Abstract

Fundo

A avaliação precisa do risco de recorrência e resposta ao tratamento de um paciente é um requisito importante de terapia personalizada no câncer de pulmão. Este estudo estende um modelo prognóstico previamente descrito câncer de pulmão não-pequenas células pela adição de quimioterapia e co-morbidades através do uso de dados SEER-Medicare ligadas.

Metodologia /Principais Achados

Dados em 34.203 adenocarcinoma de pulmão e 26,967 pacientes com carcinoma do pulmão de células escamosas foram usadas para determinar a contribuição da doença pulmonar obstrutiva crónica (DPOC) para o prognóstico em 30 combinações de tratamento. Um modelo de Cox incluindo DPOC foi estimado em 1.000 amostras de bootstrap, com o modelo resultante avaliada ROC, Brier Score, C de Harrell, e de Nagelkerke R

2 métricas, para avaliar melhorias no prognóstico mais de um modelo sem DPOC. A adição de DPOC com o modelo que incorpora o estágio do câncer, idade, sexo, raça e grau do tumor foi mostrado para melhorar o prognóstico em vários grupos de pacientes. Para doentes com adenocarcinoma do pulmão, houve uma melhoria no prognóstico na população geral do paciente e em doentes sem receber quimioterapia, incluindo aqueles que receberam apenas a cirurgia. Para o carcinoma espinocelular, uma melhoria em prognostication foi visto tanto na população total de doentes e nos doentes a receber diversos tipos de quimioterapia. condição de DPOC foi capaz de estratificar pacientes que receberam os mesmos tratamentos em forma significativa (log-rank

p Art 0,05). diferentes grupos de prognóstico, independente do estágio do câncer

Conclusão /Significado

a combinação de informações de pacientes sobre a DPOC, o estágio do câncer, idade, sexo, raça e grau do tumor pode melhorar o prognóstico e previsão de resposta ao tratamento em pacientes com câncer de pulmão de células não-pequenas individuais. Este modelo permite que o prognóstico refinado e estimativa da evolução clínica de regimes de tratamento abrangente, fornecendo uma ferramenta útil para a tomada de decisão clínica personalizado

Citation:. Putila J, Guo NL (2014) Combinando DPOC com clínicas, patológicas e Demográfica informações Refina Prognóstico e Tratamento Response Prediction of Non-Small Cell Lung Cancer. PLoS ONE 9 (6): e100994. doi: 10.1371 /journal.pone.0100994

Autor: John D. Minna, Univesity of Texas Southwestern Medical Center em Dallas, Estados Unidos da América

Recebido: 23 Abril de 2014; Aceito: 30 de maio de 2014; Publicação: 26 de junho de 2014

Direitos de autor: © 2014 Putila e Guo. Este é um artigo de acesso aberto distribuído sob os termos da Licença Creative Commons Attribution, que permite uso irrestrito, distribuição e reprodução em qualquer meio, desde que o autor original ea fonte sejam creditados

Data Availability:. O autores confirmam que, por razões aprovadas, algumas restrições de acesso aplicam-se aos dados subjacentes às conclusões. Os dados SEER-Medicare utilizados neste estudo foi obtido de NCI, que é licenciado para este projecto específico. Para aqueles que estão interessados ​​na obtenção dos dados, eles devem entrar em contato com as pessoas relevantes do SEER na seer.nci.gov. A pessoa de contato é Yanisko, Elaine (IMS) [email protected] .

Financiamento: Este trabalho foi apoiado por NCRRP20 RR16440 Stimulus Grant (PD: Dr. Nancy Guo) (http: //recuperação .nih.gov /Histórias /ViewStory.aspx id = 449) e os Institutos Nacionais de Saúde (NIH) R01 /R56LM009500 (PI: Dr. Nancy Guo) (https://www.nlm.nih.gov/ep/AwardsShortTerm .html). Os financiadores não tiveram nenhum papel no desenho do estudo, coleta de dados e análise, decisão de publicar ou preparação do manuscrito

Conflito de interesses: Dra. Nancy Guo é um membro PLOS Conselho Editorial. Isto não altera a adesão dos autores para PLOS ONE políticas e critérios editoriais.

Introdução

O cancro do pulmão é a principal causa de mortes relacionadas ao câncer nos países industrializados [1]. cancro do pulmão de células não pequenas (NSCLC) é responsável por cerca de 80% dos casos de câncer de pulmão. Major histologia do NSCLC inclui adenocarcinoma do pulmão e carcinoma do pulmão de células escamosas. recorrência de tumores e metástases é a principal falha do tratamento (ou seja, morte) de câncer de pulmão. Na prática actual, a ressecção cirúrgica é a principal opção de tratamento para a fase I pacientes com NSCLC. No entanto, até 50% da fase I NSCLC doentes irão desenvolver e morrer de recorrência do tumor dentro de cinco anos após a cirurgia [2], [3]. Portanto, é importante para selecionar pacientes com NSCLC fase precoce para um tratamento mais agressivo. Por outro lado, os pacientes com envolvimento nódulo positivo linfáticos são recomendados para receber quimioterapia adjuvante. No entanto, os benefícios da quimioterapia em NSCLC não são convincentes [4]. Recente meta-análise de 12 estudos randomizados mostraram que o uso de quimioterapia combinada apresentaram melhor evolução clínica do que a quimioterapia único agente [5]. Atualmente, um esquema de decisão clínica é necessária para recomendar qual quimioterapia e curso de tratamento seria ideal para um paciente particular.

Um dos fatores mais importantes que influenciam a sobrevivência de pacientes com câncer de pulmão e brônquios é a seleção de um curso adequado de terapia baseada em uma avaliação precisa do risco do paciente. No entanto, a seleção de um curso de terapia baseia-se actualmente em grande parte, o estágio do câncer por si só, apesar da contribuição de outros fatores a sobrevida do paciente. Em particular, co-morbidades como a DPOC pode ter um efeito significativo na sobrevivência a longo prazo devido à variação candidatura tratamento, o aumento da taxa de complicações, ou diminuída tratamento eficácia [6] – [8], e a prevalência da DPOC é elevada em pacientes com cancro do pulmão independente da idade, sexo e história de tabagismo [9]. Um grande obstáculo é determinar a contribuição de cada um desses fatores, incluindo a DPOC, o estágio do câncer, o grau do tumor, idade, sexo, raça e histologia, em um modelo prognóstico abrangente. Seria clinicamente útil desenvolver um tal modelo para avaliar o resultado do tratamento do paciente em regimes terapêuticos individuais completos, incluindo cirurgia, radiação, e vários agentes quimioterapêuticos, através da utilização de grande escala registos médicos do paciente.

co-morbidades que afectam pulmão função, tais como DPOC, são susceptíveis de influenciar independente de sobrevivência pós-operatória de seus efeitos sobre a candidatura cirúrgica devido à possibilidade de diminuição da função pulmonar. O volume expiratório forçado em 1 segundo (FEV

1) de um paciente, um indicador potencial da DPOC, foi encontrado para ser um fator prognóstico significativo em um modelo de controle de outras variáveis ​​clínicas, como o status nodal [10], [11 ]. Embora a DPOC e câncer de pulmão são muitas vezes vistos juntos em pacientes devido à sua associação compartilhada com o comportamento de fumar, nem condição é um ponto final clínico para o outro. Portanto, é importante investigar se a DPOC é um potencial fator prognóstico de câncer de pulmão e como incorporá-lo na seleção de tratamento.

Anteriormente, foi desenvolvido um modelo prognóstico utilizando dados semelhantes derivados da Epidemiologia de Vigilância e Fim -Resultados iniciativa (SEER) registro de câncer [12]. A abordagem anterior utilizada clínicas, patológicas, e as variáveis ​​demográficas em um único modelo para alcançar prognostication superior sobre um modelo semelhante usando o estágio do câncer sozinho. Este modelo foi no entanto limitada pelos dados em que o uso de quimioterapias específicas e a presença de co-morbidades não pôde ser determinada. Este estudo estende a análise anterior, utilizando registros médicos de pacientes do banco de dados SEER-Medicare ligadas. Estes dados adicionais permitem que para o papel de DPOC no prognóstico para ser determinada através de combinações de cirúrgico, radiológico, e tratamentos quimioterapêuticos [13] – [15]. Neste estudo, buscou-se 1) desenvolver um modelo de prognóstico do cancro do pulmão abrangente, incorporando informações da DPOC, idade, sexo, raça, grau do tumor, estágio do câncer, edição estadiamento AJCC, e histologia; 2) estimar de 2 anos e 5 anos probabilidade de sobrevivência dos doentes tratados com cirurgia, radioterapia e quimioterapia, incluindo à base de platina, platina /taxano, e carboplatina /paclitaxel /Avastin; 3) desenvolver uma ferramenta de prognóstico NSCLC on-line para a tomada de decisão clínica individualizada.

Pacientes e Métodos

Os dados dos pacientes foi obtido a partir do banco de dados do SEER-Medicare ligadas, uma combinação de dados de registro de base populacional e histórias de faturamento para pacientes cobertos pelo Medicare [16]. Em suma, os dados dos participantes registros SEER foram relacionados com dados do Medicare através do uso de número de segurança social, setor censitário, idade e outras variáveis ​​que identificam [15]. Os dados resultantes contêm informações sobre tratamentos administrados, co-morbidades presentes no paciente, apresentação clínica, sobrevivência e dados demográficos. Critérios para inclusão nesta análise foram o diagnóstico de câncer de pulmão ou brônquios entre 1991 e 2005, e informações completas sobre a idade, raça, sexo, grau do tumor eo estágio, bem como válida acompanhamento e histórico de faturamento. Este conjunto de pacientes foi aperfeiçoado para incluir somente aqueles com tumores amplamente classificadas como quer carcinoma epidermóide ou adenocarcinoma. Foram excluídos os casos relatados exclusivamente do certificado de autópsia ou morte. No total, 34,203 pacientes com adenocarcinomas pulmonares e 26,967 pacientes com carcinomas de pulmão de células escamosas conheceu estes critérios (Tabela 1). Códigos

A administração de quimioterapia foi determinada utilizando Healthcare procedimento comum Coding System (HCPCS) em combinação com Classificação Internacional de Doenças (CID) códigos. Para cada paciente, todos os registros foram pesquisados ​​entradas com um código HCPCS indicando que a quimioterapia foi administrada. Estas entradas foram então cruzados com os códigos de diagnóstico primário e secundário CID para que a entrada para assegurar que o agente estava a ser administrada para o tratamento dos cancros do pulmão ou brônquios. Quatro agentes específicos, cisplatina, carboplatina, docetaxel, paclitaxel e foram consideradas em adição a um grupo amplo que abrange uma variedade de agentes quimioterapêuticos.

Os pacientes também foram analisados ​​de acordo com a administração variável da cirurgia curativa e tratamento radiológico. Cinco grupos foram formados a partir de tratamentos cirúrgicos e radiológicos; um grupo contendo todos os pacientes, independentemente do tratamento, um grupo de doentes submetidos a cirurgia sem radiação, outro para aqueles que têm de radiação, sem cirurgia, um grupo com ambos cirurgia e radiação, um grupo de pacientes sem qualquer tratamento listados. atribuições do grupo de tratamento cirúrgico e radiológicos foram baseadas na presença de qualquer tratamento curativo desse tipo na parte SEER dos dados.

As comorbidades foram medidos como componentes de uma versão do índice de comorbidade de Charlson (CCI) adaptado para usar com dados administrativos [17] – [19]. Co-morbidades foram determinados usando o código disponíveis do NCI concebido especificamente para este conjunto de dados SEER-Medicare (https://healthservices.cancer.gov/seermedicare/program/comorbidity.html), sob a hipótese de que a presença de um tratamento para uma doença específica na história de facturação foi indicativo da sua presença no paciente no momento. Todas as reivindicações para fora para três anos antes do diagnóstico de câncer de pulmão foram analisadas para conjuntos específicos de códigos CID-9 indicativos de uma das condições mencionadas no CCI. Ao encontrar um código CID relevante para qualquer das 18 condições incluídas no índice, os pacientes foram classificados como sendo positivos para a condição correspondente. A determinação do uso de quimioterapia e co-morbidades foi feita usando

SAS

versão 9.2 no ambiente de PC.

Paciente idade, raça e gênero foram identificados por meio de informações na parte SEER dos dados , com o preto e Ásia /pacientes das ilhas do Pacífico que estão sendo comparados aos brancos como um grupo de referência. o grau do tumor também foi identificado a partir da porção vidente dos dados. tipos de tumor 1 e 2 foram agrupados e serviu como grupo de referência para as classes 3 e 4, que também foram agrupados nos modelos de Cox. estágio do câncer foi listada na porção SEER dos dados, quer em 3

rd ou 6

th Edição do sistema de estadiamento AJCC. Registros codificados usando a 6

th Edição puderam ser recodificados no 7

ª Edição, desde que eles tinham informação completa e válida no tamanho do tumor, extensão, o envolvimento nodal e metástases à distância. estágio do câncer que foi usado como grupo de referência nos modelos de Cox. O número e distribuição de características do paciente é detalhado na Tabela 1.

modelagem

Cox foi utilizado para estimar um modelo de riscos proporcionais para uso em quantitativamente avaliar o risco do paciente dado múltiplas variáveis. Dois modelos distintos foram estimados: um modelo completo contendo informações sobre estágio idade, raça, sexo, histologia, o grau do tumor e câncer paciente como desenvolvido em nosso estudo anterior [12], e um modelo de DPOC contendo as mesmas variáveis ​​com um indicador adicional da presença de DPOC. O desempenho destes dois modelos foi comparada para avaliar se a adição de DPOC poderiam melhorar o prognóstico e previsão dos resultados do tratamento. Para ambos os modelos completo e DPOC, um total de 1.000 Cox modelos de risco proporcional foram estimadas usando amostras bootstrap de tamanho igual ao da coorte original paciente. As distribuições de coeficientes foram avaliadas quanto à normalidade, e a média de cada coeficiente foi feita. Este conjunto de coeficientes formou o modelo final para cada abordagem

Os modelos foram então avaliados em um total de quatro métricas.; área sob a curva ROC, Brier Score, c de Harrell, e Nagelkerke de R

2. A medida ROC representa a área sob uma curva ROC integrada para 60 meses para o original 3

staging rd Edição AJCC, e 24 meses para o 6

th e recodificados 7

th Edição AJCC teste.

C

medida do Harrel é semelhante à medida ROC, mas leva em conta o aspecto de tempo. de Nagelkerke R

2 é uma forma generalizada do coeficiente de determinação (R ​​

2) apropriado para modelos de sobrevivência. O ROC,

c

-statistic, e R

2 todas as medidas variam de 0 a 1, com escores mais elevados indicam melhor desempenho. A pontuação Brier é uma medida da precisão das previsões de sobrevivência, e varia de 0 a 1 com pontuações mais baixas sendo melhor. Semelhante à medida ROC, a pontuação Brier foi calculada em 36 meses para o estadiamento AJCC originais e 24 meses para o estadiamento AJCC recodificados. Estas estimativas foram realizadas em 1.000 grupos de pacientes bootstrap com um bicaudal

t

-test sendo usado para avaliar as diferenças significativas entre os modelos em cada teste [20]. Todas as estimativas e avaliações do modelo foram realizadas utilizando

R

versão x64 2.15.0, com o

sobrevivência

,

risksetAUC

,

Design by,

rms

,

pec

, e

pacotes Hmisc

.

os modelos finais para ser usado na ferramenta on-line foram construídos utilizando os coeficientes estimados anteriormente para os modelos que contêm estágio do câncer, o grau do tumor, histologia, idade, raça /etnia, gênero e status de DPOC. Um total de 6 modelos, um para cada edição Staging AJCC e combinação de histologia, foram construídos. Pontos de corte para cada AJCC Edition e grupo histologia foram determinadas seleccionando um ponto de corte para dividir os pacientes em grupos de alto ou baixo risco em toda a gama de Hazard Scores na população total de pacientes e testar a diferença na sobrevida entre o cheio e estágio somente modelos, respectivamente, de uma forma iterativa. Os pontos de corte finais representam pontos em que o modelo completo Mostra a maior melhoria na seleção de pacientes, tanto de alto e baixo risco nesse grupo. Esta estratificação é representado na Figura S7. Os coeficientes finais e representação gráfica de sobrevivência a longo prazo, conforme determinado pelo Hazard Score são mostrados para cada modelo na seção de resultados. Para estimar o prognóstico e resposta ao tratamento de um novo paciente, o Índice de Hazard é estimado com base nos coeficientes para cada variável no modelo correspondente. Uma imagem representativa da aplicação web-based (www.personalizedRx.org) do modelo prognóstico final é fornecida nos resultados.

Resultados

Impacto da DPOC e outras co-morbidades em NSCLC sobrevivência

Em pacientes que receberam apenas a cirurgia sem radiação ou quimioterapia, a DPOC mostrou associação significativa (

p Art 0,05; modelo de Cox) com a sobrevida específica da doença do cancro do pulmão (Tabela 2). Outras condições co-mórbidas, incluindo insuficiência cardíaca congestiva, doença vascular periférica, doença cerebrovascular, diabetes com sequelas e úlceras gastrointestinais, também teve um aumento significativo (

p Art 0,05; modelo de Cox) associação com específica da doença sobrevivência (Tabela 2). Como um fator prognóstico independente, estado DPOC sozinho foi capaz de pacientes significativamente estratificar em grupos de alto e baixo risco (

p Art 0,05) em todos os pacientes de adenocarcinoma de pulmão e pacientes com carcinoma do pulmão de células escamosas diagnosticadas com a AJCC 3

ª edição (Figura 1). Nos casos significativas, pacientes com NSCLC sem DPOC mostrou consistente e significativamente melhor sobrevida quando comparados com aqueles com DPOC em todo o período de pós-operatório follow-up, indicando que os efeitos da DPOC se manifesta tanto na doença de longo e curto prazo espec�ico sobrevivência (Figura 1). pequeno tamanho da amostra nas mais recentes grupos de carcinoma espinocelular diagnosticados com a AJCC 6

th Edition e os recodificados no 7

th Edition do sistema de estadiamento AJCC pode ter impedido alcançar uma estratificação estatisticamente significativa pela DPOC. Ainda assim, os resultados indicam pacientes com DPOC que têm sobrevida específica da doença mais curto.

log-rank testes foram utilizados para avaliar a diferença de probabilidades de sobrevivência dos dois grupos.

COPD foi ainda estabelecido como um fator prognóstico independente na avaliação da fase 1, fase 2 e grupos de pacientes 3a recebem tratamentos específicos. Particularmente, na fase 1 adenocarcinoma de pulmão e pacientes com carcinoma do pulmão de células escamosas que receberam a cirurgia sem qualquer terapia sistêmica, aqueles sem DPOC tinham significativamente (

p Art 0,05) melhor sobrevida pós-cirúrgica do que aqueles tinham DPOC (Figuras S1 a S4). Resultados similares foram observados na fase 2 e NSCLC 3a pacientes que receberam cirurgia sem terapia sistêmica (Figuras S1 a S6). evolução clínica mais favorável também foi observada na fase 1, fase 2 e pacientes 3a sem DPOC em comparação com aqueles com DPOC, que recebeu cirurgia ou radioterapia com a terapia sistémica (Figuras S1 a S6). Estes resultados indicam que a DPOC é um fator prognóstico significativo e independente do NSCLC.

Avaliação dos fatores clínicos, patológicos e demográficos em NSCLC prognóstico

A fim de avaliar quais fatores são determinantes importantes em NSCLC prognóstico , variáveis ​​clínicas, patológicas, e demográficos dos pacientes foram comparadas em bom prognóstico (aqueles que sobreviveram por mais de 5 anos após o diagnóstico) e mau prognóstico (aqueles que morreram dentro de 2 anos após o diagnóstico) grupos. Para reduzir o fator de confusão dos efeitos do tratamento sobre a evolução clínica, apenas os pacientes que receberam a cirurgia sem radiação ou quimioterapia foram incluídos nesta análise. Os resultados em pacientes com diagnóstico de AJCC 3

sistema rd estadiamento foram apresentados na Tabela 3. Os resultados detalhados sobre os pacientes mais novos diagnosticados com AJCC 6

ª edição eo recodificados 7

ª edição não estão incluídos neste manuscrito e estão disponíveis em [21]

Especificamente, grupo bom prognóstico tinha porcentagem significativamente menor de pacientes com DPOC (

p Art 0,05;.

t Restaurant – testes). Em pacientes de adenocarcinoma de pulmão, 34,2% dos pacientes tinham DPOC no grupo de prognóstico pobre contra 24,2% com DPOC em grupo bom prognóstico (

p Art 0,0001;

t

-Testes). Em pacientes com câncer de pulmão de células escamosas, 39,9% dos pacientes tinham DPOC em grupos de mau prognóstico contra 34,0% com DPOC em grupo bom prognóstico (

p Art 0,0005;

t

-Testes).

fase de câncer também foi um fator significativo, e pobres grupo prognóstico tinha câncer em estágio mais avançado (

p Art 0,0001;

t

-Testes) tanto em adenocarcinoma de pulmão e escamosas carcinima pulmão de células. o grau do tumor foi uma significativa (

p Art 0,0001;

t

-Testes). factor de adenocarcinoma de pulmão, mas não no carcinoma do pulmão de células escamosas

A idade dos pacientes era um importante fator prognóstico no adenocarcinoma de pulmão e carcinoma do pulmão de células escamosas diagnosticadas com todos os sistemas de estadiamento AJCC. A idade média dos pacientes no adenocarcinoma de pulmão foi de 73,8 anos no grupo de prognóstico pobre e 72,3 no grupo bom prognóstico (

p Art 0,0001;

t

-Testes); Considerando a idade média dos pacientes em pacientes com carcinoma do pulmão de células escamosas, 73,85 no grupo de prognóstico pobre e 72,13 no grupo bom prognóstico (

p Art 0,0001;

t

-Testes).

sexo do paciente era um fator prognóstico significativo, com mais pacientes do sexo masculino no grupo de prognóstico pobre do que no grupo bom prognóstico em ambos adenocarcinoma e carcinoma de pulmão de células escamosas (

p Art 0,0001;

t

-Testes). A percentagem de doentes com adenocarcinoma do pulmão do sexo masculino foi de 39,9% em bom prognóstico e 56,5% em mau prognóstico; enquanto que no carcinoma do pulmão de células escamosas, o percentual de pacientes do sexo masculino foi de 59,08% no grupo bom prognóstico e 68,31% no grupo de mau prognóstico.

raça do paciente não foi um fator significativo em NSCLC prognóstico (Tabela 3). No grupo bom prognóstico do adenocarcinoma do pulmão, houve uma maior percentagem de API (5,7% vs. 4,7%) e uma menor percentagem de negros (5,1% vs. 6,4%) do que no grupo de mau prognóstico, mas a diferença não foi estatisticamente significativo. Essa tendência, no entanto, não foi observado no carcinoma do pulmão de células escamosas.

Prognosticação Melhoria com a adição de DPOC em Lung Adenocarcinoma

Em um estudo anterior, mostramos que a integração de informações do paciente, incluindo a idade , sexo, raça, o estágio do câncer e tumor de grau melhora a precisão prognóstico sobre o sistema de estadiamento do câncer, tanto para adenocarcinoma de pulmão e carcinoma do pulmão de células escamosas [12]. No presente estudo, nós estabelecemos que a DPOC é um fator prognóstico independente para NSCLC. Com o banco de dados SEER-Medicare ligado, informações sobre o tratamento do paciente, incluindo a terapia sistêmica específica, poderia ser recuperado. Assim, o presente estudo buscou 1) investigar se a adição de DPOC no modelo global poderia melhorar ainda mais o prognóstico de NSCLC; e 2) estimar a evolução clínica de 30 combinações de tratamentos usando este modelo abrangente para orientar a terapia personalizada.

Em pacientes de adenocarcinoma de pulmão diagnosticados com a AJCC 3

rd sistema de estadiamento edição original, a adição de DPOC o modelo global resultou em uma melhora significativa prognóstico (

p Art 0,05; Harrell do

c

-statistic) no grupo de pacientes total de receber qualquer tratamento. Especificamente, houve também melhora o prognóstico significativa em pacientes tratados com cirurgia sozinha (

p Art 0,05; Harrell do

c

-statistic) e pacientes sem quimioterapia (

p

0,05;

c

medidas -statistic e ROC de Harrell; mais detalhes fornecidos em [21])

em pacientes de adenocarcinoma de pulmão diagnosticados com a AJCC 6

th sistema de estadiamento, com. a adição de DPOC houve uma melhora prognostication significativa no grupo total de pacientes que receberam qualquer tratamento (

p

= 0,0480;

c-

estatística de Harrell). Houve melhora o prognóstico adicional em pacientes tratados com cirurgia, independentemente da indicação de quimioterapia (

p

= 0,0475; medida ROC). Resultados similares foram observados quando os pacientes foram recodificados no AJCC 7

th sistema de edição de preparo. Estes resultados indicam que a adição de DPOC para o modelo completo poderia melhorar a precisão do prognóstico em doentes com adenocarcinoma de pulmão que recebe qualquer tratamento, com a maior melhoria prognóstico em pacientes sem receber quimioterapia. Os pontos de corte de estratificação e coeficientes do modelo detalhado prognóstico para cada sistema de estadiamento pode ser visto na Figura 2.

A sobrevida dos pacientes em 60 meses para a amostra total da população é mostrado para a faixa de Hazard Scores (à esquerda), com o risco -Grupos delimitado por barras verticais. Os coeficientes dos modelos utilizados para determinar o Índice de perigo para cada paciente são mostrados na parcela florestal (direita). A: AJCC 3

rd Staging Edition; B: AJCC 6

th Staging Edition; C: AJCC 7

th Staging Edição

Prognosticação Melhoria com a adição de DPOC em células escamosas Lung Carcinoma

Houve uma melhora significativa prognóstico (

p

= 0,0239, pontuação Brier) com a adição de DPOC com o modelo em todas as pacientes com carcinoma do pulmão de células escamosas diagnosticadas com a AJCC 3

esquema de estadiamento rd Edition. Mais especificamente, quando qualquer combinação de tratamento cirúrgico ou radiológica foi considerada independentemente da indicação de quimioterapia, houve uma melhora prognóstico significativo na população total de pacientes (

p

= 0,0130; Harrell do

c Restaurant – estatística). Essa melhora o prognóstico também foi observado em pacientes tratados com qualquer quimioterapia (

p

= 0,0244; Harrell do

c

-statistic) ou com um agente à base de platina (

p

= 0,0125; Harrell do

c

-statistic). Uma melhoria prognóstico semelhante foi observado em doentes tratados com um agente baseado em platina, ou com um agente à base de platina e um taxano e qualquer outro tratamento cirúrgico ou radiológico (

P

0,05; Rs Nagelkerke

2 e medidas ROC). A adição de DPOC com o modelo foi capaz de melhorar significativamente o prognóstico em pacientes cirúrgicos em toda a gama de sub-grupos de quimioterapia (

p Art 0,05; Harrell do

c

-statistic). Estes resultados indicam que a adição de DPOC melhora o desempenho prognóstico no câncer de pulmão de células escamosas população total de doentes, bem como em várias configurações de quimioterápicos.

em doentes com carcinoma do pulmão de células escamosas diagnosticadas com a AJCC 6

th staging edição, a adição de DPOC no modelo completo não fez diferença significativa no desempenho prognostication medida com R de Nagelkerke

2, Brier marcar ou medidas ROC. Houve, surpreendentemente, uma degradação significativa no desempenho do modelo em pacientes sem indicação de tratamento (

p

= 0,0089; Harrell do

c

-statistic). Quando os pacientes foram recodificados usando o AJCC 7

th critérios Edition, houve uma melhora significativa prognóstico em pacientes sem quimioterapia (

p

= 0,0489; pontuação Brier). Estes resultados sugerem que a melhoria prognostication menos pronunciada com a adição de DPOC no cancro do pulmão de células escamosas diagnosticadas com mais recentes sistemas de estadiamento AJCC pode ser causado por mais curto disponível período de seguimento. O fato de que os resultados contra-intuitivos observada no cancro do pulmão de células escamosas diagnosticadas com AJCC 6

th edição de preparo, mas não com o recodificados 7

th edição sugere que o sistema de estadiamento mais novo pode melhorar a classificação da doença. O modelo prognóstico final para pacientes com carcinoma do pulmão de células escamosas para cada sistema de armazenamento temporário pode ser visto na Figura 3. Uma ferramenta de prognóstico baseado na web interactivo com base nos modelos desenvolvidos neste estudo está disponível em www.personalizedRx.org e um exemplo é fornecido em Figura 4.

coeficientes modelo utilizado para determinar o Índice de perigo para cada paciente são mostrados na parcela florestal (direita). sobrevida do paciente em 24 meses para a amostra total da população é mostrado para a faixa de Hazard Scores (esquerda), com o risco-grupos delimitados por barras verticais. A: AJCC 3

rd Staging Edition; B: AJCC 6

th Staging Edition; C: AJCC 7

th Staging Edição

Dada a informação paciente submetido pelo utilizador (esquerda), a ferramenta baseada na Web irá estimar a sobrevivência para cada categoria de tratamento usando a sobrevivência observada para os pacientes. de uma determinada modalidade de tratamento e do Índice de perigo semelhante (à direita).

Discussão

O cancro do pulmão é uma doença dinâmica e diversificada e associada a inúmeras mutações somáticas, exclusão e eventos de amplificação. A heterogeneidade de câncer de pulmão torna uma doença muito difícil nos manejos clínicos e manteve-se a principal causa de mortes relacionadas ao câncer, tanto para homens e mulheres. A ressecção cirúrgica é a principal opção de tratamento para fase inicial NSCLC. No entanto, cerca de 35-50% de fase I NSCLC pacientes irão desenvolver recorrência do tumor dentro de cinco anos após a cirurgia [2], [3], e quimioterapia adjuvante de fase II e fase III doença resultou em benefícios de sobrevivência muito modestos [22] . Continua a ser uma questão crítica para recomendar curso de tratamento apropriado para um paciente individual com base em seus /suas condições clínicas, patológicas, demográficas e co-mórbidas, bem como retratos genéticos. Usando grande escala paciente registros médicos eletrônicos permite o desenvolvimento de um modelo prognóstico abrangente para estimar a resposta ao tratamento para um paciente particular. Tal modelo poderia ser integrado com biomarcadores genéticos para a seleção do tratamento. Nosso estudo anterior desenvolvido um modelo de prognóstico abrangente para NSCLC usando as informações do paciente incluindo idade, sexo, raça, o estágio do câncer, o grau do tumor, e histologia [12]. No entanto, este modelo prognóstico não incluem as condições co-mórbidas e uso particular da quimioterapia.

Avaliação do efeito da DPOC em NSCLC prognóstico é importante devido a possíveis origens comuns no desenvolvimento de câncer de pulmão e DPOC [23 ] – [25] e o papel da DPOC como um fator de risco independente comum e importante para o câncer de pulmão [9]. Supõe-se que a inflamação pode iniciar ou promover a tumorigénese no pulmão [23] – [25]. Esta acção é pensado para o centro em torno da indução da disfunção imune e a destruição da matriz extra-celular [26]. Um estudo recente sugeriu que o papel potencial de regiões de hipoxia no pulmão, é um possível mecanismo para a associação entre o cancro do pulmão e DPOC [27]. Tanto a inflamação e hipóxia contribuir para o microambiente do tumor e pode afetar o prognóstico do câncer de pulmão e resposta ao tratamento específico. Os resultados deste estudo demonstram que pacientes com NSCLC com DPOC tiveram resultado clínico significativamente pior do que aqueles sem DPOC. Para dar conta de fatores de confusão conhecidos como candidatura tratamento e taxa de complicações [6], [28], o efeito da DPOC foi ainda examinada no tratamento e câncer em estágio sub-conjunto. Os resultados mostram que a DPOC pode estratificar pacientes significativamente em diferentes grupos de prognóstico dentro de cada tratamento e cancro fase específica, indicando que a DPOC é um factor de risco independente e significativa do NSCLC. O efeito prognóstico relativamente mais forte da DPOC em carcinoma do pulmão de células escamosas em comparação com adenocarcinoma de pulmão pode ser um indicativo do papel do tabagismo sobre a sobrevida ea presença da própria DPOC, com carcinomas de células escamosas ser mais intimamente associado com o tabagismo de adenocarcinomas [29] – [31].

a condição de co-mórbida em geral, tal como definido com o índice de CCI também foi associada significativamente a sobrevivência com doenças específicas de NSCLC neste estudo (resultados não mostrados).