本文选自Cancer的二舅家表叔的三姑的邻居家表嫂妹妹的同学的隔壁老王cancers，doi:10.3390/cancers1205115，喜欢的朋友可以自行下载阅读。
最近，对于这类文章有点上头。就是一个字，盘她！
血液中丁酰胆碱酯酶(BChE)的活性反映了肝功能，并与全身炎症反应和肿瘤恶病质有关。由于这些情况与胰腺癌(PC)有关，因此本研究的目的是评估血浆BChE对胰腺癌预后的影响。（如果想研究点赞和文章质量的关系，首先要明确是点赞鼓励了作者提升了文章质量，还是文章质量较高不自觉的让读者就想给个赞）
本文就是统计学常规的套路，也是我以前特别想写的一种论文，结合临床和病理的关系，进行COX风险分级，然后K-M曲线评估生存相关，得到具有统计学意义的结论。思路简单，结构合理，稍有创意，引人点赞。
本文就想找到一个术前预测预后的危险因素，首先，就是临床资料的收集，这也是这种文章最重要的部分。对2004年至2018年在一个学术中心治疗的连续574名PC患者的数据进行评估。主要终点是肿瘤特异性生存率(CSS)，采用Kaplan-Meier曲线分析以及单变量和多变量Cox比例模型。
你能信，500多例患者，有400例是IV期的，剩下的100多人中只有两人没有手术，这个数据我深表怀疑。算了，我是来看思路的，不是检查他们数据的
然后作者想看看BChE和预后的关系，通过ROC曲线确定BChE的cutoff值。这个cutoff在图中会有显示。
然后，以生存为观察点，进行COX单因素及多因素分析。可以看出Grading，staging，chemotherapy，surgical resection，CA19-9，Bilirubin，BChE是独立危险因素。你说这扯不扯。
本文开题就点名了了本文的目的是在术前评估患者预后的因素，既然是术前，那么多因素及单因素分析的话是不是要控制变量，去除手术的因素。如果在多因素分析中，引入一个影响非常大的因素后，会导致原有变量没有差异，也就是逐步代入法，但是如果变量过多，可能会是模型的效率下降。而且cox多因素分析的时候，居然没有我们常见的影响肿瘤预后的因素比如：BMI,胰腺导管的宽度，胰腺脂肪浸润情况等等，总之，提供一个思路，如果这个题换成我做的话，那么…………
首先，收集病理当然是比不可少的环节，我需要大概50对肿瘤及瘤旁组织，进行非编码测序，构建COX风险比例模型，构建一个signature，通过模型评估ROC曲线预测准确性，
然后，通过ROC曲线，以肿瘤OS或者DFS作为中终点，得出一个ROC曲线的cutoff值，然后，进行分层。
再后，作为再次收集临床数据，大量的临床病例资料。进一步评估COX模型的准确性，如果准确性满意的话，对临床病例资料进行k-m生存分析，logistics回归模型进行多因素分析，评估ROC曲线的cutoff分层是否是预后的独立危险因素。
再再后，进一步我可能会看看如果结合临床的检查指标会不会提高cox模型的准确性，然后把一些肿瘤标记物联合cutoff进行分层，如果这个模型效率更高的话，那么久发达了，
最后，把这一批预后结果在进行K-M分析，看看这种新的分层是不是独立危险因素，以此找到一个可以在术前预测预后的指标。
文章到此就结束了，本文做的是K-M生存分析，利用ROC曲线获取的不同变量的cutoff值，并不是传统的cox风险比例模型，5分的文章啊，你能相信就做了这点东西。匪夷所思，非亲非故，非同小可，非比寻常，非分之想，非同儿戏，非我族类。欢迎批评、指正。
网友评论