队列选择与数据准备
构建用于验证PREDICT v3.1的老年女性乳腺癌人群队列,并处理缺失的预测变量。
从荷兰癌症登记处纳入2005-2009年间诊断为乳腺癌且年龄≥70岁的女性患者,排除预测变量缺失的病例。对未提供的预测变量(KI67状态、吸烟状态、检测途径、化疗方案)进行假设设定,并进行敏感性分析。
PREDICT version 3.1 overestimates survival in older women with breast cancer: a population-based external validation
本研究为基于人群队列的外部验证研究,主要进行模型性能评估,未包含体外、动物或机制实验,属于观察性分析。
荷兰老年女性乳腺癌患者队列(年龄≥70岁)
患者年龄≥70岁,诊断为原发性乳腺癌(I-III期)并接受手术作为主要治疗 纳入排除标准:排除PREDICT v3.1所需预测变量(肿瘤大小、阳性淋巴结数、组织学分级、雌激素受体状态)缺失的患者 随访时间:5年和10年总生存期 预测变量处理假设:吸烟状态设为非吸烟者,检测方式设为症状检测,化疗方案设为标准剂量蒽环类为基础
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。
构建用于验证PREDICT v3.1的老年女性乳腺癌人群队列,并处理缺失的预测变量。
从荷兰癌症登记处纳入2005-2009年间诊断为乳腺癌且年龄≥70岁的女性患者,排除预测变量缺失的病例。对未提供的预测变量(KI67状态、吸烟状态、检测途径、化疗方案)进行假设设定,并进行敏感性分析。
比较PREDICT v3.1预测的5年和10年总生存率与观测生存率,评估校准性能。
使用R脚本计算PREDICT v3.1预测的5年和10年OS。使用Kaplan-Meier方法估计观测生存率,并计算预测与观测的差异。
评估PREDICT v3.1的校准和区分能力。
绘制平滑校准曲线,计算O/E比值;使用AUC评估区分度。进行亚组分析(按年龄、合并症等)和敏感性分析。
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 |
|---|---|---|---|
| 生存分析 | R 4.4.0版 | The R Foundation | -- |
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 |
|---|---|
| 研究人群 | 患者年龄≥70岁,诊断为原发性乳腺癌(I-III期)并接受手术;排除预测变量缺失的病例。 阅读提示:Methods 2.1 Study population |
| 预测变量处理 | KI67设为未知,吸烟设为非吸烟者,检测方式设为症状检测,化疗方案设为标准剂量蒽环类为基础。敏感性分析需改变这些假设。 阅读提示:Methods 2.2 Handling of unavailable predictor variables |
| 结局评估 | 5年和10年总生存期;观测生存率用Kaplan-Meier估计;预测值用PREDICT v3.1计算。 阅读提示:Methods 2.3 Predicted and observed outcomes |
| 模型性能分析 | 校准:校准曲线和O/E比值;区分度:AUC;需按年龄和合并症进行亚组分析。 阅读提示:Methods 2.4 Model performance |