倾向得分匹配与预测模型在一起，发了篇2区SCI文章？这事有点蹊跷！

2023年郑老师多门科研统计课程：多次直播，含孟德尔随机化方法 

最近看了篇2区的文章，中国学者发表的，统计学方法是倾向得分匹配与预测模型都有。我就纳闷了，倾向得分和预测模型好像从来没有勾结搭背的场景呀。于是瞅一瞅。

各位看官先看看文章，我们文章末尾再论一论！

2023年7月16日，中国学者在《Front Endocrinol (Lausanne)》（二区，IF=5.2）发表题为：Prognosis prediction and comparison between pancreatic signet ring cell carcinoma and pancreatic duct adenocarcinoma: a retrospective observational study 的研究论文。

这项研究患者的数据来自1998年至2018年监测、流行病学和最终结果（SEER）数据库。通过倾向评分匹配（PSM）、Kaplan–Meier生存曲线、Cox风险回归分析和最小绝对收缩选择算子（LASSO）分析，根据这些分析结果构建了列线图，以预测PSRC和PDAC患者的生存结果。 结果表明，PSRC和PDAC患者在相同条件下的预后相似；然而，PSRC患者可能更难接受更好的治疗，从而导致其预后不佳。

摘要与主要结果

一、摘要

背景：胰腺印戒细胞癌是一种罕见的侵袭性癌症，主要作为病例报告。由于有限的大规模流行病学和预后分析，在缺乏公认的一线治疗策略的情况下，PSRC患者的结果差异很大。本研究旨在比较PSRC和胰腺导管细胞癌（PDAC）的临床特征、治疗和预后，并建立这些亚型的预测模型，PDAC是癌症最常见的亚型。 

方法：1998年至2018年PSRC和PDAC患者的数据来自监测、流行病学和最终结果（SEER）数据库。此后，通过倾向评分匹配（PSM）、Kaplan–Meier生存曲线、Cox风险回归分析和最小绝对收缩选择算子（LASSO）分析，评估两组的临床、人口统计学和治疗特征以及两组的差异和影响因素。接下来，构建预后模型，并通过KM和ROC分析进行验证。最后，根据这些分析结果构建了列线图，以预测PSRC和PDAC患者的生存结果。
结果：本研究共纳入84789名患者（432名PSRC患者和84357名PDAC患者）。研究结果显示，与PDAC患者相比，PSRC患者更有可能是男性，年龄在58~72岁之间，肿瘤肿块较大，不太可能接受化疗。PSM前，PSRC组的总生存率和癌症特异性生存率显著低于PDAC组，但PSM后两组的预后无差异。此外，淋巴结比（LNR）、淋巴结阳性对数比（LODDS）、肿瘤大小、年龄、t分期、婚姻状况和总分期是PSRCC的独立预后因素 。最后，基于这些预后因素的预测模型和列线图可以在SEER数据集和外部验证数据集中准确预测患者的生存率 
结论：PSRC和PDAC患者在相同条件下的预后相似；然而，PSRC患者可能更难接受更好的治疗，从而导致其预后不佳。

二、研究结果

1.PSRC和PDAC基线临床特征的比较

该研究共纳入了来自SEER数据库的84789例患者（432例PSRCC和84357例PDAC）（图1）。PDAC组和PSRCC组之间的一些基线临床特征存在显著差异（p <0.05）;例如，与PDAC患者相比，PSRCC患者更可能是男性（59.7% vs. 51.7%， p = 0.001），年龄在58-72岁之间（50.5% vs.44.7%， p = 0.018）。此外，与PDAC组相比，PSRCC组在“诊断年份”类别中“>2009”组的比例较低（49.3%比60.5%），而“≤2004”组的比例较高（26.9%比17.4%）（p <0.001）。此外，与PDAC组相比，PSRCC组接受化疗的患者比例更低（p <0.001）。此外，在肿瘤特征方面，PSRCC患者比PDAC患者更常见较大的肿瘤肿块（p = 0.001）。此外，PSRCC患者远端肿瘤总分期（58.1% vs. 43.6%， p <0.001）和肿瘤分级3期（39.4% vs. 14.1%， p <0.001）的百分比高于PDAC患者。两组患者TNM分期差异有统计学意义（p <0.005）。然而，一些变量，如原发部位、LNR、LODDS、手术/放射序列治疗、放射治疗、序列号、肿瘤总数、种族、婚姻状况和家庭收入中位数，在两组之间相似。

2.PSM和生存分析
PSM用于平衡PDAC和PSRC组之间的基线临床特征（所有标准偏差≤0.05；表1），在PSM分析后，共有862名患者（431名PSRC和431名PDAC患者）被纳入本研究。
PSM分析后，对PSRC和PDAC患者进行KM生存分析。在PSM之前，共有85289名患者参与了分析，PSRC和PDAC组的中位OS分别为3个月和6个月，而中位CSS分别为4个月和7个月。与PDAC组相比，PSRCC组的预后较差，1年、3年和5年OS发生率分别为21.60%对30.10%、6.35%对8.12%和4.95%对4.76%，1年和3年CSS发生率分别分别为25.97%对33.59%、8.60%对10.11%和7.10%对6.47%，p<0.001；图3A、B）。然而，PSRC和PDAC组的PSM后OS和CSS与这些结果不一致。PSM后，PSRC组和PDAC组的OS中位数分别为3个月和4个月，CSS中位数分别为4个月和5个月。此外，两组的OS和CSS发生率相似，1年、3年和5年OS发生率分别为21.65%对26.32%、6.37%对5.74%和4.96%对2.90%，p=0.015，1年和3年CSS发生率分别分别为26.03%对28.62%、8.62%对6.48%和7.11%对3.60%，p=0.054；图3C、D）。尽管PDAC患者在PSM前的预后似乎比PSRC患者好，但PSM后的结果表明，在排除人口统计学信息、肿瘤特征和治疗信息的影响后，两种病理类型的预后没有显著差异。

3.单变量和多变量分析 
进行单变量和多变量Cox回归分析，以确定可能影响PSRC患者预后的潜在临床特征。单因素回归分析显示，原发部位、LNR、LODS、手术/放疗、放疗、化疗、肿瘤大小、婚姻状况、年龄、总分期和TNM分期是PSRCC患者OS和CSS的预后危险因素。此外，序列号是PSRCC患者OS的预后因素（p<0.05）（图4）。
多元回归分析显示，较高的LNR（'>0.6'vs.'0.1-0.6'，OR（95%CI）3.38（1.42~8.05），p=0.0 0 6），LODS较低（“≤-1.1 L vs.”-1.1–0.2“，OR（95%CI）4.27（2.11–8.64），p<0.001），肿瘤大小较小（“≤35 vs.”35-45“，OR）1.48（1.1–1.99），p=0.009），年龄较大（“≥73”vs.“≤57”，OR（95%CI）1.28（1–1.63），p=0.047），T分期较高（“T3”vs.”T0\/Ti\/TX“，O R（95%CI）1.63（1.06–2.52），p=0.028）是与PSRCC患者OS相关的独立危险因素。此外，化疗（“是”与“否/未知”，OR（95%CI）0.33（0.26–0.43），p<0.001），婚姻状况（“已婚”与“DSW”，OR）0.78（0.61–1），p=0.046），和区域肿瘤（“区域”vs“远处”，OR （95% CI） 0.61（0.42-0.89）， p = 0.01）被确定为与PSRCC患者OS相关的5个独立保护因素（图5）。
同时，胰腺体癌症（“体”与“头”，OR（95%CI）1.41（1–1.97），p=0.047），较高的LNR（“>0.6”与“0.1–0.6”，O R（95%CI”）4.85（1.79–13.1），p＝0.002），较低的LODS（“≤-1.1”与“-1.1–0.2”，OR，p=0.003）被确定为与PSRCC患者CSS相关的独立风险因素。此外，化疗（“是”与“否/未知”，OR（95%CI）0.32（0.24–0.41），p<0.001）和区域肿瘤（“区域”与“远处”，OR）0.65（0.44–0.97），p=0.036）被确定为与PSRCC患者CSS相关的独立保护因素（图5）。

4.PDAC和PSRCC的OS和CSS预测模型的构建

基于单因素分析筛选的PDAC/PSRCC预后因素，采用LASSO回归分析构建预测PDAC/PSRCC OS和CSS模型。OS（图6A、B）和CSS（图7A、B）的预测模型是通过整合重要的预后因素和组信息构建的。经过10倍交叉验证，OS和CSS模型的最佳l值分别为0.0195和0.0198。最后，为OS预测模型确定了11个预后因素，包括LODS、年龄、肿瘤大小、组、Tstage、原发部位、婚姻状况、总结阶段、放射治疗、化疗和序列号（图6A）。
此外，根据风险评分对862名经PSM筛查的患者进行生存分析，OS模型的最佳临界值确定为-0.586。之后，根据最佳临界值将患者分为高风险组和低风险组。两组患者的KM曲线分析显示，OS模型可以预测预后良好或不良的患者。高风险组的OS比低风险组短（HR（95%CI）3.41（2.90–4.02），p=3.1e-54；图6C）。同样，根据中位风险评分，患者可分为高评分组和低评分组，生存分析显示，高评分组的OS比低评分组短（HR（95%CI）3.26（2.82–3.77），p=9.5e63）。时间依赖性ROC分析显示，1年、3年、5年、7年和9年OS预测的风险评分AUC值为0.83，分别为0.84、0.86、0.84和0.82（图6D）。  
同时，CSS预测模型确定了9个预后因素，包括LODS、年龄、肿瘤大小、T分期、原发部位、婚姻状况、放射治疗、总结分期和化疗（图7A）。有趣的是，OS预测模型中包含的因素也包含在CSS预测模型中。同样，在KM分析中（图7C），根据最佳临界值（3.616；HR（95%CI）3.23（2.72–3.85），p=7.9e-44）或中位风险评分（HR（95%可信区间）3.24（2.78–3.78），p=5.2e-56），高风险组的CSS比低风险组短。在CSS预测模型中，预测1年、3年、5年、7年和9年CSS的风险的AUC值分别为0.83、0.84、0.86、0.84和0.82（图7D）。

详情请点击下方：

https://mp.weixin.qq.com/s?__biz=MzAwOTYyMDY3OQ==&mid=2650407745&idx=1&sn=2bf55ef6256664131a881976b79b8fb3&chksm=83527ee9b425f7ff848ae1c3306eae90a831985094d5b20818c70310da20ad4aa80608b8268b&token=1938165433&lang=zh_CN#rd