病灶水平数据收集与模型构建
收集接受分次放疗的HCC患者病灶数据,构建基于DVH的多种LQ模型,以估计α/β比值。
回顾性收集了来自两所机构(2008-2021年)的390个病灶,记录GTV、处方剂量、分次数、DVH、经过时间。采用Cox比例风险模型,分别使用DVH平均剂量、第10百分位剂量、幂律DVH和细胞存活DVH四种表达式进行拟合。
α/β for Hepatocellular Carcinoma Tumors Treated With Radiation Therapy
包含两项独立数据源:大样本病灶水平回顾性数据(390例)和基于41篇文献的荟萃分析数据(4313例),并使用多种模型(Cox、AFT)及敏感性分析进行机制验证。
肝细胞癌患者病灶(390例,来自密歇根大学和玛格丽特公主癌症中心) 文献荟萃数据(4313例病灶,来自41篇出版物)
α/β估计值:病灶水平37.5-52 Gy,荟萃分析161.4 Gy,置信区间宽 GTV作为协变量:log(GTV)风险比1.12,P=0.21(不显著) 经过时间:每增加1天风险比1.01,P=0.33(不显著) DVH低剂量部分(第10百分位剂量)比平均剂量预测性更好 使用4种DVH汇总方式(平均剂量、第10百分位、幂律、细胞存活模型)
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。
收集接受分次放疗的HCC患者病灶数据,构建基于DVH的多种LQ模型,以估计α/β比值。
回顾性收集了来自两所机构(2008-2021年)的390个病灶,记录GTV、处方剂量、分次数、DVH、经过时间。采用Cox比例风险模型,分别使用DVH平均剂量、第10百分位剂量、幂律DVH和细胞存活DVH四种表达式进行拟合。
评估不同统计模型和数据选择对α/β估计的影响,确保结论稳健。
进行了多种敏感性分析,包括仅考虑2年内复发、分层Cox模型、排除经过时间、使用处方剂量、排除β项、岭回归惩罚Cox模型、使用第5百分位剂量、每例患者仅选最大病灶、AFT模型、加权逻辑回归模型等。
基于文献汇总数据,估计不同分次方案下的α/β比值。
使用Liu等人补充材料中的46种分次方案数据,包括各时间点的复发率、平均处方剂量、平均分次数、平均经过时间、T1分期比例。采用广义线性模型,假设自回归协方差结构,以复发率反正弦变换为响应变量。
按研究目的归类文中使用的方法,便于定位所需技术。
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 |
|---|---|
| 病灶水平数据收集 | 患者来源机构(UM和PMCC)、治疗时间(2008-2021)、病灶数量(390)、GTV范围(1.3-281.7 cc)、总剂量范围(24-60 Gy)、分次方案(3-6次为主) 阅读提示:Methods and Materials: Study design for lesion-level data |
| DVH模型拟合 | DVH数据来源(实际传递剂量)、四种DVH汇总方法(平均剂量、第10百分位、幂律、细胞存活)、Cox模型协变量(log(GTV)、经过时间) 阅读提示:Methods and Materials: Statistical methods and radiobiological models for lesion-level data |
| 荟萃分析数据 | 数据来源(Liu等人补充材料)、分次方案数(46)、总病灶数(4313)、总剂量范围(33-72 Gy)、分次数范围(3-18)、每分次剂量范围(2.5-19 Gy) 阅读提示:Methods and Materials: Meta-analysis data |