重要：据报道，在严重急性呼吸综合征冠状病毒2大流行期间，癌症治疗延迟对癌症特异性存活率和2019年冠状病毒病(新冠肺炎)特异性死亡率的影响是可变的。在大流行期间，建议以非定量、非客观和非个性化的方式延迟治疗，这种方法可能与次优结果有关。需要将癌症死亡率估计和延迟治疗后果的数据进行量化整合，以帮助治疗决策和改善患者结果。
目的：获得癌症特异性和新冠肺炎特异性死亡率估计的量化整合，以用于为个体患者做出最优决策和优化资源分配。
设计、设置和参与者：在这个决策分析模型中，根据新冠肺炎的概率(按县、治疗特定变量、医院暴露频率和新冠肺炎传染性估计值进行个性化)、新冠肺炎死亡率(通过年龄特定变量、合并症特定变量和治疗特定变量进行个性化)以及癌症治疗延迟(影响和持续时间)，调整了新冠肺炎前总存活率的年龄特定和阶段特定的估计。这些模型估计值被集成到一个网络应用程序(OncCOVID)中，以计算立即接受癌症治疗与延迟接受癌症治疗的患者的累积总生存期和受限平均生存期的估计值。利用目前可获得的有关新冠肺炎的信息，开发了一个易感感染-康复模型，该模型解释了卫生保健治疗中心患者风险的增加。该模型综合了癌症死亡率和延迟治疗的后果的数据，以辅助治疗决策。从2005年至2006年接受癌症诊断的25种癌症类型的691854人的监测、流行病学和最终结果数据库中提取了新冠肺炎治疗前的特定年龄和癌症阶段的总生存期估计。数据来自国家癌症数据库中的5， ，436， ，896人，用于评估癌症类型和分期对延迟治疗的独立影响。此外，在一项嵌套病例对照研究中，275名患者的数据被用来估计按年龄组和合并症数量计算的新冠肺炎死亡率。对2020年3月17日至5月21日的数据进行了分析。
暴露：新冠肺炎和癌症。
主要结果和衡量标准：立即接受癌症治疗与延迟接受癌症治疗后限制的平均生存时间的估计。
结果：在研究进行时，OncCOVID网络应用程序允许选择多达47个个性化变量来评估单个癌症患者的净存活率。在特定癌症类型和阶段的患者中，延迟癌症治疗与净生存期之间的关联被发现明显的异质性，并且这两个变量不足以区分立即治疗和延迟治疗的净影响。个体化的总体生存估计与患者年龄、合并症的数量、接受的治疗以及特定的当地社区对新冠肺炎风险的估计有关。
结论和相关性：这项决策分析建模研究发现，OncCOVID基于网络的应用程序可以定量地帮助在新冠肺炎全球大流行期间为癌症患者进行个体化治疗的资源分配。
网友评论