构建使用了PD-1抑制剂的肿瘤患者出现甲状腺功能障碍的风险预测模型,分析使用PD-1肿瘤抑制剂导致的甲状腺功能障碍的相关风险因素,设计监测预警系统。选取2020年—2023年广西医科大学附属肿瘤医院1225例使用PD-1抑制剂肿瘤患者的临床资...构建使用了PD-1抑制剂的肿瘤患者出现甲状腺功能障碍的风险预测模型,分析使用PD-1肿瘤抑制剂导致的甲状腺功能障碍的相关风险因素,设计监测预警系统。选取2020年—2023年广西医科大学附属肿瘤医院1225例使用PD-1抑制剂肿瘤患者的临床资料,包括人口学特征、既往史、实验室检测等63个变量。本文选取相关性前10/20/30/40/50/60个变量的4种传统机器学习模型进行性能比较。通过F1分数、灵敏度、准确率、精确率、特异性曲线下面积(Area Under the Curve,AUC)评估以上预测模型的性能,并利用Shapley加性解释(Shapley Additive Explanation,SHAP)可视化解释本文的机器学习模型。与促甲状腺激素相关性排名前10的变量依次为:羟丁酸脱氢酶、乳酸脱氢酶、淋巴细胞绝对值、天门冬氨酸转移酶、钙离子、碱性磷酸酶、谷氨酰转肽酶、单核细胞绝对值、红细胞分布宽度SD、胆碱酯酶。建立了使用PD-1抑制剂的肿瘤患者出现甲状腺功能障碍的风险预测模型,并在全局解释和局部解释的层面上分别作出模型预测结果影响的解释。展开更多
目的评价阿帕替尼联合程序性死亡受体1/程序性死亡受体配体1(PD-1/PD-L1)抑制剂治疗恶性实体瘤的有效性与安全性。方法检索PubMed、Web of Science、Embase、Cochrane Library、中国知网、维普网、万方数据、中国生物医学文献数据库,收...目的评价阿帕替尼联合程序性死亡受体1/程序性死亡受体配体1(PD-1/PD-L1)抑制剂治疗恶性实体瘤的有效性与安全性。方法检索PubMed、Web of Science、Embase、Cochrane Library、中国知网、维普网、万方数据、中国生物医学文献数据库,收集阿帕替尼联合PD-1/PD-L1抑制剂和(或)化疗/其他疗法(联合组)对比阿帕替尼或PD-1/PD-L1抑制剂单药和(或)化疗/其他疗法(对照组)治疗恶性实体瘤的随机对照研究(RCT),检索时限为建库至2025年5月。筛选文献、提取资料、评价文献质量后,采用RevMan 5.3和Stata 14.0软件进行Meta分析。结果共纳入28篇RCTs,包括2974例患者。联合组患者的客观缓解率[RR=1.639,95%CI(1.452,1.851),P<0.00001],疾病控制率[RR=1.284,95%CI(1.178,1.399),P<0.00001],CD3^(+)、CD4^(+)、CD4^(+)/CD8^(+)以及高血压、疲劳乏力、蛋白尿、血小板减少等不良反应的发生率均显著高于对照组(P<0.05或P<0.00001);疾病进展率[RR=0.497,95%CI(0.437,0.566),P<0.00001]、血清肿瘤标志物水平、CD8^(+)均显著低于对照组(P<0.05或P<0.00001)。不同类型肿瘤的亚组分析结果显示,联合组患者的客观缓解率和疾病控制率均显著高于对照组(P<0.05)。敏感性分析结果显示,本研究结果的稳定性良好。发表偏倚分析结果显示,本研究存在发表偏倚的可能性较大。结论阿帕替尼联合PD-1/PD-L1抑制剂治疗不同类型肿瘤的疗效显著,但需注意高血压、疲劳乏力、蛋白尿、血小板减少的发生。展开更多
文摘构建使用了PD-1抑制剂的肿瘤患者出现甲状腺功能障碍的风险预测模型,分析使用PD-1肿瘤抑制剂导致的甲状腺功能障碍的相关风险因素,设计监测预警系统。选取2020年—2023年广西医科大学附属肿瘤医院1225例使用PD-1抑制剂肿瘤患者的临床资料,包括人口学特征、既往史、实验室检测等63个变量。本文选取相关性前10/20/30/40/50/60个变量的4种传统机器学习模型进行性能比较。通过F1分数、灵敏度、准确率、精确率、特异性曲线下面积(Area Under the Curve,AUC)评估以上预测模型的性能,并利用Shapley加性解释(Shapley Additive Explanation,SHAP)可视化解释本文的机器学习模型。与促甲状腺激素相关性排名前10的变量依次为:羟丁酸脱氢酶、乳酸脱氢酶、淋巴细胞绝对值、天门冬氨酸转移酶、钙离子、碱性磷酸酶、谷氨酰转肽酶、单核细胞绝对值、红细胞分布宽度SD、胆碱酯酶。建立了使用PD-1抑制剂的肿瘤患者出现甲状腺功能障碍的风险预测模型,并在全局解释和局部解释的层面上分别作出模型预测结果影响的解释。
