一区IF=12.5！恭喜青岛大学附属医院发表SEER数据库局部晚期宫颈癌预后文章~
一、文章内容解读
1.研究背景
研究主题： 本研究旨在探讨手术与非手术治疗对局部晚期宫颈癌（LACC）患者生存预后的影响，并识别可能影响手术效果的因素。
研究意义：宫颈癌是全球女性中常见的恶性肿瘤之一，对女性健康构成重大威胁。尽管已有治疗指南，但对于LACC患者是否应接受手术治疗仍存在争议。本研究通过比较手术与非手术治疗的效果，为临床治疗提供依据。
2.研究方法
数据来源：数据来自SEER数据库（2000-2020年）和一个医院（2013-2023年）。
参与者信息：共纳入2759名SEER数据库患者和181名医院患者，排除未接受放疗或手术，或未被分期为IB3或IIA2的患者。
指标计算：
主要终点：总生存（OS）和疾病特异性生存（DSS）。
OS定义：从诊断到任何原因死亡的时间。
DSS定义：从诊断到因宫颈癌死亡的时间。
统计分析和方法：
描述性统计用于连续变量和分类变量。
曼-惠特尼U检验用于比较组间连续变量。
卡方检验或Fisher精确检验用于比较分类变量。
Kaplan-Meier生存曲线用于展示不同治疗方式下OS和DSS的变化。
Log-rank测试用于比较生存曲线间的差异。
多变量Cox回归分析用于识别影响OS和DSS的独立预后因素。
3.研究结果
SEER数据库分析结果：
总生存（OS）和疾病特异性生存（DSS）：手术组在SEER数据库中显示出比非手术组显著更好的OS和DSS。具体来说：
对于肿瘤直径小于6cm的患者，手术组的5年OS为81.2%，非手术组为71.4%（P < 0.0001），5年DSS手术组为87%，非手术组为79.3%（P < 0.0001）。
不论癌症类型是鳞状细胞癌还是腺癌，手术组的OS和DSS均优于非手术组。
接受手术结合放疗的患者，其5年OS和DSS显著优于仅接受化疗放疗的患者。
医院数据结果：
手术与非手术治疗的比较：在医院数据中，手术组的OS同样显著优于非手术组，特别是对于肿瘤直径小于6cm的患者。
多变量Cox回归分析结果：
独立预后因素：多变量Cox回归分析确定了影响OS和DSS的几个独立预后因素，包括年龄、肿瘤直径、组织学类型、化疗、FIGO分期和手术治疗。
对于OS，手术干预与改善OS相关（HR: 0.53, P < 0.0001）。
对于DSS，手术干预同样与改善DSS相关（HR: 0.56, P < 0.0001）。
进一步的分层分析：表明手术治疗在不同年龄组、肿瘤直径和组织学类型中均有益。
表1：提供了SEER数据库和青岛大学附属医院数据库中LACC患者OS和DSS的多变量Cox分析结果，包括HR和95%CI，以及P值，详细列出了年龄、肿瘤直径、城乡状态、收入、婚姻状况、种族、组织学类型、分级、FIGO分期、化疗、放疗方法和治疗方式等因素对OS和DSS的影响。
图1：展示了SEER数据库和青岛大学附属医院数据库中LACC患者的OS和DSS的生存曲线，比较了手术治疗与非手术治疗。
图2：展示了不同分层分析中LACC患者的OS和DSS生存曲线，包括不同年龄组、肿瘤直径和组织学类型。
4.结论
研究发现：手术结合放疗可能比单独化疗放疗为LACC患者提供更有利的结果，尤其是对于肿瘤较小的患者。
临床意义：对于局部晚期宫颈癌患者，手术结合放疗可能是一个更优的治疗选择。
二、统计学知识点梳理
描述性统计：用于描述数据集中的中心趋势（均值）和离散程度（标准差）。
曼-惠特尼U检验：非参数检验，用于比较两个独立样本的连续变量，适用于不满足正态分布的数据。
卡方检验：用于比较两个或多个分类变量的独立性。
Fisher精确检验：用于小样本的分类变量比较，当样本量较小或期望频数小于5时使用。
Kaplan-Meier生存曲线：用于估计生存函数，展示生存时间的分布。
Log-rank测试：用于比较两个或多个生存曲线之间的差异。
多变量Cox回归分析：用于评估多个变量对生存时间的影响，计算风险比（HR）和95%置信区间（CI）。
三、如何快速开展这类研究
第一步：明确研究主题
确定研究问题和目标，例如比较手术与非手术治疗对LACC患者生存预后的影响。
第二步：设计研究方案
确定研究设计（回顾性队列研究），明确数据来源和研究时间范围。
第三步：参与者选择
确定纳入和排除标准，收集符合条件的患者数据。
第四步：计算和定义变量
定义主要终点（OS和DSS），并确定其他相关变量（年龄、肿瘤直径等）。
第五步：数据分析方法
选择合适的统计方法，如描述性统计、生存分析等。
第六步：结果解读
解释统计结果，比较手术与非手术治疗的效果。
第七步：撰写研究报告
根据研究结果撰写报告，包括研究背景、方法、结果和结论。
