基于SEER数据库肺腺癌脑转移预测模型的构建及分析

摘要

目的构建可视化预测肺腺癌(LUAD)脑转移风险概率的列线图模型,提高患者生存率。方法研究纳入监测、流行病学和最终结果(SEER)数据库中58928例LUAD患者,并按7∶3比例随机分为训练集和验证集。在训练集中采用Lasso回归与多因素Logistic回归分析筛选最有意义的预测变量,构建预测LUAD脑转移的列线图模型。采用受试者工作特征(ROC)曲线的曲线下面积(AUC),Boostrap绘制校正曲线,Brier评分验证模型区分度及校准度,决策曲线分析(DCA)评价预测模型的临床效能。结果最终筛选出7个独立影响因素构建列线图预测模型。训练集和验证集列线图预测LUAD患者发生脑转移概率的AUC分别为0.853(95%CI:0.849~0.858)和0.851(95%CI:0.844~0.857),校准曲线显示模型预测概率与实际观察概率具有较高的一致性,Brier评分均为0.092,DCA显示净收益率较高,模型临床效能较好。结论本研究成功建立了预测LUAD脑转移的列线图模型,该模型能够准确区分脑转移高风险患者,可以有效指导临床医师制订个体化治疗方案。