إنشاء نموذج Nomogram لتراجع المخاطر المتنافسة لبيانات البقاء على قيد الحياة
Summary
يُعرض هنا بروتوكول لبناء صور نوم تستند إلى نموذج تراجع المخاطر النسبية في كوكس ونموذج تراجع المخاطر المتنافس. الأسلوب المنافس هو طريقة أكثر عقلانية لتطبيق عندما تكون الأحداث المتنافسة موجودة في تحليل البقاء على قيد الحياة.
Abstract
طريقة كابلان – ماير ونموذج كوكس انحدار المخاطر النسبية هي التحليلات الأكثر شيوعا في إطار البقاء على قيد الحياة. هذه هي سهلة نسبيا لتطبيق وتفسير ويمكن تصويرها بصريا. ومع ذلك، عندما تكون هناك أحداث متنافسة (مثل الحوادث القلبية الوعائية والحوادث الدماغية الوعائية، والوفيات المرتبطة بالعلاج، وحوادث المرور)، ينبغي تطبيق أساليب البقاء القياسية بحذر، ولا يمكن تفسير البيانات في العالم الحقيقي تفسيراً صحيحاً. قد يكون من المستحسن التمييز بين أنواع مختلفة من الأحداث التي قد تؤدي إلى الفشل ومعاملتها بشكل مختلف في التحليل. وهنا، تركز الأساليب على استخدام نموذج الانحدار المتنافس لتحديد العوامل التكهنية الهامة أو عوامل الخطر عند وجود أحداث متنافسة. بالإضافة إلى ذلك، يتم إنشاء مخططات نوموغرامية تستند إلى نموذج انحداري نسبي للمخاطر ونموذج تراجع منافس لمساعدة الأطباء على إجراء تقييمات فردية وطبقات مخاطر من أجل شرح تأثير العوامل المثيرة للجدل على التكهن.
Introduction
الوقت المناسب لتحليل البقاء على قيد الحياة الحدث هو شائع جدا في الدراسات السريرية. تقيس بيانات البقاء مدى الوقت من وقت البدء حتى حدوث الحدث الذي يهمه، ولكن غالباً ما يحول حدث الاهتمام عن طريق حدث آخر. إذا كان هناك أكثر من نوع من نقطة النهاية، يطلق عليهم نقاط نهاية المخاطر المتنافسة. وفي هذه الحالة، فإن تحليل المخاطر المعياري (أي نموذج كوكس للأخطار المتعلقة بالسبب المحدد) لا يعمل بشكل جيد في كثير من الأحيان لأن الأفراد الذين يعانون من نوع آخر من الأحداث يخضعون للرقابة. فالأفراد الذين يتعرضون لحدث منافس غالباً ما يظلون في مجموعة المخاطر، لأن المخاطر المتنافسة عادة ما تكون غير مستقلة. لذلك، 1 Fine و Grayدرس تقدير نموذج الانحدار للتوزيع الفرعي للمخاطرة المنافسة. في سياق المخاطرة المتنافسة، يمكن التمييز بين ثلاثة أنواع مختلفة من الأحداث.
يقيس المرء البقاء على قيد الحياة بشكل عام (OS) من خلال إظهار فائدة سريرية مباشرة من طرق العلاج الجديدة للمرض. يقيس نظام التشغيل وقت البقاء على قيد الحياة من وقت المنشأ (أي وقت التشخيص أو العلاج) إلى وقت الوفاة لأي سبب من الأسباب ويقيّم بشكل عام الخطر المطلق للوفاة ، وبالتالي عدم التمييز بين أسباب الوفاة (مثل الوفاة الخاصة بالسرطان (CSD) أو الوفاة غير المحددة بالسرطان (غير CSD))2. ولذلك، يعتبر نظام التشغيل نقطة النهاية الأكثر أهمية. وغالبا ما تكون الأحداث ذات الاهتمام تتعلق بالسرطان، في حين أن الأحداث غير المحددة للسرطان، والتي تشمل أمراض القلب وحوادث المرور أو غيرها من الأسباب غير ذات الصلة، تعتبر أحداثا متنافسة. المرضى الخبيثة مع تشخيص مواتية، الذين من المتوقع أن البقاء على قيد الحياة لفترة أطول، وغالبا ما تكون في خطر أكبر من غير CSD. وهذا هو، سيتم تخفيف نظام التشغيل من قبل أسباب أخرى للوفاة وتفشل في تفسير الفعالية الحقيقية للعلاج السريري بشكل صحيح. ولذلك، قد لا يكون نظام التشغيل المقياس الأمثل للوصول إلى نتائج المرض3. ويمكن تصحيح هذه التحيزات من خلال نموذج تراجع المخاطر المتنافس.
وهناك طريقتان رئيسيتان لتنافس بيانات المخاطر: نماذج المخاطر الخاصة بسبّب معيّن (نماذج كوكس) ونماذج مخاطر التوزيع الفرعي (النماذج المنافسة). في البروتوكول التالي، نقدم طريقتين لإنشاء nomograms استناداً إلى نموذج الخطر سبب محدد ونموذج مخاطر التوزيع الفرعي. يمكن إجراء نموذج المخاطر الخاص بالسبب المحدد ليتناسب مع نموذج كوكس للمخاطر النسبية ، الذي يتعامل مع الأشخاص الذين يختبرون الحدث المنافس على أنه يخضع للرقابة في وقت وقوع الحدث المنافس. في نموذج خطر التوزيع الفرعي الذي تم تقديمه من قبل Fine وGray 1 في عام 1999 ، يمكن التمييز بين ثلاثة أنواع مختلفة من الأحداث ، ويظل الأفراد الذين يختبرون حدثًا منافسًا في خطر إلى الأبد.
الرسم البياني هو تمثيل رياضي للعلاقة بين ثلاثة أو أكثر من المتغيرات4. تعتبر الصور الطبية المتغيرة في الأحداث البيولوجية والسريرية متغيرات (على سبيل المثال، درجة الورم وعمر المريض) وتولد احتمالات حدوث حدث سريري (مثل تكرار السرطان أو الوفاة) يصور بيانياً كنموذج تشخيص إحصائي لفرد معين. عموما، يتم صياغة الرسم البياني على أساس نتائج نموذج المخاطر النسبية كوكس5،6،7،8،9،10.
ومع ذلك، عندما تكون هناك مخاطر منافسة، قد يفشل الرسم البياني nomogram يستند إلى نموذج كوكس في الأداء الجيد. على الرغم من أن العديد من الدراسات السابقة11،12،13،14 طبقت nomogram المخاطر المتنافسة لتقدير احتمال CSD ، فقد وصفت دراسات قليلة كيفية إنشاء nomogram على أساس نموذج تراجع المخاطر المتنافسة ، وليس هناك حزمة موجودة متاحة لتحقيق ذلك. ولذلك، فإن الطريقة المعروضة أدناه ستوفر بروتوكول خطوة بخطوة لإنشاء مخطط نومي محدد قائم على المخاطر المتنافسة استناداً إلى نموذج تراجع المخاطر المتنافسة، فضلاً عن تقدير درجة المخاطر لمساعدة الأطباء في اتخاذ القرارات المتعلقة بالعلاج.
Protocol
Representative Results
Discussion
وكان الهدف العام للدراسة الحالية هو وضع مخطط نومي محدد ينطوي على مخاطر منافسة يمكن أن يصف الأمراض في العالم الحقيقي وتطوير نموذج تقييم فردي ملائم للأطباء من أجل الاقتراب من قرارات العلاج. هنا، نحن نقدم خطوة بخطوة تعليمي لإنشاء nomograms استناداً إلى نموذج كوكس الانحدار وتنافس نموذج تراجع الم?…
Divulgazioni
The authors have nothing to disclose.
Acknowledgements
وقد تم دعم الدراسة من خلال منح من البرنامج العام لمؤسسة العلوم الطبيعية لمقاطعة تشجيانغ (رقم المنحة LY19H160020) والبرنامج الرئيسي لمكتب العلوم والتكنولوجيا في بلدية جينهوا (منحة رقم 2016-3-005، 2018-3-001d و 2019-3-013).
Riferimenti
- Fine, J. P., Gray, R. J. A proportional hazards model for the subdistribution of a competing risk. Journal of the American Statistical Association. 94 (446), 496-509 (1999).
- Fu, J., et al. Real-world impact of non-breast cancer-specific death on overall survival in resectable breast cancer. Cancer. 123 (13), 2432-2443 (2017).
- Kim, H. T. Cumulative incidence in competing risks data and competing risks regression analysis. Clinical Cancer Research. 13, 559-565 (2007).
- Balachandran, V. P., Gonen, M., Smith, J. J., DeMatteo, R. P. Nomograms in oncology: more than meets the eye. Lancet Oncology. 16 (4), 173-180 (2015).
- Han, D. S., et al. Nomogram predicting long-term survival after d2 gastrectomy for gastric cancer. Journal of Clinical Oncology. 30 (31), 3834-3840 (2012).
- Karakiewicz, P. I., et al. Multi-institutional validation of a new renal cancer-specific survival nomogram. Journal of Clinical Oncology. 25 (11), 1316-1322 (2007).
- Liang, W., et al. Development and validation of a nomogram for predicting survival in patients with resected non-small-cell lung cancer. Journal of Clinical Oncology. 33 (8), 861-869 (2015).
- Valentini, V., et al. Nomograms for predicting local recurrence, distant metastases, and overall survival for patients with locally advanced rectal cancer on the basis of European randomized clinical trials. Journal of Clinical Oncology. 29 (23), 3163-3172 (2011).
- Iasonos, A., Schrag, D., Raj, G. V., Panageas, K. S. How to build and interpret a nomogram for cancer prognosis. Journal of Clinical Oncology. 26 (8), 1364-1370 (2008).
- Chisholm, J. C., et al. Prognostic factors after relapse in nonmetastatic rhabdomyosarcoma: a nomogram to better define patients who can be salvaged with further therapy. Journal of Clinical Oncology. 29 (10), 1319-1325 (2011).
- Brockman, J. A., et al. Nomogram Predicting Prostate Cancer-specific Mortality for Men with Biochemical Recurrence After Radical Prostatectomy. European Urology. 67 (6), 1160-1167 (2015).
- Zhou, H., et al. Nomogram to Predict Cause-Specific Mortality in Patients With Surgically Resected Stage I Non-Small-Cell Lung Cancer: A Competing Risk Analysis. Clinical Lung Cancer. 19 (2), 195-203 (2018).
- Fu, J., et al. De-escalating chemotherapy for stage II colon cancer. Therapeutic Advances in Gastroenterology. 12, 1756284819867553 (2019).
- Chen, D., Li, J., Chong, J. K. Hazards regression for freemium products and services: a competing risks approach. Journal of Statistical Computation and Simulation. 87 (9), 1863-1876 (2017).
- . rms: Regression Modeling Strategies. R package version 5.1-2 Available from: https://CRAN.R-project.org/package=rms (2018)
- . cmprsk: Subdistribution Analysis of Competing Risks. R package version 2.2-7 Available from: https://CRAN.R-project.org/package=cmprsk (2014)
- Scrucca, L., Santucci, A., Aversa, F. Regression modeling of competing risk using R: an in depth guide for clinicians. Bone Marrow Transplantation. 45 (9), 1388-1395 (2010).
- Zhang, Z., Geskus, R. B., Kattan, M. W., Zhang, H., Liu, T. Nomogram for survival analysis in the presence of competing risks. Annals in Translational Medicine. 5 (20), 403 (2017).
- Geskus, R. B. Cause-specific cumulative incidence estimation and the fine and gray model under both left truncation and right censoring. Biometrics. 67 (1), 39-49 (2011).
- Fu, J., et al. Young-onset breast cancer: a poor prognosis only exists in low-risk patients. Journal of Cancer. 10 (14), 3124-3132 (2019).
- de Glas, N. A., et al. Performing Survival Analyses in the Presence of Competing Risks: A Clinical Example in Older Breast Cancer Patients. Journal of the National Cancer Institute. 108 (5), (2016).
