡量模型的性能时采用一致性指数（C-index）和校准图。一致性指标一般在0.51之间。当THE C指标值越接近1，说明其越大，同时也说明模型的一致越愈好，即模型的预测性能更好[9]。本研究的主要队列数据共包括2012～2021年的358例患者，190例患者是内部验证队列数据，对两组数据进行统计分析。

1.3 观察指标

①患者的临床基础数据;②单因素和多因素生存分析预后的风险因素;③Nomogram模型评估。

1.4 统计学方法

采用SPSS 21.0统计学软件进行数据分析，采用均数±标准差（x±s）表示计量资料，组间比较采用t检验;计数资料以[n（%）]表示，组间比较采用χ2检验，P<0.05为差异有统计学意义

2 结果

2.1 患者的临床基础数据

358例头颈部鳞状细胞癌患者的临床数据都是从SEER数据库中采集的。具体临床资料如下：男230例，女128例，年龄10～85岁，平均（64.0±8.9）岁，高分化61例，低分化186例，未分化111例。关于分化程度，LNR<0.3时，Ⅰ、Ⅱ、Ⅲ期的患者分别为52例、146例、78例;LNR≥0.3时，Ⅰ、Ⅱ、Ⅲ期的患者分别为12例、40例、30例。关于TNM分期系统，LNR<0.3时，Ⅰ、Ⅱ、Ⅲ、Ⅳ期的患者分别是43例、115例、91例、27例;LNR≥0.3时，Ⅰ、Ⅱ、Ⅲ、Ⅳ期的患者分别为0例、0例、61例、21例。关于T分级，LNR<0.3时，T1、T2、T3、T4、TX期的患者分别是49例、172例、37例、16例、2例;LNR≥0.3时，T1、T2、T3、T4、TX期的患者分别为1例、51例、17例、8例、5例。关于N分级，LNR<0.3时，N0、N1、N2期的患者分别为191例、83例、2例;LNR≥0.3时，N0、N1、N2期的患者分别为0例、77例、5例。关于M分级，LNR<0.3时，M0、M1期的患者分别为266例、10例;LNR≥0.3时，M0、M1期的患者分别为74例、8例。关于手术方式，LNR<0.3时，R0、R1、R2期的患者分别为124例、56例、96例;LNR≥0.3时，R0、R1、R2期的患者分别为31例、21例、30例。见表1。

2.2 单因素和多因素生存分析预后的风险因素

在主要队列中使用单变量生存分析，得出结论，年龄越大（P<0.05），TNM分期系统水平越高（P<0.001），TNM水平越高（P<0.001），LNR较大（P<0.001），是影响具有相同结果的经验证队列中总生存期的风险因素。通过多变量生存分析，获得主要的年龄愈大（P<0.05，风险比是1.59，可信区间是1.117～2.285）、较高的T分类（P<0.05，风险比是11.71，可信区间是1.094～125.443），M分级较高（P<0.05，危险比是11.01，可信区间是1.278～94.842），LNR越大（P<0.001，危险比是1.92）。在验证队列中，研究發现差异越小（P<0.001，风险比是127.570，可信区间是10.329～1575.456），TNM分期越高（P<0.001，风险比是20.9177，可信区间是3.209～136.308），是与术后长期生存相关的独立危险因素。见表2。

2.3 Nomogram模型评估41CA8C5A-C72D-4569-AFAA-F03C7F431FBF

通过分析生存函数，得到两条Kaplan Meier曲线，发现患者术后长期生存率最高的情况是LNR<0.3（图1～2）。在主要队列中，LNR<0.3的患者1、3、5年总生存率（OS）分别为78%、27%和8%，LNR≥0.3的患者1、3和5年的总生存率（OS）分别为50%、10%和5%而。在验证队列中LNR<0.3的患者1、3和5年的总生存率（OS）分别为75%、27%、10%，LNR≥0.3的患者1、3和5年的总生存率（OS）分别为44%、7%和2%。使用多元Cox回归模型，通过计算0.69的Nomogram一致性指数（C-index）建立Nomogram（图3）以预测长期生存。一致性指数和模型预测性成正比，一致性指数越高，模型预测长期生存率的准确率也就越高，正常情况下准确率在0.50～0.70之间，低于0.71的准确率就是0.90。0.90以上是高精度。

3 结论

头颈部鳞状细胞癌是指头颈部肿瘤，其中包含颈部肿瘤、口腔颌面部肿瘤、耳鼻喉科肿瘤，多发生于女性。头部肿瘤在临床上最常见的是甲状腺肿瘤，患者可出现持续鼻塞或鼻出血、颈部肿胀、声音改变、耳痛等症状[10]。口腔颌面部肿瘤可有舌癌、牙龈癌、颊癌等，对于舌癌，患者可表现为舌痛，有时可反射至颞部或耳部，同时还可出现进食吞咽困难、说话困难。另外，耳鼻喉科肿瘤可有喉癌、副鼻窦癌等[11]。为了准确评估淋巴结转移，建议采用淋巴结转移度（LNR）[12]。LNR等于阳性淋巴结数除以检查的淋巴结总数之商。目前，很多临床研究都证明LNR对头颈部鳞状细胞癌术后远期生存情况的影响，LNR似乎比阳性淋巴结更有效。此外，还有很对临床研究证实CA-199、CEA以及其他实验室诊断测试等[13]。化疗是治疗头颈部鳞状细胞癌的主要方式。由于靠近大血管和神經，头颈部鳞状细胞癌的手术风险大大增加[14]。对于头颈部鳞状细胞癌，新辅助放化疗的疗效与手术治疗相似，手术可能导致更多的治疗相关死亡[15]。关于哪种治疗方法最好，缺乏高水平的证据。本研究回顾性分析头颈部鳞状细胞癌手术和淋巴结分级后的预后，可能影响患者的远期生存情况。在对患者数据进行分析后发现，LNR与分化程度、TNM、T、N、M有显著的关系，但与年龄、性别和手术方法没有显著的关系。单变量和多变量生存分析表明，LNR是影响头颈部鳞状细胞癌患者术后预后的独立危险因子，与头颈部鳞状细胞癌患者的年龄、T和M症状均有关联[16]。根据年龄、T分期、M分期和LNR建立列线图，通过一致性指数（C-index）和校准图，可以得出结论，预测模型具有良好的预测价值[17]。

近期一系列回顾性研究表明，无淋巴结转移的距离对术后生存率有显著的统计学差异，而淋巴结转移的数量对术后远期生存率有显著影响[18]。淋巴结转移数为阳性，与淋巴结清扫密切相关。所以仅通过多个阳性淋巴结预测术后患者的长期生存期没有那么严重[19]。本研究通过手术的单因素分析似乎与LNR并无显著相关性，因为无论淋巴结切除多少面积，LNR都能反映其转移能力，因为它是一个比率，而不是一个绝对数[20]。

综上所述，本研究证实LNR是头颈部鳞状细胞癌患者手术后的可靠预测指标。手术方法不能影响LNR的大小，所以不管是哪一种手术方式，LNR都可以作为预测指标[21]。作为头颈部鳞状细胞癌患者术后长期生存的独立危险因素。此外，研究证明年龄、T分期和M分期是预后的独立危险因素。

[参考文献]

[1]   冯芝恩，程傲铭，韩正学，等.Nomogram模型预测早期口腔鳞状细胞癌颈部转移的双向队列研究[C]//2020年全国口腔颌面-头颈肿瘤学术大会暨中华口腔医学会口腔颌面-头颈肿瘤专业委员会学术年会——创新超越、共赢未来，2020.

[2]   方兴，李鑫，吴平，等.下咽癌预后差异及Nomogram预测模型的建立和验证[J].中国耳鼻咽喉颅底外科杂志，2020，1（5）：56-57.

[3]   田景媛，李孔玲，陈罗军，等.胰腺导管腺癌术后患者Nomogram预后模型的构建[J].现代肿瘤医学，2019，27（9）：114-118.

[4]   郑寒，刘勇峰.Nomogram模型用于预测胃癌D2根治术后个体化预后[J].临床医学进展，2020，10（8）：66-87.

[5]   曾传贵，唐秦超，梁飞新.早期口腔鳞癌患者体重指数与颈淋巴结转移的关系研究[J].全科口腔医学电子杂志，2019，6（2）：14-15.

[6]   李晓明，邸斌，尚耀东，等.口腔鳞癌颈淋巴结转移的临床病理学特点及其对预后的影响[J].癌症（英文版），2005（2）：208-212.

[7]   包振丽，叶佩娟，汤玲.乳腺癌患者腋淋巴结转移临床病理特征及其预后影响因素分析[J].湖南师范大学学报（医学版），2020，72（1）：72-75.

[8]   王良，蔡小攀，何金，等.影响口腔鳞状细胞癌患者预后的临床病理因素分析[J].现代生物医学进展，2011，11（9）：1711-1713.

[9]   夏辉，李龙江.口腔鳞癌术后复发相关因素的临床研究[J].实用口腔医学杂志，2007，23（2）：276-277.

[10]  张璐，彭林，王奇峰，等.中性粒细胞与淋巴细胞比值对T3N0M0期食管鳞癌术后辅助治疗预后的预测价值[J].肿瘤预防与治疗，2020，33（4）：307-314.

[11]  Kim H，Choi JY，Rah YC，等.ErbB3是头颈部鳞状细胞癌的可能预后因素[J].中国口腔颌面外科杂志，2020，2（2）：104-106.41CA8C5A-C72D-4569-AFAA-F03C7F431FBF

[12]  高菲，白建民，张萌.老年喉癌患者术后远期疗效及生存质量的影响因素[J].中国老年学杂志，2020，8（1）：45-56.

[13]  李琰琰，卢培培，郑春娟，等.肥城市食管鳞癌及其癌前病变患者远期生存情况分析[J].中华肿瘤防治杂志，2020， 27（15）：1183-1188.

[14]  刘维，高辉，李华，等.基于DSBs修复蛋白表达构建预测食管鳞癌放化疗预后的列线图模型[J].实用医学杂志，2020，36（8）：1041-1047.

[15]  朱载瓯，宋晓萌.基于血清学指标改善口腔鳞状细胞癌TNM分期预后效能的列线图预后模型的建立（英文）[C]//2019第一届全国口腔颌面-头颈肿瘤学术大会——聚合引领、协同发展.2019.

[16]  郭信伟，冀胜军，姬磊，等.纳入术前肿瘤体积的列线图预测胸段食管鳞状细胞癌患者预后的价值[J].国际肿瘤学杂志，2020，47（5）：278-283.

[17]  迪丽奴尔·艾尔肯，张華，阿布都沙塔尔·卡地尔，等.预后营养指数在胃癌肺转移患者预后中的意义及列线图预测模型的建立研究[J].中国全科医学，2021，24（30）：3863-3869.

[18]  臧守梅，严丹方，严森祥.头颈部鳞状细胞癌的非手术治疗进展[J].国际肿瘤学杂志2019，46（12）：741-744.

[19]  张啸天，程志远，张子凡，等.基于199例胃鳞状细胞癌的预后预测模型——列线图[J].中国普外基础与临床杂志，2021，28（1）：27-32.

[20]  梁忆波，季涛，崔琳.结肠癌术后辅助化疗患者远期生存状况和预后危险因素分析[J].中国医学前沿杂志（电子版），2020，12（10）：137-140.

[21]  曾滨，龚建斌，梁玉洁，等.术中应用骨髓病理评估对诊断头颈部鳞癌患者骨边界价值的meta分析[C]//2020年全国口腔颌面-头颈肿瘤学术大会暨中华口腔医学会口腔颌面-头颈肿瘤专业委员会学术年会——创新超越、共赢未来，2020.

（收稿日期：2021-09-17）41CA8C5A-C72D-4569-AFAA-F03C7F431FBF