患者队列建立
纳入符合条件的手术切除的晚期口腔鳞癌患者,并系统收集临床病理数据。
在单一三级医疗中心回顾性纳入2007年2月至2018年5月期间接受初次手术的228例患者,通过机构注册系统收集临床病理因素。
Serum Metabolomics for Prognostic Stratification in Resected Advanced-Stage Oral Cavity Cancer
研究为回顾性队列,包含代谢组学检测和统计建模,但缺乏体外或动物模型验证,证据层级有限。
228例切除的晚期口腔鳞癌患者队列 血清代谢组学样本
代谢物筛选阈值:P<0.05且FC>1.1或<0.909 MetaboScore最佳截断值11 多变量Cox模型中的混杂因素:17个因素 LASSO交叉验证确定最优λ
提炼研究问题、关键发现与证据,快速把握文章的核心贡献。
按研究推进顺序梳理实验设计、验证步骤与关键观察。
纳入符合条件的手术切除的晚期口腔鳞癌患者,并系统收集临床病理数据。
在单一三级医疗中心回顾性纳入2007年2月至2018年5月期间接受初次手术的228例患者,通过机构注册系统收集临床病理因素。
鉴定与复发相关的血清代谢物,并用于构建预后评分。
使用液相色谱-质谱法对术前血清样本进行代谢组学分析,通过主成分分析、偏最小二乘判别分析、单变量分析(t检验和倍数变化)及XGBoost机器学习算法筛选代谢物。
基于筛选出的代谢物构建预后评分系统,并确定最佳截断值。
对36种候选代谢物通过Cox比例风险模型中的惩罚样条回归确定最佳截断值,并通过Kaplan-Meier曲线和log-rank检验验证与无病生存的关联,最终纳入19种代谢物构建MetaboScore,并通过分析确定最佳截断值为11。
验证MetaboScore的预后价值,并评估其独立于传统危险因素的作用。
通过Kaplan-Meier曲线、log-rank检验、单变量和多变量Cox回归分析评估MetaboScore与5年局部控制、颈部控制、远处转移、无病生存和疾病特异性生存的关联,并使用LASSO回归进行敏感性分析。
按研究目的归类文中使用的方法,便于定位所需技术。
| 实验环节 | 名称 | 品牌 | 货号 |
|---|---|---|---|
| 代谢组学分析 | 液相色谱-质谱联用 | -- | -- |
汇总复现实验时建议重点确认的条件及原文阅读提示。
| 环节 | 核对要点 |
|---|---|
| 患者队列 | 患者纳入标准、排除标准、样本量、临床病理数据收集 阅读提示:Methods - 研究患者部分 |
| 血清样本采集 | 空腹时间(至少6小时)、采血时机(手术当日) 阅读提示:Methods - 代谢物生物标志物发现部分 |
| 代谢组学分析 | 分析平台、代谢物筛选标准(P值和倍数变化阈值) 阅读提示:Methods - 代谢物生物标志物发现部分 |
| MetaboScore构建 | 候选代谢物数量、纳入评分系统的代谢物、评分方法、最佳截断值 阅读提示:Methods - MetaboScore开发部分 |
| 统计模型 | 多变量模型中的协变量、逐步选择法、LASSO交叉验证参数 阅读提示:Methods - 统计分析部分 |