一、POST-OPERATIVE STAGING AND SURVIVAL BASED ON THE REVISED TNM STAGING SYSTEM FOR NON-SMALL CELL LUNG CANCER(论文文献综述)
李慧慧[1](2021)在《手术切除T1-2N0M0期NSCLC患者预后预测模型的建立及意义》文中指出目的:肺癌(lung cancer,LC)目前仍是全世界发病率和死亡率位居前列的恶性肿瘤,其中非小细胞肺癌(non-small cell lung cancer,NSCLC)以的85%的占比居于首位。随着早期筛检的普及和检测手段的提高,早期NSCLC患者的占比越来越高,然而早期NSCLC患者术后仍有较高比例的复发和转移,造成患者预后不佳,为探索影响患者预后的重要因素,协助早期评估患者预后,并及时进行医学干预,从而改善患者预后;评估化疗在患者预后中的作用,并探索适宜化疗人群的特异性标志物。本研究拟通过收集2014年1月-2016年12月于齐鲁医院就诊的NSCLC患者病历资料,全部经过根治性手术治疗,术后分期为T1-2N0M0,随访患者术后5年的复发及生存情况,构建早期NSCLC患者预后预测模型;评估了术后化疗的作用,并发现具有化疗指导作用的指标。方法:1.在病案系统中检索2014年1月-2016年12月于山东大学齐鲁医院就诊的NSCLC患者,均进行根治性手术治疗,术后病理分期为T1-2N0M0期。2.收集患者临床资料。基线资料:包括年龄、性别、吸烟情况、合并症、家族史等情况;肿瘤相关:病理类型、基因突变、手术方式、切除范围、肿瘤位置、是否合并脏层胸膜浸润(Visceral pleural invasion,VPI)、是否术后辅助化疗等情况;实验室指标:血常规、肝肾功能、凝血系列、肿瘤标志物等数据;影像学表现,如有无分叶、毛刺、胸膜增厚、胸膜牵拉等。3.对所有患者进行随访,关注其生存及复发情况。4.汇总所有数据并进行统计分析,将所有可能影响患者预后的因素纳入单因素Cox回归模型;筛选出具有统计学意义的指标,再进行多因素Cox回归分析;并进一步绘制K-M生存曲线;最后将具有预后意义的因素利用R语言构建术后T1-2N0M0期NSCLC患者预后预测模型,并绘制诺莫图(normogram);并初步评估辅助化疗对患者预后的影响,探索了具有化疗指导意义的指标。结果:本研究共纳入术后分期为T2N0M0期NSCLC患者411名,其中男性244名(52%),女性177名(48%);平均年龄60.5±9.5岁;所有患者中位随访时间34月(1-86月),患者中位生存时间72个月(95%CI,67-76月),最短时间3月,最长时间86个月;87例(21.2%)患者到达主要研究终点(死亡),127例(30.9%)达到次要研究终点复发转移。将所有纳入的数值变量及分类变量资料进行Cox回归分析,单因素分析显示:年龄>63 岁、合并 VPI、肿瘤直径>3cm、HCY>16.2umol/L、CYS-C>0.96mmol/L、白蛋白<42.4g/L、术后不化疗、NSE较高这些因素与患者的无病生存期(Disease-free survival,DFS)相关;年龄>63 岁、肿瘤直径>2.3cm、合并脏层胸膜浸润、白蛋白<42.4g/L、HCY>16.2umol/L、CYS-C>0.96mmol/L、CYFRA21-1>2.55ng/mL、术后不化疗、胸膜增厚、肿瘤分化程度较低、NSE>12.5ng/mL这些因素与患者的总生存期(overall survival,OS)相关;多因素Cox回归分析显示:合并VPI、白蛋白<42.4g/L、HCY>16.2umol/L、CYS-C>0.96mmol/L、CYFRA21-1>2.55ng/mL与患者总生存时间OS相关;肿瘤直径>3cm、合并 VPI、HCY>16.2umol/L,CYS-C>0.96mmol/L,NSE>12.5ng/mL 与 NSCLC患者DFS相关;Graphpad-prism 绘制生存曲线图,结果示:合并 VPI、HCY>16.2umol/L、CYS-C>0.96mmol/L、CYFRA21-1>2.55ng/mL、白蛋白<42.4g/L 与患者 OS 降低有关;而肿瘤直径>3cm、合并 VPI、HCY>16.2umol/L,CYS-C>0.96mmol/L,NSE>12.5ng/mL与T1-2N0M0期NSCLC患者DFS相关;利用R语言构建了诺莫图可预测个体复发和死亡的概率。DFS的一致性检验系数(C-index)为0.63,OS的一致性检验系数为0.62;化疗组患者依据HCY、CYS-C水平是否升高分别分为两组,HCY>16.2umol/L,CYS-C>0.96mmol/L组患者的OS及DFS均明显减低,P<0.05,差异具有统计学意义;而HCY>16.2umol/L,CYS-C>0.96mmol/L组患者依据是否化疗分组行生存分析结果显示:化疗与两组患者DFS相关,而与OS无明显相关性。结论:合并 VPI、HCY 水平升高(>16.2umol/L),CYS-C 水平升高(>0.96mmol/L),ALB 水平降低(<42.4g/L),CYFRA21-1 升高(>2.55ng/mL)与手术切除 T1-2NOM0期NSCLC患者OS独立相关;合并VPI、肿瘤较大(直径>3cm)、HCY水平升高(>16.2umol/L),CYS-C、水平升高(>0.96mmol/L),NSE 升高(>12.5ng/mL)与手术切除 T1-2N0M0 期NSCLC患者DFS独立相关;基于复发和死亡独立危险因素构建了手术切除T1-2N0M0期NSCLC患者预后预测模型诺莫图,可以应用于临床个体化评估患者术后1,3,5年复发、死亡风险;化疗组患者中,高HCY、高CYS-C组其NSCLC患者术后DFS及OS均短于低水平组;高HCY、高CYS-C组患者中,化疗组患者的DFS较未化疗组长,而总生存期无明显改善;HCY、CYS-C可作为指导因素协助判断术后T1-2N0M0期NSCLC患者是否需要辅助化疗。
王高祥[2](2021)在《非小细胞肺癌合并2型糖尿病患者远期生存分析》文中研究说明目的在中国,肺癌仍然是死亡率以及发病率排第一的恶性肿瘤。另外,随着社会人口老龄化,临床上出现越来越多的患有肺癌并合并其他基础疾病的患者,例如高血压、糖尿病(Diabetes mellitus,DM)及冠心病等。据相关研究显示DM对行手术治疗后的肺癌患者预后的影响尚无一致结论。因此,本研究通过随访合并2型糖尿病(Type 2 Diabetes Mellitus,T2DM)的非小细胞肺癌(Non-small cell lung cancer,NSCLC)患者远期生存情况,探讨合并T2DM对可切除NSCLC患者远期生存率的影响。方法回顾性分析安徽医科大学附属省立医院胸外科2011年1月至2014年8月期间769例接受手术治疗的NSCLC患者的临床病历资料,包括年龄、性别、吸烟史、手术方式、病理类型、TNM分期、肿瘤直径、术后辅助放疗和术后辅助化疗等。主要研究T2DM是否影响NSCLC患者生存期(Overall Survival,OS)及无病生存期(Disease-free survival,DFS)。随访截止时间为2019年12月。应用SPSS24.0统计学软件进行数据分析。计算生存率等情况采用Kaplan-Meier法。计算两组间生存率的差异并做检验使用Log-rank检验。COX模型则是用来计算多因素分析。P<0.05为差异有统计学意义。结果IA期276例,IB期95例,IIA期129例,IIB期103例,IIIA期166例。按是否合并T2DM分为非糖尿病组(643例,83.6%,A组)和糖尿病组(126例,16.4%,B组)。两组在年龄、性别、吸烟史、手术方式、肿瘤直径、病理分型、TNM分期、术后辅助化疗、术后辅助放疗及术前并发症等方面相似,差异无统计学意义(P>0.05)。单因素生存分析显示:行全肺切除术、更晚的TNM分期、术后辅助化疗、术后辅助放疗和合并T2DM是影响预后的重要因素。进一步根据OS进行多因素分析,合并T2DM(P=0.023)、TNM分期(P<0.001)和手术方式(P=0.010)是影响合并T2DM的NSCLC患者OS的独立预后影响因素。另外,根据DFS进行多因素分析,合并T2DM(P=0.013)、TNM分期(P<0.001)和手术方式(P=0.030)是影响合并T2DM的NSCLC患者DFS的独立预后影响因素。糖尿病组和非糖尿病组患者的1年、3年和5年OS分别为86.1%和89.6%,49.5%和62.4%,33.3%和40.6%;相应的DFS分别为73.6%和79.9%,41.4%和51.9%,10.2%和13.3%。另外,本研究将糖尿病组患者分为二甲双胍组(35例,27.8%)及非二甲双胍组(91例,72.2%)。两组在年龄、性别、吸烟史、手术方式、肿瘤直径、病理分型、TNM分期、术后辅助化疗、术后辅助放疗及术前并发症等方面相似,差异无统计学意义(P>0.05)。通过多因素分析发现,TNM分期(P<0.001)和二甲双胍(P=0.016)是影响合并T2DM的NSCLC患者OS的独立预后影响因素;TNM分期(P<0.001)和二甲双胍(P=0.019)是影响患者DFS的独立预后影响因素。结论在行根治性切除术的NSCLC患者中,合并T2DM是其不良的预后独立影响因素。因此,针对此类患者我们在临床上应给予更多的治疗及关注。另外,二甲双胍是合并T2DM的NSCLC患者预后的有利因素。
陈鑫[3](2020)在《基于CT影像组学精准预测非小细胞肺癌术后预后的研究》文中提出研究背景肺癌是全球癌症相关死亡的首要原因,其中非小细胞肺癌(non-small cell lung cancer,NSCLC)约占所有肺癌的85%。手术切除肿瘤仍然是Ⅰ期到Ⅲa期非小细胞肺癌的首选治疗方式,但术后预后迥异。临床需要对患者术后的预后情况精准评估,进行复发或死亡风险分层,以指导临床制定个性化治疗和随访方案,辅助临床决策。目前,临床上评价NSCLC预后主要基于美国癌症联合会(American Joint Committee on Cancer,AJCC)建立的 TNM 分期系统(T:肿瘤;N:淋巴结;M:远处转移);然而,临床实践发现,肿瘤完全切除后,即使相同分期,NSCLC患者的预后也存在较大差异;因此,临床亟需精准的预后评估方法。最近,有学者提出影像组学概念,即从常规医学图像中提取量化肿瘤特性的高通量定量特征,构建预测模型,实现对肿瘤异质性的无创分析,辅助临床决策,为实现NSCLC患者预后精准评估提供新的思路和方向。研究目的为了帮助临床医生对NSCLC患者制定个体化术后治疗和随访方案,本研究旨在构建基于术前CT图像的手工特征和深度学习特征标签,并评估其预测NSCLC患者总体生存(Overall Survival,OS)的价值,对患者进行危险分层。另外,融合手工特征标签、深度学习特征标签和临床-病理因素,构建NSCLC患者术后预后模型,实现肿瘤的个体化预后评估,为临床治疗决策提供辅助工具。材料与方法回顾性收集412例NSCLC患者的术前CT图像和临床病理信息;随机将患者分为训练组(n=275)和验证组(n=137)。首先,使用Image J软件手动选择在肿瘤最大层面进行肿瘤分割,并使用本研究团队基于Matlab编写的特征提取软件分别提取手工特征和深度学习特征;其次,使用最小绝对收敛和选择算子(the least absolute shrinkage and selection operator,LASSO)Cox 回归模型分别筛选与NSCLC患者预后相关的手工特征和深度学习特征;最后,使用选定的特征分别构建用于预测NSCLC患者预后的手工特征标签和深度学习特征标签。通过多因素Cox回归模型分析验证手工特征标签和深度学习特征标签为NSCLC患者的独立预后因素,并构建融合手工特征标签、深度学习特征标签和临床病理因素的预测模型,使用诺莫图对模型进行可视化,通过区分度、校准度和临床实用性评估其个体化预测NSCLC患者预后的效能。结果由21个手工特征组成的手工特征标签和19个深度学习特征组成的深度学习特征标签均与NSCLC患者的OS显着相关(≤0.013),并独立于临床病理危险因素(HR[95%CI],手工特征标签,2.006[95%置信区间(Confidence Interval,CI),1.115-3.610];深度学习特征标签,2.187[95%CI,1.392-3.430])。融合手工特征标签、深度学习特征标签和临床病理因素的诺莫图可较好的个体化预测患者的OS,并有好的区分度(训练组,C-index=0.785;验证组,C-index=0.800)和校准度。决策曲线分析表明,在临床实用性方面,融合多因素诺莫图在大部分合理阈值概率范围内均具有良好的总体净收益。结论CT影像组学特征包括手工特征和深度学习特征可以准确预测NSCLC患者预后,并且联合常规临床病理因素的诺莫图可对NSCLC患者的预后进行个体化评估,辅助医生优化NSCLC患者的治疗和随访方案,延长患者生存时间,提高生存率。
张金娜[4](2020)在《肺癌患者参与共享决策现状及影响因素分析》文中研究表明目的研究并分析肺癌患者参与临床治疗护理共享决策的现状及影响因素;从医-护-患-家属四方面分析参与共享决策的态度及影响因素。方法本研究采用随机抽样的方法,进行横断面调查。抽取2018年9月1日2019年12月31日在青岛某三甲医院已经录入医院His系统的胸外科、肿瘤科住院的533例肺癌患者,查阅其组织病理报告确定其诊断;根据知情同意原则,筛查符合本次研究的300例肺癌患者。发放一般资料调查表、决策期待量表和肺癌患者参与治疗护理决策量表,经过预答卷-最终答卷过程,通过问卷星或纸质问卷填写答卷。将收集完的数据录入SPSS20.0软件进行分析。主要的统计方法有描述性分析、卡方检验、配对样本秩和检验和Logistic回归分析,探讨肺癌患者参与共享决策现状及相关影响因素。根据渥太华决策支持框架理论,从医-护-患-家属四方面进行半结构式访谈;根据制订访谈提纲-预访谈-正式访谈的顺序进行,访谈量以信息量饱和为准,整理访谈内容,进一步分析肺癌患者参与共享决策态度和影响因素。结果1决策期待调查结果显示:在临床治疗决策过程中,39.00%的肺癌患者为期待共享型,实际共享型的人群仅占11.33%,符合率为53.67%,一致性系数K值为0.19(P<0.01),肺癌患者对治疗决策参与期待与实际参与程度不一致;66.33%肺癌患者期待与家属共同参与治疗决策,实际仅有40.67%的肺癌患者与家属共享,符合率为42.00%,一致性系数K值为0.40(P<0.01),肺癌患者对家属参与的态度与家属实际参与程度不一致。2肺癌患者参与治疗护理决策调查结果显示:61.33%肺癌患者对治疗共享决策参与态度积极,实际参与治疗共享决策程度高的仅占27.33%。治疗共享决策的实际程度与参与态度之间不一致(Z值在-10.56-6.28之间,P<0.01),主要与性别、年龄、受教育程度、付费方式、家庭平均收入、居住环境、子女数、病程、TNM分期等有关;19.33%的肺癌患者对护理共享决策参与态度积极,实际仅12.00%患者参与护理共享决策程度较高。治疗护理决策涉及的条目中,肺癌患者的参与态度与实际参与程度之间不一致(Z值在-8.85-3.43之间,P<0.01),主要与性别、受教育程度、家庭平均收入、性格、病程、TNM分期等有关。3对访谈资料进行深入分析和反复整理,归纳四个主题:(医-护-患-家属方面)(1)家属是肺癌患者参与共享决策的主导者;(2)针对肺癌患者参与共享决策的态度;(3)肺癌患者参与共享决策的必要性;(4)对肺癌患者参与共享决策的压力。将影响患者参与共享决策的因素从个人层面、医疗机构层面、社会层面、法律政策层面进行进一步探讨。结论1肺癌患者在共享决策过程中,期待与家属、医生、护士共同参与,但实际参与程度较低。患者对医生、护士和家属参与的期待与实际之间均存在不一致。2病程、TNM分期、家庭平均收入和受教育程度是影响肺癌患者参与共享决策态度和实际程度的主要因素;性别、年龄影响患者参与治疗决策的实际程度和护理决策的态度;性格和子女数影响患者参与护理决策的实际程度。3患者参与共享决策是全球卫生保健领域的健康发展趋势,与2019年患者十大安全目标中“鼓励患者及家属参与患者安全”相契合。家属和医护人员应正确评估患者的自身条件,分辨其能否参与共享决策,并针对性鼓励患者参与,树立正确的认知,提高决策质量,营造和谐、安全的医疗环境。
张云魁[5](2020)在《RNSCLC-PRSP软件预测可切除T1-3N0-2M0非小细胞肺癌患者预后风险及生存》文中进行了进一步梳理目的分析可能影响可切除T1-3N0-2M0[依据第八版美国癌症联合委员会(AJCC)/国际抗癌联盟(UICC)肺癌原发肿瘤-区域淋巴结-远处转移(TNM)分期]非小细胞肺癌(NSCLC)患者预后的相关临床病理特征,开发软件实现预测患者预后风险与生存,为临床医师评估可切除T1-3N0-2M0 NSCLC患者预后且制定综合治疗方案提供参考。方法(1)在美国监测、流行病学与最终结果(SEER)数据库中筛选仅行手术治疗且TNM分期为T1-3N0-2M0的NSCLC患者。(2)收集可能影响患者预后的临床病理特征及患者生存结局与生存时间,建立生存资料数据集。(3)给予临床病理特征(变量)编码与赋值。(4)基于生存资料数据集,采用Kaplan-Meier分析及Log-rank检验对各临床病理特征不同亚群行生存率估计及生存曲线比较,筛选影响患者预后的临床病理特征。(5)在生存资料数据集中,随机抽取70%患者为训练集,其余患者为测试集。(6)基于训练集,采用Cox比例风险回归模型识别患者独立预后影响因素。(7)基于训练集,采用树模型分析对各预后影响因素的预后预测重要性进行排序,进一步验证Cox比例风险回归模型统计学结果。(8)基于训练集,采用Cox比例风险回归模型构建预后指数(PI)方程,进而得出每位患者PI值。依据PI值分位数,且采用Kaplan-Meier分析及Log-rank检验,可将患者分为具有生存率显着差异的低危、中危、高危三个风险组,并得出各风险组平均、中位生存期及1-5年生存率估计值。进而构建患者预后风险及生存预测模型。(9)基于测试集验证模型。(10)开发RNSCLC-PRSP软件实现模型对患者预后风险及生存预测。(11)临床医师登录特定网站,免费注册并登录软件后,选择患者相应临床病理特征,即可获得患者预后风险与生存预测结果。结果(1)临床病理特征不同亚群生存率估计及生存曲线比较。女性生存率高于男性(P<0.05)。年龄≤65岁患者生存率高于年龄>65岁患者(P<0.05)。其它种族人群生存率高于白人或黑人(P<0.017)。区域淋巴结(N)分期中,从N2至N1至N0期,患者生存率依次增高(P<0.017)。区域淋巴结阳性数(NPLNs)中,从N≥4至1≤N≤3至N=0,患者生存率依次增高(P<0.017)。肺叶切除术(LET)生存率高于亚肺叶切除术(SLET)或全肺切除术(PET)(P<0.017)。原发肿瘤位于肺中叶(ML)生存率高于肺下叶(LL)(P<0.008)。肿瘤组织病理分级从高分化(Ⅰ)至中分化(Ⅱ)至低分化(Ⅲ),生存率依次降低(P<0.008);高分化(Ⅰ)生存率高于未分化(Ⅳ)(P<0.008)。肿瘤组织病理分型从鳞癌(S)至腺癌(AC)至支气管肺泡腺癌(BAA),生存率依次增高(P<0.005);从S至AC至其它组织病理类型,生存率依次增高(P<0.005);BAA与其它组织病理类型生存率均高于腺鳞癌(ASC)(P<0.005)。单身、已婚、离异患者生存率均高于丧偶患者(P<0.005)。肿瘤侵犯[原发肿瘤(T)分期)]中,从 T3 Inv 至 T2 Centr 至 T2 Visc PI 至 Tlass 生存率依次增高(P<0.005);从 T3 Satell至 T2 Visc PI至Tlass生存率依次增高(P<0.005)。肿瘤大小(T分期)中,从T2a>3-4、T2b>4-5、T3>5-7至Tlc>2-3至T1b>1-2、Tl≤1生存率依次增高(P<0.003)。(2)基于训练集,采用Cox比例风险回归模型,发现性别、年龄、N1期、区域淋巴结采样数(NELNs)(6<N≤12)、NELNs(N>12)、NPLNs(1≤N≤3)、NPLNs(N≥4)、LET、原发肿瘤位于肺上叶(UL)、原发肿瘤位于 ML、Ⅱ、Ⅲ、Ⅳ、AC、S、ASC、已婚、离异、T3 Inv、T3Satell、T2a>3-4、T2b>4-5、T3>5-7为患者独立预后影响因素。(3)基于训练集,采用树模型分析对各预后影响因素的预后预测重要性进行排序,其结果与Cox比例风险回归模型结论一致。(4)基于训练集,采用Cox比例风险回归模型,构建PI方程:PI=∑βixi=0.379X1-0.403X2-0.267X51-0.167X61-0.298X62+0.460X71+0.617X72-0.344X81-0.105X91-0.243X92+0.305X101+0.508X102+0.754X103+0.143X111+0.170X112+0.434X113-0.327X122-0.247X123+0.517X133+0.340X134+0.457X143+0.419X144+0.407X145。(5)基于训练集,得出每位患者PI值。依据PI值分位数,将患者分为低危、中危、高危三个风险组。PI<0.11为低危组,0.11≤PI<0.79为中危组,PI≥0.79为高危组。采用Kaplan-Meier分析及Log-rank检验,得知从低至中至高危组,生存率依次降低(p<0.017),同时得出各风险组平均、中位生存期及1-5年生存率估计值。平均、中位生存期估计值低危组分别为90.16个月、115.00个月,中危组分别为63.86个月、47.00个月,高危组分别为42.93个月,24.00个月。1、2、3、4、5年生存率估计值低危组分别为94.1%、87.0%、79.0%、73.5%、68.2%,中危组分别为 83.9%、69.3%、58.9%、49.1%、43.8%,高危组分别为68.6%、49.7%、41.6%、32.6%、26.8%。进而构建预后风险及生存预测模型。(6)基于测试集行模型验证,发现模型效果良好。(7)开发RNSCLC-PRSP软件,实现模型对可切除T1-3N0-2M0 NSCLC患者预后风险及生存预测。临床医师可登录网站http://www.rnsclcpps.com,免费注册并登录软件后,选择患者相应临床病理特征,即可获得患者预后风险与生存预测结果。结论通过对可切除T1-3N0-2M0 NSCLC患者预后影响因素分析,预后风险分组及相应生存预测,我们开发了新型预后预测软件。该软件使得临床医师能够方便、快捷、全面、确切的预测可切除T1-3N0-2M0 NSCLC患者预后风险及相应生存,为临床医师给予患者制定综合治疗方案提供参考。
李政翰[6](2020)在《早期非小细胞肺癌与体质、中医证候相关性研究》文中研究指明本论文主要分为两部分。第一部分为文献综述:文献综述从西医及中医两个方面概括了肺癌近些年的研究。西医综述从肺癌的定义、危险因素、治疗等方面概述了肺癌的研究进展。中医综述从肺癌的中医病名、病因病机、中医体质学与肺癌的关系、肺癌的证候研究四个方面概括了中医对肺癌的认识。第二部分为临床研究:目的:研究早期非小细胞肺癌与体质的关系;研究早期非小细胞肺癌-体质-证候之间的关系;方法:本研究采用横断面调查方法,收集2018年12月-2019年12月就诊于北京大学人民医院胸外科住院的早期非小细胞肺癌患者,采集患者的基本信息、中医四诊信息以及中医体质信息,运用Epidata3.1软件建立数据库,使用SPSS 26.0软件进行数据分析。结果:根据纳排标准,共纳入233例原发性非小细胞肺癌患者,其中因资料填写不全,剔除7例,资料完整共226例,男性95例,女性131例;年龄最小者24岁,最大者84岁,平均年龄为57.34±10.542岁;既往吸烟史者65例,无吸烟史者161例;腺癌共212例,占93.81%,鳞癌,共10例,占4.42%,大细胞癌、黏液表皮样癌及非典型类癌共4例;Ⅰ期共211例,Ⅱ期共15例;中医体质:单一体质160人,兼夹体质66人,将兼夹体质按照单一体质进行拆分,统计拆分后每种单一体质出现的出现率为:平和质(31.61%)、阳虚质(13.9%)、气虚质(10.99%)、阴虚质(8.97%)、痰湿质(8.30%)、气郁质(7.85%)、湿热质(6.95%)、血瘀质(6.28%)、特禀质(5.15%),体质分布与性别之间存在统计学意义,与年龄、病灶数量、病灶位置、病理类型均不存在统计学意义;中医证候调查:无证可辨39人,单一证候者88人,两证相兼者50人,三证相兼40人,四证相兼8人,五证相兼1人;拆分后九种单一证候中出现频次最多的四种证候为气滞证92次、血瘀证68次、气虚证58次、痰热证47次;证候与性别、吸烟、年龄、病理类型以及TNM分期之间未见统计学意义;体质与证候相关性:气虚质患者更易出现气虚证及湿热证,阴虚质患者更易出现阴虚证及血瘀证,痰湿质患者常表现为阳虚证。结论:1.早期非小细胞肺癌以中老年高发,女性多于男性;2.早期非小细胞肺癌患者中医体质以平和质、阳虚质、气虚质、阴虚质、痰湿质多见;气虚质、阳虚质及气郁质女性多见;3.早期非小细胞肺癌患者中医证候以单一证候多见,其次为两证相兼;拆分后九种中医证候以气滞证多见,血瘀证次之;4.体质与证候之间存在一定相关性。
张曙红[7](2020)在《非小细胞肺癌中医证型与临床客观指标相关性研究》文中认为目的:探讨非小细胞肺癌(NSCLC)的中医证型与病理类型、TNM分期、肿瘤标志物之间的相关性,为非小细胞肺癌的中医证型标准化研究提供参考,同时为非小细胞肺癌患者的中医药治疗提供指导。方法:根据研究的纳排标准,观察及选取2018年5月1日至2019年9月30日在中国人民解放军中部战区总医院住院治疗的、经组织病理学/细胞学诊断为非小细胞肺癌的患者,并将患者的临床资料详细记录至临床观察表中,随后进行临床数据统计,汇总录入Excel表格,建立数据库。最后,运用SPSS 21.0软件采用Spearman等级相关性分析进行数据处理,分析不同的中医证型与病理类型、国际TNM分期、肿瘤标志物之间的关系。结果:本研究收集符合纳排标准的病例共132例。各中医证型组间性别、年龄等资料比较差异无统计学意义(P>0.05)。在不同的中医证型与病理类型相关性研究中,尚未显示出相关性(P>0.05)。其中腺癌中气阴两虚证型患者最多,其次为阴虚毒热证型。鳞癌患者中痰湿蕴肺证型最多,其次为阴虚毒热证型。在不同的中医证型与国际TNM分期相关性研究中,显示二者显着相关(P<0.01),且成正相关(r=0.262)。I期患者以瘀阻肺络证型最多见,其次为痰湿蕴肺证型;II期患者以痰湿蕴肺证型最多见,其次为瘀阻肺络证型、阴虚毒热证型;III期患者以阴虚毒热证型最多见,其次为痰湿蕴肺证型;IV期患者气阴两虚证型最多见,其次为阴虚毒热证型。在不同的中医证型与肿瘤标志物相关性研究中,癌胚抗原(CEA)、细胞角蛋白-19片段抗原(CYFRA)与不同的中医证型显示出相关性(P<0.05),且成正相关(CEA:r=0.241;CYFRA:r=0.215),而神经元特异性烯醇化酶(NSE)、糖类抗原(CA125)与不同的中医证型尚未显示出相关性(P>0.05)。CEA的阳性表达以瘀阻肺络证型多见,其次为痰湿蕴肺证型;CYFRA的阳性表达以瘀阻肺络证型多见,其次为阴虚毒热证型。结论:NSCLC不同的中医辨证分型与TNM分期、CEA、CYFRA之间存在相关性,可作为NSCLC客观辨证分型的依据,同时也可以针对不同的分期配合使用合适化瘀、祛湿、运脾、补气、滋阴等中(成)药。
袁野[8](2020)在《机器人辅助肺叶切除术对NSCLC疗效及T1期NSCLC淋巴结转移危险因素的研究》文中研究说明目的探究机器人辅助肺叶切除术(Robot-assisted lobectomy,RAL)对非小细胞肺癌(Nonsmall cell lung cancer,NSCLC)的围术期疗效与长期生存情况,并对比其与胸腔镜辅助肺叶切除术(Video-assisted lobectomy,VAL)的疗效。探究病理为T1期NSCLC患者发生淋巴结转移的危险因素。方法课题第一部分回顾性纳入146例RAL及VAL患者,对患者基线资料进行倾向得分匹配(Propensity score-matched,PSM)后观察围术期疗效,在此基础上自2017年6月起开展RAL对比VAL对NSCLC疗效的前瞻性随机对照临床试验(Randomized controlled trial,RCT),主要研究终点为术后30日并发症发生率,次要研究终点包括长期生存、淋巴结清扫情况、术中出血量、胸引管引流量及住院费用等指标,截至2019年8月共纳入270例患者,其中RAL组134人,VAL组136人。课题第二部分纳入1002例病理为T1期的NSCLC患者,依据是否发生淋巴结转移分为两组,对其临床及病理学特征进行收集,对存在显着差异的指标进一步行多因素logistic回归分析以区分危险因素。结果第一部分回顾性研究经PSM后共136名患者配对成功,RAL组77人,VAL组59人,RAL相较于VAL对肺叶内(第12组)淋巴结的清扫更为彻底(0.63 vs.0.05,p<0.001),但其费用较高(75,978.65 vs.45,357.57 RMB,p<0.001)。RCT中RAL术后30日并发症发生率不劣于VAL组(11.2%vs.14.7%,p=0.390),其对术中出血的控制(141.89 vs.156.92 ml,p=0.035)优于VAL,且清扫的淋巴结数量(10.94vs.8.90,p<0.001)及淋巴结组数(5.37 vs.4.28,p<0.001)均较VAL更多,但RAL术后胸引管总引流量(1041.19 vs.926.85 ml,p=0.028)及住院费用(84909.42 vs.53659.52 RMB,p<0.001)均多于VAL。第二部分中所有术后病理提示淋巴结转移的患者其术前影像学均表现为实性肿瘤,多因素回归分析显示,临床N分期为N1(OR=6.671,95%CI:1.719-25.893)或N2(OR=2.708,95%CI:1.364-5.379)以及术前血癌胚抗原(Carcinoembryonic antigen,CEA)水平超过5 ng/m L(OR=2.407,95%CI:1.263-4.589)是病理为T1期的NSCLC患者发生淋巴结转移的危险因素。结论基于回顾性PSM研究及前瞻性RCT,对NSCLC患者行RAL安全有效,围术期疗效与VAL相仿,RAL在淋巴结清扫及控制术中出血方面占优,但费用较为高昂,其长期生存结果有待继续随访。术前影像表现为实性结节、临床N分期为N1或N2及血CEA水平超过5 ng/m L是病理T1期的NSCLC患者发生淋巴结转移的危险因素。
别凤龙[9](2020)在《探索第八版肺癌TNM分期中T2aN0M0与T2bN0M0期非小细胞肺癌病人合适的手术方式》文中研究表明研究背景:早期非小细胞肺癌最常见的治疗方案是手术治疗,而手术方式的选择与肺癌的TNM分期密切相关。在肺癌第八版TNM分期中,将第七版肺癌TNM分期中T2aNOM0期(肿瘤大小为3-5cm、无淋巴结浸润、无远处转移,Ⅰ B期)肺癌病人,分为了 T2aNOMO期(肿瘤大小为3-4cm、无淋巴结浸润、无远处转移,ⅠB期)和T2bNOMO期(肿瘤大小为4-5cm、无淋巴结浸润、无远处转移,ⅡA期)。对于此部分非小细胞肺癌病人,其TNM分期发生了变化,最合适的手术方式可能也会改变。研究目的:探索第八版肺癌TNM分期中T2aNOM0期和T2bNOM0期非小细胞肺癌病人最合适的手术方式。研究方法:本研究从SEER数据库中检索了研究对象的相关数据,并将研究对象根据肿瘤的大小分为3-4cm和4-5cm两组,对这两组患者的相关数据进行分析。进行单因的Cox比例风险回归模型分析,筛选出可能影响患者预后的相关因素;再进行多因素的Cox比例风险回归模型分析,从中筛选出能独立影响预后的因素,验证肺癌的分期、手术方式等因素是否是独立影响预后的因素。根据手术方式的不同,对肺癌第八版TNM分期中T2aNOM0期和T2bNOM0期的非小细胞肺癌病人,以OS和LCSS为预后分析指标进行KM生存曲线分析,比较不同手术方式非小细胞肺癌病人的预后差异。在SEER数据库探索分析的基础上,使用临床实践中收集的病人临床信息数据库进行验证。使用与SEER数据库相似的研究对象筛选标准及数据分析方法,对肿瘤大小为3-5cm、无淋巴结浸润、无远处转移的非小细胞肺癌病人的合适手术方式进行验证。研究结果:从SEER数据库中收集了符合纳入标准的6,996例患者相关数据,将这些病例按肿瘤大小分为T2aNOMO(3-4cm)和T2bNOMO(4-5cm)两组。使用Kaplan-Meier生存曲线分析了两组之间的OS(p=0.018)和LCSS(p=0.001)。单因素及多因素Cox回归分析表明,年龄、性别、种族、肿瘤组织学类型、肿瘤大小、肿瘤分化程度、检查的淋巴结数目、区域淋巴结手术范围和手术方式等因素,均是影响NSCLC患者OS和LCSS的独立预后因素。将研究对象根据手术方式分组,使用Kaplan-Meier生存曲线和对数秩检验分析了不同手术组之间的OS和LCSS差异,分析结果中OS(p<0.001)和LCSS(p<0.001)均有显着性差异。肺叶切除术患者的OS和LCSS均更长,楔形切除术、肺段切除术和全肺切除术之间的OS和LCSS无显着性差异。对于T2aNOMO期患者,肺叶切除术术后患者的OS和LCSS均最好且有统计学意义,楔形切除术、肺段切除术和全肺切除术组之间的0S和LCSS无显着性差异,其他手术方式组的患者预后最差。对于T2bNOMO期患者,肺叶切除术患者的预后明显优于楔形切除术患者,全肺切除术、肺段切除术和肺叶切除术组之间患者的生存率无显着性差异,肺叶切除术预后要好于楔形切除术。通过临床数据库,使用相似的数据处理分析方法,对上述结果进行验证,结果显示:不同手术组之间患者的OS(p=0.224)并没有显着的统计学差异。对于T2aNOM0期患者,不同手术方式病人的OS没有显着的统计学差异(p=0.708);对于T2bNOM0期患者,不同手术方式病人的OS有显着性差异(p<0.001)。研究结论:对于第八版肺癌TNM分期中T2aNOM0期非小细胞肺癌患者,肺叶切除术是最适合的手术方式,但楔形切除术、肺段切除术和全肺切除术之间要根据实际情况进行选择;对于T2bNOM0期患者,肺叶切除术要优于楔形切除术,但全肺切除术、肺段切除术和肺叶切除术之间要根据实际情况进行选择。
王宇[10](2020)在《基于SEER数据库的可切除小细胞肺癌患者Nomogram预后模型的构建和外验证》文中进行了进一步梳理研究背景及目的:在世界范围内,肺癌都是患病率和致死率较高的恶性肿瘤之一。肺癌的分类主要分为非小细胞肺癌(NSCLC)和小细胞肺癌(SCLC)两大类。小细胞肺癌是最主要的肺神经内分泌肿瘤,由于易侵犯血管、倍增时间短、易早期转移等特征,预后一般较差。因为其对初始的化疗或放疗敏感性较高,以铂类为基础的化疗或联合同步放疗是目前较常用的治疗方案。但是往往迅速出现耐药及复发,从而导致不良结局。近些年手术在多模式治疗方案中的作用再次被提及,部分学者认为部分可切除的或早期的小细胞肺癌患者可以在手术治疗中获益,但患者手术预后差异很大。虽然目前VALSG分期系统和AJCC TNM分期系统被广泛用来进行粗略的预后预测,但未纳入患者年龄、性别、肿瘤部位、术中淋巴结清除情况等其他重要潜在预后影响因素,因此,需要建立新的预后预测模型以指导更恰当的治疗选择和更精确的预后评估。本研究的目的是分析研究影响可切除性小细胞肺癌预后的临床病理因素,并借助诺曼图(nomogram)这个工具,构建个体化预测模型。研究方法:本研究从美国国立癌症研究所“监测、流行病学和结果”(SEER)数据库中收集了1052例2004到2016年之间行手术切除治疗的并且经病理确诊为小细胞肺癌的病人的临床和病理资料,主要有性别、年龄、婚姻状态、肿瘤原发部位、肿瘤大小、分化级别、术中检出淋巴结数目、术后淋巴结阳性数目、手术术式、是否行放疗、是否行化疗和必要的术后随访资料(如生存状态和总生存期)等。根据手术范围将手术方式分为三类:全肺切除术、肺叶切除术、亚肺叶切除术。本研究利用单因素和多因素COX风险比例回归模型选择独立预后因素,并在此基础上用R语言构建了可切除性小细胞肺癌预后预测模型。并从山东省立医院收集了 114例手术切除的小细胞肺癌的患者信息,对新模型进行外部验证。应用一致性指数(C-index)和校准曲线评估新模型的预测准确性和可靠性。利用决策曲线分析(DCA)和综合改善指数(IDI)对新模型与第八版AJCCTNM分期进行对比,并采用z检验对IDI指数进行显着性检验。基于该预后模型建立了相对应的风险分层系统,并应用Kaplan-Meier生存分析对其进行了检验。本研究主要终点为总生存期(OS)。以上数据分析均通过RStudio软件(version 1.1.463)及SPSS 25.0软件进行。研究结果:在建模队列中,行肺叶切除术的有634例(60.3%),行亚肺叶切除术的有382例(36.3%),行全肺切除术的有36例(3.4%)。在外验证队列中,有78例(68.4%)肺叶切除术,9例(7.9%)亚肺叶切除术,27例(23.7%)全肺切除术。超过半数的患者接受了化疗(建模队列的68.5%和验证队列的73.7%),然而不到半数的患者接受了放疗(在建模和验证队列中分别为39.2%和27.2%)。在多因素Cox风险比例回归模型分析中,性别、年龄、第8版T分期、第8版N分期,LNR、手术和化疗均被证明是独立的预后因素。基于上述Cox回归分析结果构建了可切除性小细胞肺癌的预后预测模型。在模型内外部验证中,建模队列预测1年、3年和 5 年生存概率的 C-index 分别为 0.721(95%CI:0.680-0.761,p 值<0.001)、0.708(95%CI:0.677-0.739,p值<0.001)、0.726(95%CI:0.696-0.757,p 值<0.001);验证队列中的 C-index 分别是 0.819(95%CI:0.709-0.929,P<0.001),0.656(95%CI:0.550-0.761,P=0.005),0.708(95%CI:0.599-0.793,P<0.001),提示了该模型良好的区分度。校准曲线也显示预测结果与实际观察结果之间的良好一致性。DCA分析表明新的预测模型的净收益较第8版AJCC TNM分期系统显着增加,且阈值概率范围更广。另外,对比TNM分期系统,新模型1年、3年和5年的综合改善指数(Integrated discrimination improvement index,IDI)分别为 5.0%(p<0.001)、8.0%(p<0.001)、7.8%(p<0.001),意味着新模型有更好的综合辨别力。以此模型建立的风险分层系统能够很好地区分开高生存风险和低生存风险人群(p<0.0001)。另外,本研究构建了此模型的公开线上预测网页,网址如下:https://prediction-tool.shinyapps.io/Nomogram-for-Resectable-SCLC/。研究结论:本研究基于SEER数据库创建了用于预测可切除性小细胞肺癌患者生存概率的预后预测模型,并应用了一组独立的外部队列进行了外部验证。验证结果表明新模型具有很好的预测准确性和可靠有效的临床适用性,并且比AJCC TNM分期系统表现更佳。此外,本研究制作了便捷的线上模型应用网站。该模型有望为可切除性小细胞肺癌患者进行预后评估及临床咨询。
二、POST-OPERATIVE STAGING AND SURVIVAL BASED ON THE REVISED TNM STAGING SYSTEM FOR NON-SMALL CELL LUNG CANCER(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、POST-OPERATIVE STAGING AND SURVIVAL BASED ON THE REVISED TNM STAGING SYSTEM FOR NON-SMALL CELL LUNG CANCER(论文提纲范文)
(1)手术切除T1-2N0M0期NSCLC患者预后预测模型的建立及意义(论文提纲范文)
中文摘要 |
英文摘要 |
符号说明 |
第1章:绪论 |
第2章:对象和方法 |
第3章:结果 |
第4章:讨论 |
第5章:结论与展望 |
参考文献 |
致谢 |
攻读硕士期间发表的学术论文目录 |
学位论文评阅及答辩情况表 |
(2)非小细胞肺癌合并2型糖尿病患者远期生存分析(论文提纲范文)
缩略词表 |
中文摘要 |
英文摘要 |
1.引言 |
2.资料与方法 |
2.1 研究对象 |
2.2 治疗方法及手术方法 |
2.3 观察指标 |
2.4 随访及统计学方法 |
3.结果 |
3.1 临床资料比较 |
3.2 各组患者生存情况 |
3.3 两组间单因素及多因素分析 |
3.4 糖尿病组进一步分析 |
4.讨论 |
4.1 生存期分析 |
4.2 无病生存期分析 |
4.3 糖尿病组进一步分析 |
4.4 治疗 |
4.5 不足之处 |
5.结论 |
参考文献 |
附录 |
致谢 |
综述 二甲双胍抗肺癌机制研究进展 |
参考文献 |
(3)基于CT影像组学精准预测非小细胞肺癌术后预后的研究(论文提纲范文)
摘要 |
ABSTRACT |
前言 |
第一部分 基于影像组学手工特征构建非小细胞肺癌术后预后预测标签 |
研究背景 |
研究材料与方法 |
1.病例收集 |
2.CT扫描方案 |
3.临床及随访信息收集 |
4.肿瘤分割 |
5.影像组学手工特征提取 |
6.统计学分析 |
结果 |
1.患者临床病理信息基线比较 |
2.影像组学手工特征的可重复性评估 |
3.影像组学手工特征标签的构建 |
4.影像组学手工特征标签的评估与验证 |
5.基于临床病理因素的手工特征标签预测OS的分层分析 |
讨论 |
1.NSCLC术后预后精准量化的临床意义 |
2.影像组学预测NSCLC术后预后的潜在生物机制 |
3.影像组学手工特征在NSCLC术后预后预测中的价值 |
4.影像组学研究目前存在的挑战 |
第二部分 基于影像组学深度学习特征构建非小细胞肺癌术后预后预测标签 |
研究背景 |
研究材料与方法 |
1.病例收集 |
2.CT扫描方案 |
3.肿瘤分割 |
4.影像组学深度学习特征提取 |
5.统计学分析 |
结果 |
1.临床病理信息基线比较 |
2.影像组学深度学习特征的可重复性评估 |
3.影像组学深度学习特征标签的构建 |
4.影像组学深度学习特征标签的评估与验证 |
5.基于临床病理信息的深度学习特征标签预测OS的分层分析 |
讨论 |
1.深度学习的工作原理 |
2.深度学习在胸部CT图像中的应用 |
3.深度学习技术在医学影像图像应用中的优势 |
4.深度学习技术在医学影像图像应用中的不足 |
第三部分 基于影像组学手工特征和深度学习特征构建非小细胞肺癌术后预后预测模型 |
研究背景 |
研究材料与方法 |
1.病例收集 |
2.CT扫描方案 |
3.肿瘤分割 |
4.手工特征和深度学习特征预后预测标签的构建 |
5.统计学分析 |
结果 |
1.临床病理信息基线比较 |
2.融合标签和临床病理信息模型的构建 |
3.模型可视化及预后预测效能评估 |
讨论 |
1.临床预测模型的建立 |
2.临床预测模型的评估 |
3.临床预测模型的可视化 |
4.临床预测模型在肺癌预后中的应用 |
本研究的不足 |
小结 |
参考文献 |
附录 |
中英文缩略词 |
攻读博士期间研究成果 |
致谢 |
(4)肺癌患者参与共享决策现状及影响因素分析(论文提纲范文)
摘要 |
abstract |
引言 |
第一部分 肺癌患者参与共享决策的量性研究 |
研究对象与方法 |
1 研究对象 |
2 研究方法 |
研究结果 |
1 肺癌患者一般资料 |
2 肺癌患者参与治疗共享决策现状 |
3 肺癌患者参与护理共享决策现状 |
4 肺癌患者参与共享决策的影响因素分析 |
讨论 |
1 肺癌患者共享决策参与度较低 |
2 家属是肺癌患者参与共享决策的重要影响者 |
3 肺癌患者参与共享决策受多种因素影响 |
小结 |
第二部分 肺癌患者参与共享决策的访谈研究 |
引言 |
研究对象与方法 |
1 研究对象 |
2 研究方法 |
3 质量保证和伦理考虑 |
研究结果 |
1 访谈对象一般资料 |
2 访谈结果 |
讨论 |
1 肺癌患者参与共享决策的选择偏好与家属密切相关 |
2 肺癌患者参与共享决策社会期望较高 |
3 肺癌患者参与共享决策的干预策略 |
小结 |
结论 |
1 主要研究结论 |
2 对临床实践的建议 |
3 本研究的局限性及展望 |
参考文献 |
综述 |
综述参考文献 |
攻读学位期间的研究成果 |
缩略词表 |
附录 |
致谢 |
(5)RNSCLC-PRSP软件预测可切除T1-3N0-2M0非小细胞肺癌患者预后风险及生存(论文提纲范文)
摘要 |
abstract |
序言 |
资料与方法 |
1. 资料 |
2. 方法 |
结果 |
讨论 |
结论 |
参考文献 |
综述 可切除非小细胞肺癌预后影响因素 |
参考文献 |
攻读学位期间研究成果 |
缩略词 |
附录 |
参考文献 |
致谢 |
(6)早期非小细胞肺癌与体质、中医证候相关性研究(论文提纲范文)
摘要 |
ABSTRACT |
符号说明 |
第一章 文献综述 |
综述一 非小细胞肺癌的现代医学研究进展 |
1.定义及流行病学 |
2.危险因素 |
3.治疗 |
4.小结 |
参考文献 |
综述二 肺癌的中医研究进展 |
1.肺癌的病名 |
2.肺癌的病因病机 |
3.中医体质学与肺癌 |
4.肺癌的证候研究 |
5.小结 |
参考文献 |
前言 |
第二章 临床研究 |
资料与方法 |
1.病例来源 |
2.病例选择标准 |
3.观察指标 |
4.数据管理 |
5.统计学处理 |
结果 |
1.一般情况 |
2.中医体质 |
3.中医证候 |
4.中医体质与证候的相关性分析 |
讨论 |
1.一般资料 |
2.非小细胞肺癌的证候研究 |
3.非小细胞肺癌体质与证候的关系 |
4.不足与展望 |
结语 |
参考文献 |
致谢 |
附录 |
个人简历 |
(7)非小细胞肺癌中医证型与临床客观指标相关性研究(论文提纲范文)
中文摘要 |
Abstract |
缩略词表 |
前言 |
1 一般资料 |
2 纳排标准 |
2.1 纳入标准 |
2.2 排除标准 |
3 诊断标准 |
3.1 肺癌的诊断标准 |
3.2 病理分型 |
3.3 TNM分期 |
3.4 肿瘤标志物 |
3.5 中医证型 |
4 资料提取 |
5 统计学方法 |
6 结果 |
6.1 NSCLC患者一般情况比较 |
6.2 NSCLC患者各中医证型与病理分型情况比较 |
6.3 NSCLC患者各中医证型与TNM分期情况比较 |
6.4 NSCLC患者各中医证型与肿瘤标志物情况比较 |
讨论 |
1 中医学对肺癌的认识 |
1.1 中医证型在肺癌领域的研究 |
1.2 中医药在肺癌领域的研究 |
2 西医对肺癌的认识 |
2.1 与肺癌中医研究中相关的客观临床指标 |
2.2 肺癌的西医治疗 |
3 结果分析 |
结语 |
参考文献 |
附录 |
综述 |
参考文献 |
附表1--2015版WHO发布的肺癌组织病理分类 |
附表2--TNM分期 |
附表3--临床观察登记表 |
附录4--参与课题及论文发表情况 |
致谢 |
(8)机器人辅助肺叶切除术对NSCLC疗效及T1期NSCLC淋巴结转移危险因素的研究(论文提纲范文)
摘要 |
ABSTRACT |
英文缩略词表 |
绪论 |
1.肺癌流行病学概述 |
2.非小细胞肺癌治疗方式概述 |
3.非小细胞肺癌的手术治疗 |
4.机器人辅助肺叶切除术现状及展望 |
第一部分 机器人辅助肺叶切除术对非小细胞肺癌治疗的安全性及有效性研究 |
1.机器人辅助对比胸腔镜辅助肺叶切除术对非小细胞肺癌疗效:一项回顾性倾向得分匹配研究 |
1.1 研究背景 |
1.2 材料及方法 |
1.3 研究结果 |
1.4 讨论 |
1.5 研究结论 |
2.机器人辅助对比胸腔镜辅助肺叶切除术对非小细胞肺癌疗效的前瞻性随机对照临床试验 |
2.1 研究背景 |
2.2 材料及方法 |
2.3 研究结果 |
2.4 讨论 |
2.5 研究结论 |
第二部分 病理分期为T1 期的非小细胞肺癌发生淋巴结转移的临床特征及危险因素研究 |
1.研究背景 |
2.材料和方法 |
2.1 研究对象 |
2.2 数据分析 |
3.研究结果 |
3.1 患者一般情况 |
3.2 肿瘤特征 |
3.3 临床N分期与病理N分期的一致性 |
3.4 病理分期为T1 期发生淋巴结转移危险因素的Logistic回归分析 |
4.讨论 |
5.研究结论 |
全文总结 |
参考文献 |
致谢 |
学术论文和科研成果目录 |
(9)探索第八版肺癌TNM分期中T2aN0M0与T2bN0M0期非小细胞肺癌病人合适的手术方式(论文提纲范文)
中文摘要 |
英文摘要 |
符号说明 |
前言 |
第一部分 利用SEER数据库探索分析 |
1.研究背景 |
2.资料与方法 |
3.结果 |
4.讨论 |
5.结论 |
第二部分 利用临床数据库验证 |
1.研究背景 |
2.资料与方法 |
3.结果 |
4.讨论 |
5.结论 |
附图表 |
参考文献 |
英文论文 |
致谢 |
攻读硕士学位期间发表的学术论文和参加科研情况 |
学位论文评阅及答辩情况表 |
(10)基于SEER数据库的可切除小细胞肺癌患者Nomogram预后模型的构建和外验证(论文提纲范文)
中文摘要 |
Abstract |
符号说明 |
中文部分 |
第1章 研究背景 |
第2章 方法和材料 |
第3章 结果 |
第4章 讨论 |
第5章 结论 |
附图表 |
表1 |
表2 |
图1 |
图2 |
图3 |
图4 |
图5 |
补充文件1 |
补充文件2 |
参考文献 |
Paper in English |
1.Background |
2.Materials and Methods |
3.Results |
4.Discussion |
5.Conclusions |
Tables and figures |
Table 1 |
Table 2 |
Figure 1 |
Figure 2 |
Figure 3 |
Figure 4 |
Figure 5 |
References |
致谢 |
攻读学位期间发表及录用学术论文 |
学位论文评阅及答辩情况表 |
四、POST-OPERATIVE STAGING AND SURVIVAL BASED ON THE REVISED TNM STAGING SYSTEM FOR NON-SMALL CELL LUNG CANCER(论文参考文献)
- [1]手术切除T1-2N0M0期NSCLC患者预后预测模型的建立及意义[D]. 李慧慧. 山东大学, 2021(12)
- [2]非小细胞肺癌合并2型糖尿病患者远期生存分析[D]. 王高祥. 安徽医科大学, 2021(01)
- [3]基于CT影像组学精准预测非小细胞肺癌术后预后的研究[D]. 陈鑫. 南方医科大学, 2020
- [4]肺癌患者参与共享决策现状及影响因素分析[D]. 张金娜. 青岛大学, 2020(01)
- [5]RNSCLC-PRSP软件预测可切除T1-3N0-2M0非小细胞肺癌患者预后风险及生存[D]. 张云魁. 苏州大学, 2020(06)
- [6]早期非小细胞肺癌与体质、中医证候相关性研究[D]. 李政翰. 北京中医药大学, 2020(04)
- [7]非小细胞肺癌中医证型与临床客观指标相关性研究[D]. 张曙红. 湖北中医药大学, 2020(10)
- [8]机器人辅助肺叶切除术对NSCLC疗效及T1期NSCLC淋巴结转移危险因素的研究[D]. 袁野. 上海交通大学, 2020(01)
- [9]探索第八版肺癌TNM分期中T2aN0M0与T2bN0M0期非小细胞肺癌病人合适的手术方式[D]. 别凤龙. 山东大学, 2020(10)
- [10]基于SEER数据库的可切除小细胞肺癌患者Nomogram预后模型的构建和外验证[D]. 王宇. 山东大学, 2020(11)