要点
问题可以系统地完善资格准则确定更合适的病人接受有用的医疗程序使用前哨淋巴结活检(SLNB)对黑色素瘤作为一个说明性的例子吗?
发现在这个预后研究/决策分析模型,其中包括7331例黑色素瘤,显著提高预测精度的一种方法的概率SLNB结果被用在两个不同的种群。采用一系列的最小可接受的概率让病人选择SLNB更划算,用更少的程序执行和更多node-positive黑色素瘤患者。
意义本研究发现改进预测精度SLNB-positivity可以提高成本效益在选择患者SLNB,表明黑素瘤接受SLNB指南应该相应的精炼。
重要性精炼的资格准则可以确定更合适的患者接受有用的医疗程序。
客观的改善成本效益选择黑色素瘤的患者进行前哨淋巴结活检(SLNB)。
设计,设定和参与者这个混合预后研究/决策分析模型进行了黑色素瘤患者中有资格获得SLNB 2黑色素瘤中心从澳大利亚和美国从2000年到2014年。参与者包括2群黑色素瘤患者接受没有SLNB SLNB和一群合格的患者。个性化SLNB积极性产生的以病人为中心的方法的概率(PCM)与由传统多元逻辑回归分析调查12预后因素。预测精度评估是由接受者操作特征曲线下的面积(AUROC)为每个方法和匹配配对分析。
干预措施筛选合适的病人接受SLNB。
主要结果和措施SLNBs总数(给总成本)和执行SLNB-positive数量(的有效性)评估结果。改善成本效益通过明智的病人选择解释为增加的数量SLNB-positive结果实现,减少数量的SLNBs执行,或两者同时结果。
结果7331黑素瘤患者SLNB结果评估3640年澳大利亚的病人(2212男性(60.8%);2447 > 50岁[67.2%])和1342年美国病人(774男性(57.7%);885 > 50岁[66.0%]);2349例患者符合SLNB没作为包含在仿真的过程。PCM-generated概率达到0.803的AUROC预测SLNB积极性在澳大利亚队列和0.826在美国队列,高于相应AUROCs由传统逻辑回归分析。在模拟,采用许多SLNB-positive概率最小可接受病人筛选标准导致更少的程序执行或增加的预期数字积极SLNBs。最低限度可以接受PCM-generated概率8.7%引起相同数量的SLNBs历史上执行(3640 SLNBs),与1066年积极SLNBs(29.3%),构成287额外的积极的改进SLNBs与779年相比实际积极SLNBs(提高36.8%)。相比之下,采用23.7% PCM-generated最低截止1825 SLNBs概率导致执行,或1815 SLNBs少于实际经验(49.9%)。它导致相同的预期数量的积极成果(779 SLNBs), 42.7%的积极性。
结论和意义预后研究/决策分析模型发现,PCM方法优于传统的多元逻辑回归分析预测哪些患者SLNB会有积极的结果。这些发现表明,系统的生产和利用更精确SLNB-positivity概率可以改善SLNB的黑色素瘤患者的选择与使用指南,从而提高成本效益的选择过程。资格的指导方针进行SLNB应该包括context-tailored最低中断概率。
大量的卫生保健成本交付构成实质性的工业化国家的经济负担。充足的证据表明当病人不必要浪费的大小进行昂贵的医疗程序。1而医疗社会发展指导方针,规范医疗护理方法,这些指导方针主要是基于共识而不是证据,不一致。他们常常没有考虑个别病人特点和差异参与机构。严格依赖建立指导方针可能会因此忽视病人可能受益于过程而选择一些不太可能从中受益。系统细化准则,以反映相关语境因素对患者个体和机构可以显著改善患者选择最合适的机会。
黑色素瘤是第三个最常见的恶性肿瘤在澳大利亚2在美国最常见的第五。3主要从早期诊断黑色素瘤的发展管理了,4识别区域淋巴结微转移,5和发展有效的系统性治疗。6- - - - - -9确定淋巴结转移是革命性的前哨淋巴结活检(SLNB)技术。SLNB是一个重要的和可靠的分期工具,SLN地位成为最强大的本地化的原发性黑色素瘤临床预后因素5,10选择高风险患者的一个重要标准,SLNB-positive(第三阶段)和负(第二阶段)为辅助治疗黑色素瘤。11- - - - - -14虽然过程通常是可以接受的,它可以与并发症有关,如血清肿、感染,淋巴水肿。
SLNB通常建议患者根据合格标准,包括原发肿瘤大于1.0毫米厚或薄黑色素瘤与高风险的特性,如溃疡或有丝分裂率增加。过程识别约15%到20%的病人有node-positive黑色素瘤。5这些患者获得程序的大多数好处(超出淋巴结阴性的知识状态)鉴于SLNB-negative黑色素瘤患者经常以同样的方式对待,好像他们没有经历了SLNB。这表明,更准确的预测SLNB积极性可以减少程序执行的数量和增加SLNB-positive黑色素瘤患者的数量,从而提高成本效益的选择过程。开发了许多列线图反映SLNB积极性的风险。15,16然而,更准确的概率算法是否能改善成本效益在选择患者接受SLNB和这种改善的程度没有调查之前,我们的知识。
我们开发了一些新颖的统计程序,称为以病人为中心的方法(PCM),生成概率分配到特定的临床结果量身定制(例如,通过分层患者群成不同的子组的风险利益和随后的结果结合已知的预后因素的影响在每个单独的子群)。17PCM已被证明能够更准确的预测(1)生存结果黑色素瘤和乳腺癌17(2)有丝分裂率预测的性能预测在黑色素瘤。18这项研究调查了PCM的预测个性化SLNB积极与其他方法相比,结果在选择的病人接受SLNB成本效益。
这个混合预后研究/决策分析模型遵循透明报告个人预后和诊断的多变量预测模型(三脚架)和巩固卫生经济评估报告准则(干杯观察性研究)报告指南(表1;eTable 1补充1)。分析机构审查委员会批准在每个机构(黑色素瘤研究所澳大利亚(MIA)和加州太平洋医学中心)知情同意后从每个参与者获得。
合并后的7331名临床患者局部皮肤原发性黑色素瘤诊断之间的1月1日,2000年和2014年12月31日组装2从现有的数据库分析机构(MIA,或者澳大利亚队列和加州太平洋医学中心,或美国队列)。标准用于定义资格并推荐SLNB包括黑色素瘤厚度大于1.0毫米或1.0毫米或更少的厚度与溃疡或有丝分裂率为1毫米2或更高版本。
万博manbetx平台首页预后因素12日信息被用于后续的分析。这些因素是病人的年龄、病人性别、肿瘤部位、肿瘤厚度、溃疡,有丝分裂率,微卫星,回归,肿瘤浸润淋巴细胞(TIL)年级,淋巴的入侵,克拉克肿瘤类型和水平。
我们效率定义为选定的病人接受SLNB的适宜性、分段过程旨在识别node-positive黑色素瘤患者。因此,有效提高当哪个活检是发现更多node-positive黑色素瘤患者。我们成本定义为医疗资源(包括但不限于货币支出)用于SLNBs表演。因此,成本减少更少的程序执行时确定node-positive黑色素瘤患者。我们定义的成本效益2结果采用最小中断概率用于选择病人接受SLNBs,评估通过比较这些结果测量:实际或预期数量的积极SLNBs实现和需要数量的程序实现,许多积极SLNBs执行。
脉码调制17,18生成的概率算法来预测SLNB积极性通过分层每个队列(澳大利亚和美国)到3 risk-defined基于T类别和子组病人年龄在每个队列提供明显的歧视。每个风险小组的构成在eMethods提供补充1。为每个风险小组在每一个群体,一个单独的算法是由多元逻辑回归分析应用于12个指标为每个预后因子生成。然后我们建造2单独的综合预测算法通过合并3单独的逻辑回归输出获得3风险子组。每个算法的最终输出单个病人的经历积极的SLNB的概率估计的结果。正确的每个复合歧视PCM-generated算法评估通过比较它与AUROC AUROC通过通过传统逻辑回归分析相同的12个因素。匹配配对分析预测精度评估的概率预测错误使用Wilcoxon配对,符号秩检验和测试(eMethods二项式标志补充1)。所有报告P值是双向的;被定义为统计意义P≤0。。
概率算法生成的3种不同的方法被应用于5989年的今天,澳大利亚病人队列:PCM-generated算法,算法来源于传统的多元逻辑回归分析,和一个算法结合两种方法(eMethods的有用特征补充1)。选择每一个符合条件的病人接受SLNB模拟时,病人的SLNB-positive概率等于或超过最小可接受的中断概率。由此产生的成本效益的基础病人选择不同的短裤是校准的2结果测量:实际或预期数量的积极SLNBs实现执行的程序和所需数量达到这个数字。成本效益是单独评估使用SLNB-positivity概率所产生的每个3算法产生的每一个方法,分别。每个算法的拟合优度的概率也是评估通过比较积极SLNBs的观察值与预期的数量,和相应的R2值计算。数据分析使用SPSS统计软件版本(IBM)从2000年10月到2021年4月27日。
一群5989名患者在米娅是检查,和3640个病人(2212男性(60.8%);2447 > 50岁[67.2%])接受了SLNB (表1)。我们还研究了2349名病人在米娅资格但没有接受SLNB (eTable 1补充1)。此外,1342年美国接受SLNB原发性黑色素瘤患者进行了研究(774男性(57.7%);885 > 50岁[66.0%])(表1)。
起初,我们评估了12个预后因素的效用评估个别病人SLNB-positivity概率在澳大利亚队列使用传统的多个逻辑回归。在逐步的分析这些因素,除了性都是独立与SLNB的结果;χ2范围从3.88 (P对有丝分裂率= . 05)65.14 (P<措施)对黑色素瘤亚型(表2),AUROC总计0.753 (图1一个)。
接下来,我们使用PCM SLNB积极性产生类似的概率。我们分层澳大利亚分成3基于肿瘤预后子组厚度和患者年龄、协变量2 SLNB的最大变化的结果(表2);79的低风险组的893名患者(8.9%)SLNB积极。这增加到239年的1355例中度风险组(17.6%)和461年的1392例高危人群(33.1%),有显著差异SLNB-positivity利率由χ组如图所示2测试(P<措施)(eTable 2补充1)。
然后我们最好安装单独的逻辑回归分析一个算法预测SLNB积极性来自同一个12预后因素的患者群。不同因素协变量被确定为独立的子集在每个子群(eTables 3 - 5补充1)。从每个子群预后概率被合并成一个综合指数,实现了AUROC 0.803 (图1PCM)来验证的准确性,增加配对误差绝对值差异在预测SLNB结果进行评估,与显著差异有利于小PCM Wilcoxon中的错误匹配配对signed-ranks测试和二项式签署测试(P<措施)。PCM产生更准确的预测69.4%比使用传统的逻辑回归分析时更频繁。
另外,我们检查我们的病人经历了SLNB。有在统计上有显著差异的组成2组(表1),与澳大利亚群体表现出更高比例的更厚的黑色素瘤患者和SLNB-positivity率较高。此外,3预后因素(回归、黑色素瘤亚型和胡麻年级)以不同的方式编码,从而排除简单的合并数据组和复杂应用程序的数据从1组。我们评估的预测效用相同的12预后因素与传统逻辑回归分析,实现了AUROC 0.777 (图1B)。在澳大利亚队列的我们的分析,我们使用PCM生成低收入,中间,和高风险的子组,38岁的597名患者(6.4%),87年的458名患者(19.0%),和112年的287名患者(39.0%)出现积极SLNB的结果,分别与由集团所示χ显著差异2测试(P<措施)eTable 2补充1)。合并后的概率3子组,上证综合指数实现了AUROC 0.826 (图1B)。改进的PCM在预测精度SLNB结果与传统逻辑回归分析得到了绝对错误的配对分析(P<。001for signed rank and binomial tests). PCM produced a more accurate prognosis 100.9% more frequently than conventional analysis.
然后我们选择的成本效益评估患者接受SLNB由于等于或超过最低中断概率。单独SLNB-positivity概率是由3个独立的算法。澳大利亚的3640名患者群,我们增加了2349个病人(eTable 1补充1)有资格但没有接受SLNBs。概率是所有5989名澳大利亚患者2对应算法来源于3640年澳大利亚患者和1342名美国病人SLNB。足够的样本符合条件的患者没有接受手术不能确认在美国队列,从而排除类似群组分析。
使用PCM-generated算法,采用8.7%的最低截止SLNB积极性导致相同数量的概率模拟SLNBs实际执行(3640 SLNBs),但与1066年预期的积极成果,积极率为29.3%。这构成了一个改进的287年与779年相比SLNBs实际积极SLNBs(提高36.8%)。相比之下,采用23.7%最低截止导致执行1825个模拟SLNBs,相同的预期数量的积极成果(779 SLNBs),积极性率为42.7%,需要减少1815模拟程序(49.9%)。每个最小中断概率曲线1图2在前面描述的2引用概率说明成本效益优势(即大量的预期的积极SLNB成果和小数量的程序需要实现这些积极成果与实际经验)。
此外,我们评估结果应用4 PCM-generated minimum-cutoff SLNB-positivity引用概率可能应用于实践(范围,5% - -20%)。黑色素瘤中心通常建议SLNB个体病人当积极的结果的概率范围在5%和10%之间。采用10%、15%或20% PCM-generated最低切断同时改善措施结果(因为他们是8.7%和23.7%)的成本效益的优势范围内(表3)。例如,10%的PCM截止1046年预期产生积极执行的3417个模拟SLNBs SLNBs(36.0%),构成一个进步的267年比779年积极SLNBs实际上取得了223年(提高34.3%)和减少不必要的SLNBs 3640程序实际执行(减少6.1%)。相比之下,采用5%最低临界概率预期的积极SLNB成果的数量增加,导致SLNB-positivity 1123 4636 SLNBs(24.2%),增加344积极SLNBs (44.2%);然而,它需要996额外的预期程序被执行(27.4%)(表3)。所有可能的PCM-generated最低中断概率和相关双SLNB eTable 6中提供的结果补充2,排名提升积极性概率。
我们下一个明智的病人选择的成本效益评估当中断概率生成与传统的多元逻辑回归分析相同的12米娅群体预后因素。在模拟中使用这些概率也导致改善成本效益与实际经验相比,虽然比发现当使用概率较小的差异所产生的PCM (图2),具有成本效益的主导的范围最低截止概率下降到11.3%和19.8%之间。因此,5%,10%,20%参考达标外的统治范围(图2一个和表3),因此没有产生明显优越的选择。例如,10%的常规截止3968年导致了1044年预期积极性SLNBs表现(26.3%),构成265积极SLNBs与实际经验的改进(提高34.0%),但增加328不必要的SLNBs (9.0%)。所有可能的最低中断概率和相关双SLNB eTable 7提供了这种分析所产生的结果补充2。
尽管组成2组显著差异,我们试图调查probability-estimating算法来源于1群能否提高成本效益的选择病人其他队列。预测算法是来自美国队列结合PCM和传统逻辑回归分析。该算法应用于5989 -病人MIA队列也提高了成本效益的选择患者接受SLNB比实际经验(图2一),虽然比与其他较小的改进算法。具体结果通过使用相同的参考最小中断概率所示表3。例如,采用10.5%的最低临界概率导致执行3640个模拟SLNBs,相同数量的实际执行,预计有193额外的积极成果超过了779年实际上实现了(增加了24.8%),积极性率为26.7%。所有可能的最低中断概率和相关双SLNB的结果出现在eTable 8补充2。
最后,比较积极SLNBs的观察值与相应的预期值显示对应。未修正的R2值是0.993 PCM (图20.978 B),传统的方法(eFigure补充10.958)和混合PCM和常规方法(eFigure 1补充1)。
黑色素瘤预计代表第二个2040年在美国最常见的恶性肿瘤。19估计是说25 000多万美元的成本20.在美国每SLNB转化为实质性的当前和预期未来的成本。鉴于目前大约有80%的病人接受SLNB没有淋巴结转移,选择合适的患者SLNB符合成本效益的方式可能会变得越来越重要和有价值的。
该混合/决策分析模型预后研究发现歧视在预测SLNB积极性提高。这些结果扩展之前这样的尝试。调查人员在纪念斯隆凯特林癌症中心开发了一种计算图表使用5预后因素实现了AUROC 0.694。15最近,澳大利亚黑色素瘤研究所罗和他的同事们16开发了一种计算图表使用6预后因素和报告一个AUROC 0.739。基因表达分析化验的合并可能会进一步改善预后歧视,但迄今为止没有报告详细的比较研究。21,22大预后歧视在我们的研究(AUROCs美国和澳大利亚军团的0.826和0.803分别)实现了利用PCM估计一个单独的个人和制度调整的概率SLNB积极建立基于12和常规临床和组织病理学的预后因素。PCM的几个特性使其增加的能力在我们的模型中,17,18包括分层人口更均匀的子风险,发展为每个预后因子指数反映的形状感兴趣的对测量结果的影响,以及特殊处理丢失的观察。
PCM的改善预后能力是剥削,使选择的成本效益的改善病人接受SLNB。患者选择通过比较他们的估计SLNB-positive概率最小中断概率。PCM-based选择过程产生扩大的成本效益优势而获得使用常规逻辑回归分析。两种方法改善成本效益与澳大利亚队列的实际经验。有趣的是,使用中断概率5%(这是许多黑色素瘤中心)导致的结果,在PCM具有成本效益的优势范围之外,而使用10%范围内的值产生的结果。这表明适当的中断概率最小推荐的各种指导方针可能有效地再现。23
我们的研究结果建议大幅改进的空间的成本效益的过程黑色素瘤患者目前选择接受SLNB。实现这种改进,每个卫生系统可能需要选择其偏爱的中断概率最小,与目标,减少患者的总数SLNB澳大利亚队列(49.9%)或增加node-positive黑色素瘤患者检测的数量(本群达36.8%)或一些这些目标之间的平衡。最小中断概率和结果对SLNB结果表明应用选择的后果截止使用每个概率算法,虽然结果发现使用中断概率和成本效益曲线表示概率是否在每个算法的具有成本效益的统治范围。
一个重要的可能是,病人需要足够大的样本的生成稳定的概率估计,每个卫生系统可以开发一个算法根据自己的患者人群的构成和反映出不同的方式记录不同的预后因素。任何这样的本地定制(或外部获得的)算法可能被纳入一个交互式电子(如网络)工具的输入特定的预后因素和输出计算SLNB-positive为当地的病人个体概率。我们建议美国国家综合癌症网络黑色素瘤和其他国家指导委员会考虑这些问题在讨论最小中断概率。在个体病人的水平,这可能有重要意义的决策过程。例如,和一个34岁的男性病人,0.7毫米肢端的黑色素瘤没有尖(风险窝藏> 10%)会比明显不同与女性患者87岁,1.8毫米多黑色素瘤在上臂(窝藏< 5%的风险)。
这项研究有一些局限性,包括成分群之间的差异和困难在一个算法从1机构应用到另一个相关预后因素没有类似的编码。这种分析构成回顾模拟演示可能提高成本效益实现通过选择不同的中断概率。然而,前瞻性临床试验需要确认改进意识到采用选择最低临界概率选择患者SLNB使用PCM或任何其他适当的预测方法。
除了SLNB黑色素瘤,该混合预后研究的结果/决策分析模型研究的指导方针是如何发展有重要意义选择的病人接受其他有用的医疗程序。这些结果表明选择不同的中断概率最小的后果可能有成本效益的选择过程和明确的优势,可能会获得通过选择病人在成本效益优势范围内时确定。重要的是,这种方法反映了概念超越“严格分类方法(例如,一个病人是否有资格接受一个给定的程序)比较的方法(例如,病人更有资格接受过程)环境中不同程度的资格是明智的和可确定的。
发表:2023年2月18日。
发表:2023年4月19日。doi:10.1001 / jamanetworkopen.2023.6356
开放:这是一个开放的分布式根据文章CC-BY许可证。©2023小米勒三世et al。狗万体育下载地址《美国医学会杂志》网络开放。
相应的作者:穆罕默德Kashani-Sabet博士黑色素瘤研究和治疗中心加州太平洋医学中心和研究所475布兰南圣,Ste 130年,旧金山,CA 94107 (kashani@cpmcri.org);黑色素瘤,医学博士Richard Scolyer研究所澳大利亚,悉尼大学40 Rocklands道路北悉尼,澳大利亚新南威尔士州2065 (richard.scolyer@health.nsw.gov.au)。
作者的贡献:米勒博士已经完全访问所有数据的研究,负责数据的完整性和准确性分析。Drs Scolyer和Kashani-Sabet同样起到了推波助澜的作用。
概念和设计:米勒,汤普森Scolyer Kashani-Sabet。
数据的采集、分析或解释:所有作者。
起草的手稿:米勒,Scolyer Kashani-Sabet。
关键的修订手稿的重要知识内容:所有作者。
统计分析:米勒。
行政、技术或材料支持:米勒,Nosrati,伸展、斯皮兰Nieweg, Kim Scolyer。
监督:具,Kashani-Sabet。
利益冲突的披露:米勒博士有专利报道8793209和8972333。从诺博士看到报道接收个人费用,默沙东,QBiotics,百时美施贵宝公司(BMS)外提交的工作。梁博士报道对城堡进行注册研究生物科学以外的提交工作。汤普森博士报告接收BMS的个人费用,默沙东公司,葛兰素史克,Provectus和会议支持诺华外提交的工作。Scolyer博士报道收到罗氏公司有限公司,个人费用Evaxion, Provectus生物制药澳大利亚,QBiotics,诺华,默克公司大幅& Dohme NeraCare, Amegen Inc, BMS,无数的遗传学,MetaOptima技术公司,葛兰素史克在提交工作。Kashani-Sabet博士报道在DNARx LLC和黑色素瘤诊断公司所有者权益和接收个人费用BMS和数组以外的生物制药专利对我们提交的工作和有一个- 8492102 b2。没有其他信息披露报告。
资金/支持:黑色素瘤研究所的数据收集在澳大利亚(MIA)队列支持这项工作由程序授予APP1093017从澳大利亚国家健康与医学研究理事会(NHMRC) Drs Scolyer和汤普森。Scolyer博士被从业者的奖学金APP1141295 NHMRC支持。Drs看到和罗都支持的米娅。卡梅伦的支持家庭和同事米娅和皇家王子阿尔弗雷德医院也感激地承认。
资助者的角色/赞助商:资助者没有参与这项研究的设计和实施;的收集、管理、分析和解释数据;准备、审查或批准的手稿;并决定提交出版的手稿。
数据共享声明:看到补充3。