四肢纖維肉瘤病人預后因素分析與列線圖的構建

[摘要] 目的 探討四肢纖維肉瘤病人預后相關因素并構建預測病人總生存率的列線圖和危險分層系統。方法 回顧性收集美國國家癌癥研究所監測、流行病學和最終結果（SEER）數據庫（SEER*Stat 8.3.6軟件）2004—2015年診斷為四肢纖維肉瘤病人的資料，應用單因素和多因素Cox回歸篩選獨立預后相關因素并構建列線圖。采用C指數、ROC曲線、校準曲線和臨床決策曲線評價列線圖。應用X-tile軟件將病人分為低風險、中風險和高風險3組，并利用Kaplan-Meier（K-M）生存曲線研究3組病人間的生存差異。結果 多因素Cox回歸分析表明，病人年齡（67～79歲：HR=2.941，95%CI=1.944～4.450;>79歲：HR=8.576，95%CI=5.571～13.200）、腫瘤直徑>11.2 cm（HR=3.388，95%CI=2.036～5.637）、腫瘤病理分級Ⅲ級和Ⅳ級（Ⅲ級：HR=2.339，95%CI=1.066～5.133;Ⅳ級：HR=2.891，95%CI=1.345～6.218）、N1分期（HR=3.135，95%CI=1.170～8.403）、M1分期（HR=4.222，95%CI=2.336～7.631）和手術治療（HR=0.288，95%CI=0.129～0.646）是四肢纖維肉瘤病人的獨立預后相關因素（Plt;0.05）。訓練集和驗證集的C指數分別為0.792（95%CI=0.757～0.827）和0.780（95%CI=0.717～0.843）。校準曲線和臨床決策曲線結果均顯示該列線圖在訓練集和驗證集中均表現良好。ROC曲線分析顯示，無論在訓練集還是驗證集中，列線圖在1、3和5年的曲線下面積（AUC）始終大于同一時間點所有獨立預后相關因素的AUC。K-M生存曲線分析顯示，列線圖可顯著區分低風險、中風險和高風險3組不同預后的病人。結論 本研究所建立的列線圖模型能有效預測四肢纖維肉瘤病人預后，基于該列線圖預測模型的危險分層系統對區分高危病人具有一定臨床價值。

[關鍵詞] 纖維肉瘤;四肢;預后;列線圖

[中圖分類號] R730.262.2

[文獻標志碼] A

[文章編號] 2096-5532（2022）01-0024-07

doi：10.11712/jms.2096-5532.2022.58.005

纖維肉瘤屬于軟組織肉瘤，是一種間充質來源的罕見但是高度惡性的軟組織腫瘤。其可發生于全身各個部位，而四肢是最常見的原發部位[1]。相較于其他軟組織肉瘤，纖維肉瘤具有更高的復發率，且預后更差。既往研究表明，纖維肉瘤病人5年生存率為40%～60%[2]。近年來，隨著新輔助化療和保肢手術等多種治療方式的發展，四肢纖維肉瘤病人的預后和生活質量有了很大的提高。然而，目前仍有大量病人因腫瘤復發或治療效果不佳而死亡。 既往研究結果顯示，年齡、性別、腫瘤病理分級、手術治療情況、腫瘤大小和Ki-67指數等為纖維肉瘤病人的預后相關因素[3-4]。近年來，整合多種預后指標的列線圖得到了大量的研究和臨床應用[4-9]。但是，目前尚無研究基于四肢纖維肉瘤病人的臨床病理資料建立專門預測該類病人生存率的列線圖。本研究通過美國國家癌癥研究所監測、流行病學和最終結果 （SEER）數據庫獲取并分析相關數據，研究四肢纖維肉瘤病人的生存相關因素，并建立預測四肢纖維肉瘤病人1、3和5年總體生存率的列線圖。

1 資料和方法

1.1 資料收集

通過SEER數據庫（SEER*Stat 8.3.6軟件）回顧性收集2004—2015年診斷為四肢纖維肉瘤的病人。納入標準[7]：①2004—2015年被診斷為纖維肉瘤的病人;②腫瘤原發部位為四肢。排除標準[7]：①有既往腫瘤病史;②診斷年齡lt;18歲;③重要臨床信息未知，包括病理分期、美國癌癥分期聯合委員會（AJCC）分期、治療信息、種族信息和腫瘤大小等。

1.2 納入指標及處理

本研究納入研究的變量包括人口統計學信息、腫瘤特征信息和治療信息。人口統計學信息包括年齡、性別和種族;腫瘤信息包括腫瘤原發部位、腫瘤病理分級、腫瘤T分期、腫瘤N分期、腫瘤M分期、腫瘤AJCC分期和腫瘤直徑;治療信息包括是否放療、是否化療和手術治療。SEER數據庫病人年齡和腫瘤大小為連續性變量，本研究采用X-tile軟件尋找最佳截斷值并將兩變量轉換為分類變量[10]。

1.3 統計學分析

采用R 3.6.1和SPSS 25.0軟件進行統計分析。

[LL]所有入選病人被隨機分為訓練集（70%）和驗證集（30%）。在本研究中，訓練集被用以確定生存相關因素和列線圖的建立，驗證集用于列線圖的驗證。分類變量組間比較采用χ2檢驗或Fisher確切概率法，采用單因素Cox回歸分析確定與四肢纖維肉瘤病人生存相關的因素，將單因素Cox回歸分析中有統計學意義（Plt;0.05）的變量納入多因素Cox回歸分析以確定獨立危險因素?；谟绊懰闹w維肉瘤病人預后的獨立危險因素，使用R軟件中的“rms”和“regplot”程序包建立列線圖。采用一致性指數（C指數）、受試者工作特征（ROC）曲線、校正曲線和臨床決策曲線驗證模型的可靠性。最后，基于所建立的列線圖和X-tile軟件，將病人分為高風險、中風險和低風險共3組，繪制生存曲線并應用Kaplan-Meier（K-M）和Log-rank檢驗方法確定3組病人之間的預后差異。以Plt;0.05為差異有顯著意義。

2 結 果

2.1 納入研究對象基本信息

本研究共納入四肢纖維肉瘤病人846例，其篩選流程見圖1。846例病人中男436例，女410例;絕大多數病人為白人; 594例病人納入訓練集，252例病人納入驗證集，訓練集和驗證集病人年齡、性別、種族、腫瘤部位、腫瘤直徑、病理分級、AJCC分期、T分期、N分期、M分期和治療情況比較差異均無統計學意義（Pgt;0.05）。見表1。病人隨訪時間為0～155個月，中位隨訪時間為50個月。211例病人在隨訪期間死亡，病死率為24.9%。

2.2 四肢纖維肉瘤病人預后相關因素

單因素Cox回歸分析顯示，年齡（67～79歲：HR=2.461，95%CI=1.668～3.632;>79歲：HR=6.126，95%CI=4.127～9.095）、腫瘤直徑（5.5～11.2 cm：HR=1.565，95%CI=1.062～2.304;>11.2 cm：HR=3.264，95%CI=2.172～4.907）、腫瘤病理分級（Ⅱ級：HR=2.439，95%CI=1.190～4.995;Ⅲ級：HR=2.848，95%CI=1.352～5.998;Ⅳ級：HR=4.680，95%CI=2.330～9.400）、AJCC分期（HR=2.519，95%CI=1.817～3.493）、N1分期（HR=7.920，95%CI=3.227～19.440）、M1分期（HR=5.883，95%CI=3.587～9.647）、手術治療（HR=0.338，95%CI=0.158～0.723）和化療（HR=1.877，95%CI=1.250～2.816）為四肢纖維肉瘤病人預后的相關因素（Plt;0.05）。將上述變量納入多因素Cox回歸分析，結果顯示病人的年齡（>79歲：HR=8.576，95%CI=5.571～13.200;67～79歲：HR=2.941，95%CI=1.944～4.450）、腫瘤直徑>11.2 cm（HR=3.388，95%CI= 2.036～5.637）、腫瘤病理分級Ⅲ級和Ⅳ級（Ⅲ級：HR=2.339，95%CI=1.066～5.133;Ⅳ級：HR=2.891，95%CI=1.345～6.218）、N1分期（HR=3.135，95%CI=1.170～8.403）、M1分期（HR=4.222，95%CI=2.336～7.631）和手術治療（HR=0.288，95%CI=0.129～0.646）是四肢纖維肉瘤病人的獨立預后相關因素（Plt;0.05），其中病人年齡、腫瘤直徑、腫瘤病理分級Ⅲ級和Ⅳ級、N1分期和M1分期是獨立危險因素，而手術治療為保護因素。見圖2。

2.3 預測四肢纖維肉瘤病人預后的列線圖的建立及驗證

基于多因素Cox回歸分析結果，將年齡、腫瘤直徑、腫瘤病理分級、N分期、M分期和手術治療6個獨立預后相關因素納入構建列線圖，得到四肢纖維肉瘤病人1、3、5年總生存率的預測圖（圖3）。在訓練集的內部驗證中，列線圖的C指數為0.792（95%CI=0.757～0.827）。列線圖的校準曲線分析表明，該列線圖預測的1、3、5年總生存率與實際生存率之間具有良好的一致性（圖4A～C）。此外，臨床決策曲線結果表明該列線圖在預測四肢纖維肉瘤病人1、3、5年總生存率中具有良好的臨床效用（圖4D～F）。驗證集中，列線圖的C指數為0.780（95%CI=0.717～0.843）。校準曲線和臨床決策曲線結果同樣表明該列線圖具有較高的一致性和臨床應用價值（圖5）。

2.4 列線圖與獨立預后相關因素的ROC曲線比較

應用R軟件“survivalROC”程序包繪制了年齡、腫瘤直徑、腫瘤病理分級、N分期、M分期和手術治療情況6個獨立預后相關因素和列線圖的ROC曲線，包括1、3和5年的ROC曲線。結果顯示，6個獨立預后相關因素均具有一定的預后預測能力（AUCgt;0.5）（圖6）。但是，無論在訓練集還是驗證集中，列線圖的AUC始終大于任何1項獨立預后相關因素的AUC，包括1、3和5年（圖6）。因此，整合6個變量的列線圖較各變量單獨預測四肢纖維肉瘤病人的預后具有更佳的預測能力。

2.5 基于列線圖的危險分層系統

通過列線圖預測個體病人危險評分，應用X-tile軟件確定2個截斷值（243分和277分），并將病人分為低風險（總分lt;243）、中風險（243≤總分≤277）與高風險（總分gt;277）。在訓練集中，低風險、中風險和高風險的病人數量分別為370、161和63例。生存曲線分析顯示，3組病人預后差異有顯著性（Plt;0.000 1）（圖7A）。應用相同的分層方法，將驗證集病人進行危險分層，低風險、中風險和高風險病人數量分別為164、59和29例，生存曲線分析顯示，3組病人間預后差異有顯著性（Plt;0.000 1）（圖7B）。因此，基于列線圖的危險分層系統可以將四肢纖維肉瘤病人的生存進行顯著區分。

3 討 論

四肢纖維肉瘤是一種相對罕見的惡性腫瘤，目前尚無研究基于大樣本隊列研究四肢纖維肉瘤病人的預后因素。本研究基于SEER數據庫四肢纖維肉瘤病人數據，以確定其獨立預后因素，并建立列線圖。本研究結果顯示，病人年齡、腫瘤直徑、腫瘤病理分級、N分期、M分期和手術治療是四肢纖維肉瘤病人的獨立預后相關因素;并建立了可視化的列線圖供臨床應用。通過C指數、ROC曲線、校準曲線和臨床決策曲線分析表明，基于上述6項臨床常見指標的列線圖具有良好的預后預測能力。最后，基于列線圖的危險分層進一步增強了臨床應用價值，可幫助臨床醫生對病人預后進行精準預測以制定個體化治療方案。

本文多因素分析結果表明，隨著年齡的增長，四肢纖維肉瘤病人預后逐漸變差。目前大量研究表明，年齡與各種癌癥的生存結果有關，纖維肉瘤病人也是如此[4]。高齡病人通常伴有更多的慢性病或術后并發癥，使得他們的預后受到更多不利因素的影響[4]。本文研究通過X-tile軟件確定了腫瘤直徑的2個最佳截斷值;多因素分析結果表明，低風險、中風險和高風險組病人間預后存在顯著差異，且腫瘤直徑越大者預后越差。雖然目前尚無研究報道四肢纖維肉瘤病人腫瘤直徑和病人預后的關系，但這兩者的關系在其他四肢腫瘤中得到了大量報道[7-8，11-12]。

YE等[7]研究結果表明，腫瘤直徑越大，病人總死亡率和腫瘤特異死亡率越高。這一結論在四肢平滑肌肉瘤、四肢骨肉瘤和四肢黏液型脂肪肉瘤中同樣得到了證實[8，11-13]。

AJCC分期系統是臨床中常用的病人預后評價指標，大量研究建立并驗證了基于AJCC分期系統的臨床預測模型，結果表明，整合AJCC分期系統和其他預后相關變量所建立的臨床預測模型可以較單獨使用AJCC分期系統更好地預測腫瘤病人的預后[9，13-14]。本研究結果表明，AJCC N分期和AJCC M分期是四肢纖維肉瘤病人預后的獨立危險因素，N分期和M分期越高則病人預后越差;ROC曲線分析顯示，N分期和M分期均具有一定的預后預測價值（ROCgt;0.5）。但是，相較于整合多變量的列線圖，N分期和M分期單獨預測四肢纖維肉瘤病人預后的AUC較小。因此，在四肢纖維肉瘤病人中，整合AJCC分期系統和其他預后相關變量所建立的臨床預測模型，較單獨使用AJCC分期系統可以更好地預測病人的預后。

本文研究結果顯示，手術情況是四肢纖維肉瘤病人的預后獨立危險因素。手術切除仍然是四肢軟組織肉瘤的治療基礎。在上世紀70年代以前，截肢手術是四肢軟組織肉瘤病人的主要治療手段[7]。近年來，放療聯合腫瘤切除術為四肢軟組織肉瘤的主要治療方式，且以術后聯合放療常見[15]。放療聯合手術的綜合治療模式取得了良好的效果。腫瘤病理分級與腫瘤預后密切相關，本研究結果表明，腫瘤病理分級是四肢纖維肉瘤病人預后的獨立危險因素。既往研究也表明，腫瘤病理分級與病人術后的轉移以及死亡風險顯著相關[7]。但是，病理分級常用于指導治療手段的選擇，而單獨利用腫瘤病理分級預測病人的預后并不理想[16-17]。

本研究也有一定的局限性。首先，本研究是一項回顧性研究，并且數據來源于公共數據庫，可供研究的臨床資料有限;許多可能與預后相關的因素未被納入本研究，這需要將來使用前瞻性收集的數據對本文列線圖進行進一步的驗證。其次，本研究未針對具體的治療方式與病人預后之間的關系展開研究。最后，該模型是基于SEER數據庫建立的，納入樣本以西方人群為主，而中國人的數據較少。該模型在中國人中的應用價值需要進一步采用中國人的數據進行外部驗證。

綜上所述，病人年齡、腫瘤直徑、腫瘤病理分級、N分期、M分期和手術治療情況是四肢纖維肉瘤病人的獨立預后相關因素，基于上述6個變量建立的列線圖可以良好地預測四肢纖維肉瘤病人的1、3和5年總生存率，且預測能力優于各變量單獨應用。基于該列線圖的風險分層有助于臨床醫生評估病人的預后，進而制訂個體化的治療方式以期改善治療效果和病人預后。

[參考文獻]

[1]CORMIER J N， POLLOCK R E. Soft tissue sarcomas[J]. CA： a Cancer Journal for Clinicians， 2004，54（2）：94-109.

[2]BAHRAMI A， FOLPE A L. Adult-type fibrosarcoma： a reevaluation of 163 putative cases diagnosed at a single institution over a 48-year period[J]. The American Journal of Surgical Pathology， 2010，34（10）：1504-1513.

[3]MA X J， LI D， LI H， et al. The clinicoradiological features and surgical outcomes of primary intracranial fibrosarcoma： a single-institute experience with a systematic review[J]. Neurosurgical Review， 2021，44（1）：543-553.

[4]XIANG G H， ZHU J J， KE C R， et al. Nomograms predict overall survival and cancer-specific survival in patients with fibrosarcoma： a SEER-based study[J]. Journal of Oncology， 2020，2020： 8284931.

[5]陳婷，龍海波，黃千殷，等. 預測腹膜透析患者預后模型的構建與驗證[J]. 中華腎臟病雜志， 2020（9）：680-687.

[6]楊平，劉亮華，鄒兵，等. 基于SEER數據庫分析兒童髓母細胞瘤的預后影響因素及列線圖預測模型的構建[J]. 中華小兒外科雜志， 2020，41（8）：725-732.

[7]YE L， HU C， WANG C L， et al. Nomogram for predicting the overall survival and cancer-specific survival of patients with extremity liposarcoma： a population-based study[J]. BMC Cancer， 2020，20（1）： 889.

[8]柳昌全，趙廣雷，陳康明，等. 基于SEER數據庫的四肢骨肉瘤預后相關列線圖的構建[J]. 中國骨與關節雜志， 2020，9（8）：563-571.

[9]MAO W P， WU J P， KONG Q F， et al. Development and va-lidation of prognostic nomogram for germ cell testicular cancer patients[J]. Aging， 2020，12（21）：22095-22111.

[10]CAMP R L， DOLLED-FILHART M， RIMM D L. X-tile： a new bio-informatics tool for biomarker assessment and outcome-based cut-point optimization[J]. Clinical Cancer Research： an Official Journal of the American Association for Cancer Research， 2004，10（21）：7252-7259.

[11]XUE M F， CHEN G， DAI J P， et al. Development and validation of a prognostic nomogram for extremity soft tissue leiomyosarcoma[J]. Frontiers in Oncology， 2019，9：346.

[12]WU J Q， QIAN S J， JIN L B. Prognostic factors of patients with extremity myxoid liposarcomas after surgery[J]. Journal of Orthopaedic Surgery and Research， 2019，14（1）：90.

[13]YU C R， ZHANG Y J. Establishment of prognostic nomogram for elderly colorectal cancer patients： a SEER database analysis[J]. BMC Gastroenterology， 2020，20（1）：347.

[14]CHEN S Y， GAO C X， DU Q， et al. A prognostic model for elderly patients with squamous non-small cell lung cancer： a population-based study[J]. Journal of Translational Medicine， 2020，18（1）：436.

[15]LAZAREV S， MCGEE H， MOSHIER E， et al. Preoperative vs postoperative radiation therapy in localized soft tissue sarcoma： nationwide patterns of care and trends in utilization[J]. Practical Radiation Oncology， 2017，7（6）：e507-e516.

[16]MATTEI J C， BROUSTE V， TERRIER P， et al. Distal extremities soft tissue sarcomas： are they so different from other limb localizations[J]？ Journal of Surgical Oncology， 2019，119（4）：479-488.

[17]GOERTZ O， PIEPER A， LAUER H， et al. Long-term outcome of 181 patients with liposarcomas of the extremity and truncal wall[J]. Anticancer Research， 2019，39（10）：5747-5753.

（本文編輯 黃建鄉）