研究人群构建
建立接受一线AB治疗的uHCC患者队列
从多中心意大利ARTE数据库中筛选2022年6月至2025年7月期间接受一线AB治疗的uHCC患者,排除100例接受其他方案者,最终纳入538例。
Stratifying Cardiovascular Risk in Patients With HCC Receiving Atezolizumab/Bevacizumab: A Comparison of ESC and CARDIOSOR Scores
回顾性分析前瞻性多中心队列,含风险分层、竞争风险模型及区分度评估,但无外部验证或机制实验。
不可切除肝细胞癌(uHCC)患者队列(ARTE数据库,n=538)
心血管风险分层工具:ESC Cardio-Oncology分类(4级)和CARDIOSOR评分(低危≤4,高危>4) 主要终点:tMACE(急性冠脉综合征、心力衰竭、脑血管事件、外周缺血)和eMACE(tMACE+静脉血栓栓塞+免疫相关心肌炎) 竞争风险分析:治疗中止(含死亡或疾病进展)作为竞争事件,采用Fine–Grey subdistribution hazard模型 区分度评估:Harrell's c-index(适配竞争风险)及bootstrap乐观校正(1000次重抽样) 随访时间:中位随访22.4个月(95% CI 20.9–24.0),事件时间定义为AB开始至首次心血管事件或治疗中止后30天内
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。
建立接受一线AB治疗的uHCC患者队列
从多中心意大利ARTE数据库中筛选2022年6月至2025年7月期间接受一线AB治疗的uHCC患者,排除100例接受其他方案者,最终纳入538例。
使用ESC和CARDIOSOR工具对患者进行基线心血管风险分类
依据ESC Cardio-Oncology算法和CARDIOSOR评分标准,对每例患者进行风险分类。
记录并分类随访期间发生的心血管不良事件
前瞻性记录心血管事件,根据预设定义分为tMACE和eMACE,所有事件需专科评估并按既定诊断标准诊断。
评估风险分层工具与心血管事件的关联及其区分能力
采用竞争风险方法估计tMACE和eMACE的累积发生率,Fine–Grey subdistribution hazard模型评估关联,计算Harrell's c-index并进行bootstrap乐观校正。
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 |
|---|---|
| 研究人群构建 | 数据来源(ARTE数据库)、纳入时间范围(2022年6月至2025年7月)、治疗线数(一线)、治疗方案(AB)、最终样本量(538例) 阅读提示:Methods 2.1 Study Population、2.2 Patient Selection;Results 3.1 Study Population |
| 心血管风险分层 | ESC分类标准(各风险等级定义及累计评分阈值)、CARDIOSOR评分标准(各条件赋值及高低危切点) 阅读提示:Methods 2.4 ESC Cardio-Oncology Score、2.5 CARDIOSOR Score |
| 心血管事件监测与定义 | tMACE和eMACE的具体定义、事件时间窗(治疗中止后30天内)、事件诊断标准及专科评估要求 阅读提示:Methods 2.3 Definition of 'Traditional MACE' and 'Extended MACE' |
| 竞争风险分析与区分度评估 | 竞争事件定义(治疗中止)、统计模型(Fine–Grey)、区分度指标(Harrell's c-index)、bootstrap重抽样次数(1000次)、显著性水平(p<0.05) 阅读提示:Methods 2.6 Statistical Analysis;Results 3.5 Discriminative Abilities of ESC and CARDIOSOR |