文献阅读-nomogram文章（四）

题目：《Nomogram for Preoperative Estimation of Microvascular Invasion Risk in Hepatitis B Virus–Related Hepatocellular Carcinoma Within the Milan Criteria》

一.研究背景

既往术前预测乙肝相关肝癌有无微血管浸润(MVI)的方法都有一定的局限性，需要一种新方法在术前预测肝癌有无MVI，这对于术式的决定很重要。

二.研究方法

1.纳入病人

按纳入标准和排除标准，前瞻性地纳入2004.4-2008.10的707个病人作为训练集，2008.10-2011.2的297个病人作为测试集。
疑问：这种按时间划分训练测试集的方法，是否会存在因时间不同导致的选择偏倚？将所有病人均纳入后按7：3随机分为训练测试集是否为更好的方式？

2.定义随访终点

这是一项前瞻性研究，包含了对病人的随访，定义随访终点为Overall survival(总生存期)和time to recurrence(复发时间)。

3.纳入自变量

包括生化指标、影像指标等。

4.统计方法

基线资料对比：连续型变量用t检验和Mann-Whitney秩和检验；分类变量用卡方检验或Fisher精确检验。用KM法计算生存曲线，用logrank检验比较生存曲线。

三.结果

1.数据预处理

这篇文章将很多连续型变量都处理为了二分类变量，例如HBV载量以10000位分界，PLT以300为分界，AFP以20和400为分界处理成了三分类变量。

2.Logistic模型建立

在训练集里，以有无MVI为响应变量，进行单因素logistic回归分析和多因素logistic回归分析，最终选定7个自变量，纳入nomogram画图中。

3.cox模型

以OS和TTR为终点，分别在训练集和测试集里进行单因素和多因素cox回归分析。这篇文章是以有无MVI为终点的，因此这一步只在两个数据集里进行了cox回归分析，无后续验证画nomogram图等分析。

4.验证nomogram模型表现

4.1区分度

计算c-index。

4.2校准度

画validation plot。
4.1和4.2分别使用Bootstrap重抽样法；
4.1和4.2分别在训练集和测试集中进行：

验证模型

4.3临床应用价值

logistic模型的临床应用价值，可以通过诊断试验来实现：

临床效能评估

4.局限性

局限性