Abstract

Baggrund

Behandlingen af epidural metastase i rygsøjlen er tværfaglig og involverer normalt et team af medicinske onkologer, radiologer, stråleterapeuter og rygkirurgiske læger. Den forventede levetid er en af de faktorer, der tages i betragtning, når det besluttes, om en operation er berettiget. Da ekspertvurderinger af den forventede levetid generelt ikke er pålidelige, er der behov for en forudsigelsesmodel. Her validerede vi tidsmæssigt en model, der tidligere blev valideret geografisk.

Metoder

Dokumentationen af 110 konsekutive patienter, der blev henvist med en spinal epidural metastase, blev indsamlet prospektivt fra 2009 til 2013 med henblik på at validere modellen, som blev offentliggjort i 2011. Den faktiske og den estimerede forventede levetid blev repræsenteret grafisk, og kalibrering og diskrimination blev bestemt. Kalibreringshældningen, Harrell’s c-indeks, D og RD2 blev beregnet. Risikokvotienterne i det afledte sæt fra 2011 blev sammenlignet med valideringssættet. Fejlspecifikation blev bestemt ved hjælp af den fælles test for β*.

Resultater

Kalibreringshældningen var 0,64 ± 0,15 (95 % CI: 0,34-0,94), Harrells c-indeks var 0,72, D var 1,08, og RD2 var 0,22, hvilket indikerer en lidt dårligere diskrimination i afledningssættet. Den fælles test for β* = 0 var statistisk signifikant og indikerede fejlspecifikation; denne fejlspecifikation blev imidlertid udelukkende tilskrevet den kirurgiske gruppe.

Konklusioner

Vi validerede en forudsigelsesmodel til kirurgisk beslutningstagning og viste, at modellens overordnede præstation er god. På baggrund af disse resultater vil denne model hjælpe klinikere med at beslutte, om de skal tilbyde kirurgi til patienter med spinal epidural metastase.

Forekomsten af symptomatisk spinal epidural metastase vil stige på grund af fremskridt inden for terapeutiske muligheder. Hvis der opstår symptomer, kan metastasen have ødelæggende konsekvenser for både patienten og patientens familie. Derfor er en effektiv behandling af denne tilstand afgørende for at forbedre eller bevare livskvaliteten, og en tværfaglig tilgang er normalt at foretrække.1

I de fleste tilfælde anvendes strålebehandling. I udvalgte tilfælde kan kirurgi imidlertid bidrage til at genoprette stabiliteten og/eller dekomprimere nervestrukturer. Flere faktorer kan afgøre, om en patient er en egnet kandidat til kirurgi; disse faktorer omfatter patientens ønsker, metastasens histologi, radiosensitivitet, kirurgisk tilgængelighed og varigheden af det neurologiske underskud. Desuden er en estimeret forventet levetid på ≥3 måneder en anden faktor, der anvendes til at afgøre, om patienten er en god kandidat til kirurgi.1-3

Da den forventede levetid ikke er blevet estimeret pålideligt af eksperter,1,4,5 er der udviklet mange forudsigelsesmodeller.6-8 En sådan model er blevet valideret både internt9 og geografisk.10 Modellen kan tilgås på internettet (www.nccn.nl/nccn-en/). Her forsøgte vi at validere denne model tidsmæssigt (dvs. ved hjælp af prospektivt indsamlede data) ved hjælp af state-of-the-art validering.11 Denne valideringsproces er unik blandt forudsigelsesmodeller for forventet levetid med hensyn til spinal epidural metastase.

Materialer og metoder

Forskningsprotokollen blev godkendt af institutionernes respektive etiske komitéer. Fra september 2009 til januar 2013 blev data fra alle patienter med spinal epiduralmetastaser, som blev indlagt på den neurokirurgiske afdeling på Radboud University Medical Center og Canisius Wilhelmina Hospital, indsamlet prospektivt (87 patienter); desuden blev data fra alle patienter med spinal epiduralmetastaser, som i 2012 blev henvist til den neurokirurgiske afdeling på Haaglanden Medical Center i Haag, indsamlet prospektivt (23 patienter).

Patienter med manglende data blev udelukket fra undersøgelsen. Ud over patienternes baselinekarakteristika blev følgende karakteristika dokumenteret: Karnofsky performance score (i tilfælde af pludselig opstået alvorlig rygmarvslæsion , blev scoren estimeret lige før forværringen); den kurative hensigt til behandling af den primære tumor; arten af metastasen; og rygmarvsniveauet. Den oprindelige model omfattede ikke den iværksatte behandling som en prædiktor; dette blev dog også registreret. Patienterne blev behandlet ved hjælp af enten strålebehandling eller kirurgi (dekompression af de neurale strukturer og stabilisering af rygsøjlen) efterfulgt af strålebehandling. Disse data blev brugt til at validere den forudsigelsesmodel, der blev offentliggjort i 2011.10 Dataene blev afkortet til 10 måneder, da dette bidrog til at opretholde proportional hazard-antagelsen og også blev gjort i den oprindelige model.

Cox-modellen blev valideret ved hjælp af testpopulationen som beskrevet af Royston og Altman.11 Først blev den prædiktive evne evalueret grafisk ved at plotte den faktiske overlevelse som en Kaplan-Meier-kurve og den forudsagte overlevelse som gennemsnittet af de forudsagte Cox-overlevelseskurver. Derefter blev den prædiktive evne beregnet og udtrykt som Harrells c-indeks (diskrimination) og Royston-Sauerbrei D-statistikken, RD2 (kalibrering). Kalibreringshældningen – udtrykt som regressionskoefficienten på det prognostiske indeks (PI) – blev også beregnet. Fordelingerne af PI i det afledte sæt og i det aktuelle valideringssæt blev sammenlignet og statistisk testet ved hjælp af Mann-Whitney U-test. Modelfejlspecifikation/fit blev kontrolleret ved hjælp af en fælles test af β* = 0,11 Værdierne af β* er forskelle mellem de regressionskoefficienter, der er estimeret i det afledte sæt, og de regressionskoefficienter, der er estimeret i den model, der er tilpasset valideringssættet. Risikokvotienterne for de forskellige prædiktorer blev sammenlignet med risikokvotienterne i afledningssættet. Den prædiktive evne blev også vist ved hjælp af Kaplan-Meier-kurver for 2 andre grupper af patienter: dem med en forudsagt medianoverlevelse på 3 måneder eller mere og dem med en forudsagt medianoverlevelse på mindre end 3 måneder. Overlevelsen er udtrykt som medianen i måneder (interval: minimum-maksimum). Andre værdier er udtrykt som middelværdi ± standardfejl med 95 % konfidensintervaller. Forskelle blev anset for at være statistisk signifikante, hvis P < .05.

Resultater

Alle 110 konsekutive patienter i den angivne tidsperiode havde komplette journaler og blev inkluderet. Ingen af patienterne havde derfor manglende data. På tidspunktet for analysen (oktober 2014) var 90 patienter døde, og medianoverlevelsestiden var 5,7 måneder (interval: 0,3-68,3 mo);18,1 % af patienterne havde censurerede overlevelsestider.

Grafisk set svarede den estimerede overlevelse godt til patienternes faktiske overlevelse (fig. 1). Kalibreringshældningen var 0,64 ± 0,15 (95 % CI: 0,34-0,94), hvilket indikerer dårligere diskrimination i valideringssættet end i afledningssættet. c-indekset, D-statistik og RD2-værdierne fra udlednings- og valideringssættene er opsummeret i tabel 1. Den fælles test for β* var 0 (P = .0003), hvilket indikerer en betydelig fejlspecifikation.

Tabel 1.

Sammenfatning af c, D og R2D for det oprindelige afledningssæt, det samlede valideringssæt, de valideringspatienter, der alene modtog strålebehandling, og de patienter, der gennemgik både operation og strålebehandling

. Derivationssæt
2011 .
Valideringssæt
2014
N = 110 .
Valideringssæt Stråleterapi
n = 58 .
Valideringssæt Kirurgi og strålebehandling
n = 52 .
c 0,72 0,68 0,75 0,55
D 1,47 1,08 1,08 1.5 0,32
R2D 0,34 0,22 0,35 0,02
. Derivationssæt
2011 .
Valideringssæt
2014
N = 110 .
Valideringssæt Stråleterapi
n = 58 .
Valideringssæt Kirurgi og strålebehandling
n = 52 .
c 0,72 0,68 0,75 0,55
D 1.47 1,08 1,5 0,32
R2D 0,34 0,22 0,35 0,35 0.02
Tabel 1.

Sammenfatning af c, D og R2D for det oprindelige afledningssæt, det samlede valideringssæt, de valideringspatienter, der alene modtog strålebehandling, og de patienter, der gennemgik både operation og strålebehandling

. Derivationssæt
2011 .
Valideringssæt
2014
N = 110 .
Valideringssæt Stråleterapi
n = 58 .
Valideringssæt Kirurgi og strålebehandling
n = 52 .
c 0,72 0,68 0,75 0,55
D 1,47 1,08 1,08 1.5 0,32
R2D 0,34 0,22 0,35 0,02
. Derivationssæt
2011 .
Valideringssæt
2014
N = 110 .
Valideringssæt Stråleterapi
n = 58 .
Valideringssæt Kirurgi og strålebehandling
n = 52 .
c 0,72 0,68 0,75 0,55
D 1.47 1,08 1,5 0,32
R2D 0,34 0,22 0,22 0.35 0,02
Figur 1.

Stimuleret overlevelseskurve (Cox; stiplet linje) og faktisk overlevelseskurve (Kaplan-Meier; solid linje) i måneder efter præsentation for det komplette valideringssæt (N = 110 patienter).

Figur 1.

Skønnet overlevelseskurve (Cox; stiplet linje) og faktisk overlevelseskurve (Kaplan-Meier; gennemgående linje) i måneder efter præsentation for det komplette valideringssæt (N = 110 patienter).

Dernæst blev valideringsgruppen opdelt i patienter, der blev opereret efterfulgt af strålebehandling (58 patienter), og patienter, der kun fik strålebehandling (52 patienter). Med disse 2 undergrupper var den fælles test for β* = 0 signifikant for kirurgigruppen (P = .001), men ikke signifikant for gruppen uden kirurgi (P = .52). Der opstod således ikke fejlspecifikation i den gruppe, der ikke blev opereret (fig. 2 og 3). Dette fænomen opstod også ved evalueringen af diskrimination (tabel 1). Kun 6 patienter døde inden for 3 måneder efter præsentationen i operationsgruppen. Risikokvotienterne er opsummeret i tabel 2. Fordelingerne af PI i afledningssættet og i valideringssættet er vist i tabel 3. Der var ingen statistisk forskel (P = .58). Kaplan-Meier-kurverne efter dikotomisering for estimeret medianoverlevelse (<3 vs ≥3 mo) er vist i fig. 4. Modellen forudsagde nøjagtigt for dem med en estimeret medianoverlevelse på 3 måneder eller mere. Den anden gruppe klarede sig lidt mindre godt: den forudsagte overlevelse var dårligere end den observerede overlevelse.5

Tabel 2.

Summary of hazard ratios (HR) of the derivation (2011) and validation (2014) sets

Prediktor . 2011 HR (95 % CI) . 2014 HR (95% CI) .
Genre (kvinde vs. mand) 0,62 (0,49-0,79) 0,90 (0,51-1.58)
Lungekarcinom 1,89 (1,4-2,56) 1,23 (0,52-2,95)
Kidneykarcinom 2.52 (1,64-3,87) 0,31 (0,04-2,47)
Andre karcinom 1,76 (1,31-2,26) 0.75 (0,36-1,57
Kurativ behandling af primær 0,69 (0,54-0,89) 0,41 (0,21-0.79)
Cervikal placering af metastasen 2,32 (1,68-3,19) 1,47 (0,79-2.74)
KPS: 10-20 80,92 (33,26-196,77)
KPS: 30-40 10,12 (5,32-19,25) 8.36 (3.16-22.07)
KPS: 50-70 5.23 (2.83-9.67) 1.82 (0.73-4.59)
KPS: 80 3.84 (1,95-7,53) 1,30 (0,51-3,33)
Forudsigelsesindikator . 2011 HR (95 % CI) . 2014 HR (95% CI) .
Genre (kvinde vs. mand) 0,62 (0,49-0,79) 0,90 (0,51-1,58)
Lungekarcinom 1.89 (1,4-2,56) 1,23 (0,52-2,95)
Nyrecarcinom 2,52 (1,64-3,87) 0,31 (0.04-2,47)
Andre karcinom 1,76 (1,31-2,26) 0,75 (0,36-1,57)
Kurativ behandling af primær 0.69 (0,54-0,89) 0,41 (0,21-0,79)
Cervikal placering af metastasen 2,32 (1,68-3.19) 1,47 (0,79-2,74)
KPS: 10-20 80,92 (33,26-196,77)
KPS: 30-40 10.12 (5.32-19.25) 8.36 (3.16-22.07)
KPS: 50-70 5.23 (2.83-9.67) 1.82 (0.73-4.59)
KPS: 80 3,84 (1,95-7,53) 1,30 (0,51-3,33)
Tabel 2.

Summary of hazard ratios (HR) of the derivation (2011) and validation (2014) sets

Prediktor . 2011 HR (95% CI) . 2014 HR (95% CI) .
Genre (kvinde vs. mand) 0,62 (0,49-0,79) 0,90 (0,51-1.58)
Lungekarcinom 1,89 (1,4-2,56) 1,23 (0,52-2,95)
Kidneykarcinom 2.52 (1,64-3,87) 0,31 (0,04-2,47)
Andre carcinom 1,76 (1,31-2,26) 0.75 (0,36-1,57
Kurativ behandling af primær 0,69 (0,54-0,89) 0,41 (0,21-0.79)
Cervikal placering af metastasen 2,32 (1,68-3,19) 1,47 (0,79-2,74)
KPS: 10-20 80.92 (33.26-196.77)
KPS: 30-40 10.12 (5.32-19.25) 8.36 (3.16-22.07)
KPS: 50-70 5.23 (2.83-9.67) 1.82 (0.73-4.59)
KPS: 80 3.84 (1,95-7,53) 1,30 (0,51-3,33)
Forudsigelsesfaktor . 2011 HR (95% CI) . 2014 HR (95% CI) .
Genre (kvinde vs. mand) 0,62 (0,49-0,79) 0,90 (0,51-1,58)
Lungekarcinom 1.89 (1,4-2,56) 1,23 (0,52-2,95)
Nyrecarcinom 2,52 (1,64-3,87) 0,31 (0.04-2,47)
Andre karcinom 1,76 (1,31-2,26) 0,75 (0,36-1,57)
Kurativ behandling af primær 0.69 (0,54-0,89) 0,41 (0,21-0,79)
Cervikal placering af metastasen 2,32 (1,68-3.19) 1,47 (0,79-2,74)
KPS: 10-20 80,92 (33,26-196,77)
KPS: 30-40 10.12 (5.32-19.25) 8.36 (3.16-22.07)
KPS: 50-70 5.23 (2.83-9.67) 1.82 (0.73-4.59)
KPS: 80 3.84 (1.95-7.53) 1.30 (0.51-3.33)
Tabel 3.

Fordeling af prognostisk indeks i afledningssæt og valideringssæt

Datasæt . Minimum . Q25a . Median . Q75b . Maximum . Skewness .
Derivation
N = 567
-0,8 1,2 1,2 1,7 2,3 5,9 0.07
Validering
N = 110
-0.8 0.8 1.7 2.3 3.8 -0.24
Datasæt . Minimum . Q25a . Median . Q75b . Maximum . Skewness .
Derivation
N = 567
-0,8 1,2 1,2 1,7 2,3 5,9 0.07
Validering
N = 110
-0.8 0.8 1.7 2.3 3.8 -0.8 -0.24

a25% kvartil.

b75% kvartil.

Tabel 3.

Fordeling af prognostisk indeks i afledningssæt og valideringssæt

Datasæt . Minimum . Q25a . Median . Q75b . Maximum . Skewness .
Derivation
N = 567
-0,8 1,2 1,2 1,7 2,3 5,9 0.07
Validering
N = 110
-0.8 0.8 1.7 2.3 3.8 -0.24
Datasæt . Minimum . Q25a . Median . Q75b . Maximum . Skewness .
Derivation
N = 567
-0.8 1.2 1.2 1.7 2.3 5.9 0.07
Validering
N = 110
-0.8 0.8 1.7 2.3 3.8 -0.24

a25% kvartil.

b75% kvartil.

Figur. 2.

Stimuleret overlevelseskurve (Cox; stiplet linje) og faktisk overlevelseskurve (Kaplan-Meier; solid linje) i måneder efter præsentation for de patienter, der gennemgik strålebehandling (n = 58).

Fig. 2.

Stimuleret overlevelseskurve (Cox; stiplet linje) og faktisk overlevelseskurve (Kaplan-Meier; gennemgående linje) i måneder efter præsentation for de patienter, der gennemgik strålebehandling (n = 58).

Figur 3.

Stimuleret overlevelseskurve (Cox; stiplet linje) og faktisk overlevelseskurve (Kaplan-Meier; solid linje) i måneder efter præsentation for de patienter, der gennemgik både operation og strålebehandling (n = 52).

Figur 3.

Stimuleret overlevelseskurve (Cox; stiplet linje) og faktisk overlevelseskurve (Kaplan-Meier; solid linje) i måneder efter præsentation for de patienter, der gennemgik både kirurgi og strålebehandling (n = 52).

Figur 4.

Kaplan-Meier-kurver for 2 forskellige grupper af patienter: dem med en overlevelse på 3 måneder eller mere (PI ≤ 2,4; i grønt), og dem med en overlevelse på <3 måneder (PI > 2,4). Afbildet er den estimerede overlevelse (stiplede linjer) og den faktiske overlevelse baseret på det aktuelle valideringssæt (faste linjer).

Figur 4.

Kaplan-Meier-kurver for 2 forskellige grupper af patienter: dem med en overlevelse på 3 måneder eller mere (PI ≤ 2,4; i grønt), og dem med en overlevelse på <3 måneder (PI > 2,4). Afbildet er den estimerede overlevelse (stiplede linjer) og den faktiske overlevelse baseret på det aktuelle valideringssæt (faste linjer).

Figur 5.

(A og B) Skærmbilleder af plot af 2 patienter, der præsenteres på vores hospital på grund af symptomatisk spinal epidural metastase. I (A) er plottet den forventede levetid for en 35-årig mandlig patient, der led af et nyrecellecarcinom, for hvilket han et år tidligere havde gennemgået en kurativt tilsigtet nefrektomi. Han præsenterede sig med en symptomatisk metastase ved Th12 og en KPS på 70. På grund af hans forventede levetid på mere end 3 måneder blev han tilbudt operation (dorsal fusion efter dekompression og anterior støtte). Efter 15 måneder døde han på grund af en tilstand, der ikke havde noget med denne rygmarvsmetastase at gøre, nemlig massive ekstraspinale metastaser. Indtil 1 måned før sin død var han ambulant. I (B) er den forventede levetid vist for en 61-årig mandlig patient, som man i 2 måneder vidste, at han havde et spredt, ikke-småcellet lungekarcinom. Han præsenterede sig med en symptomatisk læsion ved C7. Hans motoriske styrke blev hurtigt forværret, og KPS (70) blev beregnet fra dagen før indlæggelsen. Den forventede medianlevetid var <3 måneder. Han gennemgik 5 fraktioner af strålebehandling. Han vendte hjem til palliativ pleje. Han døde 6 uger efter at have konsulteret vores tjeneste på grund af sin hurtigt forværrede kliniske situation.

Figur 5.

(A og B) Skærmbilleder af plot af 2 patienter, der præsenterer sig på vores hospital på grund af symptomatisk spinal epidural metastase. I (A) er plottet den forventede levetid for en 35-årig mandlig patient, der led af et nyrecellecarcinom, for hvilket han et år tidligere havde gennemgået en kurativt tilsigtet nefrektomi. Han præsenterede sig med en symptomatisk metastase ved Th12 og en KPS på 70. På grund af hans forventede levetid på mere end 3 måneder blev han tilbudt operation (dorsal fusion efter dekompression og anterior støtte). Efter 15 måneder døde han på grund af en tilstand, der ikke havde noget med denne rygmarvsmetastase at gøre, nemlig massive ekstraspinale metastaser. Indtil 1 måned før sin død var han ambulant. I (B) er den forventede levetid vist for en 61-årig mandlig patient, som man i 2 måneder vidste, at han havde et spredt, ikke-småcellet lungekarcinom. Han præsenterede sig med en symptomatisk læsion ved C7. Hans motoriske styrke blev hurtigt forværret, og KPS (70) blev beregnet fra dagen før indlæggelsen. Den forventede medianlevetid var <3 måneder. Han gennemgik 5 fraktioner af strålebehandling. Han vendte hjem til palliativ pleje. Han døde 6 uger efter at have konsulteret vores tjeneste på grund af sin hurtigt forværrede kliniske situation.

Diskussion

Det er vigtigt at vurdere overlevelsen for patienter med epidural metastase for at kunne identificere patienternes individuelle behandlingsmuligheder. Bortset fra andre faktorer anses en estimeret overlevelse på ≥3 måneder generelt for at være acceptabel ved beslutningen om at foretage operation. Da eksperternes udtalelser generelt er upålidelige, ville en valideret forudsigelsesmodel understøtte beslutningen om at anbefale kirurgi.1

Den nuværende model er udviklet som et supplement til beslutningen om at tilbyde kirurgi eller ej. Derfor var tærsklen på 3 måneder vigtig. I den oprindelige model blev dataene afkortet ved 10 måneder, da antagelsen om proportionale risici skulle opfyldes.9 Dette blev også gjort i denne valideringsproces. Efter tidligere ekstern validering blev modellen tilpasset en smule.10 Denne endelige version, der er udviklet på data fra mere end 500 patienter, er nu ved at blive valideret.

Der er beskrevet andre modeller. Tokuhashi og kolleger12 beskrev en model, der krævede oplysninger om (i) generel tilstand, (ii) antal ekstraspinale knoglemetastaser, (iii) antal metastaser i rygmarvskroppen, (iv) metastaser til de vigtigste indre organer (lunger, lever, nyrer og hjerne), (v) kræftsygdommens primære sted og (vi) sværhedsgraden af rygmarvslammelse. Den blev blot brugt til at estimere, hvilken type operation der skulle udføres.10 Den reviderede version13 syntes at give beskedne resultater.14

En anden velkendt model blev præsenteret af Tomita et al.15 Forfatterne brugte data fra kirurgisk behandlede patienter, hvilket indførte en udvælgelse af patienter. Den var konstrueret udelukkende for at definere typen af kirurgi og ikke overlevelsen. Det var også nødvendigt at søge efter andre metastaser. Desuden var en af de prædiktive faktorer primærens malignitet, som var relateret til væksthastigheden, som kunne være langsom, moderat eller hurtig. Denne model var ikke egnet til at estimere overlevelsen for en patient, der præsenterer sig med en epidural metastase.

I 2005 offentliggjorde van der Linden et al16 en forudsigelsesmodel. Modellen blev opbygget på grundlag af data fra en strengt defineret population. Patienter, der havde metastaser i halshvirvelsøjlen, en patologisk fraktur eller kompression af ledbåndet, et nyrecellekarcinom eller et melanom, blev udelukket. Dette begrænsede dens anvendelse i onkologisk praksis. Den krævede også en søgning efter viscerale metastaser.

En anden model er for nylig blevet beskrevet af Bollen et al.6 De nødvendige oplysninger var typen af primær cancer; præstationsstatus; tilstedeværelse af viscerale, hjerne- og knoglemetastaser; antal og placering af rygmarvsmetastaser; og neurologisk funktion. Ydelsesstatus blev vurderet med KPS og neurologisk funktion med Frankel-skalaen. Det resulterede i 4 kategorier med forskellig overlevelse. Ingen af de ovennævnte modeller er imidlertid nogensinde blevet valideret som den, vi rapporterer i denne artikel.

Den største fordel ved den nuværende model er dens enkelhed. Kun 5 faktorer skal være kendt: køn, histologi (nyrekræft, bryst-/prostatakræft, lungekræft eller andet), hvorvidt den primære var kurativt behandlet, den symptomatiske metastases cervikale placering og KPS. Der er ikke behov for omfattende radiologiske undersøgelser af forskellige dele af kroppen, som f.eks. CT af thorax/abdomen eller nuklear scanning. Der kan derfor foretages et skøn inden for få minutter, hvis den primære er kendt (i de fleste tilfælde). Diskussioner om den enkelte læges erfaring vil ikke være nødvendige.

Modellens ydeevne er god, da c- og RD2-værdierne var næsten de samme i valideringssættet, med kun en lille reduktion, hvilket var forventeligt.11 Kalibreringen af den præsenterede model var også god.

Diskriminationen var lidt dårligere i valideringssættet end i afledningssættet. Diskriminationen i den ikke-kirurgiske gruppe var god, mens diskriminationen i den kirurgisk behandlede gruppe var dårligere; det samme mønster gælder for fejlspecificering/fit. Denne misfit kan skyldes et relativt lille antal patienter i de separate grupper i forhold til antallet af prædiktorer; desuden blev modellen udelukkende udviklet til at forudsige overlevelse med henblik på at optimere udvælgelsen af kirurgiske kandidater. Derfor blev den iværksatte behandling ikke indført som en separat indikator, da de fleste patienter kun gennemgik strålebehandling. Desuden ville det være en kompliceret øvelse at indføre kirurgi, da de kirurgiske muligheder er meget forskellige og kan omfatte kyphoplastik, men også total vertebrektomi og mange andre muligheder. I praksis bestemmes typen af kirurgisk indgreb først, efter at patienten er fundet egnet som kandidat til kirurgi.

Med hensyn til de patienter, der blev opereret, er konstateringen af, at den faktiske overlevelse var lidt bedre end den estimerede overlevelse, i overensstemmelse med en undersøgelse af Patchell et al.3 Den relativt lave procentdel af patienter (6,9 %), der døde inden for 3 måneder efter operationen i Nijmegen-populationen, retfærdiggjorde brugen af den præsenterede forudsigelsesmodel. For patienter henvist til hospitaler i Nijmegen-regionen var en estimeret forventet levetid på <3 måneder således en vigtig afgørende faktor for kun at tilbyde strålebehandling. Samlet set må vi understrege, at selv om modellen forudsagde den mindste overlevelsestid, skal vi understrege, at andre faktorer – såsom patientens ønsker, metastasens histologi, strålingsfølsomhed, kirurgisk tilgængelighed og varigheden af neurologisk underskud – også bør tages i betragtning.

Den lille stikprøvestørrelse kan betragtes som en mangel. Overfitting er et problem, når antallet af variabler ikke er i balance med stikprøvestørrelsen. Det kan være en årsag til forskellen i prædiktorernes effekt. Vi havde imidlertid ingen problemer med overpasning i forbindelse med udviklingen af den forudsigelsesmodel, der blev valideret i den aktuelle undersøgelse. Den oprindelige model blev ikke justeret på baggrund af data fra valideringssættet, og derfor var overfitting ikke et problem. Prøvestørrelsen kan også bidrage til en forskel i variationen mellem variabler i forskellige datasæt. Da fordelingen af PI er sammenlignelig i det oprindelige sæt og i valideringssættet, var en eventuel forskel ikke relevant for klinisk brug. Forskellen i Kaplan-Meier-kurven og gennemsnittet af de forudsagte overlevelseskurver for patienter med en forudsagt medianoverlevelse på <3 måneder kunne også tilskrives stikprøvestørrelsen for denne gruppe.

Sammenfattende vil denne model bidrage til at optimere behandlingsmulighederne for individuelle patienter, der har epidurale metastaser i rygsøjlen og behandles i et tværfagligt miljø. Endelig giver modellen et pålideligt skøn over den forventede levetid baseret på let genfindelige data (www.nccn.nl/nccn-en/).

Funding

Ingen erklæret.

Akkreditering

Vi skylder Bert Keurentjes, Radboud in’to Languages, Center of Expertise for language and communication, tak for korrektion af engelsk grammatik og stil.

Interessekonflikterklæring. Ingen erklæret.

1

Bartels
RH

,

van der Linden
YM

,

van der Graaf
WT

.

Spinal ekstradural metastase: gennemgang af de nuværende behandlingsmuligheder

.

CA Cancer J Clin

.

2008

;

58
(4)

:

245

259

.

2

Witham
TF

,

Khavkin
YA

,

Gallia
GL

et al. .

Kirurgisk indsigt: aktuel behandling af epidural rygmarvskompression fra metastatisk rygsygdom

.

Nat Clin Pract Neurol

.

2006

;

2
(2)

:

87

94

;

quiz 116

.

3

Patchell
RA

,

Tibbs
PA

,

Regine
WF

et al. .

Direkte dekompressiv kirurgisk resektion i behandlingen af rygmarvskompression forårsaget af metastatisk kræft: et randomiseret forsøg

.

Lancet

.

2005

;

366
(9486)

:

643

648

.

4

Chow
E

,

Davis
L

,

Panzarella
T

et al. .

Nøjagtighed af palliative stråleonkologers forudsigelse af overlevelse

.

Int J Radiat Oncol Biol Phys

.

2005

;

61
(3)

:

870

873

.

5

Chow
E

,

Harth
T

,

Hruby
G

et al. .

Hvor nøjagtige er lægernes kliniske forudsigelser af overlevelse og de tilgængelige prognostiske værktøjer til at vurdere overlevelsestiden hos terminalt syge kræftpatienter? En systematisk gennemgang

.

Clin Oncol (R Coll Radiol)

.

2001

;

13
(3)

:

209

218

.

6

Bollen
L

,

van der Linden
YM

,

Pondaag
W

et al. .

Prognostiske faktorer forbundet med overlevelse hos patienter med symptomatiske spinal knoglemetastaser: et retrospektivt kohortestudie af 1.043 patienter

.

Neuro Oncol

.

2014

;

16
(7)

:

991

998

.

7

Putz
C

,

Wiedenhofer
B

,

Gerner
HJ

et al. .

Tokuhashi prognose score: et vigtigt redskab til forudsigelse af det neurologiske resultat ved metastatisk rygmarvskompression: en retrospektiv klinisk undersøgelse

.

Rygsøjle

.

2008

;

33
(24)

:

2669

2674

.

8

Rades
D

,

Douglas
S

,

Veninga
T

et al. .

Validering og forenkling af en score, der forudsiger overlevelsen hos patienter, der bestråles for metastatisk rygmarvskompression

.

Kræft

.

2010

;

116
(15)

:

3670

3673

.

9

Bartels
RH

,

Feuth
T

,

van der Maazen
R

m.fl.

Udvikling af en model til at forudsige den forventede levetid for patienter med epidural metastase i rygmarven

.

Kræft

.

2007

;

110
(9)

:

2042

2049

.

10

Bartels
RH

,

Feuth
T

,

Rades
D

et al. .

Ekstern validering af en model til forudsigelse af overlevelsen for patienter, der præsenterer sig med en spinal epidural metastase

.

Cancer Metastasis Rev

.

2011

;

30
(2)

:

153

159

.

11

Royston
P

,

Altman
DG

.

Ekstern validering af en Cox prognostisk model: principper og metoder

.

BMC Med Res Methodol

.

2013

;

13

:

33

.

12

Tokuhashi
Y

,

Matsuzaki
H

,

Toriyama
S

et al. .

Scoresystem til præoperativ vurdering af prognosen for metastatisk rygsøjletumor

.

Rygsøjlen

.

1990

;

15
(11)

:

1110

1113

.

13

Tokuhashi
Y

,

Ajiro
Y

,

Umezawa
N

.

Outcome of treatment for spinal metastases using scoring system for preoperative evaluation of prognosis

.

Rygsøjlen

.

2009

;

34
(1)

:

69

73

.

14

Quraishi
NA

,

Manoharan
SR

,

Arealis
G

et al. .

Nøjagtighed af den reviderede Tokuhashi-score til forudsigelse af overlevelse hos patienter med metastatisk rygmarvskompression (MSCC)

.

Eur Spine J

.

2013

;

22(
Suppl 1)

:

S21

S26

.

15

Tomita
K

,

Kawahara
N

,

Kobayashi
T

et al. .

Kirurgisk strategi for rygmarvsmetastaser

.

Spine

.

2001

;

26
(3)

:

298

306

.

16

van der Linden
YM

,

Dijkstra
SP

,

Vonk
EJ

et al. .

Forudsigelse af overlevelse hos patienter med metastaser i rygsøjlen: resultater baseret på et randomiseret forsøg med strålebehandling

.

Cancer

.

2005

;

103
(2)

:

320

328

.

admin

Skriv et svar

Din e-mailadresse vil ikke blive publiceret.

lg