题目：Development and Validation of a Radiomics Nomogram for Preoperative Prediction of Lymph Node Metastasis in Colorectal Cancer
logistic回归；放射组学；结直肠癌；淋巴结转移
ref：医学方：临床医生的逆袭：深入解析临床研究预测类文章思路，带你成为科研“大牛”！
一.纳入病人
纳入2007.2-2010.4共326名行手术切除的结直肠癌病人作为训练集，纳入2020.5-2020.12共200名行手术切除的结直肠癌病人作为测试集。324名训练集患者中，166名淋巴结转移阳性，158名淋巴结转移阴性；200名训练集患者中，101名淋巴结转移阳性，99名淋巴结转移阴性。
二.影响组学得分计算
将CT展示出的影响组学特征进行分析，从中提取150个特征，利用lasso回归降维至24个，将24个特征整合计算Rad score，作为一个单独的变量纳入多因素logistic回归的模型。
三.结果展示
1.基线特征
在训练集和测试集里，LN(+)和LN(-)组在许多基线特征方面均有较大差异。
2.影响组学特征的选取
这篇文章的目的是研究影响组学特征和结直肠癌淋巴结转移的关系，影响组学特征有很多，全部纳入模型肯定不现实，因此作者考虑使用十折交叉验证lasso回归降维，再把降维后得到的特征进行整合纳入模型。
用CT获取了150个影像组学特征，使用R里glmnet包进行降维，结果如下：
lambda1
左边的垂直虚线代表lambdamin的值，右边的垂直虚线代表lambda1se的值。作者选取lambda1se纳入：
lambda2
在lambda1se处，我们获得了一个模型，进入该模型的变量为24个(变量数从150个减少至24个)。具体每个变量名称和系数，通过glmnet包均可显示出来，这个24个影像学特征变量最终构成的是后续我们研究中的一个变量，即Radiomics signature（影像组学）。
3.nomogram模型建立
nomogram
将影响组学计算得到的Radiomics signature与其他特征一起，通过向后逐步回归法纳入多元logistic回归模型，建立nomogram图。
4.模型验证
4.1区分度和就校准度
在这篇文章里，作者在三个队列里进行和模型验证，分别是(1)原训练集(Primary Cohort)；(2)原训练集里的Internal validation(抽取60个人)；(3)测试集。同时在原训练集进行模型验证时，采取了重抽样的方法。
作者关于calibration plot和HL-test的描述：
The calibration curve of the radiomics nomogram for the probability of LN metastasis demonstrated good agreement between prediction and observation in the primary cohort. The Hosmer-Lemeshow test yielded a nonsignificant statistic (P = .916), which suggested that there was no departure from perfect fit.
4.2NRI
作者尝试在模型中加入histologic grade，使用净重新分类指数（Net Reclassification Index，NRI）评估，发现对模型没有改善能力，因此不把histologic grade纳入模型。
作者关于NRI的描述：
Although a slightly higher C-index was observed for the model with histologic grade integrated into the validation cohort (0.788; 95% CI, 0.779 to 0.797), integration of the histologic grade into the prediction model did not show significantly improved prediction performance (NRI, 0.014; P = .44; event NRI, 20.70;nonevent NRI, 0.72; negative percentage for the event NRI indicates a net worsening in risk classification for patients with LN metastases).
3.DCA
DCA
作者描述：The decision curve showed that if the threshold probability of a patient or doctor is . 10%, using the radiomics nomogram to predict LN metastases adds more benefit than either the treat-all-patients scheme or the treat-none scheme
四.讨论
掌握原文讨论里作者应用lasso回归和DCA的原因。
网友评论