进展期胃癌脉管侵犯术前列线图预测模型的建立和验证

doi:10.11958/20230513

天津医药 ›› 2023, Vol. 51 ›› Issue (12): 1382-1386.doi: 10.11958/20230513

进展期胃癌脉管侵犯术前列线图预测模型的建立和验证

郭振江(), 赵光远, 杜立强, 刘防震()

河北衡水市人民医院胃肠外科（邮编053000）

收稿日期:2023-04-17 修回日期:2023-06-29 出版日期:2023-12-15 发布日期:2023-12-22
通讯作者: ^△ E-mail：liufangzhen01@163.com
作者简介:郭振江（1987），男，主治医师，主要从事胃肠道肿瘤个体化研究。E-mail：guozhenjiang01@163.com
基金资助:
河北省医学科学研究课题计划(20230262)

Establishment and validation of a predictive nomogram model for advanced gastric cancer with lymphovascular invasion

GUO Zhenjiang(), ZHAO Guangyuan, DU Liqiang, LIU Fangzhen()

Department of Gastrointestinal Surgery, Hengshui People's Hospital, Hengshui 053000, China

Received:2023-04-17 Revised:2023-06-29 Published:2023-12-15 Online:2023-12-22
Contact: ^△ E-mail：liufangzhen01@163.com

郭振江, 赵光远, 杜立强, 刘防震. 进展期胃癌脉管侵犯术前列线图预测模型的建立和验证[J]. 天津医药, 2023, 51(12): 1382-1386.

GUO Zhenjiang, ZHAO Guangyuan, DU Liqiang, LIU Fangzhen. Establishment and validation of a predictive nomogram model for advanced gastric cancer with lymphovascular invasion[J]. Tianjin Medical Journal, 2023, 51(12): 1382-1386.

摘要/Abstract

摘要：

目的探讨进展期胃癌脉管侵犯（LVI）的术前预测因素，建立对应的列线图预测模型并进行内部验证。方法选取经胃肠外科手术切除的进展期胃癌246例。根据术后病理诊断将患者分为LVI阳性组（95例）和LVI阴性组（151例）。收集患者年龄、性别、肿瘤分化、肿瘤大小、肿瘤部位、Borrmann分型、Lauren分型、cT分期、cN分期、系统性免疫炎症指数（SII），并比较2组间上述基线及临床特征的差异，将2组间差异有统计学意义的变量进行多因素Logistic回归，并进一步建立可视化列线图预测模型，运用Bootstrap法对模型预测效能进行内部验证。结果 2组间肿瘤大小、Borrmann分型、肿瘤分化、Lauren分型、cT分期、cN分期及SII差异均有统计学意义（P<0.05）。多因素Logistic回归分析结果显示肿瘤大小（OR=2.184，95%CI：1.224~3.898）、Borrmann分型（OR=2.517，95%CI：1.294~4.896）、cT分期（OR=1.860，95%CI：1.045~3.308）、cN分期（OR=1.816，95%CI：1.004~3.285）及SII（OR=1.001，95%CI：1.000~1.002）是进展期胃癌LVI的独立预测因素，依据多因素分析结果建立进展期胃癌LVI的术前列线图预测模型。经内部验证，列线图模型受试者工作特征（ROC）曲线的曲线下面积（AUC）为0.735，分别高于肿瘤大小（0.599）、Borrmann分型（0.564）、cT分期（0.604）、cN分期（0.582）和SII（0.615）。校准曲线显示模型预测LVI的概率与实际发生的概率具有较好一致性。Hosmer-Lemeshow检验显示拟合优度良好（χ²=4.387，P=0.821）。结论建立的列线图预测模型有助于术前预测进展期胃癌LVI发生的概率，可为临床个体化治疗提供指导。

关键词: 胃肿瘤, 危险因素, 列线图, 进展期, 脉管侵犯, 预测模型

Abstract:

Objective To explore the preoperative predictors of lymphovascular invasion (LVI) in patients with advanced gastric cancer, and establish the corresponding nomogram prediction model and conduct internal validation. Methods A total of 246 cases of advanced gastric cancer who underwent surgical resection in the Department of Gastrointestinal Surgery of Hengshui People's Hospital from January 2018 to December 2021 were selected. Patients were divided into the LVI positive group and the LVI negative group according to postoperative pathological diagnosis. The age, gender, tumor differentiation, tumor size, tumor site, Borrmann classification, Lauren's classification, cT stage, cN stage and systemic immune-inflammation index (SII) of patients were collected and compared between the two groups. The predictors that were statistically different between the two groups were subjected to multivariate Logistic regression and further developed into a visual prediction model. Bootstrap method was applied for internal validation of the prediction efficiency of the model. Results The differences of tumor size, Borrmann classification, tumor differentiation, Lauren classification, cT staging, cN staging and SII were statistically significant between the two groups ( P<0.05). Multivariate Logistic regression analysis showed that tumor size (OR=2.184, 95%CI:1.224-3.898), Borrmann classification (OR=2.517, 95%CI: 1.294-4.896), cT staging (OR=1.860, 95%CI: 1.045-3.308), cN staging (OR=1.816, 95%CI: 1.004-3.285) and SII (OR=1.001, 95%CI: 1.000-1.002) were independent predictors of LVI in advanced gastric cancer. A preoperative nomogram prediction model for advanced gastric cancer LVI was developed based on results of multivariate analysis. By internal validation, the area under curve (AUC) value of the subject operating characteristic (ROC) curve of the nomogram was 0.735, which was higher than that of tumor size (0.599), Borrmann staging (0.564), cT staging (0.604), cN staging (0.582) and SII (0.615), respectively. The calibration curve showed that the probability of predicted LVI by the nomogram was in a good agreement with the probability of actual LVI occurrence. The Hosmer-Lemeshow test showed good model fit (χ²=4.387, P=0.821). Conclusion The established nomogram prediction model can help to predict the probability of LVI in advanced gastric cancer preoperatively, which can provide a guideline for clinical individualized treatment.

Key words: gastric neoplasms, risk factors, nomograms, advanced, lymphovascular invasion, predictive model

中图分类号:

R735.2

图/表 6

参考文献 20

[1]	赫捷, 陈万青, 李兆申, 等. 中国胃癌筛查与早诊早治指南(2022,北京)[J]. 中华肿瘤杂志,2022, 44(7):634-666.
	HE J, CHEN W Q, LI Z S, et al. China guideline for the screening,early detection and early treatment of gastric cancer(2022,Beijing)[J]. Chin J Oncol,2022, 44(7):634-666. doi:10.3760/cma.j.cn112152-20220617-00430.
[2]	ZHANG C D, NING F L, ZENG X T, et al. Lymphovascular invasion as a predictor for lymph node metastasis and a prognostic factor in gastric cancer patients under 70 years of age:a retrospective analysis[J]. Int J Surg, 2018, 53:214-220. doi:10.1016/j.ijsu.2018.03.073.
[3]	MEI D, ZHAO B C, ZHANG J L, et al. Impact of lymphovascular invasion on survival outcome in patients with gastric cancer[J]. Am J Clin Pathol, 2020, 153(6):833-841. doi:10.1093/ajcp/aqaa021.
[4]	WU L L, LIANG Y X, ZHANG C, et al. Prognostic significance of lymphovascular infiltration in overall survival of gastric cancer patients after surgery with curative intent[J]. Chin J Cancer Res, 2019, 31(5):785-796. doi:10.21147/j.issn.1000-9604.2019.05.08.
[5]	MA Z L, LIANG C H, HUANG Y Q, et al. Can lymphovascular invasion be predicted by preoperative multiphasic dynamic CT in patients with advanced gastric cancer?[J]. Eur Radiol, 2017, 27(8):3383-3391. doi:10.1007/s00330-016-4695-6.
[6]	XU R, XIAO S M, DING Z, et al. The value of the C-reactive protein-to-lymphocyte ratio for predicting lymphovascular invasion based on nutritional status in gastric cancer[J]. Technol Cancer Res Treat, 2022, 21:15330338221106517. doi:10.1177/15330338221106517.
[7]	DING P A, GUO H H, SUN C Y, et al. Combined systemic immune-inflammatory index (SII) and prognostic nutritional index (PNI) predicts chemotherapy response and prognosis in locally advanced gastric cancer patients receiving neoadjuvant chemotherapy with PD-1 antibody sintilimab and XELOX:a prospective study[J]. BMC Gastroenterol, 2022, 22(1):121. doi:10.1186/s12876-022-02199-9.
[8]	王举, 窦忠霞, 姜洪伟, 等. 基于癌症基因组图谱构建胃癌预后评估模型[J]. 天津医药, 2018, 46(12):1262-1266.
	WANG J, DOU Z X, JIANG H W, et al. Construction of prognostic predictive model of gastric cancer based on the cancer genome atlas[J]. Tianjin Med J, 2018, 46(12):1262-1266. doi:10.11958/20181254.
[9]	DICKEN B J, GRAHAM K, HAMILTON S M, et al. Lymphovascular invasion is associated with poor survival in gastric cancer:an application of gene-expression and tissue array techniques[J]. Ann Surg, 2006, 243(1):64-73. doi:10.1097/01.sla.0000194087.96582.3e.
[10]	KIKUCHI E, MARGULIS V, KARAKIEWICZ P I, et al. Lymphovascular invasion predicts clinical outcomes in patients with node-negative upper tract urothelial carcinoma[J]. J Clin Oncol, 2009, 27(4):612-618. doi:10.1200/jco.2008.17.2361.
[11]	ZHU Z, GONG Y B, XU H M. Clinical and pathological staging of gastric cancer:current perspectives and implications[J]. Eur J Surg Oncol, 2020, 46(< W>10 Pt B):e14-e19. doi:10.1016/j.ejso.2020.06.006.
[12]	CHOI S, SONG J H, LEE S, et al. Lymphovascular invasion:traditional but vital and sensible prognostic factor in early gastric cancer[J]. Ann Surg Oncol, 2021, 28(13):8928-8935. doi:10.1245/s10434-021-10224-6.
[13]	FUJIKAWA H, KOUNORI K, WATANABE H, et al. The clinical significance of lymphovascular invasion in gastric cancer[J]. In Vivo, 2020, 34(3):1533-1539. doi:10.21873/invivo.11942.
[14]	LI P, HE H Q, ZHU C M, et al. The prognostic significance of lymphovascular invasion in patients with resectable gastric cancer:a large retrospective study from Southern China[J]. BMC Cancer, 2015, 15:370. doi:10.1186/s12885-015-1370-2.
[15]	CHEN X F, YANG Z Q, YANG J D, et al. Radiomics analysis of contrast-enhanced CT predicts vascular invasion and disease outcome in gastric cancer:a preliminary study[J]. Cancer Imaging, 2020, 20(1):24. doi:10.1186/s40644-020-00302-5.
[16]	刘书豪, 侯新月, 张宪祥, 等. 进展期胃癌神经侵犯列线图预测模型的构建与验证[J]. 中华胃肠外科杂志, 2020, 23(11):1059-1066.
	LIU S H, HOU X Y, ZHANG X X, et al. Establishment and validation of a predictive nomogram model for advanced gastric cancer with perineural invasion[J]. Chin J Gastrointest Surg, 2020, 23(11):1059-1066. doi:10.3760/cma.j.cn.441530-20200103-00004.
[17]	GRESTA L T, RODRIGUES-JUNIOR I A, CASTRO L P, et al. Assessment of vascular invasion in gastric cancer:a comparative study[J]. World J Gastroenterol, 2013, 19(24):3761-3769. doi:10.3748/wjg.v19.i24.3761.
[18]	SEEVARATNAM R, CARDOSO R, MCGREGOR C, et al. How useful is preoperative imaging for tumor,node,metastasis (TNM) staging of gastric cancer ? A meta-analysis[J]. Gastric Cancer, 2012, 15 Suppl 1:S3-18. doi:10.1007/s10120-011-0069-6.
[19]	HIRAHARA N, MATSUBARA T, KAJI S, et al. Novel inflammation-combined prognostic index to predict survival outcomes in patients with gastric cancer[J]. Oncotarget, 2023, 14:71-82. doi:10.18632/oncotarget.28353.
[20]	ZHU Z Y, CONG X L, LI R, et al. Preoperative systemic immune-inflammation index (SII) for predicting the survival of patients with stage I-III gastric cancer with a signet-ring cell (SRC) component[J]. Biomed Res Int, 2020, 2020:5038217. doi:10.1155/2020/5038217.

临床特征	LVI阳性（n=95）	LVI阴性（n=151）	χ²或Z
年龄
<60岁	42（44.2）	67（44.4）	0.001
≥60岁	53（55.8）	84（55.6）	0.001
性别
男	62（65.3）	96（63.6）	0.072
女	33（34.7）	55（36.4）	0.072
肿瘤大小
<5 cm	34（35.8）	84（55.6）	9.196^＊＊
≥5 cm	61（64.2）	67（44.4）	9.196^＊＊
肿瘤位置
上部	21（22.1）	34（22.5）	0.524
中部	31（32.6）	44（29.1）
下部	34（35.8）	60（39.7）
≥2/3	9（9.5）	13（8.6）
Borrmann分型
Ⅰ—Ⅱ	20（21.1）	51（33.8）	4.597^＊
Ⅲ—Ⅳ	75（78.9）	100（66.2）	4.597^＊
肿瘤分化
高-中分化	27（28.4）	64（42.4）	4.878^＊
低-未分化	68（71.6）	87（57.6）	4.878^＊
Lauren分型
肠型	18（18.9）	51（33.8）
弥漫型	52（54.7）	58（38.4）	8.095^＊
混合型	25（26.3）	42（27.8）
cT分期
T2—3	33（34.7）	84（55.6）	10.205^＊＊
T4	62（65.3）	67（44.4）	10.205^＊＊
cN分期
N0	31（32.6）	74（49.0）	6.391^＊
N+	64（67.4）	77（51.0）	6.391^＊
SII	878.00 （649.50，1 351.00）	682.00 （526.00，1 054.00）	3.047^＊＊

临床特征	LVI阳性（n=95）	LVI阴性（n=151）	χ²或Z
年龄
<60岁	42（44.2）	67（44.4）	0.001
≥60岁	53（55.8）	84（55.6）	0.001
性别
男	62（65.3）	96（63.6）	0.072
女	33（34.7）	55（36.4）	0.072
肿瘤大小
<5 cm	34（35.8）	84（55.6）	9.196^＊＊
≥5 cm	61（64.2）	67（44.4）	9.196^＊＊
肿瘤位置
上部	21（22.1）	34（22.5）	0.524
中部	31（32.6）	44（29.1）
下部	34（35.8）	60（39.7）
≥2/3	9（9.5）	13（8.6）
Borrmann分型
Ⅰ—Ⅱ	20（21.1）	51（33.8）	4.597^＊
Ⅲ—Ⅳ	75（78.9）	100（66.2）	4.597^＊
肿瘤分化
高-中分化	27（28.4）	64（42.4）	4.878^＊
低-未分化	68（71.6）	87（57.6）	4.878^＊
Lauren分型
肠型	18（18.9）	51（33.8）
弥漫型	52（54.7）	58（38.4）	8.095^＊
混合型	25（26.3）	42（27.8）
cT分期
T2—3	33（34.7）	84（55.6）	10.205^＊＊
T4	62（65.3）	67（44.4）	10.205^＊＊
cN分期
N0	31（32.6）	74（49.0）	6.391^＊
N+	64（67.4）	77（51.0）	6.391^＊
SII	878.00 （649.50，1 351.00）	682.00 （526.00，1 054.00）	3.047^＊＊

变量	变量类型	变量赋值
LVI	因变量	阴性=0，阳性=1
肿瘤大小	自变量	<5 cm=1，≥5 cm=2
Borrmann分型	自变量	Ⅰ—Ⅱ型=1，Ⅲ—Ⅳ型=2
肿瘤分化	自变量	高-中分化=1，低-未分化=2
Lauren分型	自变量	肠型=1，弥漫型=2，混合型=3
cT分期	自变量	cT2—3期=1，cT4期=2
cN分期	自变量	cN0期=1，cN+期=2
SII	自变量	连续变量

变量	变量类型	变量赋值
LVI	因变量	阴性=0，阳性=1
肿瘤大小	自变量	<5 cm=1，≥5 cm=2
Borrmann分型	自变量	Ⅰ—Ⅱ型=1，Ⅲ—Ⅳ型=2
肿瘤分化	自变量	高-中分化=1，低-未分化=2
Lauren分型	自变量	肠型=1，弥漫型=2，混合型=3
cT分期	自变量	cT2—3期=1，cT4期=2
cN分期	自变量	cN0期=1，cN+期=2
SII	自变量	连续变量

变量	β	SE	Waldχ²	P	OR（95%CI）
肿瘤大小	0.781	0.296	6.984	0.008	2.184（1.224~3.898）
Borrmann 分型	0.923	0.339	7.398	0.007	2.517（1.294~4.896）
Lauren 分型			5.129	0.077
弥漫型	-0.659	0.41	2.582	0.108	0.518（0.232~1.156）
混合型	0.159	0.346	0.213	0.645	1.173（0.596~2.309）
cT分期	0.620	0.294	4.456	0.035	1.860（1.045~3.308）
cN分期	0.597	0.302	3.896	0.048	1.816（1.004~3.285）
SII	0.001	<0.001	10.235	0.001	1.001（1.000~1.002）
常数项	-6.039	1.119	29.106	<0.001	0.002

进展期胃癌脉管侵犯术前列线图预测模型的建立和验证

Establishment and validation of a predictive nomogram model for advanced gastric cancer with lymphovascular invasion

引用本文

RichHTML

PDF (PC)

可视化

摘要/Abstract

使用本文

图/表 6

参考文献 20

相关文章 15

编辑推荐

Metrics

本文评价

[1]	王远珍, 魏红艳, 常丽仙, 张映媛, 刘春云, 刘立. 原发性肝癌干预前并发肺部感染风险预测模型的建立与验证[J]. 天津医药, 2024, 52(9): 940-945.
[2]	林峰, 陈铃雄, 刘羽, 张旭明, 尹志达, 林坛辉, 刘尊荣. 紫杉醇涂层球囊治疗2型糖尿病膝下动脉严重病变患者发生远期再狭窄预测模型的构建[J]. 天津医药, 2024, 52(8): 830-834.
[3]	郭振江, 赵光远, 杜立强, 刘防震. 近端胃癌上切缘阳性术前列线图预测模型的建立和验证[J]. 天津医药, 2024, 52(8): 845-849.
[4]	王磊, 孟坤, 王兵. 支气管肺炎患儿反复喘息的影响因素分析及预测模型构建[J]. 天津医药, 2024, 52(8): 850-853.
[5]	薛玉恒, 茆宁, 刘文强, 杨倩倩, 徐艳, 王军. 基于早期血小板相关参数的支气管肺发育不良风险预测模型的构建与验证[J]. 天津医药, 2024, 52(7): 748-754.
[6]	王敏, 王龙胜, 陈磊. 骨质疏松症患者腰椎骨折预测模型的构建[J]. 天津医药, 2024, 52(7): 766-769.
[7]	王娴, 刘霞明, 陈曼玉, 赵君, 王立东. 基于机器学习对2型糖尿病肾病预测模型的构建及验证[J]. 天津医药, 2024, 52(7): 775-780.
[8]	韩琴, 韩秀丽, 陈伟然. 老年脑卒中患者康复治疗后抑郁障碍的影响因素分析[J]. 天津医药, 2024, 52(6): 639-642.
[9]	王灵, 龙登炎. 重症监护病房获得性衰弱风险预测模型的构建[J]. 天津医药, 2024, 52(5): 486-489.
[10]	郑康鹏, 唐鑫国, 徐琦, 樊钰亭, 梁博, 付晓伟, 方路. 胆囊癌根治手术成功实施列线图预测模型的建立和验证[J]. 天津医药, 2024, 52(5): 536-540.
[11]	徐杨, 袁宇, 高金妹. 超声检查对骨折患者下肢深静脉漂浮血栓脱落的诊断意义[J]. 天津医药, 2024, 52(5): 548-551.
[12]	冯李婷, 李莉, 谢鑫, 王星. 天津地区部分居民慢性阻塞性肺疾病影响因素分析[J]. 天津医药, 2024, 52(4): 427-431.
[13]	纪晓娟, 韩浩, 张丽侠. 急性髓系白血病合并血流感染的病原菌分布与耐药性变迁及患者死亡的危险因素分析[J]. 天津医药, 2024, 52(2): 167-171.
[14]	钟晓倩, 孙高悦, 张倩倩, 李云. 驱动压导向的个体化呼气末正压通气对行腹腔镜胃癌根治术老年患者的肺保护作用[J]. 天津医药, 2024, 52(2): 188-192.
[15]	张晶晶, 赵文栋, 赵远, 张清峡, 杜佳, 刘艳霞. CALLY指数对缺血性脑卒中后抑郁的预测价值[J]. 天津医药, 2024, 52(12): 1300-1304.