中科医院以品质领跑行业 https://m.39.net/disease/a_5972957.html目标：评估磨玻璃样（GGO）成分对预后的影响，并将改良的临床T分分期（cTm）与目前的第8版分类（cT8）进行比较，以预测中国临床I期非小细胞肺癌（NSCLC）患者的预后。方法：根据cTm和cT8分期，我们回顾性分析了例部分实性或纯实性病变。采用Kaplan-Meier法和Cox比例风险模型分析无复发生存率（RFS）和总生存率（OS）。采用一致性指数（C指数）、再分类改善指标（NRI）、综合判别改善（IDI）和决策曲线分析（DCA）对cTm的再分类净效益进行评估，以预测生存率。结果：cT8分期清楚地划分了实体瘤的生存结果，但不包括部分实体瘤。GGO组分是RFS和OS的独立预后因素（p0.），表明各临床T期预后较好。经cTm分类后，RFS的C指数由0.提高到0.（p0.），OS的C指数由0.提高到0.（p0.）。DCA、NRI（RFS:0.，OS:0.）和IDI（RFS:0.，OS:0.）表明，与当前cT8分类相比，cTm分类在生存预测中提供了更多的获益。结论：目前的cT8分期可能不适合部分实体性病变，因为GGO成分的存在与良好的预后相关，不管临床分期如何。此外，部分实体病变的cTm分期显示生存率预测有所改善。引言在非小细胞肺癌（NSCLC）TNM分期系统的第8版中，部分实性结节的临床T分类（cT8）由实体成分的大小决定。这项新的修订是基于一些回顾性研究，包括部分实体和纯实体病变，其结论是实体成分的大小或实变肿瘤比例（CTR）比整体肿瘤大小具有更好的侵袭性和生存预测。然而，当我们仅考虑部分实质性病变时，这些因素可能不是一个重要的独立预后预测因子。一般来说，纯实体瘤的隐匿淋巴结转移率在11%到24%之间，被认为比部分实体瘤表现出更多的恶性行为和更差的生存率。即使在匹配了实体成分的大小之后，先前的研究发现实体瘤仍然比部分实体瘤更恶性。因此，当部分实体病变和纯实体病变具有相同大小的实体成分时，将其分类为相同的临床T分类可能是不合适的。为了解决这个问题，Hattori等人，建议采用cT1a作为所有部分实性病变的描述。这种改良的临床T分类（cTm）强调了毛玻璃样阴影（GGO）成分的存在而不是实体成分大小对预后的影响。据我们所知，cTm尚未在国际外部队列中得到验证。因此，在本研究中，我们旨在验证GGO成分的存在对中国临床Ⅰ期NSCLC患者的预后价值，并比较cTm与当前cT8的预后分层能力。患者和方法这项回顾性研究医院机构评审委员会的批准。研究人群年1月至年12月，我们回顾性分析了例经手术完全切除的临床I期非小细胞肺癌患者。对病历进行了审查，以便纳入其中。术前分期进行薄层（1mm）CT扫描，排除新辅助治疗的患者。在临床淋巴结分型方面，CT图像上未肿大的淋巴结或PET/CT扫描无摄取值改善被定义为N0类。磁共振成像或脑部CT扫描、腹部超声和骨骼扫描对M0疾病进行了重新评估。CT扫描与影像学评价如我们在先前的研究中所述，胸部图像是使用两个多探测器行CT系统中的一个获得的，其扫描参数如下：（a）SomatomDefinitionas（西门子医疗系统，德国），管能量为kvp，管电流为mA，旋转时间为0.5s，探测器准直为64×0.mm；和（b）亮度40（飞利浦医疗系统，荷兰），管能量为kv，管电流为ma，旋转时间为0.75s，探测器准直为32×1.25mm。所有图像均以1.0mm的层厚和0.7mm的增量重建，使用标准软内核（德国医疗系统西门子B31滤波器）和另一个重建内核（荷兰飞利浦医疗系统C滤波器）。所有患者术前胸部CT图像均由两位放射科医生（TT-Wang和XW-Sun）进行复查。首先，我们在肺窗区（宽度/水平，/Hounsfield单位[HU]）发现了GGO成分，排除了单纯的GGO病变（n=）。测量CT图像中实性成分的大小，确定cT分类。为了提高观察者对部分实性病变实体大小测量的一致性，他们可以自由调整肺窗和稍有不同的纵隔窗（宽度/水平，/0hu）。最终纳入例患者。根据cT8分类，肿瘤被分为T1mi（部分实性≤5mm）、T1a（部分实性6～10mm；实性1～10mm）、T1b（10至20mm）、T1c（20～30mm）或T2a（30～40mm）。此外，根据cTm分类，所有部分实性病变都被重新分类为cT1a。随访无复发生存时间（RFS）定义为诊断日期与复发日期之间的时间，总生存时间（OS）定义为诊断日期与死亡日期之间的时间。通过门诊检查或电话随访。术后随访的3、6、12个月行胸部CT或腹部CT/超声检查，持续5年。磁共振成像和骨扫描每年做一次，持续5年，或至病人有复发的迹象或症状。进行PET/CT扫描或活检以确定患者复发。统计分析在适当的情况下，患者的基线特征用Pearson-chisquared检验或Fisher精确检验进行分类变量比较，连续变量采用独立t检验。用Kaplan-Meier法生成RFS和OS，并用Log-rank检验进行比较。采用单变量和多变量Cox比例风险回归分析确定生存预测的意义。采用Harrells一致性指数（C指数）和5年时间依赖性受试者操作特征曲线下面积（AUC）测量两种临床T分类系统的预后区别，并用StudentT检验或DeLong检验进行比较。校正曲线也被用来评价预后预测的校正。为了评价cTm分类系统的生存预测净效益，对在再分类改善指标（NRI）和综合判别改进（IDI）进行了量化，并进行了决策曲线分析（DCA）。NRI和IDI是分类系统能改进的两个定量测量值。NRI是根据当前的第8版分期系统的那些被修改的分期分类重新分类的患者生存概率测量的。IDI量化了cTm区分生存者和死亡者能力的提高，它可以定义为两个分期系统之间事件和非事件预测概率的差异。如果NRI/IDI0，说明cTm对预后分类有积极的改善作用。当NRI/IDI0或NRI/IDI=0时，表示改善为阴性。p值是通过Z统计得到的。DCA显示了在不同的不良事件概率阈值下遵循分类系统管理的净效益。决策曲线下面积越大，分类系统越有利于这样的系统管理患者。统计分析通过R软件3.5.3版（