易鵬,徐雄峰,姚佳煒,邱波
骨肉瘤是兒童和年輕人中最常見的原發性惡性骨腫瘤,當前治療策略包括新輔助化療、手術切除原發性腫瘤及轉移灶,并在手術后增加輔助化療[1]。在過去30年中,盡管各種大型臨床試驗通過改變化療藥物或調整化療劑量來改善預后,骨肉瘤的存活率依然不佳[2-4],局部性骨肉瘤患者5年生存率能達到65%~70%[5],而轉移性骨肉瘤(最常見于肺實質和骨骼遠端)患者的生存率很低,僅為19%~30%[6-7]。因此,快速且準確的預后評估對兒童骨肉瘤患者的治療、隨訪均具有重要意義。到目前為止,已報道的具有預后意義的因素包括性別、年齡、腫瘤部位、大小、臨床分期及對術前化療的反應等[8],也有研究報道骨肉瘤患者的婚姻狀況、社會經濟狀況與生存預后相關[9-10],但是仍沒有一個系統完善的評價體系來綜合納入這些因素。近年來,很多研究開發出統計預測模型來針對常見癌癥類型進行預后評估,列線圖(Nomogram)能整合臨床中多種預后危險因素,創建出一個簡單的統計預測圖,生成臨床事件的數值概率,將結果可視化地展示出來[11]。本研究旨在評估兒童骨肉瘤患者常見的風險因素與生存預后之間的關系,并開發出可在診斷時使用的骨肉瘤患者預后評分Nomogram圖,報道如下。
1.1 數據來源 本研究數據來源于由NCI’s Office of Cancer Genomics和Cancer Therapy Evaluation Program管理的TARGET數據庫(https://ocg.cancer.gov/programs/TARGET)。TARGET數據庫采用了全面的分子表征技術,以確定驅動兒童難治癌癥起始和進展的遺傳變化。TARGET將生成的數據提供給研究團體,旨在確定治療目標和預后指標,從而可以開發和應用新穎且更有效的治療策略。本研究數據為TARGET數據庫骨肉瘤項目,數據記錄中包括患者的生存狀態、生存時間、性別、年齡、人種、原發腫瘤部位、方位及手術方式、轉移部位、術前化療后組織壞死率等,獲取所有病理學診斷為骨肉瘤的臨床數據共214例,去除含有缺失數據的病例,共101例患者被納入本研究,其中73例(72.3%)被隨機分為建模組,28例(27.7%)則被分為驗證組。
1.2 觀察指標
1.2.1 生存狀態及生存時間:以疾病確診至最后隨訪的日期記作總體生存時間,以天為單位。
1.2.2 可能影響骨肉瘤患者生存預后的相關因素:人口學特征,如性別、年齡、種族、人種;病情特點,原發腫瘤部位、遠近及方位,轉移部位;治療情況,手術方式、術前化療后組織壞死率。
1.3 統計學方法 使用R軟件 3.6.2版本進行統計分析,安裝并加載“caret、rms、foreign、survival”等軟件包,將所有納入研究的病例隨機分為建模組和驗證組,采用單因素回歸分析對所有可能影響骨肉瘤患者生存預后的因素進行篩選,找出相關因素(P<0.1),多因素Cox比例風險回歸模型分析用于確定建模組數據的獨立危險因素,根據相關因素構建Nomogram圖,采用一致性指數和校準圖在建模組和驗證組中進行內部驗證與外部驗證,評價預測模型的準確性。一致性指數即C指數的范圍在0.5~1.0之間,C指數越大,代表Nomogram 圖預測價值越高。理想的校正曲線中,預測值與真實值一致性良好,曲線越靠近45°理想曲線。以P<0.05 為差異有統計學意義。
2.1 單因素回歸分析 對所有可能影響兒童骨肉瘤患者的預后因素分別進行單因素回歸分析,結果顯示,除年齡、原發腫瘤位置及方位外,性別、人種(黑人或美籍非裔,美洲印地安人或阿拉斯加原住民)、原發腫瘤部位(上肢,下肢)、手術方式(截肢,保肢)、轉移部位及術前化療后組織壞死率均與骨肉瘤患者的生存預后有關(P<0.1),見表1。

表1 影響兒童骨肉瘤預后的單因素回歸分析
2.2 多因素回歸分析 根據單因素分析結果,進一步進行多因素Cox比例風險回歸分析,納入因素包括性別、人種、轉移部位、原發腫瘤部位、手術方式及術前化療后組織壞死率。 患者的性別、術前化療后組織壞死率是影響生存預后的獨立危險因素(P<0.05)。男性與女性的風險比為2.941(P=0.024);術前化療后組織壞死率≥90%與壞死率<90%的風險比為0.203(P=0.002),見表2。

表2 影響兒童骨肉瘤預后的多因素Cox比例風險回歸分析
2.3 構建兒童骨肉瘤患者生存預后的Nomogram圖將基于Cox回歸分析的相關因素納入Nomogram圖中,包括患者的性別、人種、轉移部位、原發腫瘤部位、手術方式及術前化療后組織壞死率(P<0.1),其可對兒童骨肉瘤患者的3年及5年總生存率作出預測,見圖1。
2.4 Nomogram 圖的驗證 建模組的C指數為0.768(95%CI0.721~0.815),驗證組為0.727(95%CI0.648~0.806),C指數值顯著高于:美國癌癥聯合委員會(AJCC)第七版(0.65)、第六版(0.65)[12]。3年和5年總生存率的校準圖顯示預測值與真實值一致性良好,2組的校正圖均接近理想的 45°曲線,見圖2。
本研究通過對兒童骨肉瘤患者的臨床數據進行分析,旨在尋找影響患者生存預后的危險因素,并構建具有良好預測價值的Nomogram圖,單因素回歸分析結果顯示,患者的性別、人種、原發腫瘤部位、手術方式、轉移部位及術前化療后組織壞死率為生存率的影響因素。其中,性別、術前化療后組織壞死率是影響兒童骨肉瘤患者生存預后的獨立危險因素,人種與手術方式在多因素 Cox 比例風險回歸分析結果中無統計學意義。(1) 性別:本研究將患者的性別與生存時間、生存狀態進行單因素回歸分析,結果發現性別與預后相關(P=0.057),多因素分析結果進一步表明性別為影響預后的獨立危險因素(HR=2.941,95%CI=1.151~7.511,P=0.024)。與以往許多研究結果均一致,Xing等[13]的研究表示,在年齡較小的骨肉瘤患者中,女性患者的預后更好;Whelan等[14]對1 067例局部肢端性骨肉瘤患者進行隨機對照試驗,結果顯示女性的5年總生存率為61%,而男性為53%。另外,Lim等[15]在一項關于骨肉瘤患者并發骨質疏松癥的研究中發現,骨肉瘤患者在長期生存期中,男性患兒比女性有更高的骨質疏松癥患病率,這或許是男性患兒預后不良的原因之一。(2)轉移部位:關于腫瘤轉移及轉移部位對骨肉瘤患者生存預后的影響,國內外觀點一致,即發生轉移,則預后越差[16-18]。骨肉瘤作為一種最常見的影響兒童、青少年的惡性骨腫瘤,有15%~20%的患者在就診時具有臨床可檢測的轉移灶。肺部是最常見的轉移部位,占比超過85%。單因素和多因素回歸分析結果分別顯示,肺轉移HR分別為2.888(P<0.001)和2.620(P=0.055),與以往研究結果一致[8],而骨轉移分析結果無統計學意義(P>0.05),可能因病例數量過少,實際上發生孤立性骨轉移的患者非常少見,因為骨轉移通常是多轉移性疾病的表現。所謂的多中心或多灶性骨肉瘤是一種特殊且罕見的疾病,其特征是在診斷時多個骨骼病變同時或順序發生,而沒有肺或其他內臟受累,文獻報道發病率為1%~4%[16]。(3)原發腫瘤部位:過去研究在將腫瘤的解剖位置作為預后因素來考慮時,大多將其分為軸向(骨盆、脊柱和肋骨)或四肢(上、下肢的長骨和短骨),且結果均提示軸向部位的骨肉瘤預后較四肢差,可能因軸向部位的腫瘤比四肢更容易轉移[19-20]。本研究中軸向部位骨肉瘤病例數據過少,單因素分析與多因素分析均顯示軸向或四肢部位發生骨肉瘤的風險比差異無統計學意義(P>0.05),因此將四肢分為上肢與下肢進行研究,單因素分析結果顯示,上肢部位骨肉瘤預后較下肢差(HR=0.439,95%CI0.247~0.781,P=0.005)。多因素分析再次證實了該結果(HR=0.231,95%CI0.049~1.100,P=0.066)。過去少有關于上、下肢在骨肉瘤患者預后中的研究,該差異是否有意義且能對預后作出指導值得進一步研究。(4)術前化療后組織壞死率:單因素分析結果顯示,化療后組織壞死率<90%的患者生存率明顯大于組織壞死率≥90%的患者,多因素分析結果進一步表明,化療后組織壞死率為影響預后的獨立危險因素(HR=0.203,95%CI0.074~0.554,P=0.002),組織壞死率是腫瘤對于術前化療的組織學反應,國內外大量研究報道認為其是骨肉瘤患者最重要的預后因素[21-23],在過去的40年中,骨肉瘤患者的生存結果有了顯著改善,在很大程度上是由于術前化療的引入,它可以治療可能發生的微小轉移并確保腫瘤縮小,從而促進了腫瘤的手術切除[24]。雖然近年來關于骨肉瘤患者生存預后的研究越來越深入,確定的預后因素越來越多,但腫瘤組織學反應仍然是評價骨肉瘤患者治療及預后的重要指標。
然而,本研究存在一定的局限性,首先,本研究數據來源于兒童腫瘤數據庫(TARGET數據庫),病例信息均來自青少年與兒童患者,將年齡作單因素分析時分為了未成年組(<18歲)和成年組(≥18歲),風險比差異無統計學意義。因此該Nomogram 圖的應用僅限于兒童骨肉瘤患者。其次,輔助化療治療骨肉瘤的價值已得到公認,化療方案無疑對骨肉瘤患者的預后有重要作用,但TARGET數據庫未提供患者化療情況,因此該因素未被納入研究。
綜上所述,本研究構建的Nomogram 圖雖存在一定的局限性,但基本納入了大多數對骨肉瘤患者預后具有重要意義的風險因素,且在建模組與驗證組中一致性指數均較高,校正曲線一致性良好。可為臨床提供可視化的預測工具,幫助臨床醫師快速、準確地對兒童骨肉瘤患者的生存預后作出評估,從而更好地指導后續治療。
利益沖突:所有作者聲明無利益沖突
作者貢獻聲明
易鵬:提出研究思路,實施研究過程,論文撰寫;徐雄峰:資料搜集整理,論文修改;姚佳煒:進行統計學分析;邱波:設計研究方案,分析試驗數據,論文審核