CN1973778A - 胃癌术后严重并发症风险度的预测方法 - Google Patents
胃癌术后严重并发症风险度的预测方法 Download PDFInfo
- Publication number
- CN1973778A CN1973778A CNA2006100982903A CN200610098290A CN1973778A CN 1973778 A CN1973778 A CN 1973778A CN A2006100982903 A CNA2006100982903 A CN A2006100982903A CN 200610098290 A CN200610098290 A CN 200610098290A CN 1973778 A CN1973778 A CN 1973778A
- Authority
- CN
- China
- Prior art keywords
- dissection
- combined
- group
- risk
- gastric cancer
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Investigating Or Analysing Biological Materials (AREA)
Abstract
本发明提供了一种客观、量化、精确度高的胃癌术后严重并发症风险度的预测方法。该方法包括以下步骤：(1)通过全面的单因素分析，筛选出对胃癌术后严重并发症有影响的若干因素，(2)通过二值多元非条件逻辑回归分析确定真正影响预后的决定因素，(3)通过受试者工作特征曲线分析，确定最佳的预测值分界值，(4)建立以主要危险因素为自变量的预测模型，通过预测概率来判断病人术后发生严重并发症的风险度。本发明是一种高精确度、全面客观、易操作、智能化的风险评估系统。
Description
一、技术领域
本发明涉及一种用于医学的预测方法，具体涉及一种通过胃癌病人术前信息、手术信息、肿瘤病理信息来预测术后严重并发症风险度的方法。
二、背景技术
在我国，胃癌是最常见的恶性肿瘤之一，其发病率及死亡率均居各种恶性肿瘤前列。胃癌的主要治疗方法是外科手术和辅助化疗，根治性胃癌手术是目前能够达到治愈目的的唯一治疗方法。标准的胃癌根治手术包括胃切除、淋巴结清扫和消化道重建3个内容，手术创伤大，操作复杂，由于我国的胃癌患者多为老年人，常有慢性并存病，肿瘤又以中晚期癌较为多见，故即使在手术经验丰富的大型医疗单位，胃癌术后严重并发症的发生率仍达10％～20％。常见的胃癌术后严重并发症如下：(一)严重感染，包括胸腔感染、腹腔感染、切口感染等；(二)肠梗阻，包括急性输入襻梗阻、吻合口梗阻、输出襻梗阻、胃瘫等；(三)瘘，包括胰瘘、吻合口瘘、十二指肠残端瘘等；(四)多器官功能障碍，包括心、肺、肝、肾等器官功能衰竭、应激性溃疡、DIC等。和其他手术相比，胃癌的术后严重并发症更具有其独特性和复杂性，一旦发生，临床处理极为棘手，治疗费用耗资巨大，重症者极易继发多器官功能衰竭而危及生命，病死率高达24％。因此，确定胃癌根治术后严重并发症的风险因素和风险度，具有十分重要的临床价值和社会价值。
在胃癌术后严重并发症的风险因子确定及风险预测的研究领域，目前的国内外研究尚存在着诸多的缺陷：(1)有的研究者采集的致病因子少，参与病例少，不符合现代循证医学的核心要求之一，即临床证据要来自多中心、大样本的随机对照临床试验(RCT)、系统性评价(systematic review)和荟萃分析(meta-analysis)；(2)有的研究者采用单因素分析方法，而胃癌术后严重并发症和众多致病因子之间的关系非常复杂，单因素分析无法在复杂的关系中平衡多种混杂因素的作用，也无法形成预测模型；(3)有的研究者采用多元线性回归分析方法，无法确定预测概率的最佳分界值，无法对建立的模型进行准确的验证和评价，实用性和可操作性差；而术后严重并发症和各种致病因子之间的关系实际上并非线性关系，同时，一个好的预测模型，必须要确定预测概率的最佳分界值，必须要通过严格的验证，证明其有较高的准确度、敏感度、特异度，并且要求操作简便，实用性强；(4)欲从对术后严重并发症有影响的众多因素中找出作用显著的因素，以达到疾病预后预测的目的，必须对传统预测方法作进一步的拓展，把统计学前沿的知识和思想引入到资料的分析方法之中。
三、发明内容
本发明的目的在于提供一种胃癌术后严重并发症风险度的预测方法。本发明是通过对胃癌病人术前信息、手术信息、肿瘤病理信息等临床指标进行全面细致的回顾性调查，通过二值多元非条件逻辑回归(Logistic Regression)分析，确定胃癌术后严重并发症的主要危险因素，计算其相对危险度；通过受试者工作特征曲线(ROC)分析，确定最佳预测分界值，评价该预测方法的灵敏度、特异度；建立以主要危险因素为自变量的预测模型，从而为术后严重并发症风险度的评估提供客观依据，达到帮助病人进行医疗决策、辅助病房管理、指导医学临床研究等作用。
为实现本发明所述目的，本发明提供一种利用二值多元非条件逻辑回归(LogisticRegression)分析技术和受试者工作特征曲线(ROC)分析技术来评估胃癌术后严重并发症风险度的方法，该预测方法包括以下步骤：
1.应用SPSS 13.0软件包建立胃癌信息数据库，所记录的79个变量指标如下：(1)连续性变量：淋巴结转移数目、淋巴结清扫数目、术中输血量、术中时间、肿瘤直径、年龄、血浆白蛋白、前白蛋白、肝功能Child-pugh评分、总胆红素、血红蛋白、白细胞计数、淋巴细胞计数、凝血酶原时间、血糖、癌胚抗原；(2)有序变量：淋巴结(LN)清扫度、手术根治度、T分期、N分期、TNM分期、肿瘤分化程度、Borrman分型；(3)二分类变量：第10组LN清扫、第11p组LN清扫、第12组LN清扫、第13组LN清扫、第14a组LN清扫、第14v组LN清扫、第15组LN清扫、第16a组LN清扫、第16b组LN清扫、联合脏器切除、联合肝叶切除、联合胆囊切除、联合脾切除、联合胰体尾及脾切除、联合Whipple手术、联合卵巢切除、联合横结肠切除、联合升降结肠切除、残胃切除、空肠营养造瘘、Broun吻合、浸润周围器官、浸润大网膜、浸润肝脏、浸润胆囊、浸润横结肠系膜、浸润横结肠、浸润胰头、浸润胰体尾、浸润脾脏、浸润食管、浸润十二指肠、远处器官转移、肝转移、腹膜转移、卵巢转移、广泛淋巴结转移、广泛腹腔转移、腹水、术前并存冠心病、严重心律失常、高血压病、慢阻肺、慢性肾功能不全、肝硬化、门静脉高压症、脑血管病、糖尿病、体重减轻、幽门梗阻、术前予营养支持、术后予营养支持等；(4)名义变量(需进行哑元化处理，转变为二分类变量)：消化道重建方式、胃切除范围、肿瘤部位、组织类型；
2.先将所调查的79个变量指标进行单因素分析，相应的统计学处理方法如下：连续型变量采用独立样本T检验；有序变量采用非参数检验(Mann-Whitney U检验或Kolmogorov-Smirnov Z检验)；二分类变量采用卡方检验或Fisher精确概率法；可信区间(CI)取95％，显著性差异取P≤0.05，结果筛选出18个差别有统计学意义的变量指标如下：联合胰体尾及脾切除、联合Whipple手术、Borrman分型、术中失血量、年龄、肿瘤直径、术中时间、肝功能Child-Pugh积分、术前慢性并存病、门静脉高压症、全胃切除、幽门梗阻、Nol6a组淋巴结清扫、No13组淋巴结清扫、肿瘤TNM分期、淋巴结清扫度、残胃切除、凝血酶原时间；
3.将筛选出的18个变量作二值多元非条件逻辑回归分析，进行模型检验，判别分析，计算各因素的偏回归系数和相对危险度：OR＝Exp(B)，得出8个真正影响胃癌术后严重并发症的因素如下：联合胰体尾及脾切除、淋巴结清扫度、肝功能Child-Pugh积分、术前慢性并存病、全胃切除、No16a组淋巴结清扫、术中失血量、肿瘤TNM分期；
4.统计每位病人的术后并发症实际发生情况和预测概率，以预测概率为检验变量，以术后并发症实际发生情况为状态变量，作受试者工作特征曲线(ROC)分析，根据曲线下面积(Az)评价该预测方法的价值，根据尤登(Youden)指数确定最佳预测分界值，并评价该预测方法的灵敏度、特异度；
5.根据上述步骤3的逻辑回归分析结果，建立胃癌术后严重并发症风险度的预测模型：P＝Exp∑B0+B1X1+…+BkXk/1+Exp∑B0+B1X1+…+BkXk，其中P为应变量，代表风险概率值，X为自变量，代表各危险因子，B为偏回归系数，结合由尤登指数确定的最佳分界值，即可用于预测每例胃癌病人发生术后严重并发症的风险概率。
本发明的有益效果如下：
在医学实践中，某一疾病的发生往往是众多致病因素综合作用的结果，其中的因果关系错综复杂。逻辑回归(Logistic Regression)拟合方法进行多变量分析时，能在复杂的关系中平衡多种混杂因素的作用，筛选出的因素更为客观和可信，尤其适用于应变量为二分类变量、自变量为多个危险因素的临床资料，且该分析方法对资料数据的分布性限制很少，临床使用尤为方便。
受试者工作特征曲线(Receiver Operating Characteristic Curve，ROC)分析方法是以不同分界值时的敏感度和(1-特异度)分别作为纵坐标和横坐标，得出的一条曲线，通过测算曲线下的面积可以评价该预测系统的预测能力，并可根据尤登(Youden)指数，确定敏感度和特异度均较高的最佳的预测分界值。
本预测模型的变量指标都是高度客观的临床检验学、影像学、手术学、病理学指标，因此可靠性极强；通过拟合度检验(Goodness of fit test)和ROC分析，证实该预测模型具有高度的准确度、敏感度、特异度。
该预测模型通过对胃癌术后严重并发症的风险度进行定量化分析，从而达到帮助病人进行医疗决策、辅助病房管理、指导医学临床研究等作用；同时，本套手术风险评估方法和模型建立方法，还可广泛应用于除胃癌以外的其他手术。
帮助病人进行医疗决策：循证医学模式(Evidence-based medicine，EBM)是现代临床医学实践和研究的核心模式，循证医学的三大基本原则之一就是将患者作为医疗实践的主要参与者和决策者之一。医生的任何诊治决策的实施，都必须取得病人的理解和接受，都必须考虑到患者对该治疗方法的期望程度和经济承受能力。在临床实践中，对有些病人的手术注定是收效甚微，且由于术后严重并发症的发生，使得生命质量极差，最终的死亡仍不可避免，既加重了病人的痛苦，又造成了严重的医疗浪费。本预测模型通过对手术预后的客观预测，可帮助病人参与是否进行手术的医疗决策。
辅助病房管理：(1)决定病人的术后监护级别该预测模型对决定病人是否进入重症监护病房(ICU)有着独特的作用。据统计，目前国内的ICU病人中，低危的实际不需进入ICU的病人约占30％。本预测模型通过判别术后低危和高危病人，可帮助决定病人是否需要重症监护，及病房内每班所需要的护士和每个病人需要的护理等级。在医疗费用特别是重症监护治疗费用愈来愈昂贵的时代，本预测系统可显著减轻病人经济负担，并节省医疗资源；(2)在当前医疗现状中，医患纠纷激增，部分原因在于医生对手术的风险度缺乏客观、量化、准确度高的预测方法，使得病人对手术效果产生过高期待；通过手术风险预测系统，可帮助病人正确认识其手术危险，有助于缓解医患矛盾，减少医疗纠纷；(3)评价不同医疗机构、不同治疗小组之间的救治水平，分析有限的资源利用效率，乃至决定年度卫生财政预算等。
指导医学临床研究，用于评价新的医疗手段：举例说明，我们选取预测术后死亡率为50～60％的病人分为两组，一组按传统处理，另一组除传统处理外，给予术后早期肠内营养支持(EN)，结果发现后一组的实际死亡率降为30％，这表明EN可明显降低术后死亡率，值得推广。
四、附图说明
图1是本预测方法的受试者工作特征曲线(ROC曲线)。
五、具体实施方式：
实施例1：胃癌术后严重并发症风险度的预测方法，其方法步骤如下：
1.胃癌信息数据库的建立：
1.1临床资料来源：
研究对象来源于2002年6月～2006年6月年在江苏省人民医院、南京大学鼓楼医院、南京军区总医院行胃癌手术的病人共1542例。采用回顾性病例一对照研究方法，病例组为手术后发生严重并发症者，对照组则来源于同期住院的无严重并发症的胃癌手术病人。
1.2调查内容所有临床资料信息以原始病历记录为准，采用统一的变量指标，全部输入以SPSS13.0统计软件包建立的胃癌信息数据库。共在体格检查信息、实验室检查信息、影像学检查信息、手术信息、肿瘤病理信息中选取79项指标作为可能的风险因子进行分析，包括：(1)连续性变量：淋巴结转移数目、淋巴结清扫数目、术中输血量、术中时间、肿瘤直径、年龄、血浆白蛋白、前白蛋白、肝功能Child-pugh评分、总胆红素、血红蛋白、白细胞计数、淋巴细胞计数、凝血酶原时间、血糖、癌胚抗原；(2)有序变量：淋巴结(LN)清扫度、手术根治度、T分期、N分期、TNM分期、肿瘤分化程度、Borrman分型；有序变量的分级标准见表1；(3)二分类变量：第10组LN清扫、第11p组LN清扫、第12组LN清扫、第13组LN清扫、第14a组LN清扫、第14v组LN清扫、第15组LN清扫、第16a组LN清扫、第16b组LN清扫、联合脏器切除、联合肝叶切除、联合胆囊切除、联合脾切除、联合胰体尾及脾切除、联合Whipple手术、联合卵巢切除、联合横结肠切除、联合升降结肠切除、残胃切除、空肠营养造瘘、Broun吻合、浸润周围器官、浸润大网膜、浸润肝脏、浸润胆囊、浸润横结肠系膜、浸润横结肠、浸润胰头、浸润胰体尾、浸润脾脏、浸润食管、浸润十二指肠、远处器官转移、肝转移、腹膜转移、卵巢转移、广泛淋巴结转移、广泛腹腔转移、腹水、术前并存冠心病、严重心律失常、高血压病、慢阻肺、慢性肾功能不全、肝硬化、门静脉高压症、脑血管病、糖尿病、体重减轻、幽门梗阻、术前予营养支持、术后予营养支持等；(4)名义变量：消化道重建方式、胃切除范围、肿瘤部位、组织类型等。对于名义变量，需进行哑元化处理，将其转换为多个二分类变量。然后检查多变量相关矩阵以考察共线性，如有证据表明存在严重的共线性，则进行变量删除。
表1有序变量的分级标准(部分)
| 变量(X) | 评分 | 分析标准 | 变量(X) | 评分 | 分析标准 |
| 性别胃切除方式消化道重建方式胃癌Borrman分型 | 01123451231234 | 男女贲门侧幽门侧全胃联合脏器残胃毕罗-I毕罗-IIRoux-en-YBor-IBor-IIBor-IIIBorIV | 肝功分级肿瘤位置TNM分期 | 123123123456 | Child-AChild-BChild-C远端胃近端胃全胃IAIBIIIIIAIIIBIV |
1.3术后严重并发症的诊断标准和发生情况：
术后严重并发症定义为术后30天内发生的有潜在生命危险的并发症，包括：需再次手术的术后出血、肺部感染、肠瘘、心功能衰竭、急性肾功能衰竭等；手术死亡定义为术后30天内任何原因的死亡。
本组胃癌根治术后严重并发症发生率为17.6％(271/1542)，发生频率依次为胸腔感染及胸腔积液、腹腔感染、动力性肠梗阻、切口感染、胰瘘、吻合口瘘、切口裂开、急性输入襻梗阻、十二指肠残端瘘、腹腔内出血、吻合口梗阻、多器官功能障碍(包括心、肺、肝、肾等器官功能不全)、应激性溃疡、胃瘫、急性胰腺炎、腹腔淋巴瘘、急性胆囊炎等，有些患者可出现多种严重并发症，手术死亡率为1.4％(21/1542)。
2.单因素分析：
将所选79个变量作单因素分析，连续型变量采用独立样本T检验，有序变量采用非参数检验(Mann-Whitney U检验或Kolmogorov-Smirnov Z检验)，二分类变量采用卡方检验或Fisher精确概率法，可信区间取95％，显著性差异取P≤0.05。统计结果(分别见表2、表3、表4)表明：在所分析的79个因素中有18个因素与胃癌根治术后严重并发症密切相关，分别为联合胰体尾及脾切除、联合Whipple手术、Borrman分型、术中失血量、年龄、肿瘤直径、术中时间、肝功能Child-Pugh积分、术前慢性并存病、门静脉高压症、全胃切除、幽门梗阻、No16a组淋巴结清扫、No13组淋巴结清扫、肿瘤TNM分期、淋巴结清扫度、残胃切除、凝血酶原时间。
表2连续性变量统计结果
| 相关因素 | 无并发症组 | 有并发症组 | P值 |
| 年龄(岁)肿瘤直径(cm)术中失血量(ml)术中时间(小时)Child-pugh积分凝血酶原时间(秒) | 57.87±13.1685.015±2.6005232.05±189.6503.316±0.78945.17±0.44511.684±1.7919 | 62.13±12.9126.184±3.4508395.33±270.3513.754±1.14806.52±0.89413.892±1.8415 | 0.0130.0180.0010.0250.0090.012 |
表3二分类变量统计结果
| 相关因素 | 无并发症组 | 有并发症组 | P值 | |
| 术前慢性并存病门静脉高压症残胃切除全胃切除联合Whipple手术幽门梗阻No.16a组淋巴结清扫No.13组淋巴结清扫联合胰体尾及脾切除 | (-)(+)(-)(+)(-)(+)(-)(+)(-)(+)(-)(+)(-)(+)(-)(+)(-)(+) | 99527612353612323911061651250211170101995276976295121952 | 159112240312432819081253182323913313814512623833 | 0.0000.0200.0350.0140.0090.0310.0040.0020.000 |
表4等级资料的非参数检验结果
| 相关因素 | Wilcoxon W | Z值 | P值 |
| 淋巴结清扫度(0-D0，1-D1，2-D2，3-D3，4-D4)TNM分期(1-IA，2-IB，3-II，4-IIIA，5-IIIB，6-IV)进展期胃癌Borrman分型(1-Bor I，2-BorII，3-BorIII，4-BorIV) | 26597.000103559.500103410.500 | -1.337-2.633-3.073 | 0.0020.0280.016 |
3.二值多元非条件逻辑回归分析
将初步筛选出的18个变量作二值多元非条件逻辑回归分析(后退法)，进行模型检验，判别分析，计算各因素的偏回归系数和相对危险度：OR＝Exp(B)。结果显示，共有8个因素进入逻辑回归模型，按作用强弱依次为：联合胰体尾及脾切除(OR＝3.422)、淋巴结清扫度(OR＝2.967)、肝功能Child-Pugh积分(OR＝2.012)、术前慢性并存病(OR＝1.961)、全胃切除(OR＝1.501)、16a组淋巴结清扫(OR＝1.391)、术中失血量(OR＝1.207)、肿瘤TNM分期(OR＝1.119)(表8)。模型检验结果(表5、6)表明：回归方程具有显著性意义；判别检验结果(表7)表明：模型具有较高的预测准确率(85.1％)。
表5模型检验1(拟合度检验)
| Chi-square | df | Sig. | ||
| Step 1 | StepBlockModel | 357.948357.948357.948 | 343434 | .000.000.000 |
表6模型检验2
| -2Log Likelihood | Cox & Snell R Square | Nagelkerke R Square | |
| Step 1 | 205.037 | .572 | .776 |
表7判别检验表
| 实际发生例 | 模型预测例 | 合计 | 准确率(％) | |
| + | - | |||
| + | 209 | 62 | 271 | |
| - | 168 | 1103 | 1271 | |
| 合计 | 377 | 1165 | 1542 | 85.1 |
表8二值多元非条件逻辑回归分析结果
| 自变量(X) | 回归系数(B) | 标准差(S.E.) | Wald值(Wald) | df | P值(Sig) | 相对危险度(OR) | 95.0％CI for OR | |
| Lower | Unner | |||||||
| 1.联合胰体尾及脾切除2.淋巴结清扫度3.肝功Child-Pugh积分4.术前慢性并存病5.全胃切除6.No16a组淋巴结清扫7.术中失血量8.肿瘤TNM分期9.常数 | 1.2300.0210.0091.0410.8920.8040.0030.016-2.942 | 0.7410.0150.0100.4260.4700.5630.0970.1800.327 | 2.7531.1070.0182.4353.1391.9430.0120.0091.357 | 111111111 | 0.0120.0150.0290.0340.0560.1030.1490.2880.043 | 3.4222.9672.0121.9611.5011.3911.2071.1190.813 | 0.8000.9860.9890.9070.9150.7270.7180.649 | 14.63714.01213.7627.9745.7856.6036.7625.230 |
4.受试者工作特征曲线(ROC)分析
统计每位病人的术后并发症实际发生情况和预测概率，以预测概率为检验变量，以术后并发症实际发生情况为状态变量，作受试者工作特征曲线分析，得到曲线下面积(Az)；尤登(Youden)指数＝敏感度+特异度-1，以尤登指数最大的一点判为预测概率的最佳分界值，结果如图一和表9所示：
ROC曲线下面积(Az)为83.3％，表明预测模型有良好的预测价值(当Az为0.5～0.6时，表示预测价值低，Az为0.6～0.8时，表示预测价值中等，Az为0.8～1.0，表示预测价值高)；与尤登指数最大点对应的临界值(P)为0.391(即当P＜0.391时判为术后将不会发生严重并发症，当P＞0.391时判为术后将发生严重并发症)，此时，预测的敏感度为85.7％，特异度为78.6％。
表9根据尤登指数判定最佳预测概率分界值
| 预测概率值 | 敏感度 | 1-特异度 | 尤登指数 |
| 0.0000.0190.027......0.3020.3380.391*0.4450.479......0.9130.9761.000 | 1.0001.0001.000......0.9090.8790.857*0.8030.673......0.1660.0150.000 | 1.0000.9710.941......0.5590.3910.214*0.2050.195......0.0290.0000.000 | 0.0000.0290.059......0.3500.4880.643*0.5980.478......0.1370.0150.000 |
进一步分析预测概率等级与术后严重并发症程度的关系(见表10)，结果证实：预测概率(P值)等级愈高，术后严重并发症程度愈重，即风险愈高(P＜0.001)。
表10模型概率等级与术后严重并发症程度的关系
| P值 | 术后严重并发症程度 | 合计 | 列联系数 | ||||
| (1) | (2) | (3) | (4) | ||||
| 低危中危高危 | 0.4～0.60.6～0.80.8～1.0 | 31196 | 233825 | 183129 | 41631 | 7610491 | 0.434P＜0.001 |
5.建立胃癌术后严重严重并发症风险度的预测模型
根据上述步骤3中的二值多元非条件逻辑回归分析结果，建立预测模型如下：P(1)＝Exp∑(-2.942+1.23X1+0.021X2+0.009X3+1.041X4+0.892X5+0.804X6+0.003X7+0.016X8)/[1+Exp∑(-2.942+1.23X1+0.021X2+0.009X3+1.041X4+0.892X5+0.804X6+0.003X7+0.016X8)]，设定预测概率分界值为0.391；当P＜0.391时判为术后将不会发生严重并发症，当P＞0.391时判为术后将发生严重并发症，P值越大，发生严重并发症的可能性越大。
下面通过具体的病例对本发明作进一步的说明：
某位胃癌病人的相关信息如下：根据病情，他(她)需要施行根治性全胃切除术(X5＝1)，联合胰体尾及脾切除(X1＝1)，淋巴结清扫度为D3(X2＝3)，腹主动脉周围淋巴结廓清(即No.16a组淋巴结需清扫，X6＝1)，其术前肝功能Child-Pugh评分为5分(X3＝5)，肿瘤病理分期为IIIA期(X8＝4)，如无术前慢性并存病(X4＝0)，术中失血量预计为200ml(X7＝200)，代入预测方程，得出P＝0.680，由于P＞0.391，故预测该病人有可能发生术后严重并发症，0.6＜P＜0.8，表明其发生严重并发症的危险度为中等。
Claims (1)
1.一种胃癌术后严重并发症风险度的预测方法，其特征在于该方法是利用二值多元非条件逻辑回归分析技术和受试者工作特征曲线分析技术来评估胃癌术后严重并发症的风险度，该预测方法包括以下步骤：
(1)应用SPSS 13.0软件包建立胃癌信息数据库，所记录的79个变量指标如下：(1)连续性变量：淋巴结转移数目、淋巴结清扫数目、术中输血量、术中时间、肿瘤直径、年龄、血浆白蛋白、前白蛋白、肝功能Child-pugh评分、总胆红素、血红蛋白、白细胞计数、淋巴细胞计数、凝血酶原时间、血糖、癌胚抗原；(2)有序变量：淋巴结(LN)清扫度、手术根治度、T分期、N分期、TNM分期、肿瘤分化程度、Borrman分型；(3)二分类变量：第10组LN清扫、第11p组LN清扫、第12组LN清扫、第13组LN清扫、第14a组LN清扫、第14v组LN清扫、第15组LN清扫、第16a组LN清扫、第16b组LN清扫、联合脏器切除、联合肝叶切除、联合胆囊切除、联合脾切除、联合胰体尾及脾切除、联合Whipple手术、联合卵巢切除、联合横结肠切除、联合升降结肠切除、残胃切除、空肠营养造瘘、Broun吻合、浸润周围器官、浸润大网膜、浸润肝脏、浸润胆囊、浸润横结肠系膜、浸润横结肠、浸润胰头、浸润胰体尾、浸润脾脏、浸润食管、浸润十二指肠、远处器官转移、肝转移、腹膜转移、卵巢转移、广泛淋巴结转移、广泛腹腔转移、腹水、术前并存冠心病、严重心律失常、高血压病、慢阻肺、慢性肾功能不全、肝硬化、门静脉高压症、脑血管病、糖尿病、体重减轻、幽门梗阻、术前予营养支持、术后予营养支持等；(4)名义变量，需进行哑元化处理，转变为二分类变量：消化道重建方式、胃切除范围、肿瘤部位、组织类型；
(2)先将所调查的79个变量指标进行单因素分析，相应的统计学处理方法如下：连续型变量采用独立样本T检验；有序变量采用非参数检验，即Mann-Whitney U检验或Kolmogorov-Smirnov Z检验；二分类变量采用卡方检验或Fisher精确概率法；可信区间(CI)取95％，显著性差异取P≤0.05，结果筛选出18个差别有统计学意义的变量指标如下：联合胰体尾及脾切除、联合Whipple手术、Borrman分型、术中失血量、年龄、肿瘤直径、术中时间、肝功能Child-Pugh积分、术前慢性并存病、门静脉高压症、全胃切除、幽门梗阻、No16a组淋巴结清扫、No13组淋巴结清扫、肿瘤TNM分期、淋巴结清扫度、残胃切除、凝血酶原时间；
(3)将筛选出的18个变量作二值多元非条件逻辑回归分析，进行模型检验，判别分析，计算各因素的偏回归系数和相对危险度：OR＝Exp(B)，得出8个真正影响胃癌术后严重并发症的因素如下：联合胰体尾及脾切除、淋巴结清扫度、肝功能Child-Pugh积分、术前慢性并存病、全胃切除、No16a组淋巴结清扫、术中失血量、肿瘤TNM分期；
(4)统计每位病人的术后并发症实际发生情况和预测概率，以预测概率为检验变量，以术后并发症实际发生情况为状态变量，作受试者工作特征曲线分析，根据曲线下面积评价该预测方法的价值，根据尤登指数确定最佳预测分界值，并评价该预测方法的灵敏度、特异度；
(5)根据上述步骤3的逻辑回归分析结果，建立胃癌术后严重并发症风险度的预测模型：P＝Exp∑B0+B1X1+…+BkXk/1+Exp∑B0+B1X1+…+BkXk，其中P为应变量，代表风险概率值，X为自变量，代表各危险因子，B为偏回归系数，结合由尤登指数确定的最佳分界值，即可用于预测每例胃癌病人发生术后严重并发症的风险概率。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CNA2006100982903A CN1973778A (zh) | 2006-12-08 | 2006-12-08 | 胃癌术后严重并发症风险度的预测方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CNA2006100982903A CN1973778A (zh) | 2006-12-08 | 2006-12-08 | 胃癌术后严重并发症风险度的预测方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN1973778A true CN1973778A (zh) | 2007-06-06 |
Family
ID=38124328
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CNA2006100982903A Pending CN1973778A (zh) | 2006-12-08 | 2006-12-08 | 胃癌术后严重并发症风险度的预测方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN1973778A (zh) |
Cited By (37)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102789536A (zh) * | 2011-05-20 | 2012-11-21 | 中国人民解放军第二军医大学 | 肝脏手术治疗风险无创评估模型的建立方法 |
| CN103488889A (zh) * | 2013-09-18 | 2014-01-01 | 刘华锋 | 一种基于多元逻辑回归检测icu患者记录中伪像的方法及系统 |
| CN105431737A (zh) * | 2013-04-05 | 2016-03-23 | 延世大学校产学协力团 | 用于预测局部晚期胃癌预后的系统 |
| CN105474217A (zh) * | 2013-06-24 | 2016-04-06 | 皇家飞利浦有限公司 | 对身体功能的预测的和跟踪的个性化患者处置影响 |
| CN106295179A (zh) * | 2016-08-10 | 2017-01-04 | 广东工业大学 | 一种流行性感冒预测方法及装置 |
| CN106667443A (zh) * | 2017-01-10 | 2017-05-17 | 中山大学中山眼科中心 | 先天性白内障术后并发症预测方法和系统 |
| US9672329B2 (en) | 2012-03-05 | 2017-06-06 | Opko Diagnostics, Llc | Methods and apparatuses for predicting risk of prostate cancer and prostate gland volume |
| CN107586852A (zh) * | 2017-11-06 | 2018-01-16 | 福建医科大学附属协和医院 | 基于22个基因的胃癌腹膜转移预测模型及其应用 |
| CN107680680A (zh) * | 2017-09-07 | 2018-02-09 | 广州九九加健康管理有限公司 | 基于精准健康管理的心脑血管疾病风险预警方法及系统 |
| CN108417267A (zh) * | 2018-03-19 | 2018-08-17 | 首都医科大学附属北京地坛医院 | 一种确定肝硬化肝肾综合征患者短期预后的系统 |
| CN109155158A (zh) * | 2015-11-05 | 2019-01-04 | 360膝盖系统股份有限公司 | 管理膝关节手术的患者 |
| CN109480771A (zh) * | 2018-10-17 | 2019-03-19 | 江西惠肽生物科技有限公司 | 一种卵巢肿块良恶的确定方法及确定装置 |
| CN110634571A (zh) * | 2019-09-20 | 2019-12-31 | 四川省人民医院 | 肝移植术后预后预测系统 |
| CN110718283A (zh) * | 2019-10-23 | 2020-01-21 | 上海中医药大学附属岳阳中西医结合医院 | 一种补充替代的显著性检验方法 |
| JP2020021371A (ja) * | 2018-08-02 | 2020-02-06 | Ｎｅｃソリューションイノベータ株式会社 | 手術後感染予測装置、手術後感染予測装置生産方法、手術後感染予測方法およびプログラム |
| CN110807785A (zh) * | 2019-11-01 | 2020-02-18 | 上海理工大学 | 一种非小细胞肺癌患者术后复发相关性因素研究方法 |
| CN110827992A (zh) * | 2019-11-15 | 2020-02-21 | 袁洪 | 高血压术后急性肾损伤的术前预测方法 |
| CN110930401A (zh) * | 2019-12-11 | 2020-03-27 | 大连医科大学附属第一医院 | 一种能谱ct增强碘水图影像组学术前预测肾透明细胞癌who/isup分级方法 |
| CN110916666A (zh) * | 2019-12-11 | 2020-03-27 | 大连医科大学附属第一医院 | 一种基于多模态mri图像预测手术切除肝细胞癌复发的影像组学特征处理方法 |
| CN110930402A (zh) * | 2019-12-11 | 2020-03-27 | 大连医科大学附属第一医院 | 一种基于子宫内膜癌的dki序列mk图的影像组学特征处理方法 |
| CN111724903A (zh) * | 2020-06-29 | 2020-09-29 | 北京市肿瘤防治研究所 | 预测受试者胃癌预后的系统 |
| CN111739642A (zh) * | 2020-06-23 | 2020-10-02 | 杭州和壹医学检验所有限公司 | 一种结直肠癌风险预测方法、系统、计算机设备及可读存储介质 |
| CN111899866A (zh) * | 2020-07-28 | 2020-11-06 | 四川大学华西医院 | 基于深度学习的外科手术并发症评测系统 |
| CN112851793A (zh) * | 2019-11-28 | 2021-05-28 | 北京肿瘤医院(北京大学肿瘤医院) | 一种用于早期体腔内感染性并发症诊断的标记物及方法 |
| CN113053533A (zh) * | 2021-03-17 | 2021-06-29 | 曜立科技(北京)有限公司 | 一种基于大数据分析的心血管手术风险评估系统 |
| CN113209402A (zh) * | 2021-05-25 | 2021-08-06 | 重庆医科大学 | 肝硬化伴自发性腹膜炎的风险预测系统及设备 |
| CN113436740A (zh) * | 2021-07-03 | 2021-09-24 | 北京大学第三医院（北京大学第三临床医学院） | 术后不良结局风险的预测模型的构建方法 |
| CN113930506A (zh) * | 2021-09-23 | 2022-01-14 | 江苏大学附属医院 | 一种预测肝细胞癌预后和治疗抵抗的谷氨酰胺代谢基因标签评分系统 |
| CN114420291A (zh) * | 2022-01-14 | 2022-04-29 | 安徽省肿瘤医院 | 基于机器学习的胃癌淋巴结转移风险评估系统、设备及存储介质 |
| CN114783607A (zh) * | 2022-05-10 | 2022-07-22 | 中南大学湘雅医院 | 一种手术输血风险预测模型及其网络计算器的构建方法 |
| CN115240854A (zh) * | 2022-07-29 | 2022-10-25 | 中国医学科学院北京协和医院 | 一种胰腺炎预后数据的处理方法及其系统 |
| US11761962B2 (en) | 2014-03-28 | 2023-09-19 | Opko Diagnostics, Llc | Compositions and methods related to diagnosis of prostate cancer |
| CN117116488A (zh) * | 2023-10-23 | 2023-11-24 | 北京肿瘤医院(北京大学肿瘤医院) | 一种评估老年肺癌患者术后严重并发症的方法及相关设备 |
| CN117198533A (zh) * | 2023-09-11 | 2023-12-08 | 徐州医科大学 | 基于大数据分析的围术期患者麻醉风险评估和预警系统 |
| US11921115B2 (en) | 2015-03-27 | 2024-03-05 | Opko Diagnostics, Llc | Prostate antigen standards and uses thereof |
| US12326453B2 (en) | 2014-03-28 | 2025-06-10 | Opko Diagnostics, Llc | Compositions and methods for active surveillance of prostate cancer |
| RU2850369C1 (ru) * | 2024-12-24 | 2025-11-11 | Федеральное государственное бюджетное научное учреждение "Томский национальный исследовательский медицинский центр" Российской академии наук ("Томский НИМЦ") | Способ прогнозирования осложнений при хирургическом лечении пациентов со злокачественными новообразованиями |
-
2006
- 2006-12-08 CN CNA2006100982903A patent/CN1973778A/zh active Pending
Cited By (61)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN102789536A (zh) * | 2011-05-20 | 2012-11-21 | 中国人民解放军第二军医大学 | 肝脏手术治疗风险无创评估模型的建立方法 |
| CN102789536B (zh) * | 2011-05-20 | 2015-11-18 | 中国人民解放军第二军医大学 | 肝脏手术治疗风险无创评估模型的建立方法 |
| CN104364788B (zh) * | 2012-03-05 | 2018-02-06 | 阿克蒂克合伙公司 | 预测前列腺癌风险及前列腺腺体体积的装置 |
| US10672503B2 (en) | 2012-03-05 | 2020-06-02 | Opko Diagnostics, Llc | Methods and apparatuses for conducting analyses |
| US12131802B2 (en) | 2012-03-05 | 2024-10-29 | Opko Diagnostics, Llc | Methods and apparatuses for predicting risk of prostate cancer and prostate gland volume |
| TWI638277B (zh) * | 2012-03-05 | 2018-10-11 | Ｏｐｋｏ診斷法有限責任公司 | 用於確定前列腺癌相關事件之機率之分析系統及方法 |
| CN108108590A (zh) * | 2012-03-05 | 2018-06-01 | 阿克蒂克合伙公司 | 分析系统和方法 |
| US9672329B2 (en) | 2012-03-05 | 2017-06-06 | Opko Diagnostics, Llc | Methods and apparatuses for predicting risk of prostate cancer and prostate gland volume |
| TWI596494B (zh) * | 2012-03-05 | 2017-08-21 | Ｏｐｋｏ診斷法有限責任公司 | 預測前列腺癌風險及前列腺腺體體積之方法及裝置 |
| CN105431737B (zh) * | 2013-04-05 | 2017-11-24 | 诺瓦米克斯有限公司 | 用于预测局部晚期胃癌预后的系统 |
| CN105431737A (zh) * | 2013-04-05 | 2016-03-23 | 延世大学校产学协力团 | 用于预测局部晚期胃癌预后的系统 |
| CN105474217B (zh) * | 2013-06-24 | 2018-09-18 | 皇家飞利浦有限公司 | 一种提供针对被诊断患有疾病患者的医学信息方法及系统 |
| CN105474217A (zh) * | 2013-06-24 | 2016-04-06 | 皇家飞利浦有限公司 | 对身体功能的预测的和跟踪的个性化患者处置影响 |
| CN103488889A (zh) * | 2013-09-18 | 2014-01-01 | 刘华锋 | 一种基于多元逻辑回归检测icu患者记录中伪像的方法及系统 |
| US11761962B2 (en) | 2014-03-28 | 2023-09-19 | Opko Diagnostics, Llc | Compositions and methods related to diagnosis of prostate cancer |
| US12326453B2 (en) | 2014-03-28 | 2025-06-10 | Opko Diagnostics, Llc | Compositions and methods for active surveillance of prostate cancer |
| US12510543B2 (en) | 2015-03-27 | 2025-12-30 | Opko Diagnostics, Llc | Prostate antigen standards and uses thereof |
| US11921115B2 (en) | 2015-03-27 | 2024-03-05 | Opko Diagnostics, Llc | Prostate antigen standards and uses thereof |
| CN109155158A (zh) * | 2015-11-05 | 2019-01-04 | 360膝盖系统股份有限公司 | 管理膝关节手术的患者 |
| CN106295179A (zh) * | 2016-08-10 | 2017-01-04 | 广东工业大学 | 一种流行性感冒预测方法及装置 |
| CN106667443A (zh) * | 2017-01-10 | 2017-05-17 | 中山大学中山眼科中心 | 先天性白内障术后并发症预测方法和系统 |
| CN107680680A (zh) * | 2017-09-07 | 2018-02-09 | 广州九九加健康管理有限公司 | 基于精准健康管理的心脑血管疾病风险预警方法及系统 |
| CN107586852B (zh) * | 2017-11-06 | 2021-01-29 | 福建医科大学附属协和医院 | 基于22个基因的胃癌腹膜转移预测模型及其应用 |
| CN107586852A (zh) * | 2017-11-06 | 2018-01-16 | 福建医科大学附属协和医院 | 基于22个基因的胃癌腹膜转移预测模型及其应用 |
| CN108417267A (zh) * | 2018-03-19 | 2018-08-17 | 首都医科大学附属北京地坛医院 | 一种确定肝硬化肝肾综合征患者短期预后的系统 |
| JP2020021371A (ja) * | 2018-08-02 | 2020-02-06 | Ｎｅｃソリューションイノベータ株式会社 | 手術後感染予測装置、手術後感染予測装置生産方法、手術後感染予測方法およびプログラム |
| JP7161688B2 (ja) | 2018-08-02 | 2022-10-27 | Ｎｅｃソリューションイノベータ株式会社 | 手術後感染予測装置、手術後感染予測装置生産方法、手術後感染予測方法およびプログラム |
| CN109480771B (zh) * | 2018-10-17 | 2021-09-07 | 江西惠肽生物科技有限公司 | 一种卵巢肿块良恶的确定方法及确定装置 |
| CN109480771A (zh) * | 2018-10-17 | 2019-03-19 | 江西惠肽生物科技有限公司 | 一种卵巢肿块良恶的确定方法及确定装置 |
| CN110634571A (zh) * | 2019-09-20 | 2019-12-31 | 四川省人民医院 | 肝移植术后预后预测系统 |
| CN110718283A (zh) * | 2019-10-23 | 2020-01-21 | 上海中医药大学附属岳阳中西医结合医院 | 一种补充替代的显著性检验方法 |
| CN110807785A (zh) * | 2019-11-01 | 2020-02-18 | 上海理工大学 | 一种非小细胞肺癌患者术后复发相关性因素研究方法 |
| CN110827992B (zh) * | 2019-11-15 | 2022-08-12 | 袁洪 | 高血压术后急性肾损伤的术前预测系统 |
| CN110827992A (zh) * | 2019-11-15 | 2020-02-21 | 袁洪 | 高血压术后急性肾损伤的术前预测方法 |
| CN112851793B (zh) * | 2019-11-28 | 2023-08-22 | 北京肿瘤医院(北京大学肿瘤医院) | 一种用于早期体腔内感染性并发症诊断的标记物及方法 |
| CN112851793A (zh) * | 2019-11-28 | 2021-05-28 | 北京肿瘤医院(北京大学肿瘤医院) | 一种用于早期体腔内感染性并发症诊断的标记物及方法 |
| CN110916666B (zh) * | 2019-12-11 | 2023-03-21 | 大连医科大学附属第一医院 | 一种预测手术切除肝细胞癌复发的影像组学特征处理方法 |
| CN110930402A (zh) * | 2019-12-11 | 2020-03-27 | 大连医科大学附属第一医院 | 一种基于子宫内膜癌的dki序列mk图的影像组学特征处理方法 |
| CN110916666A (zh) * | 2019-12-11 | 2020-03-27 | 大连医科大学附属第一医院 | 一种基于多模态mri图像预测手术切除肝细胞癌复发的影像组学特征处理方法 |
| CN110930401B (zh) * | 2019-12-11 | 2023-11-10 | 大连医科大学附属第一医院 | 一种能谱ct增强碘水图影像组学术前预测肾透明细胞癌who/isup分级方法 |
| CN110930402B (zh) * | 2019-12-11 | 2023-11-07 | 大连医科大学附属第一医院 | 一种基于子宫内膜癌的dki序列mk图的影像组学特征处理方法 |
| CN110930401A (zh) * | 2019-12-11 | 2020-03-27 | 大连医科大学附属第一医院 | 一种能谱ct增强碘水图影像组学术前预测肾透明细胞癌who/isup分级方法 |
| CN111739642A (zh) * | 2020-06-23 | 2020-10-02 | 杭州和壹医学检验所有限公司 | 一种结直肠癌风险预测方法、系统、计算机设备及可读存储介质 |
| CN111724903B (zh) * | 2020-06-29 | 2023-09-26 | 北京市肿瘤防治研究所 | 预测受试者胃癌预后的系统 |
| CN111724903A (zh) * | 2020-06-29 | 2020-09-29 | 北京市肿瘤防治研究所 | 预测受试者胃癌预后的系统 |
| CN111899866A (zh) * | 2020-07-28 | 2020-11-06 | 四川大学华西医院 | 基于深度学习的外科手术并发症评测系统 |
| CN111899866B (zh) * | 2020-07-28 | 2022-04-22 | 四川大学华西医院 | 基于深度学习的外科手术并发症评测系统 |
| CN113053533A (zh) * | 2021-03-17 | 2021-06-29 | 曜立科技(北京)有限公司 | 一种基于大数据分析的心血管手术风险评估系统 |
| CN113209402A (zh) * | 2021-05-25 | 2021-08-06 | 重庆医科大学 | 肝硬化伴自发性腹膜炎的风险预测系统及设备 |
| CN113436740A (zh) * | 2021-07-03 | 2021-09-24 | 北京大学第三医院（北京大学第三临床医学院） | 术后不良结局风险的预测模型的构建方法 |
| CN113930506A (zh) * | 2021-09-23 | 2022-01-14 | 江苏大学附属医院 | 一种预测肝细胞癌预后和治疗抵抗的谷氨酰胺代谢基因标签评分系统 |
| CN113930506B (zh) * | 2021-09-23 | 2022-10-18 | 江苏大学附属医院 | 一种预测肝细胞癌预后和治疗抵抗的谷氨酰胺代谢基因标签评分系统 |
| CN114420291B (zh) * | 2022-01-14 | 2023-04-07 | 安徽省肿瘤医院 | 基于机器学习的胃癌淋巴结转移风险评估系统、设备及存储介质 |
| CN114420291A (zh) * | 2022-01-14 | 2022-04-29 | 安徽省肿瘤医院 | 基于机器学习的胃癌淋巴结转移风险评估系统、设备及存储介质 |
| CN114783607A (zh) * | 2022-05-10 | 2022-07-22 | 中南大学湘雅医院 | 一种手术输血风险预测模型及其网络计算器的构建方法 |
| CN115240854A (zh) * | 2022-07-29 | 2022-10-25 | 中国医学科学院北京协和医院 | 一种胰腺炎预后数据的处理方法及其系统 |
| CN115240854B (zh) * | 2022-07-29 | 2023-10-03 | 中国医学科学院北京协和医院 | 一种胰腺炎预后数据的处理方法及其系统 |
| CN117198533A (zh) * | 2023-09-11 | 2023-12-08 | 徐州医科大学 | 基于大数据分析的围术期患者麻醉风险评估和预警系统 |
| CN117116488B (zh) * | 2023-10-23 | 2024-01-02 | 北京肿瘤医院(北京大学肿瘤医院) | 一种评估老年肺癌患者术后严重并发症的方法及相关设备 |
| CN117116488A (zh) * | 2023-10-23 | 2023-11-24 | 北京肿瘤医院(北京大学肿瘤医院) | 一种评估老年肺癌患者术后严重并发症的方法及相关设备 |
| RU2850369C1 (ru) * | 2024-12-24 | 2025-11-11 | Федеральное государственное бюджетное научное учреждение "Томский национальный исследовательский медицинский центр" Российской академии наук ("Томский НИМЦ") | Способ прогнозирования осложнений при хирургическом лечении пациентов со злокачественными новообразованиями |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN1973778A (zh) | 胃癌术后严重并发症风险度的预测方法 | |
| Hua et al. | Monocyte-to-lymphocyte ratio predicts mortality and cardiovascular mortality in the general population | |
| Lu et al. | Lactate dehydrogenase is associated with 28-day mortality in patients with sepsis: a retrospective observational study | |
| Zhuang et al. | EWGSOP2 versus EWGSOP1 for sarcopenia to predict prognosis in patients with gastric cancer after radical gastrectomy: analysis from a large-scale prospective study | |
| Liu et al. | Perioperative outcomes for laparoscopic and robotic compared with open prostatectomy using the National Surgical Quality Improvement Program (NSQIP) database | |
| Pedrazzani et al. | Impact of visceral obesity and sarcobesity on surgical outcomes and recovery after laparoscopic resection for colorectal cancer | |
| Luo et al. | Predicting the Onset of Hepatitis B Virus–Related Acute-on-Chronic Liver Failure | |
| Gucu et al. | Prognostic nutritional index as a marker of mortality: an observational cohort study of patients undergoing cardiac surgery | |
| Saito et al. | Pilot study of changes in presepsin concentrations compared with changes in procalcitonin and C-reactive protein concentrations after cardiovascular surgery | |
| Al-Mazrou et al. | Alvimopan, regardless of ileus risk, significantly impacts ileus, length of stay, and readmission after intestinal surgery | |
| WO2024250730A1 (en) | Methods of detecting cancer | |
| Chen et al. | Association between preoperative hs-crp/albumin ratio and postoperative sirs in elderly patients: a retrospective observational cohort study | |
| Xu et al. | Preoperative hyponatremia and hypocalcemia predict poor prognosis in elderly gastric cancer patients | |
| Xi et al. | Predictive value of prognostic nutritional index on infection after radical gastrectomy: a retrospective study | |
| Jiang et al. | Explainable machine learning model for predicting persistent sepsis-associated acute kidney injury: development and validation study | |
| Jiang et al. | Nomogram for predicting transmural bowel infarction in patients with acute superior mesenteric venous thrombosis | |
| Xu et al. | Detecting pulmonary malignancy against benign nodules using noninvasive cell-free DNA fragmentomics assay | |
| Zijlstra et al. | Progressive changes in platelet counts and Fib-4 scores precede the diagnosis of advanced fibrosis in NASH patients | |
| Wang et al. | Clinical value on combined detection of serum CA724, DKK1, and TK1 in diagnosis of gastric cancer | |
| Dang et al. | How can we better predict the prognosis of patients with pancreatic cancer undergoing surgery using an immune-nutritional scoring system? | |
| Zheng et al. | Risk stratification models incorporating oxidative stress factors to predict survival and recurrence in patients with gastric cancer after radical gastrectomy: A real-world multicenter study | |
| Luo et al. | The role of heart rate, body temperature, and respiratory rate in predicting anastomotic leakage following surgery for rectal cancer | |
| Haltmeier et al. | Transthyretin at Admission and Over Time as a Marker for Clinical Outcomes in Critically Ill Trauma Patients: A Prospective Single‐Center Study | |
| Cui et al. | The combination of circEPSTI1 and MIF offers diagnostic value for endometrial cancer | |
| Abou Dagher et al. | The prognostic value of biomarker levels and chest imaging in patients with COVID-19 presenting to the emergency department |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| C12 | Rejection of a patent application after its publication | ||
| RJ01 | Rejection of invention patent application after publication |