一种结直肠癌CVD相关死亡预测模型及其建模方法和应用

一种结直肠癌cvd相关死亡预测模型及其建模方法和应用
技术领域
1.本发明属于生物技术领域，涉及一种结直肠癌cvd相关死亡预测模型及其建模方法和应用。


背景技术：

2.结直肠癌在世界各国都是高发性疾病，其发病率随年龄增长而提高。结直肠癌患者中，年龄超过75岁的患者占比近1/3，不超过50岁的早发性结直肠癌患者数目亦不容忽视。其中，在被诊断患有结直肠癌的老年患者中，心血管疾病(cardiovascular disease，cvd)是导致死亡的主要原因。一项系统性研究说明，2％-10％的结直肠癌患者死于cvd，特别是如果患者本身有合并cvd的危险因素，其cvd死亡风险会更高。美国心脏病协会曾报道结直肠癌和cvd存在着一些相互重叠的危险因素，如肥胖和糖尿病等。结直肠癌患者cvd死亡的风险还可能通过治疗如放疗、化疗及免疫治疗等所带来的心脏毒性作用而增加，其中，心脏毒性作用最常见的是左心室功能障碍、心肌炎伴或不伴有心力衰竭。所以及时识别结直肠癌患者的cvd风险尤其是cvd死亡风险是非常必要的，特别是在合并心脏基础疾病和存在肿瘤治疗相关心脏毒性的情况下。
3.目前基于结直肠癌cvd死亡风险开展的相关研究尚不全面，且缺乏整体医学和精准化个体医学的概念，因此，亟需开发更具临床意义围绕患者及其诊疗模式为中心的监测和预防模型及方法。


技术实现要素：

4.本发明的目的是根据上述现有技术的不足之处，提供一种结直肠癌患者cvd相关死亡预测模型的建立方法，通过该方法可筛选出结直肠癌患者cvd相关死亡的危险因素，通过该模型可得到结直肠癌cvd相关死亡的预后，以指导对结直肠癌患者的临床管理。
5.本发明的目的之一是提供一种结直肠癌患者cvd相关死亡预测模型建模方法，其包括：
6.s10.获取样本的临床检验数据；
7.s20.以是否发生cvd死亡为因变量，利用所述临床检验数据建立逻辑回归模型，得到cvd相关死亡的独立预测因素；
8.s30.根据所述独立预测因素建立列线图，即所述结直肠癌患者cvd相关死亡预测模型。
9.本发明的另一目的是提供一种结直肠癌患者cvd相关死亡预测模型建模装置，其包括：
10.1)数据获取模块，用于获取样本的临床检验数据；
11.2)独立预测因素获取模块，用于以是否发生cvd死亡为因变量，利用所述临床检验数据建立逻辑回归模型，得到cvd相关死亡的独立预测因素；
12.3)模型构建模块，用于根据所述独立预测因素建立列线图，即所述结直肠癌患者
cvd相关死亡预测模型。
13.本发明的另一目的是提供一种结直肠癌患者cvd相关死亡预测模型，其通过如上所述的方法获得。
14.本发明的另一目的是提供一种结直肠癌患者cvd相关死亡预测装置，其包括：
15.1)数据获取模块，用于获取待分析样本的临床检验数据；
16.2)预测模块，用于根据如上所述的结直肠癌患者cvd相关死亡预测模型对所述临床检验数据进行分析，预测所述样本的结直肠癌患者cvd相关死亡风险；
17.3)数据输出模块，用于输出所述结直肠癌患者cvd相关死亡风险值。
18.本发明的另一目的是提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，实现如上所述的方法或实现如下方法：
19.s100.获取待分析样本的临床检验数据；
20.s200.根据如上所述的结直肠癌患者cvd相关死亡预测模型对所述临床检验数据进行分析，预测所述样本的结直肠癌患者cvd相关死亡风险；
21.s300.输出所述结直肠癌患者cvd相关死亡风险值。
22.本发明的另一目的是提供一种电子终端，包括：处理器及存储器；所述存储器用于存储计算机程序，所述处理器用于执行所述存储器存储的计算机程序，以使所述终端执行如上所述的方法或实现如下方法：
23.s100.获取待分析样本的临床检验数据；
24.s200.根据如上所述的结直肠癌患者cvd相关死亡预测模型对所述临床检验数据进行分析，预测所述样本的结直肠癌患者cvd相关死亡风险；
25.s300.输出所述结直肠癌患者cvd相关死亡风险值。
26.相对于现有技术，本发明的有益效果是：
27.(1)该方法建立的模型可评估结直肠癌患者cvd相关死亡风险的模型，并以列线图形式进行展示，直观、简明扼要，便于临床医生以及患者进行操作，进行患者个体化预测。
28.(2)该方法得到的模型有较好的预测准确性，建模组和验证组的c指数分别为0.719(95％ci,0.738-0.742)和0.719(95％ci,0.622-0.668)。
29.(3)通过校准曲线进行验证，校准曲线显示该方法得到的模型预测和实际生存情况之间有很好的一致性。
30.(4)通过临床净收益分析显示该方法得到的模型有较高的临床净收益。
31.(5)通过本发明方法可筛选出结直肠癌患者cvd相关死亡的危险因素，通过该模型可得到结直肠癌cvd相关死亡的预后，以指导对结直肠癌患者的临床管理。
32.(6)通过本发明方法建立的模型将结直肠癌患者vcd相关死亡的风险分为三组：低风险组(《37分)，中风险组(37-70分)，高风险组(》70)，从而为医生制定治疗方案提供决策依据。
附图说明
33.图1为结直肠癌患者cvd相关死亡预测模型建模方法流程示意图。
34.图2为结直肠癌患者cvd相关死亡预测模型建模装置示意图。
35.图3为实施例2建立的结直肠癌患者cvd相关死亡预测的列线图模型。
36.图4为实施例2建模组的校正曲线，用于验证列线图模型的预测准确性。
37.图5为实施例2验证组的校正曲线，用于验证列线图模型的预测准确性。
38.图6为实施例2决策曲线分析，用于评估列线图模型的临床净收益；其中，a为建模组的决策曲线分析；b为验证组的决策曲线分析。
39.图7为实施例2根据构建的列线图模型，将结直肠癌患者vcd相关死亡的风险分为三组:低风险组，中风险组和高风险组；其中，a为建模组；b为验证组。
具体实施方式
40.以下通过特定的具体实例说明本发明的实施方式，本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用，本说明书中的各项细节也可以基于不同观点与应用，在没有背离本发明的精神下进行各种修饰或改变。
41.本发明的目的之一是提供一种结直肠癌患者cvd相关死亡预测模型建模方法，其包括：
42.s10.获取样本的临床检验数据；
43.s20.以是否发生cvd死亡为因变量，利用所述临床检验数据建立逻辑回归模型，得到cvd相关死亡的独立预测因素；
44.s30.根据所述独立预测因素建立列线图，即所述结直肠癌患者cvd相关死亡预测模型。
45.本发明的进一步改进在于，步骤s10中，所述样本包括术后病理确诊为结直肠癌的患者。
46.本发明的进一步改进在于，步骤s10中，所述临床检验数据包括基础数据、检查结果、病理信息和cvd死亡信息；和/或，步骤s10中还包括s11将获取的样本的临床检验数据分为建模组和验模组的步骤。
47.本发明的进一步改进在于，步骤s10还包括s12对样本的临床检验数据进行筛选，纳入标准包括：
①
结直肠癌为第一原发肿瘤，且不合并其他肿瘤；
②
病理组织icd-o-3分型为c18.0，c18.2，c18.3，c18.4，c18.5，c18.6，c18.7，c18.8，18.9，c19.9，c20.9；
③
在2007-2015年确诊；
④
死亡原因明确。
48.本发明的进一步改进在于，步骤s10中，对样本的临床检验数据进行筛选，排除标准包括：
①
结直肠癌分化程度及分期信息不完整；
②
随访信息不完整；
③
原位癌；
④
诊断后1个月内死亡。
49.本发明的进一步改进在于，步骤s10中，以往的国内外crc的cvd相关预后研究大多为单中心研究，样本量大多为几十到几百。本研究从seer数据库中获取了2007～2015年间2209例，为后续的统计分析与列线图绘制提供了良好的数据支撑，这是单中心研究难以提供的样本量，能够有效地避免肿瘤患者来自单一机构所带来的研究偏倚。
50.本发明的进一步改进在于，步骤s20中，以是否发生cvd死亡为因变量，利用所述临床检验数据建立逻辑回归模型，得到cvd相关死亡的独立预测因素，具体包括：
51.对所述样本的临床检验数据进行单因素cox回归分析，得到cvd相关死亡的预测因素，对所述预测因素进行多因素cox回归分析，得到cvd相关死亡的独立预测因素。
52.本发明的进一步改进在于，步骤s20中，所述以是否发生cvd死亡为因变量，具体包括：
53.对样本的临床检验数据进行分类，根据分类结果将所述样本划分为发生cvd相关死亡组和未发生cvd相关死亡组。
54.本发明的进一步改进在于，步骤s20中，本研究使用列线图的方法，整合了多种临床病理因素，成功构建了crc患者的cvd个体化评估的模型，更直观、快捷、精确地判断了患者的预后。
55.本发明的进一步改进在于，步骤s20中，运用美国国立癌症研究所创建并管理的肿瘤患者随访数据库seer数据库，采用单因素及多因素等多种方法分析crc患者的cvd风险因素，较以往的小型回顾性结果更具可靠性，使临床工作者更好地了解影响crc患者的预后因素。
56.本发明的进一步改进在于，步骤s30构建得到所述预测模型后，还包括对所述预测模型进行验证的步骤；优选地，采用一致性指数、校准曲线及临床净收益分析曲线分别对建模组和验模组进行验证。
57.本发明的进一步改进在于，步骤s30中，本发明通过列线图将影响crc患者的cvd风险因素进行可视化，同时在建模组和验模组评估列线图模型的预测能力。建模组和验模组c指数分别为0.719(95％ci,0.738-0.742)和0.719(95％ci,0.622-0.668)，说明预测模型具有较高的准确度。建模组和验模组的1年，3年和5年校准曲线都提示预测和实际生存率基本一致，预测模型可靠。由于cvd在crc的发生率相对较低，目前国内尚无关于cvd预后预测模型的构建，临床医生对crc患者的cvd风险评估的评估常根据个人经验，主观性较强。通过列线图对影响crc患者预后的独立因素进行量化打分，将其预后结果可视化，有助于预测crc患者的生存率。
58.在一优选实施方式中，本发明提供的建立结直肠癌患者cvd相关死亡预测模型的方法，其包括：
59.(i)获取样本的临床数据：基于seer数据库收集1988-2015年间诊断为psc的患者1671例，按照7:3的比例分为建模组和验模组；
60.(ii)对建模组患者进行采用cox比例危险模型进行单因素cox回归分析和多因素cox回归分析，获得影响psc患者预后的独立因素；
61.(iii)根据样本数据以及影响预后的因素建立用于预测预后的列线图预测模型；
62.(iv)采用一致性指数、校准曲线及临床净收益分析曲线分别在建模组和验模组进行验证。
63.步骤(ii)中，单因素cox回归分析结果显示，影响预后的因素包括年龄、种族、婚姻状态、保险状态、肿瘤部位、肿瘤大小、seer分期、手术、放疗和化疗。
64.对单因素cox回归分析的结果进行多因素cox回归分析，得出影响预后的因素包括年龄、种族、婚姻状态、肿瘤大小、seer分期、手术和化疗。通过多因素cox回归分析得到的各影响预后的因素为独立预后因素。
65.步骤(i)中，基于seer数据库收集患者数据后，还包括对患者样本数据进行筛选的纳入标准，包括：
①
结直肠癌为第一原发肿瘤，且不合并其他肿瘤；
②
病理组织icd-o-3分型为c18.0，c18.2，c18.3，c18.4，c18.5，c18.6，c18.7，c18.8，18.9，c19.9，c20.9(结直肠癌)；
③
在2007-2015年确诊；
④
死亡原因明确。排除标准：
①
肿瘤分化程度及分期信息不完整；
②
随访信息不完整；
③
原位癌；
④
诊断后1个月内死亡。
66.本发明还提供了一种结直肠癌患者cvd相关死亡预测模型建模装置，其包括：
67.1)数据获取模块，用于获取样本的临床检验数据；
68.2)独立预测因素获取模块，用于以是否发生cvd死亡为因变量，利用所述临床检验数据建立逻辑回归模型，得到cvd相关死亡的独立预测因素；
69.3)模型构建模块，用于根据所述独立预测因素建立列线图，即所述结直肠癌患者cvd相关死亡预测模型。
70.所述独立预测因素获取模块用于：以是否发生cvd死亡为因变量，对所述样本的临床检验数据进行单因素cox回归分析，得到cvd相关死亡的预测因素，对所述预测因素进行多因素cox回归分析，得到cvd相关死亡的独立预测因素。
71.所述以是否发生cvd死亡为因变量，具体包括：
72.对样本的临床检验数据进行分类，根据分类结果将所述样本划分为发生cvd相关死亡组和未发生cvd相关死亡组。
73.本发明还提供了一种结直肠癌患者cvd相关死亡预测模型，其特征在于，其通过如上所述的方法获得。
74.本发明还提供了一种结直肠癌患者cvd相关死亡预测装置，其包括：
75.1)数据获取模块，用于获取待分析样本的临床检验数据；
76.2)预测模块，用于根据如上所述的结直肠癌患者cvd相关死亡预测模型对所述临床检验数据进行分析，预测所述样本的结直肠癌患者cvd相关死亡风险；
77.3)数据输出模块，用于输出所述结直肠癌患者cvd相关死亡风险值。
78.本发明还提供了一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时，实现如上所述的方法或实现如下方法：
79.s100.获取待分析样本的临床检验数据；
80.s200.根据如上所述的结直肠癌患者cvd相关死亡预测模型对所述临床检验数据进行分析，预测所述样本的结直肠癌患者cvd相关死亡风险；
81.s300.输出所述结直肠癌患者cvd相关死亡风险值。
82.本领域普通技术人员可以理解：实现上述各方法实施例的全部或部分步骤可以通过计算机程序相关的硬件来完成。前述的计算机程序可以存储于一计算机可读存储介质中。该程序在执行时，执行包括上述各方法实施例的步骤；而前述的存储介质包括：rom、ram、磁碟或者光盘等各种可以存储程序代码的介质。
83.本发明还提供了一种电子终端，包括：处理器及存储器；所述存储器用于存储计算机程序，所述处理器用于执行所述存储器存储的计算机程序，以使所述终端执行如上所述的方法或实现如下方法：
84.s100.获取待分析样本的临床检验数据；
85.s200.根据如上所述的结直肠癌患者cvd相关死亡预测模型对所述临床检验数据进行分析，预测所述样本的结直肠癌患者cvd相关死亡风险；
86.s300.输出所述结直肠癌患者cvd相关死亡风险值。
87.上述的存储器可能包含随机存取存储器(random access memory，简称ram)，也可
能还包括非易失性存储器(non-volatile memory)，例如至少一个磁盘存储器。上述的处理器可以是通用处理器，包括中央处理器(central processing unit，简称cpu)、网络处理器(network processor，简称np)等；还可以是数字信号处理器(digital signal processing，简称dsp)、专用集成电路(application specific integrated circuit，简称asic)、现场可编程门阵列(field－programmable gate array，简称fpga)或者其它可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。在一些优选实施方式中，所述电子终端，包括：处理器、存储器、通信器。
88.在进一步描述本发明具体实施方式之前，应理解，本发明的保护范围不局限于下述特定的具体实施方案；还应当理解，本发明实施例中使用的术语是为了描述特定的具体实施方案，而不是为了限制本发明的保护范围；在本发明说明书和权利要求书中，除非文中另外明确指出，单数形式“一个”、“一”和“这个”包括复数形式。
89.当实施例给出数值范围时，应理解，除非本发明另有说明，每个数值范围的两个端点以及两个端点之间任何一个数值均可选用。除非另外定义，本发明中使用的所有技术和科学术语与本技术领域技术人员通常理解的意义相同。除实施例中使用的具体方法、设备、材料外，根据本技术领域的技术人员对现有技术的掌握及本发明的记载，还可以使用与本发明实施例中所述的方法、设备、材料相似或等同的现有技术的任何方法、设备和材料来实现本发明。
90.实施例1一种结直肠癌患者cvd相关死亡预测模型建模方法
91.图1显示为本发明实施例的一种结直肠癌患者cvd相关死亡预测模型建模方法流程示意图，可具体表述如下：
92.步骤s10.获取样本的临床检验数据；具体的，所述样本包括术后病理确诊为结直肠癌的患者的临床检验数据。所述临床检验数据可通过软件seer*stat 8.3.6获取，能够提供临床检验数据的数据库例如可以是seer数据库，包括基础数据、检查结果、病理信息和cvd死亡信息。在一些优选实施方式中，步骤s10中还包括s11将获取的样本的临床检验数据分为建模组和验模组的步骤。
93.在本实施例较佳的实施方式中，步骤s10还包括s12对样本的临床检验数据进行筛选，纳入标准包括：
①
结直肠癌为第一原发肿瘤，且不合并其他肿瘤；
②
病理组织icd-o-3分型为c18.0，c18.2，c18.3，c18.4，c18.5，c18.6，c18.7，c18.8，18.9，c19.9，c20.9；
③
在2007-2015年确诊；
④
死亡原因明确。
94.在本实施例较佳的实施方式中，步骤s10中，对样本的临床检验数据进行筛选，排除标准包括：
①
结直肠癌分化程度及分期信息不完整；
②
随访信息不完整；
③
原位癌；
④
诊断后1个月内死亡。
95.在本实施例较佳的实施方式中，步骤s10中，以往的国内外crc的cvd相关预后研究大多为单中心研究，样本量大多为几十到几百。本研究从seer数据库中获取了2007～2015年间2209例，为后续的统计分析与列线图绘制提供了良好的数据支撑，这是单中心研究难以提供的样本量，能够有效地避免肿瘤患者来自单一机构所带来的研究偏倚。
96.步骤s20以是否发生cvd死亡为因变量，利用所述临床检验数据建立逻辑回归模型，得到cvd相关死亡的独立预测因素。本实施例中，以是否发生cvd死亡为因变量，利用所述临床检验数据建立逻辑回归模型，得到cvd相关死亡的独立预测因素，具体包括：对所述
样本的临床检验数据进行单因素cox回归分析，得到cvd相关死亡的预测因素，对所述预测因素进行多因素cox回归分析，得到cvd相关死亡的独立预测因素。其中，预测的单因素、多因素可以包含年龄、种族、婚姻状态、保险状态、肿瘤部位、肿瘤大小、seer分期、手术、放疗和化疗等。
97.在本实施例较佳的实施方式中，步骤s20中，所述以是否发生cvd死亡为因变量，具体包括：
98.对样本的临床检验数据进行分类，根据分类结果将所述样本划分为发生cvd相关死亡组和未发生cvd相关死亡组。较优地，使用r版本3.5.0软件根据年龄、性别、婚姻状况、保险状况、seer分期、肿瘤部位、肿瘤大小、是否接受手术、是否接受放疗和化疗等进行分类。本实施例中，利用r软件的caret包将seer数据库中的结直肠癌患者随机分配到建模组和验证组中。
99.在本实施例较佳的实施方式中，步骤s20中，本研究使用列线图的方法，整合了多种临床病理因素，成功构建了crc患者的cvd个体化评估的模型，更直观、快捷、精确地判断了患者的预后。
100.在本实施例较佳的实施方式中，步骤s20中，运用美国国立癌症研究所创建并管理的肿瘤患者随访数据库seer数据库，采用单因素及多因素等多种方法分析crc患者的cvd风险因素，较以往的小型回顾性结果更具可靠性，使临床工作者更好地了解影响crc患者的预后因素。
101.步骤s30根据所述独立预测因素建立列线图，即所述结直肠癌患者cvd相关死亡预测模型。优选使用r版本3.5.0中带有
‘
survival’和
‘
rms’软件包(http://www.r-project.org/)的nomogram函数绘制
102.在本实施例较佳的实施方式中，步骤s30构建得到所述预测模型后，还包括对所述预测模型进行验证的步骤；优选地，采用一致性指数、校准曲线及临床净收益分析曲线分别对建模组和验模组进行验证。
103.在本实施例较佳的实施方式中，步骤s30中，本发明通过列线图将影响crc患者的cvd风险因素进行可视化，同时在建模组和验模组评估列线图模型的预测能力。建模组和验模组c指数分别为0.719(95％ci,0.738-0.742)和0.719(95％ci,0.622-0.668)，说明预测模型具有较高的准确度。建模组和验模组的1年，3年和5年校准曲线都提示预测和实际生存率基本一致，预测模型可靠。由于cvd在crc的发生率相对较低，目前国内尚无关于cvd预后预测模型的构建，临床医生对crc患者的cvd风险评估的评估常根据个人经验，主观性较强。通过列线图对影响crc患者预后的独立因素进行量化打分，将其预后结果可视化，有助于预测crc患者的生存率。
104.综上所述，本实施例提出一种结直肠癌患者cvd相关死亡预测模型建模方法，可筛选出结直肠癌患者cvd相关死亡的危险因素，通过该模型可得到结直肠癌cvd相关死亡的预后，以指导对结直肠癌患者的临床管理。通过本发明方法建立的模型将结直肠癌患者vcd相关死亡的风险分为三组：低风险组(《37分)，中风险组(37-70分)，高风险组(》70)，从而为医生制定治疗方案提供决策依据。
105.实施例2结直肠癌患者cvd相关死亡预测模型建立
106.本实施例包括一种建立结直肠癌患者cvd相关死亡预测的方法，通过该方法可以
获得结直肠癌患者cvd相关死亡风险预测模型，该方法具体包括：
107.a)样本数据收集：纳入于seer数据库中1988-2015年间诊断为coadread的患者1671例，按照7:3的比例分为建模组和验模组。通过seer*stat 8.3.6软件获取患者数据。
108.其中，根据如下入组标准，对样本数据进行筛选：(1)结直肠癌为第一原发肿瘤，且不合并其他肿瘤；(2)病理组织icd-o-3分型为c18.0，c18.2，c18.3，c18.4，c18.5，c18.6，c18.7，c18.8，18.9，c19.9，c20.9(结直肠癌)；(3)在2007-2015年确诊；(4)死亡原因明确。
109.其中，根据如下排除标准，对样本数据进行筛选：(1)肿瘤分化程度及分期信息不完整；(2)随访信息不完整；(3)原位癌；(4)诊断后1个月内死亡。
110.b)统计分析
111.使用r版本3.5.0软件根据年龄、性别、婚姻状况、保险状况、seer分期、肿瘤部位、肿瘤大小、是否接受手术、是否接受放疗和化疗等进行分类。利用r软件的caret包按照7:3比例将seer数据库中的结直肠癌患者随机分配到建模组和验证组中。在建模组采用cox比例危险模型进行单因素cox分析和多因素cox回归分析，以评估预后因素对患者生存的影响。
112.c)绘制列线图
113.根据多因素cox回归分析的结果，筛选出影响患者预后的独立危险因素，并进行整合，建立评估结直肠癌患者cvd相关死亡风险预测模型，以列线图的形式呈现，以便预测结直肠癌患者在1年、3年、5年后的cvd相关的死亡风险。使用r版本3.5.0中带有
‘
survival’和
‘
rms’软件包(http://www.r-project.org/)的nomogram函数绘制。
114.d)验证
115.验证组主要用于内部验证。应用一致性指数(c指数)评估该列线图的区分度，使用校准图评估其一致性，并采用决策曲线分析(decision curve analysesdca)评估列线图的临床应用价值。
116.本实施例步骤a)中，入组病例为来源于美国国立癌症研究所的seer数据库2007年-2015年诊断为结直肠癌的患者197699例，其中男性102669例，女性95030例，年龄小于65岁的98682例，年龄大于等于65岁的99017例，中位随访时间37.00个月，白种人156015例，化疗81946例，手术179100例，放疗28737例。
117.本实施例步骤b)中，采cox比例危险模型进行单因素cox回归分析和多因素cox回归分析，评估影响cvd生存的预后因素。单因素cox回归分析结果显示：年龄、种族、婚姻状态、保险状态、肿瘤部位、肿瘤大小、seer分期、手术、放疗和化疗都具有显著差异(p《0.05)。多因素cox回归分析结果显示：年龄、种族、婚姻状态、肿瘤大小、seer分期、手术和化疗是影响cvd相关死亡的独立预后因素。
118.本实施例步骤c)中，列线图预测模型的建立：基于多因素cox回归分析结果，本实施例中将筛选出的7项独立危险因素(年龄、种族、婚姻状态、肿瘤大小、seer分期、手术和化疗)进行整合，建立了可评估结直肠癌患者cvd相关死亡风险预测模型，以列线图的形式进行展示(图3)。
119.本实施例步骤d)中，应用c-index和校正曲线用于验证模型的预测准确性：其中，列线图的评分系统在建模组和验证组的c指数分别为0.719(95％ci,0.738-0.742)和0.719(95％ci,0.622-0.668)；校正曲线拟合显示列线图预测生存率和实际生存率之间有很好的
一致性(图4、图5)。dca 结果表明，列线图的评分系统在建模组和验证组中的1年、3年以及5年预测中具有较高的净收益，提示该列线图具有较高的临床应用价值(图6)。
120.此外，根据列线图的评分系统对患者进行风险评分计算，可获得每个患者的预后风险评分，并借此将其分为低风险、中风险及高风险。根据构建的列线图评分模型，将结直肠癌患者的生存风险分为三组：低风险组(《37分)，中风险组(37-70分)，高风险组(》70)(如图7所示)；9个月的总生存期(overall survival,os率)分别为80.5％、48.4％和19.4％(p《0.0001)。由此，通过该评分系统可将结直肠癌患者cvd相关死亡的风险区分为高危组、中风险及低危组，从而为医生制定治疗方案提供决策依据。
121.在应用本实施例方法的过程中，图3所示的列线图包括第一行的分值标尺，其中，分值范围为0～100；第二行患者的年龄(年)，不同年龄对应相应的得分；第三行患者的种族，不同种族对应一个相应的得分；第四行患者的肿瘤大小(厘米)，不同数值对应一个相应的得分；第五行患者的肿瘤分期，不同分期对应一个相应的得分；第六行患者的手术治疗情况，不同手术情况对应一个相应的得分；第七行患者的化疗情况，不同化疗情况对应一个相应的得分；第八行患者总分值，即将第二行至第七行的7个指标的得分相加，得到患者总分值；第九～十一行1年、3年和5年的cvd死亡风险，将第八行的患者总分值对应投射得出结直肠癌患者cvd在1年、3年和5年的生存几率。
122.实施例3结直肠癌患者cvd相关死亡预测模型建模装置
123.图2显示为本发明实施例的一种结直肠癌患者cvd相关死亡预测模型建模装置，包括数据获取模块，用于获取样本的临床检验数据；
124.独立预测因素获取模块，用于以是否发生cvd死亡为因变量，利用所述临床检验数据建立逻辑回归模型，得到cvd相关死亡的独立预测因素；
125.模型构建模块，用于根据所述独立预测因素建立列线图，即所述结直肠癌患者cvd相关死亡预测模型。
126.需要说明的是，本实施例提供的各个模块与前文所提供的方法、实施方式类似，故不再赘述。另外需要说明的是，应理解以上装置的各个模块的划分仅仅是一种逻辑功能的划分，实际实现时可以全部或部分集成到一个物理实体上，也可以物理上分开。且这些模块可以全部以软件通过处理元件调用的形式实现；也可以全部以硬件的形式实现；还可以部分模块通过处理元件调用软件的形式实现，部分模块通过硬件的形式实现。例如，独立预测因素获取模块可以为单独设立的处理元件，也可以集成在上述装置的某一个芯片中实现，此外，也可以以程序代码的形式存储于上述装置的存储器中，由上述装置的某一个处理元件调用并执行以上独立预测因素获取模块的功能。其它模块的实现与之类似。此外这些模块全部或部分可以集成在一起，也可以独立实现。这里所述的处理元件可以是一种集成电路，具有信号的处理能力。在实现过程中，上述方法的各步骤或以上各个模块可以通过处理器元件中的硬件的集成逻辑电路或者软件形式的指令完成。
127.例如，以上这些模块可以是被配置成实施以上方法的一个或多个集成电路，例如：一个或多个特定集成电路，或，一个或多个微处理器，或，一个或者多个现场可编程门阵列等。再如，当以上某个模块通过处理元件调度程序代码的形式实现时，该处理元件可以是通用处理器，例如中央处理器或其它可以调用程序代码的处理器。再如，这些模块可以集成在一起，以片上系统的形式实现。
128.本发明建立了一种评估结直肠癌患者cvd相关死亡预测的模型，并以列线图形式进行展示。其在建模组和验证组的c指数分别为0.719(95％ci,0.738-0.742)和0.719(95％ci,0.622-0.668)，具有较高的预测能力，校准图显示了预测的cvd死亡与观察到的死亡之间的最佳一致性。该列线图评分的模型简明扼要，通俗易懂，便于临床医生以及患者进行操作，进行个体化预测结直肠癌患者在1、3、5年的cvd死亡风险情况，同时，根据该列线图评分的模型明确的区分出高风险、中风险及低风险人群，帮助临床医生进行风险管理并选择结直肠癌患者的长期生存策略。
129.以上的实施例是为了说明本发明公开的实施方案，并不能理解为对本发明的限制。此外，本文所列出的各种修改以及发明中方法、组合物的变化，在不脱离本发明的范围和精神的前提下对本领域内的技术人员来说是显而易见的。虽然已结合本发明的多种具体优选实施例对本发明进行了具体的描述，但应当理解，本发明不应仅限于这些具体实施例。事实上，各种如上所述的对本领域内的技术人员来说显而易见的修改来获取发明都应包括在本发明的范围内。