作者投稿
专家审稿
编辑办公
邮件订阅
RSS
Development and Validation of A Prognosis Prediction Model for Esophageal Squamous Cell Carcinoma Patients Treated with Esophagectomy: A Multicenter Real-world Cohort Study
-
摘要:目的 建立并验证食管鳞状细胞癌患者根治术后生存预后预测模型与风险分级标准，为术后最优辅助治疗方案的确定提供真实世界证据。方法 分别收集2011年5月31日至2018年7月31日在河南省安阳市肿瘤医院(安阳中心)和2009年8月1日至2018年12月31日在广东省汕头大学医学院附属肿瘤医院(汕头中心)连续就诊的食管鳞状细胞癌患者的临床数据和生存随访数据。以安阳中心数据集为建模集，采用基于多因素Cox比例风险回归逐步后退法和AIC准则(Akaike information criterion)的“两步法”构建总生存预测模型。通过Bootstrap重抽样1 000次对模型进行内部统计验证，在汕头中心数据集进行外部验证。根据列线图得分构建预后风险分级标准。结果 建模队列和验证队列分别纳入4 171例和1 895例食管鳞状细胞癌患者。模型由年龄、性别、肿瘤原发位置、T分期、N分期、淋巴结清扫数、肿瘤大小、辅助治疗方案和术前血红蛋白水平9个变量组成。其中，N分期与辅助治疗方案存在显著交互作用(P＜0.001)，即与单纯手术相比，N+期患者可能从辅助治疗中获益，但辅助治疗无法改善N0期患者的预后。建模队列的模型一致性指数(C-index)为0.728 (95% CI: 0.713~0.742)，经Bootstrap内部验证后为0.722 (95% CI: 0.711~0.739)，验证队列的模型C-index为0.679 (95% CI: 0.662~0.697)。校准图提示模型预测生存率与观测生存率一致性良好。在两个队列中模型准确性均显著高于第7版AJCC(American Joint Committee on Cancer)TNM分期系统(P＜0.05)。此外，在各TNM分期内部，该模型仍可实现理想的预后风险分层效果。结论 本研究为我国食管鳞状细胞癌患者根治术后总生存提供了个体化预测模型，并揭示N分期可能是制订食管鳞状细胞癌患者术后辅助治疗方案的重要决定因素。Abstract:Objective To construct and validate a prognosis prediction model and a risk stratification tool for more precise and individualized evaluation of prognosis for patients following resection of esophageal squamous cell carcinoma (ESCC), and provide real-world evidence for informing optimal decision-making about adjuvant therapy.Methods The comprehensive clinical data and follow-up data were collected from consecutive patients with ESCC in the Anyang Cancer Hospital (Anyang center) from May 31, 2011 to July 31, 2018, and in the Cancer Hospital of Shantou University Medical College (Shantou center) from August 1, 2009 to December 31, 2018. Patients from the Anyang center formed the training cohort, and a two-phase selection based on backward stepwise multivariable Cox proportional hazard regression and minimization of AIC was used to construct prediction model for overall survival (OS). Bootstrap with 1 000 resamples was used for internal validation, and cohort from the Shantou center was used for external validation. Furthermore, a risk stratification tool was constructed according to the tertiles of the total points derived from nomogram in the training cohort.Results A total of 4 171 eligible patients were included in the training cohort, and 1 895 patients were included in the validation cohort. The final model incorporated nine variables: age, sex, primary tumor location, T stage, N stage, number of lymph nodes harvested, tumor size, adjuvant treatment, and preoperative hemoglobin level. A significant interaction was observed between N stage and adjuvant treatment (P < 0.001), which means that N+ stage patients were likely to benefit from addition of adjuvant therapy as opposed to surgery alone, but adjuvant therapy did not improve OS for N0 stage patients. The C-index of the model was 0.728 (95% CI: 0.713-0.742) in the training cohort, 0.722 (95% CI: 0.711-0.739) after bootstrapping, and 0.679 (95% CI: 0.662-0.697) in the external validation cohort. Calibration plots demonstrated favorable agreement between model prediction and actual observation for 1-, 3- and 5-year OS. In both training and validation cohorts, this model outperformed the seventh edition of the AJCC TNM (tumor, lymph node, and metastasis) staging system in terms of the accuracy of prognostic prediction (P < 0.05). Moreover, within each TNM staging group, this model achieved ideal risk stratification.Conclusions The prediction model constructed in this study may provide individualized survival prediction for patients with resected ESCC in China. This study also demonstrated that the N stage may be a fundamental determinant in planning postoperative adjuvant therapy for ESCC patients.
-
食管癌是全球第七大常见癌症和第六大癌症致死原因[1]。全球每年超半数食管癌新发病例和死亡病例发生在我国，其中90%以上病例为鳞状细胞癌[1-2]。食管鳞状细胞癌患者预后较差，5年相对生存率为20%~30%[3-6]，外科手术患者5年观察生存率为40%~59%[7-9]。目前临床实践中，根治性手术切除结合或不结合辅助治疗仍是治疗局部中晚期食管鳞状细胞癌最主要的策略。然而，长期以来食管鳞状细胞癌外科诊疗领域一直存在两大关键挑战，为患者的评估与管理、医生的临床决策带来困难。
首先，患者术后生存评估总体精准度不足。食管鳞状细胞癌预后影响因素较多，既往研究提示患者特征(如年龄、性别[10-11])、肿瘤临床病理特征(如原发位置、肿瘤大小[12-13])、治疗策略(如辅助治疗[14])、分子标志物(如炎症相关因子[15])等均与预后相关，患者预后异质性明显。而现有TNM分期系统对预后风险的评估与管理准确性欠佳且不能同时考量多维度因素的“联合作用”。因此，应同时整合多个有独立分辨能力的预测因素构建风险预测模型，实现预后风险的综合评估。近年来，已有多项研究基于医院患者队列构建了食管鳞状细胞癌生存预测模型，各模型一致性指数(C-index)在0.62~0.77不等[16-28]。但既往研究整体质量不高，存在样本量较小(＜500例)、单中心研究设计、缺乏独立外部验证、研究报告不规范等局限性。此外，鲜有研究将模型转换为临床易用的工具并阐释其潜在应用场景与条件。因此，亟需开展基于大样本患者人群队列的预后预测模型研究，深入挖掘和构建具有较高预测价值、结构简单易于解释的预后预测模型并进行有效的内部、外部验证，最终形成具有明确推广应用价值的食管鳞状细胞癌预后评估方案。
其次，术后辅助治疗决策依据不足。多年来，辅助治疗的疗效一直未获得高级别研究证据支持，术后是否应给予辅助治疗、给予何种治疗，仍存在争议。既往Meta分析提示术后辅助治疗可能改善患者的长期生存，但纳入的原始研究以观察性研究为主，存在样本量小、数据陈旧等局限性[29-31]。美国国立综合癌症网络(National Comprehensive Cancer Network，NCCN)指南推荐根据手术切缘情况(R0/R1切除)进行相应的辅助治疗[32]，但该项建议仅来源于食管胃交界部腺癌或胃癌的随机对照研究[33-34]，辅助治疗在食管鳞状细胞癌中的应用经验与真实世界证据依然不足。
本研究拟基于多中心真实世界临床数据与长期生存随访数据，建立并验证多因素一体化预后预测模型与风险分级标准，为术后辅助治疗决策提供高质量循证医学证据。
1. 资料与方法
1.1 研究中心与研究对象
本研究为多中心真实世界队列研究。依托河南省安阳市肿瘤医院(安阳中心)和广东省汕头大学医学院附属肿瘤医院(汕头中心)建立合作研究基地，分别连续募集2011年5月31日至2018年7月31日在安阳中心和2009年8月1日至2018年12月31日在汕头中心就诊的食管癌患者。纳入标准：(1)病理诊断为食管鳞状细胞癌；(2)行根治性食管癌切除术；(3)无远端转移。排除标准：(1)随访信息缺失(即截至本研究随访结束从未获得过患者的存活或死亡状态)；(2)随访至第6个月后失访(即末次随访为存活但总随访时长小于6个月，以尽可能排除未完成抗癌治疗的患者)；(3)发生院内死亡或围治疗期1个月内死亡；(4)接受新辅助治疗；(5)临床资料不完整(即构建模型时任一预测变量为缺失)。
本研究已通过北京肿瘤医院医学伦理委员会审批(审批号：2018KT68)，并豁免患者知情同意。
1.2 临床数据收集与患者生存随访
通过自然语言处理技术提取(零氪科技公司提供技术支持)、现有数据系统分类导出、人工核查与质控等方式，从医院信息管理系统、病案首页系统、临床检验数据管理系统等收集临床数据，覆盖患者基本特征、住院情况、肿瘤临床病理特征、临床治疗情况、常规实验室检验指标等信息。
对临床数据进行预处理。排除缺失比例＞5%的变量。对于缺失比例≤5%的检验数据，用各变量的中位值进行填补。尝试使用连续变量原始值、根据不同截断值将连续变量转换为分类变量等多种方式进行模型构建，最终根据模型整体性能、结果可解释性及后续临床理解与应用，决定采用年龄多分类变量、红细胞等检验数据二分变量(正常或异常)进行分析。根据第7版AJCC (American Joint Committee on Cancer)食管癌分期指南[35]对TNM分期进行重新定义与分类。辅助治疗定义为无论采用何种治疗方案、剂量或给药方法，只要术后进行至少一个周期的化疗或放疗。经数据预处理，共纳入52个潜在预测变量用于模型构建，包括年龄、性别、民族、籍贯、职业、婚姻状况、医保类型、吸烟史、饮酒史、共病、肿瘤家族史、食管癌家族史、原发位置、病理分化程度、T分期、N分期、M分期、TNM分期、大体分型、肿瘤大小、手术切缘、区域淋巴结清扫组数、区域淋巴结清扫数、手术时长、手术方式、手术径路、术式、术中输血情况、辅助治疗、白细胞计数(×109/L)、红细胞计数(×1012/L)、血小板计数(×109/L)、中性粒细胞计数(×109/L)、淋巴细胞计数(×109/L)、单核细胞计数(×109/L)、嗜酸性粒细胞计数(×109/L)、嗜碱性粒细胞计数(×109/L)、血型、总蛋白(g/L)、白蛋白(g/L)、球蛋白(g/L)、白蛋白/球蛋白比值、钠(mmol/L)、钾(mmol/L)、钙(mmol/L)、氯(mmol/L)、中性粒细胞/淋巴细胞比值、血小板/淋巴细胞比值、淋巴细胞/单核细胞比值、系统性免疫炎症指数和预后营养指数。
各中心采用电话随访等方式对出院患者的生存状态进行个体水平的年度随访。随访周期为前两年每3个月随访1次，两年后改为每6个月随访1次。随访成功定义为在整个随访期内患者发生了死亡或至少有1次随访记录到了存活状态。本研究安阳中心、汕头中心的随访时间分别截至2018年7月19日、2022年6月7日。
1.3 变量筛选与模型构建
研究结局为总生存期，定义为从患者第1次入院至因任何原因导致死亡或最后一次随访的时间间隔。以安阳中心为建模队列，使用基于多因素Cox比例风险回归逐步后退法与AIC准则(Akaike information criterion)的“两步法”进行变量降维与模型构建：
(1) 第1步，根据变量内在性质与临床相关性，将52个潜在预测变量归为4个维度，包括人口学特征、肿瘤临床病理特征、治疗策略、实验室检查指标；在每个维度内将所有变量纳入多因素Cox回归模型，使用逐步后退法与AIC准则进行变量初步筛选。
(2) 第2步，将初步筛选得到的变量放入同一多因素Cox回归模型，再次使用逐步后退法并结合专业知识进行综合筛选，同时逐一评估筛选出变量的两两交互作用及纳入交互作用项后模型的整体性能，根据AIC最小化准则决定预测模型的最终结构。绘制列线图将模型结构可视化。
1.4 模型评价与验证
计算C-index评估模型的区分度。使用R软件Hmisc包rcorrp.cens函数[36]比较模型与TNM分期C-index的差异。绘制校准曲线评估模型预测结果与实际结果的符合程度。为评估结果的稳健性，在完整数据集(即剔除含有缺失数据的所有记录)中对模型区分度和校准度进行敏感性分析。
在建模队列中采用Bootstrap法重抽样1 000次对模型进行内部验证[37]。以汕头中心为验证队列对模型进行外部独立验证。
1.5 预后风险分级标准的构建
以建模队列研究对象列线图总得分的三分位数为截断值，将研究对象划分为低、中、高3个风险组。绘制各分期内不同风险组的Kaplan-Meier生存曲线并采用Log-rank检验比较差异。采用Stata 16.0和R 4.1.2软件进行数据处理和统计分析。非正态分布计量资料以中位数(四分位数)表示，组间比较采用t检验；计数资料以频数(百分数)表示，组间比较采用卡方检验。以双侧检验P＜0.05为差异有统计学意义。
2. 结果
2.1 患者特征与生存情况
建模队列(安阳中心)和验证队列(汕头中心)分别纳入4171例和1895例食管鳞状细胞癌外科手术患者，纳入及排除流程详见图 1。从4个维度52个潜在预测变量中筛选出16个候选变量(表 1)，除肿瘤原发位置在两组分布无显著性差异外，其他特征差异均具有统计学意义(P＜0.001)。
表 1 建模队列与验证队列患者特征比较特征 建模队列(n=4171) 验证队列(n=1895) P值† 例数(%)* 死亡例数(%)# 例数(%)* 死亡例数(%)# 年龄(岁) ＜0.001 ＜60 966(23.2) 232(24.0) 889(46.9) 373(42.0) 60~64 1168(28.0) 294(25.2) 511(27.0) 225(44.0) 65~69 1136(27.2) 326(28.7) 272(14.4) 120(44.1) 70~74 626(15.0) 199(31.8) 168(8.9) 87(51.8) ≥75 275(6.6) 95(34.5) 55(2.9) 38(69.1) 性别 ＜0.001 女 1656(39.7) 403(24.3) 475(25.1) 185(38.9) 男 2515(60.3) 743(29.5) 1420(74.9) 658(46.3) 共病‡ ＜0.001 否 2426(58.2) 627(25.8) 1437(75.8) 629(43.8) 是 1745(41.8) 519(29.7) 458(24.2) 214(46.7) 食管癌家族史§ ＜0.001 否 3013(72.2) 847(28.1) 1643(87.5) 737(44.9) 是 1158(27.8) 299(25.8) 235(12.5) 100(42.6) 原发位置 0.235 食管下段 781(18.7) 212(27.1) 373(19.7) 179(48.0) 食管中段 2745(65.8) 708(25.8) 1259(66.4) 547(43.4) 食管上段 645(15.5) 226(35.0) 263(13.9) 117(44.5) T分期 ＜0.001 T0~T1 959(23.0) 87(9.1) 221(11.7) 38(17.2) T2 1019(24.4) 257(25.2) 296(15.6) 121(40.9) T3 2037(48.8) 719(35.3) 697(36.8) 311(44.6) T4 156(3.7) 83(53.2) 681(35.9) 373(54.8) N分期 ＜0.001 N0 2576(61.8) 473(18.4) 969(51.1) 306(31.6) N1 1041(25.0) 389(37.4) 484(25.5) 233(48.1) N2~N3 554(13.3) 284(51.3) 442(23.3) 304(68.8) 淋巴结清扫数(个) ＜0.001 0~9 617(14.8) 205(33.2) 74(3.9) 42(56.8) 10~19 2358(56.5) 661(28.0) 498(26.3) 226(45.4) 20~29 963(23.1) 240(24.9) 724(38.2) 306(42.3) ≥30 233(5.6) 40(17.2) 599(31.6) 269(44.9) 治疗方案 ＜0.001 单纯手术 2774(66.5) 656(23.6) 1063(56.1) 424(39.9) 手术+术后化疗 1158(27.8) 376(32.5) 272(14.4) 114(41.9) 手术+术后放疗 107(2.6) 50(46.7) 362(19.1) 183(50.6) 手术+术后放化疗 132(3.2) 64(48.5) 198(10.4) 122(61.6) 手术方式 ＜0.001 OE 2929(70.2) 858(29.3) 1382(72.9) 682(49.3) MIE 1242(29.8) 288(23.2) 513(27.1) 161(31.4) 肿瘤大小(cm) ＜0.001 M(P25, P75) 4.0(3.0，5.0) 5.0(4.0，6.0) 红细胞(×1012/L) ＜0.001 ≥4.3 2859(68.5) 739(25.8) 1594(84.1) 678(42.5) ＜4.3 1312(31.5) 407(31.0) 301(15.9) 165(54.8) 血红蛋白(g/L) ＜0.001 ≥130(男)/115(女) 3105(74.4) 833(26.8) 1567(82.7) 692(44.2) ＜130(男)/115(女) 1066(25.6) 313(29.4) 328(17.3) 151(46.0) 嗜酸性粒细胞(×109/L) ＜0.001 ≥0.02 3387(81.2) 935(27.6) 1828(96.5) 811(44.4) ＜0.02 784(18.8) 211(26.9) 67(3.5) 32(47.8) 系统性免疫炎症指数 ＜0.001 ≤650 1905(45.7) 502(26.4) 1203(63.5) 540(44.9) ＞650 2266(54.3) 644(28.4) 692(36.5) 303(43.8) 白蛋白/球蛋白比值 ＜0.001 ≥1.2 2757(66.1) 706(25.6) 1803(95.1) 802(44.5) ＜1.2 1414(33.9) 440(31.1) 92(4.9) 41(44.6) OE：开放食管切除术；MIE：微创食管切除术；*变量中各亚组占总人数的比例; #各亚组内死亡人数占该组人数的比例；†采用χ2检验、t检验；‡患有高血压、糖尿病或心脏病中的任何一种疾病；§验证队列有17例患者食管癌家族史信息缺失 本研究建模队列、验证队列随访率分别为70.9%、95.5%。经中位37.1(22.5~54.6)个月和97.0(65.8~127.2)个月随访，建模队列和验证队列分别有1 146例(27.5%)和843例(44.5%)患者死亡。建模队列患者1年、3年、5年生存率分别为92.9% (95% CI：92.1%~93.7%)、70.5%(95% CI：68.9%~72.1%)、58.9%(95% CI：56.7%~ 61.1%)，验证队列分别为88.5%(95% CI：87.1%~89.9%)、66.0%(95% CI：63.9%~68.2%)、58.3%(95% CI：56.1%~60.7%)。
2.2 预后预测模型结构
将从4个维度筛选得到的16个候选预测变量放入同一多因素Cox回归模型。使用AIC逐步后退法筛选出9个预测变量，分别为年龄、性别、原发位置、T分期、N分期、淋巴结清扫数、肿瘤大小、治疗方案和术前血红蛋白水平。两两交互作用评估显示，术后辅助治疗方案与N分期存在交互。最终模型结构与预测变量权重如表 2所示。根据预测模型各变量系数将模型结构可视化为列线图(图 2)。
表 2 建模队列预后预测变量的单因素和多因素Cox回归模型分析结果预测变量 n(%) 单因素分析 多因素Cox回归模型分析 HR(95% CI) P值 HR(95% CI) P值 年龄(岁) ＜60 966(23.2) 1.00 1.00 60~64 1168(28.0) 1.16(0.98~1.38) 0.085 1.18(0.99~1.41) 0.061 65~69 1136(27.2) 1.45(1.23~1.72) ＜0.001 1.50(1.26~1.78) ＜0.001 70~74 626(15.0) 1.74(1.44~2.10) ＜0.001 1.62(1.33~1.96) ＜0.001 ≥75 275(6.6) 1.99(1.57~2.53) ＜0.001 1.90(1.49~2.42) ＜0.001 性别 女 1656(39.7) 1.00 1.00 男 2515(60.3) 1.25(1.10~1.41) ＜0.001 1.09(0.97~1.24) 0.157 原发位置 食管下段 781(18.7) 1.00 1.00 食管中段 2745(65.8) 0.95(0.81~1.10) 0.492 1.08(0.93~1.27) 0.304 食管上段 645(15.5) 1.28(1.06~1.54) 0.011 1.59(1.31~1.93) ＜0.001 T分期 T0~T1 959(23.0) 1.00 1.00 T2 1019(24.4) 2.89(2.26~3.68) ＜0.001 2.07(1.61~2.66) ＜0.001 T3 2037(48.8) 4.61(3.69~5.76) ＜0.001 3.00(2.37~3.80) ＜0.001 T4 156(3.7) 9.64(7.13~13.02) ＜0.001 5.10(3.69~7.06) ＜0.001 淋巴结清扫数(个) 0~9 617(14.8) 1.00 1.00 10~19 2358(56.5) 0.95(0.81~1.11) 0.512 0.81(0.69~0.95) 0.009 20~29 963(23.1) 1.04(0.86~1.25) 0.687 0.73(0.61~0.89) 0.001 ≥30 233(5.6) 0.87(0.62~1.23) 0.430 0.52(0.37~0.73) ＜0.001 肿瘤大小(cm) M(P25, P75) 4.0(3.0，5.0) 1.17(1.14~1.21) ＜0.001 1.04(1.00~1.08) 0.070 血红蛋白(g/L) ≥130(男)/115(女) 3105(74.4) 1.00 1.00 ＜130(男)/115(女) 1066(25.6) 1.39(1.22~1.58) ＜0.001 1.33(1.16~1.52) ＜0.001 治疗方案根据N分期分层* N0 单纯手术 2040(79.2) 1.00 1.00 手术+术后化疗 462(17.9) 1.54(1.24~1.90) ＜0.001 1.25(1.00~1.55) 0.047 手术+术后放疗 37(1.4) 2.33(1.39~3.91) 0.001 1.73(1.03~2.92) 0.040 手术+术后放化疗 37(1.4) 4.36(2.78~6.85) ＜0.001 2.87(1.82~4.53) ＜0.001 N1 单纯手术 506(48.6) 1.00 1.00 手术+术后化疗 434(41.7) 0.73(0.59~0.90) 0.003 0.81(0.65~1.00) 0.053 手术+术后放疗 48(4.6) 0.82(0.53~1.28) 0.392 0.79(0.51~1.24) 0.312 手术+术后放化疗 53(5.1) 1.13(0.72~1.78) 0.585 1.08(0.68~1.70) 0.752 N2~N3 单纯手术 228(41.2) 1.00 1.00 手术+术后化疗 262(47.3) 0.66(0.51~0.85) 0.001 0.77(0.60~0.99) 0.041 手术+术后放疗 22(4.0) 0.98(0.55~1.73) 0.941 0.87(0.49~1.55) 0.642 手术+术后放化疗 42(7.6) 0.83(0.53~1.29) 0.408 0.85(0.54~1.33) 0.481 HR：风险比；*根据N分期分层估计各辅助治疗相对于单纯手术的风险比 2.3 预后预测模型评价与验证
建模队列模型C-index为0.728(95% CI: 0.713~0.742)，经Bootstrap统计验证后为0.722(95% CI: 0.711~0.739)，验证队列为0.679(95% CI: 0.662~0.697)。两个队列中本研究所构建的模型区分度均显著优于第7版AJCC TNM分期系统[建模队列TNM分期C-index：0.695(95% CI: 0.680~0.710)，P＜0.001；验证队列TNM分期C-index：0.651(95% CI: 0.634~0.668)，P=0.002]。
模型校准图显示，建模队列的1年、3年、5年校准曲线均与标准曲线(斜率为1的对角线)有较好重叠(图 3A)；验证队列的校准曲线同样反映出模型预测生存率与观测值一致性良好(图 3B)。
![]()
图 3 食管鳞状细胞癌患者根治术后生存预后预测模型在建模队列和验证队列的1年、3年、5年生存率预测校准图A.建模队列填补数据集；B.验证队列填补数据集；C.建模队列完整数据集；D.验证队列完整数据集敏感性分析中建模队列、验证队列分别纳入3966例、1891例患者，模型C-index分别为0.725(95% CI: 0.710~0.740)、0.680(95% CI: 0.662~0.697)。校准图显示模型区分度良好，详见图 3C~3D。
2.4 预后风险分级标准
如表 3所示，根据模型构建的风险分级标准将建模队列患者等分为低、中、高风险组，验证队列中低、中、高风险组分别占比25.0%、27.3%、47.7%。两个队列低风险组患者5年生存率均最高(建模队列、验证队列分别为82.8%、82.0%)，其次为中风险组(62.9%、62.9%)，高风险组最低(31.6%、42.9%)。
表 3 食管鳞状细胞癌患者根治术后预后风险分级标准在建模队列和验证队列的效果评估风险组 截断值§ 建模队列(n=4171) 例数(%)* 死亡例数(%)# 生存率(%，95% CI) 1年 3年 5年 低风险 [0，11.72978) 1390(33.3) 139(10.0) 98.4(97.7~99.0) 90.3(88.5~92.2) 82.8(79.7~86.0) 中风险 [11.72978，16.60198) 1390(33.3) 347(25.0) 94.9(93.8~96.1) 73.5(70.9~76.3) 62.9(59.4~66.7) 高风险 [16.60198，∞) 1391(33.3) 660(47.4) 85.3(83.4~87.2) 47.4(44.4~50.7) 31.6(28.2~35.5) 风险组 验证队列(n=1895) 例数(%)* 死亡例数(%)# 生存率(%，95% CI) 1年 3年 5年 低风险 474(25.0) 101(21.3) 97.3(95.8~98.7) 87.1(84.1~90.2) 82.0(78.5~85.6) 中风险 517(27.3) 211(40.8) 93.2(91.1~95.4) 71.5(67.7~75.6) 62.9(58.8~67.3) 高风险 904(47.7) 531(58.7) 81.1(78.6~83.7) 51.6(48.4~55.0) 42.9(39.7~46.4) §截断值依据建模队列列线图总得分的三分位数确定；*同表 1；#同表 1 分别在建模队列、验证队列总人群中绘制不同风险组的Kaplan-Meier生存曲线(图 4A~4B)，提示患者风险等级越高其生存预后越差，且差异具有显著统计学意义(P＜10-6)。在0~Ⅰ、Ⅱ、Ⅲ各期别内，该模型均能将患者生存状况进一步细分，详见图 4C~4H。
3. 讨论
食管鳞状细胞癌的临床转归是一个多因素参与、多维度外显的过程，人群“同病同治不同结局”异质性明显。长期以来，预后评估精准度不佳、术后辅助治疗决策依据不足，给食管鳞状细胞癌患者的个体化、精准化预后风险评估和治疗决策带来了挑战。为解决上述关键问题，本研究基于我国北方高发区和南方非高发区食管鳞状细胞癌患者全面、多维度的临床大数据和长期生存随访数据，建立并验证了一个食管鳞状细胞癌患者根治术后个体化生存预后预测模型，同时建议术后辅助治疗决策可依据患者N分期而定。
本研究所提出的预后模型由9个预测变量构成。模型在建模队列中显示出良好的性能。与来自我国北方太行山脉食管癌高发区的建模人群不同，外部验证队列基于我国南方地区建立。总体上，两个队列存在明显异质性。该异质性真实代表了两地区患者的人群流行病学特征[38]，高发区大规模人群肿瘤早期筛查项目带来的肿瘤“降期效应”[39]，以及外科治疗理念、技术应用的差异。尽管如此，模型在外部验证队列中仍表现出理想的区分能力。此外，两个队列定时点校准曲线均与标准曲线有较好的重合，也证明本模型具有良好的可靠性、稳健性、人群适用性及推广价值。
TNM分期系统是目前临床应用最为广泛的预后评估标准。然而，与同时整合多维度预测因子的综合模型相比，仅依靠分期的单一模式风险评估方法精确度和准确度较差。本研究显示，模型在建模队列与验证队列的预测准确率均显著高于TNM分期。此外，在各分期内模型仍可实现理想的风险分层效果。说明本预后预测模型突破了传统TNM分期在预后分层方面的“天花板”，可更准确地评估患者预后，从而具有明确的临床应用价值。
模型多因素分析提示，患者年龄越大、男性、食管上段肿瘤、T分期越晚、N分期越晚、肿瘤越大，预后越差；淋巴结清扫数量越多，预后越好。以上结果均与既往研究一致[10-13, 40-41]。此外，本研究发现术前血红蛋白水平是食管鳞状细胞癌患者预后的影响因素。既往研究提示，食管鳞状细胞癌患者发生营养不良的风险较高[42]，术前血红蛋白水平降低在一定程度上反映出患者营养、免疫状况较差，这可能影响患者抗癌治疗的耐受性，进而影响治疗效果[43]。因此，积极的营养干预在改善食管癌患者预后生存等方面具有重要意义[44]。
值得一提的是，本研究发现N分期与术后辅助治疗方案存在交互。与单纯手术相比，仅有淋巴结转移的患者可能从术后辅助治疗中获益；而无淋巴结转移的患者不仅无法获益，甚至还可能在一定程度上承受较高的死亡风险。既往研究也发现，对于淋巴结阳性的食管鳞状细胞癌患者，术后化疗可降低局部复发和远端转移风险，从而改善长期生存[45-46]。对于N0期食管腺癌患者，与未接受辅助治疗的患者相比，辅助化疗结合或不结合放疗均未能提高患者的生存率，甚至可能使其面临治疗的毒性风险[47]。
为促进本模型的临床应用，本研究构建了简单易用的“在线预后预测工具” (https://fxpg.bjcancer.org/ecms/ptools/ec.html)。医生和患者可实现预后生存的自测自评和风险管理，并通过比较术后生存水平明确术后辅助治疗的最优方案。未来，随着人工智能技术的发展、电子病历系统的进一步推广和完善，将该工具开发为操作简便的临床辅助决策支持系统并与医院各业务系统(如HIS系统)深度整合，依靠人工智能(如自然语言处理技术)从病历自动提取、处理所需信息，并快速、准确地给出可视化预后评估结果和个体化治疗建议，可明显增加其临床应用价值。
本研究存在如下局限性：首先，由于部分变量数据缺失，无法评估某些潜在的预后预测因素，如体质量指数、脉管癌栓等。其次，因数据占比低，接受新辅助治疗的患者未能纳入分析。
4. 小结
综上，基于多中心真实世界临床大数据和长期生存随访数据，本研究构建并验证了食管鳞状细胞癌患者根治术后生存预后预测模型，为该患者群体及临床实践提供了更为准确的生存预测工具，同时也为“术后是否应进行辅助放化疗以及何种类型的患者可以从中获益”这一重要临床问题提供了高质量的真实世界证据，具有明确的临床转化和循证医学价值。
【方法学点评】
北京大学肿瘤医院暨北京市肿瘤防治研究所何忠虎教授、柯杨教授
相对于严格纳排的随机对照设计，针对复杂多样的实际临床问题，基于真实世界数据开展研究者发起的临床研究，可在临床干预效果评估与诊疗决策方面提供高质量的循证医学证据。
本项研究采用多中心真实世界研究设计，基于我国南方、北方两个中心近6000例食管鳞状细胞癌根治术后患者多维度临床大数据及长达10年的生存随访，构建并验证了符合我国食管鳞状细胞癌患者特征的根治术后总生存预测工具与分级标准。与现行评估系统相比，该模型在建模与验证两个队列中的预后评估准确率均显著高于TNM分期系统，且在各分期内部，这一模型仍可实现理想的风险分层效果。在实现个体化预后预测基础上，该项研究还进一步揭示了“肿瘤N分期在患者术后辅助治疗策略与预后方面的重要作用”。该结果将有利于明确不同术后辅助治疗方案的最佳获益群体，助力我国食管鳞状细胞癌外科治疗个体化与精准化发展，具有明确的临床应用与转化价值。
作者贡献：柯杨、何忠虎负责研究设计与论文修订；何忠虎、杨文蕾、刘芳芳、何煜、刘震负责数据整理、统计分析、论文撰写；徐瑞平、杨伟、周福有、张立新、陈蕾负责数据获取；徐瑞平、杨伟、周福有、张立新、陈蕾、侯波林、张凡、蔡奋、许铧文、林妙萍、衡反修、刘萌飞、潘雅琪、刘英、胡喆、陈环宇负责数据集建立与质量控制。利益冲突：所有作者均声明不存在利益冲突 -
![]()
图 3 食管鳞状细胞癌患者根治术后生存预后预测模型在建模队列和验证队列的1年、3年、5年生存率预测校准图
A.建模队列填补数据集；B.验证队列填补数据集；C.建模队列完整数据集；D.验证队列完整数据集
表 1 建模队列与验证队列患者特征比较
特征 建模队列(n=4171) 验证队列(n=1895) P值† 例数(%)* 死亡例数(%)# 例数(%)* 死亡例数(%)# 年龄(岁) ＜0.001 ＜60 966(23.2) 232(24.0) 889(46.9) 373(42.0) 60~64 1168(28.0) 294(25.2) 511(27.0) 225(44.0) 65~69 1136(27.2) 326(28.7) 272(14.4) 120(44.1) 70~74 626(15.0) 199(31.8) 168(8.9) 87(51.8) ≥75 275(6.6) 95(34.5) 55(2.9) 38(69.1) 性别 ＜0.001 女 1656(39.7) 403(24.3) 475(25.1) 185(38.9) 男 2515(60.3) 743(29.5) 1420(74.9) 658(46.3) 共病‡ ＜0.001 否 2426(58.2) 627(25.8) 1437(75.8) 629(43.8) 是 1745(41.8) 519(29.7) 458(24.2) 214(46.7) 食管癌家族史§ ＜0.001 否 3013(72.2) 847(28.1) 1643(87.5) 737(44.9) 是 1158(27.8) 299(25.8) 235(12.5) 100(42.6) 原发位置 0.235 食管下段 781(18.7) 212(27.1) 373(19.7) 179(48.0) 食管中段 2745(65.8) 708(25.8) 1259(66.4) 547(43.4) 食管上段 645(15.5) 226(35.0) 263(13.9) 117(44.5) T分期 ＜0.001 T0~T1 959(23.0) 87(9.1) 221(11.7) 38(17.2) T2 1019(24.4) 257(25.2) 296(15.6) 121(40.9) T3 2037(48.8) 719(35.3) 697(36.8) 311(44.6) T4 156(3.7) 83(53.2) 681(35.9) 373(54.8) N分期 ＜0.001 N0 2576(61.8) 473(18.4) 969(51.1) 306(31.6) N1 1041(25.0) 389(37.4) 484(25.5) 233(48.1) N2~N3 554(13.3) 284(51.3) 442(23.3) 304(68.8) 淋巴结清扫数(个) ＜0.001 0~9 617(14.8) 205(33.2) 74(3.9) 42(56.8) 10~19 2358(56.5) 661(28.0) 498(26.3) 226(45.4) 20~29 963(23.1) 240(24.9) 724(38.2) 306(42.3) ≥30 233(5.6) 40(17.2) 599(31.6) 269(44.9) 治疗方案 ＜0.001 单纯手术 2774(66.5) 656(23.6) 1063(56.1) 424(39.9) 手术+术后化疗 1158(27.8) 376(32.5) 272(14.4) 114(41.9) 手术+术后放疗 107(2.6) 50(46.7) 362(19.1) 183(50.6) 手术+术后放化疗 132(3.2) 64(48.5) 198(10.4) 122(61.6) 手术方式 ＜0.001 OE 2929(70.2) 858(29.3) 1382(72.9) 682(49.3) MIE 1242(29.8) 288(23.2) 513(27.1) 161(31.4) 肿瘤大小(cm) ＜0.001 M(P25, P75) 4.0(3.0，5.0) 5.0(4.0，6.0) 红细胞(×1012/L) ＜0.001 ≥4.3 2859(68.5) 739(25.8) 1594(84.1) 678(42.5) ＜4.3 1312(31.5) 407(31.0) 301(15.9) 165(54.8) 血红蛋白(g/L) ＜0.001 ≥130(男)/115(女) 3105(74.4) 833(26.8) 1567(82.7) 692(44.2) ＜130(男)/115(女) 1066(25.6) 313(29.4) 328(17.3) 151(46.0) 嗜酸性粒细胞(×109/L) ＜0.001 ≥0.02 3387(81.2) 935(27.6) 1828(96.5) 811(44.4) ＜0.02 784(18.8) 211(26.9) 67(3.5) 32(47.8) 系统性免疫炎症指数 ＜0.001 ≤650 1905(45.7) 502(26.4) 1203(63.5) 540(44.9) ＞650 2266(54.3) 644(28.4) 692(36.5) 303(43.8) 白蛋白/球蛋白比值 ＜0.001 ≥1.2 2757(66.1) 706(25.6) 1803(95.1) 802(44.5) ＜1.2 1414(33.9) 440(31.1) 92(4.9) 41(44.6) OE：开放食管切除术；MIE：微创食管切除术；*变量中各亚组占总人数的比例; #各亚组内死亡人数占该组人数的比例；†采用χ2检验、t检验；‡患有高血压、糖尿病或心脏病中的任何一种疾病；§验证队列有17例患者食管癌家族史信息缺失 
下载: 导出CSV
表 2 建模队列预后预测变量的单因素和多因素Cox回归模型分析结果
预测变量 n(%) 单因素分析 多因素Cox回归模型分析 HR(95% CI) P值 HR(95% CI) P值 年龄(岁) ＜60 966(23.2) 1.00 1.00 60~64 1168(28.0) 1.16(0.98~1.38) 0.085 1.18(0.99~1.41) 0.061 65~69 1136(27.2) 1.45(1.23~1.72) ＜0.001 1.50(1.26~1.78) ＜0.001 70~74 626(15.0) 1.74(1.44~2.10) ＜0.001 1.62(1.33~1.96) ＜0.001 ≥75 275(6.6) 1.99(1.57~2.53) ＜0.001 1.90(1.49~2.42) ＜0.001 性别 女 1656(39.7) 1.00 1.00 男 2515(60.3) 1.25(1.10~1.41) ＜0.001 1.09(0.97~1.24) 0.157 原发位置 食管下段 781(18.7) 1.00 1.00 食管中段 2745(65.8) 0.95(0.81~1.10) 0.492 1.08(0.93~1.27) 0.304 食管上段 645(15.5) 1.28(1.06~1.54) 0.011 1.59(1.31~1.93) ＜0.001 T分期 T0~T1 959(23.0) 1.00 1.00 T2 1019(24.4) 2.89(2.26~3.68) ＜0.001 2.07(1.61~2.66) ＜0.001 T3 2037(48.8) 4.61(3.69~5.76) ＜0.001 3.00(2.37~3.80) ＜0.001 T4 156(3.7) 9.64(7.13~13.02) ＜0.001 5.10(3.69~7.06) ＜0.001 淋巴结清扫数(个) 0~9 617(14.8) 1.00 1.00 10~19 2358(56.5) 0.95(0.81~1.11) 0.512 0.81(0.69~0.95) 0.009 20~29 963(23.1) 1.04(0.86~1.25) 0.687 0.73(0.61~0.89) 0.001 ≥30 233(5.6) 0.87(0.62~1.23) 0.430 0.52(0.37~0.73) ＜0.001 肿瘤大小(cm) M(P25, P75) 4.0(3.0，5.0) 1.17(1.14~1.21) ＜0.001 1.04(1.00~1.08) 0.070 血红蛋白(g/L) ≥130(男)/115(女) 3105(74.4) 1.00 1.00 ＜130(男)/115(女) 1066(25.6) 1.39(1.22~1.58) ＜0.001 1.33(1.16~1.52) ＜0.001 治疗方案根据N分期分层* N0 单纯手术 2040(79.2) 1.00 1.00 手术+术后化疗 462(17.9) 1.54(1.24~1.90) ＜0.001 1.25(1.00~1.55) 0.047 手术+术后放疗 37(1.4) 2.33(1.39~3.91) 0.001 1.73(1.03~2.92) 0.040 手术+术后放化疗 37(1.4) 4.36(2.78~6.85) ＜0.001 2.87(1.82~4.53) ＜0.001 N1 单纯手术 506(48.6) 1.00 1.00 手术+术后化疗 434(41.7) 0.73(0.59~0.90) 0.003 0.81(0.65~1.00) 0.053 手术+术后放疗 48(4.6) 0.82(0.53~1.28) 0.392 0.79(0.51~1.24) 0.312 手术+术后放化疗 53(5.1) 1.13(0.72~1.78) 0.585 1.08(0.68~1.70) 0.752 N2~N3 单纯手术 228(41.2) 1.00 1.00 手术+术后化疗 262(47.3) 0.66(0.51~0.85) 0.001 0.77(0.60~0.99) 0.041 手术+术后放疗 22(4.0) 0.98(0.55~1.73) 0.941 0.87(0.49~1.55) 0.642 手术+术后放化疗 42(7.6) 0.83(0.53~1.29) 0.408 0.85(0.54~1.33) 0.481 HR：风险比；*根据N分期分层估计各辅助治疗相对于单纯手术的风险比
下载: 导出CSV
表 3 食管鳞状细胞癌患者根治术后预后风险分级标准在建模队列和验证队列的效果评估
风险组 截断值§ 建模队列(n=4171) 例数(%)* 死亡例数(%)# 生存率(%，95% CI) 1年 3年 5年 低风险 [0，11.72978) 1390(33.3) 139(10.0) 98.4(97.7~99.0) 90.3(88.5~92.2) 82.8(79.7~86.0) 中风险 [11.72978，16.60198) 1390(33.3) 347(25.0) 94.9(93.8~96.1) 73.5(70.9~76.3) 62.9(59.4~66.7) 高风险 [16.60198，∞) 1391(33.3) 660(47.4) 85.3(83.4~87.2) 47.4(44.4~50.7) 31.6(28.2~35.5) 风险组 验证队列(n=1895) 例数(%)* 死亡例数(%)# 生存率(%，95% CI) 1年 3年 5年 低风险 474(25.0) 101(21.3) 97.3(95.8~98.7) 87.1(84.1~90.2) 82.0(78.5~85.6) 中风险 517(27.3) 211(40.8) 93.2(91.1~95.4) 71.5(67.7~75.6) 62.9(58.8~67.3) 高风险 904(47.7) 531(58.7) 81.1(78.6~83.7) 51.6(48.4~55.0) 42.9(39.7~46.4) §截断值依据建模队列列线图总得分的三分位数确定；*同表 1；#同表 1
下载: 导出CSV
-
[1] Sung H, Ferlay J, Siegel RL, et al. Global cancer statistics 2020: GLOBOCAN estimates of incidence and mortality worldwide for 36 cancers in 185 countries[J]. CA Cancer J Clin, 2021, 71: 209-249. DOI: 10.3322/caac.21660
[2] Liang H, Fan JH, Qiao YL. Epidemiology, etiology, and prevention of esophageal squamous cell carcinoma in China[J]. Cancer Biol Med, 2017, 14: 33-41. DOI: 10.20892/j.issn.2095-3941.2016.0093
[3] Allemani C, Matsuda T, Di Carlo V, et al. Global surveillance of trends in cancer survival 2000-14 (CONCORD-3): analysis of individual records for 37 513 025 patients diagnosed with one of 18 cancers from 322 population-based registries in 71 countries[J]. Lancet, 2018, 391: 1023-1075. DOI: 10.1016/S0140-6736(17)33326-3
[4] Siegel RL, Miller KD, Fuchs HE, et al. Cancer statistics, 2022[J]. CA Cancer J Clin, 2022, 72: 7-33. DOI: 10.3322/caac.21708
[5] Van Putten M, De Vos-Geelen J, Nieuwenhuijzen GaP, et al. Long-term survival improvement in oesophageal cancer in the Netherlands[J]. Eur J Cancer, 2018, 94: 138-147. DOI: 10.1016/j.ejca.2018.02.025
[6] Zeng H, Chen W, Zheng R, et al. Changing cancer survival in China during 2003-15: a pooled analysis of 17 population-based cancer registries[J] Lancet Glob Health, 2018, 6: e555-e567. DOI: 10.1016/S2214-109X(18)30127-X
[7] Rice TW, Rusch VW, Apperson-Hansen C, et al. World-wide esophageal cancer collaboration[J]. Dis Esophagus, 2009, 22: 1-8. DOI: 10.1111/j.1442-2050.2008.00901.x
[8] Watanabe M, Tachimori Y, Oyama T, et al. Comprehensive registry of esophageal cancer in Japan, 2013[J]. Esophagus, 2021, 18: 1-24. DOI: 10.1007/s10388-020-00785-y
[9] 毛友生, 高树庚, 王群, 等. 中国食管癌临床流行特征及外科治疗概况大数据分析[J]. 中华肿瘤杂志, 2020, 42: 228-233. Mao YS, Gao SG, Wang Q, et al. Epidemiological characteristic and current status of surgical treatment for esophageal cancer by analysis of national registry database[J]. Zhonghua Zhongliu Zazhi, 2020, 42: 228-233. DOI: 10.3760/cma.j.cn112152-20191112-00729 Mao YS, Gao SG, Wang Q, et al. Epidemiological characteristic and current status of surgical treatment for esophageal cancer by analysis of national registry database[J]. Zhonghua Zhongliu Zazhi, 2020, 42: 228-233. DOI: 10.3760/cma.j.cn112152-20191112-00729
[10] Yang HX, Ling L, Zhang X, et al. Outcome of elderly patients with oesophageal squamous cell carcinoma after surgery[J]. Br J Surg, 2010, 97: 862-867. DOI: 10.1002/bjs.7005
[11] Bohanes P, Yang D, Chhibar RS, et al. Influence of sex on the survival of patients with esophageal cancer[J]. J Clin Oncol, 2012, 30: 2265-2272. DOI: 10.1200/JCO.2011.38.8751
[12] He Y, Liang D, Du L, et al. Clinical characteristics and survival of 5283 esophageal cancer patients: A multicenter study from eighteen hospitals across six regions in China[J]. Cancer Commun (Lond), 2020, 40: 531-544. DOI: 10.1002/cac2.12087
[13] Wang BY, Goan YG, Hsu PK, et al. Tumor length as a prognostic factor in esophageal squamous cell carcinoma[J]. Ann Thorac Surg, 2011, 91: 887-893. DOI: 10.1016/j.athoracsur.2010.11.011
[14] Smyth EC, Lagergren J, Fitzgerald RC, et al. Oesophageal cancer[J]. Nat Rev Dis Primers, 2017, 3: 17048. DOI: 10.1038/nrdp.2017.48
[15] Miyata H, Yamasaki M, Kurokawa Y, et al. Prognostic value of an inflammation-based score in patients undergoing pre-operative chemotherapy followed by surgery for esophageal cancer[J]. Exp Ther Med, 2011, 2: 879-885. DOI: 10.3892/etm.2011.308
[16] Su D, Zhou X, Chen Q, et al. Prognostic Nomogram for Thoracic Esophageal Squamous Cell Carcinoma after Radical Esophagectomy[J]. PLoS One, 2015, 10: e0124437. DOI: 10.1371/journal.pone.0124437
[17] Shao Y, Ning Z, Chen J, et al. Prognostic nomogram integrated systemic inflammation score for patients with esophageal squamous cell carcinoma undergoing radical esophagectomy[J]. Sci Rep, 2015, 5: 18811. DOI: 10.1038/srep18811
[18] Chen GP, Huang Y, Yang X, et al. A Nomogram to Predict Prognostic Value of Red Cell Distribution Width in Patients with Esophageal Cancer[J]. Mediators Inflamm, 2015, 2015: 854670.
[19] Liu JS, Huang Y, Yang X, et al. A nomogram to predict prognostic values of various inflammatory biomarkers in patients with esophageal squamous cell carcinoma[J]. Am J Cancer Res, 2015, 5: 2180-2189.
[20] Yu S, Zhang W, Ni W, et al. Nomogram and recursive partitioning analysis to predict overall survival in patients with stage ⅡB-Ⅲ thoracic esophageal squamous cell carcinoma after esophagectomy[J]. Oncotarget, 2016, 7: 55211-55221. DOI: 10.18632/oncotarget.10904
[21] Duan J, Deng T, Ying G, et al. Prognostic nomogram for previously untreated patients with esophageal squamous cell carcinoma after esophagectomy followed by adjuvant chemotherapy[J]. Jpn J Clin Oncol, 2016, 46: 336-343. DOI: 10.1093/jjco/hyv206
[22] Chen S, Yang X, Feng JF. A novel inflammation-based prognostic score for patients with esophageal squamous cell carcinoma: the c-reactive protein/prognostic nutritional index ratio[J]. Oncotarget, 2016, 7: 62123-62132. DOI: 10.18632/oncotarget.11389
[23] Deng W, Wang Q, Xiao Z, et al. A prognostic nomogram for overall survival after neoadjuvant radiotherapy or chemoradiotherapy in thoracic esophageal squamous cell carcino-ma: a retrospective analysis[J]. Oncotarget, 2017, 8: 41102-41112. DOI: 10.18632/oncotarget.17062
[24] Deng W, Zhang W, Yang J, et al. Nomogram to Predict Overall Survival for Thoracic Esophageal Squamous Cell Carcinoma Patients After Radical Esophagectomy[J]. Ann Surg Oncol, 2019, 26: 2890-2898. DOI: 10.1245/s10434-019-07393-w
[25] Li X, Xu J, Zhu L, et al. A novel nomogram with preferable capability in predicting the overall survival of patients after radical esophageal cancer resection based on accessible clinical indicators: A comparison with AJCC staging[J]. Cancer Med, 2021, 10: 4228-4239. DOI: 10.1002/cam4.3878
[26] Shao CY, Liu XL, Yao S, et al. Development and validation of a new clinical staging system to predict survival for esophageal squamous cell carcinoma patients: Application of the nomogram[J]. Eur J Surg Oncol, 2021, 47: 1473-1480. DOI: 10.1016/j.ejso.2020.12.004
[27] Jung HA, Adenis A, Lee J, et al. Nomogram to predict treatment outcome of fluoropyrimidine/platinum-based chemotherapy in metastatic esophageal squamous cell carcinoma[J]. Cancer Res Treat, 2013, 45: 285-294. DOI: 10.4143/crt.2013.45.4.285
[28] Wang J, Wu LL, Zhang Y, et al. Establishing a survival prediction model for esophageal squamous cell carcinoma based on CT and histopathological images[J]. Phys Med Biol, 2021, 66. doi: 10.1088/1361-6560/ac1020.
[29] Zhao P, Yan W, Fu H, et al. Efficacy of postoperative adjuvant chemotherapy for esophageal squamous cell carcinoma: A meta-analysis[J]. Thorac Cancer, 2018, 9: 1048-1055. DOI: 10.1111/1759-7714.12787
[30] Lin HN, Chen LQ, Shang QX, et al. A meta-analysis on surgery with or without postoperative radiotherapy to treat squamous cell esophageal carcinoma[J]. Int J Surg, 2020, 80: 184-191. DOI: 10.1016/j.ijsu.2020.06.046
[31] Kang J, Chang JY, Sun X, et al. Role of Postoperative Concurrent Chemoradiotherapy for Esophageal Carcinoma: A meta-analysis of 2165 Patients[J]. J Cancer, 2018, 9: 584-593. DOI: 10.7150/jca.20940
[32] National Comprehensive Cancer Network. Esophageal and Esophagogastric Junction Cancers[EB/OL]. (2021-08-03)[2022-01-14]. https://www.nccn.org/professionals/physician_gls/pdf/esophageal.pdf.
[33] Noh SH, Park SR, Yang HK, et al. Adjuvant capecitab-ine plus oxaliplatin for gastric cancer after D2 gastrectomy (CLASSIC): 5-year follow-up of an open-label, randomised phase 3 trial[J]. Lancet Oncol, 2014, 15: 1389-1396. DOI: 10.1016/S1470-2045(14)70473-5
[34] Smalley SR, Benedetti JK, Haller DG, et al. Updated analysis of SWOG-directed intergroup study 0116: a phase Ⅲ trial of adjuvant radiochemotherapy versus observation after curative gastric cancer resection[J]. J Clin Oncol, 2012, 30: 2327-2333. DOI: 10.1200/JCO.2011.36.7136
[35] Rice TW, Blackstone EH, Rusch VW. 7th edition of the AJCC Cancer Staging Manual: esophagus and esophagogastric junction[J]. Ann Surg Oncol, 2010, 17: 1721-1724. DOI: 10.1245/s10434-010-1024-1
[36] Harrell Jr FE, Harrell Jr MFE. Package'hmisc '[J]. CRAN2018, 2019, 2019: 235-236.
[37] Wang Y, Li J, Xia Y, et al. Prognostic nomogram for intrahepatic cholangiocarcinoma after partial hepatectomy[J]. J Clin Oncol, 2013, 31: 1188-1195. DOI: 10.1200/JCO.2012.41.5984
[38] Tian H, Yang W, Hu Y, et al. Estimating cancer incidence based on claims data from medical insurance systems in two areas lacking cancer registries in China[J]. EClinicalMedicine, 2020, 20: 100312. DOI: 10.1016/j.eclinm.2020.100312
[39] He Z, Ke Y. Precision screening for esophageal squamous cell carcinoma in China[J]. Chin J Cancer Res, 2020, 32: 673-682. DOI: 10.21147/j.issn.1000-9604.2020.06.01
[40] Jiang YQ, Chen SF, Zhu B. Prognostic factors and family history for survival of esophageal squamous cell carcinoma patients after surgery[J]. Ann Thorac Surg, 2010, 90: 908-913. DOI: 10.1016/j.athoracsur.2010.05.060
[41] Visser E, Markar SR, Ruurda JP, et al. Prognostic Value of Lymph Node Yield on Overall Survival in Esophageal Cancer Patients: A Systematic Review and Meta-analysis[J]. Ann Surg, 2019, 269: 261-268. DOI: 10.1097/SLA.0000000000002824
[42] Anandavadivelan P, Lagergren P. Cachexia in patients with oesophageal cancer[J]. Nat Rev Clin Oncol, 2016, 13: 185-198. DOI: 10.1038/nrclinonc.2015.200
[43] Huang XZ, Yang YC, Chen Y, et al. Preoperative Anemia or Low Hemoglobin Predicts Poor Prognosis in Gastric Cancer Patients: A Meta-Analysis[J]. Dis Markers, 2019, 2019: 7606128.
[44] Lu Z, Fang Y, Liu C, et al. Early Interdisciplinary Supportive Care in Patients With Previously Untreated Metastatic Esophagogastric Cancer: A Phase Ⅲ Randomized Controlled Trial[J]. J Clin Oncol, 2021, 39: 748-756. DOI: 10.1200/JCO.20.01254
[45] Zhang SS, Yang H, Xie X, et al. Adjuvant chemotherapy versus surgery alone for esophageal squamous cell carcinoma: a meta-analysis of randomized controlled trials and nonrandomized studies[J]. Dis Esophagus, 2014, 27: 574-584. DOI: 10.1111/dote.12073
[46] Ni W, Yu S, Zhang W, et al. A phase-Ⅱ/Ⅲ randomized controlled trial of adjuvant radiotherapy or concurrent chemoradiotherapy after surgery versus surgery alone in patients with stage-ⅡB/Ⅲ esophageal squamous cell carcinoma[J]. BMC Cancer, 2020, 20: 130. DOI: 10.1186/s12885-020-6592-2
[47] Rucker AJ, Raman V, Jawitz OK, et al. The Impact of Adjuvant Therapy on Survival After Esophagectomy for Node-negative Esophageal Adenocarcinoma[J]. Ann Surg, 2022, 275: 348-355. DOI: 10.1097/SLA.0000000000003886
-
期刊类型引用(1)
1. 何龙英，刘艳娇，王自涛. 肿瘤组织Ki-67、NEK2表达对食管鳞状细胞癌患者预后的影响分析. 现代消化及介入诊疗. 2024(03): 367-370 . 
百度学术
其他类型引用(0)
计量
- 文章访问数: 2511
- HTML全文浏览量: 633
- PDF下载量: 156
- 被引次数: 1
