Abstract

Background

Leczenie przerzutów do przestrzeni zewnątrzoponowej kręgosłupa jest wielodyscyplinarne i zwykle angażuje zespół onkologów medycznych, radiologów, radioterapeutów i chirurgów kręgosłupa. Oczekiwana długość życia jest jednym z czynników branych pod uwagę przy podejmowaniu decyzji, czy operacja jest uzasadniona. Ponieważ szacunki ekspertów dotyczące oczekiwanej długości życia nie są wiarygodne, potrzebny jest model predykcyjny. W tym miejscu dokonaliśmy czasowej walidacji modelu, który wcześniej został zwalidowany pod względem geograficznym.

Metody

Zapisy 110 kolejnych pacjentów, którzy zostali skierowani z przerzutem do przestrzeni zewnątrzoponowej kręgosłupa, były zbierane prospektywnie od 2009 do 2013 roku w celu walidacji modelu, który został opublikowany w 2011 roku. Rzeczywiste i szacowane długości życia zostały przedstawione graficznie, a także określono kalibrację i dyskryminację. Obliczono nachylenie kalibracji, indeks c Harrella, D i RD2. Współczynniki zagrożeń w zbiorze pochodnym z 2011 r. porównano ze zbiorem walidacyjnym. Błędną specyfikację określono za pomocą wspólnego testu dla β*.

Wyniki

Nachylenie kalibracji wynosiło 0,64 ± 0,15 (95% CI: 0,34-0,94), indeks c Harrella 0,72, D 1,08, a RD2 0,22, wskazując na nieco gorszą dyskryminację w zbiorze pochodnym. Wspólny test dla β* = 0 był statystycznie istotny i wskazywał na błędną specyfikację; jednak ta błędna specyfikacja została przypisana całkowicie do grupy chirurgicznej.

Wnioski

Walidowaliśmy model predykcyjny do podejmowania decyzji chirurgicznych, wykazując, że ogólna wydajność modelu jest dobra. Na podstawie tych wyników model ten pomoże klinicystom w podjęciu decyzji, czy zaproponować operację pacjentom z przerzutami do przestrzeni zewnątrzoponowej kręgosłupa.

Powszechność objawowych przerzutów do przestrzeni zewnątrzoponowej kręgosłupa będzie wzrastać ze względu na postępy w opcjach terapeutycznych. W przypadku wystąpienia objawów, przerzuty mogą mieć katastrofalne skutki zarówno dla pacjenta, jak i jego rodziny. Dlatego skuteczne leczenie tego schorzenia jest niezbędne do poprawy lub utrzymania jakości życia, a preferowane jest zwykle podejście wielodyscyplinarne.1

W większości przypadków stosuje się radioterapię. Jednak w wybranych przypadkach zabieg chirurgiczny może pomóc w przywróceniu stabilności i/lub odbarczeniu struktur nerwowych. Kilka czynników może decydować o tym, czy pacjent jest odpowiednim kandydatem do zabiegu chirurgicznego; czynniki te obejmują życzenia pacjenta, histologię przerzutu, promieniowrażliwość, dostępność chirurgiczną i czas trwania deficytu neurologicznego. Ponadto szacowana oczekiwana długość życia ≥3 miesięcy jest kolejnym czynnikiem wykorzystywanym do określenia, czy pacjent jest dobrym kandydatem do operacji.1-3

Ponieważ oczekiwana długość życia nie została wiarygodnie oszacowana przez ekspertów,1,4,5 opracowano wiele modeli predykcyjnych.6-8 Jeden z takich modeli został zwalidowany zarówno wewnętrznie9 , jak i geograficznie.10 Model ten jest dostępny w Internecie (www.nccn.nl/nccn-en/). W tym miejscu podjęliśmy próbę czasowej walidacji tego modelu (tj. przy użyciu prospektywnie zebranych danych) z zastosowaniem walidacji state-of-the-art.11 Ten proces walidacji jest unikalny wśród modeli przewidywania długości życia w odniesieniu do przerzutów do przestrzeni zewnątrzoponowej kręgosłupa.

Materiały i metody

Protokół badania został zatwierdzony przez odpowiednie komisje etyczne instytucji. Od września 2009 r. do stycznia 2013 r. dane wszystkich pacjentów z przerzutami do przestrzeni zewnątrzoponowej kręgosłupa, którzy zostali przyjęci na oddział neurochirurgiczny Radboud University Medical Center i Canisius Wilhelmina Hospital, zostały zebrane prospektywnie (87 pacjentów); ponadto dane wszystkich pacjentów z przerzutami do przestrzeni zewnątrzoponowej kręgosłupa, którzy zostali skierowani w 2012 r. na oddział neurochirurgiczny w The Haaglanden Medical Center w Hadze, zostały zebrane prospektywnie (23 pacjentów).

Pacjenci z brakującymi danymi zostali wykluczeni z badania. Oprócz charakterystyki wyjściowej pacjentów, udokumentowano następujące cechy: Wynik wydajności Karnofsky’ego (w przypadku nagłego początku ciężkiej zmiany w rdzeniu kręgowym , wynik został oszacowany tuż przed pogorszeniem); zamiar leczenia kuratorskiego guza pierwotnego; charakter przerzutu; i poziom kręgosłupa. Pierwotny model nie uwzględniał rozpoczętej terapii jako predyktora; jednak zostało to również odnotowane. Pacjenci byli leczeni radioterapią lub operacją (dekompresja struktur nerwowych i stabilizacja kręgosłupa), po której następowała radioterapia. Dane te wykorzystano do walidacji modelu predykcyjnego opublikowanego w 2011 roku.10 Dane zostały obcięte o 10 miesięcy, ponieważ przyczyniło się to do utrzymania założenia proporcjonalnych zagrożeń i zostało również wykonane w oryginalnym modelu.

Model Coxa został zwalidowany przy użyciu populacji testowej, jak opisano w Royston i Altman.11 Po pierwsze, zdolność predykcyjna została oceniona graficznie poprzez wykreślenie rzeczywistego przeżycia jako krzywej Kaplana-Meiera i przewidywanego przeżycia jako średniej przewidywanych krzywych przeżycia Coxa. Następnie obliczono zdolność predykcyjną i wyrażono ją jako indeks c Harrella (dyskryminacja) i statystykę D Roystona-Sauerbrei’a, RD2 (kalibracja). Obliczono również nachylenie kalibracji – wyrażone jako współczynnik regresji na indeksie prognostycznym (PI). Rozkłady PI w zbiorze pochodnym i w bieżącym zbiorze walidacyjnym porównano i poddano testowi statystycznemu U Manna-Whitneya. Błędną specyfikację/dopasowanie modelu sprawdzano za pomocą wspólnego testu β* = 0,11 Wartości β* to różnice między współczynnikami regresji oszacowanymi w zbiorze pochodnym a współczynnikami oszacowanymi w modelu dopasowanym do zbioru walidacyjnego. Współczynniki zagrożeń dla poszczególnych predyktorów porównano ze współczynnikami zagrożeń dla zbioru pochodnego. Zdolność predykcyjną wykazano również za pomocą krzywych Kaplana-Meiera dla 2 innych grup pacjentów: tych z przewidywaną medianą przeżycia wynoszącą 3 miesiące lub więcej oraz tych z przewidywaną medianą przeżycia wynoszącą mniej niż 3 miesiące. Przeżycie wyrażone jest jako mediana w miesiącach (zakres: minimum-maksimum). Inne wartości są wyrażone jako średnia ± błąd standardowy, z 95% przedziałami ufności. Różnice zostały uznane za statystycznie istotne, jeśli P < .05.

Wyniki

Wszystkie 110 kolejnych pacjentów we wskazanym okresie czasu miało kompletne rekordy i zostało uwzględnionych. W związku z tym żaden z pacjentów nie miał brakujących danych. W momencie analizy (październik 2014 r.) 90 pacjentów zmarło, a mediana czasu przeżycia wynosiła 5,7 miesiąca (zakres: 0,3-68,3 mo);18,1% pacjentów miało ocenzurowane czasy przeżycia.

Graficznie, oszacowane przeżycie dobrze odpowiadało rzeczywistemu przeżyciu pacjentów (ryc. 1). Nachylenie kalibracji wynosiło 0,64 ± 0,15 (95% CI: 0,34-0,94), wskazując na gorszą dyskryminację w zbiorze walidacyjnym niż w zbiorze pochodnym. Wartości c-index, D-statystyki i RD2 ze zbioru wyjściowego i walidacyjnego podsumowano w Tabeli 1. Wspólny test dla β* wyniósł 0 (P = .0003), wskazując na znaczące błędne uszczegółowienie.

Tabela 1.

Podsumowanie wartości c, D, i R2D dla oryginalnego zestawu derywacyjnego, całkowitego zestawu walidacyjnego, pacjentów walidacyjnych, którzy otrzymali samą radioterapię, oraz pacjentów, którzy przeszli zarówno operację, jak i radioterapię

. Zestaw derywatów
2011 .
Zbiór walidacyjny
2014
N = 110 .
Zestaw walidacyjny Radioterapia
n = 58 .
Zestaw walidacyjny Chirurgia i radioterapia
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 0,02
. Zestaw dereferencji
2011 .
Zbiór walidacyjny
2014
N = 110 .
Zestaw walidacyjny Radioterapia
n = 58 .
Zestaw walidacyjny Chirurgia i radioterapia
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 0.02
Tabela 1.

Podsumowanie c, D, i R2D dla oryginalnego zbioru derywacyjnego, całkowitego zbioru walidacyjnego, pacjentów walidacyjnych, którzy otrzymali samą radioterapię, oraz pacjentów, którzy przeszli zarówno operację, jak i radioterapię

. Zestaw derywatów
2011 .
Zbiór walidacyjny
2014
N = 110 .
Zestaw walidacyjny Radioterapia
n = 58 .
Zestaw walidacyjny Chirurgia i radioterapia
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 0,02
. Zestaw dereferencji
2011 .
Zbiór walidacyjny
2014
N = 110 .
Zestaw walidacyjny Radioterapia
n = 58 .
Zestaw walidacyjny Chirurgia i radioterapia
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 0,02
Rys. 1.

Estymulowana krzywa przeżycia (Cox; linia przerywana) i rzeczywista krzywa przeżycia (Kaplan-Meier; linia ciągła) w miesiącach po prezentacji dla kompletnego zbioru walidacyjnego (N = 110 pacjentów).

Rys. 1.

Oszacowana krzywa przeżycia (Cox; linia przerywana) i rzeczywista krzywa przeżycia (Kaplan-Meier; linia ciągła) w miesiącach po prezentacji dla kompletnego zestawu walidacyjnego (N = 110 pacjentów).

Następnie grupę walidacyjną podzielono na pacjentów, którzy przeszli operację, a następnie radioterapię (58 pacjentów) i pacjentów, którzy otrzymali tylko radioterapię (52 pacjentów). Z tymi 2 podgrupami, wspólny test dla β* = 0 był znaczący dla grupy chirurgicznej (P = .001), ale nieistotny dla grupy nieoperacyjnej (P = .52). Tak więc błędna specyfikacja nie wystąpiła w grupie, która nie została poddana operacji (ryc. 2 i 3). Zjawisko to wystąpiło również podczas oceny dyskryminacji (Tabela 1). W grupie operowanej tylko 6 chorych zmarło w ciągu 3 miesięcy od zgłoszenia. Współczynniki ryzyka zestawiono w tabeli 2. Rozkłady PI w zbiorze pochodnym i w zbiorze walidacyjnym przedstawiono w tabeli 3. Różnica statystyczna nie była obecna (P = .58). Krzywe Kaplana-Meiera po dychotomizacji ze względu na szacowaną medianę przeżycia (<3 vs ≥3 mo) przedstawiono na rycinie 4. Model przewidywał trafnie dla osób z szacowaną medianą przeżycia wynoszącą 3 miesiące lub więcej. Druga grupa wypadła nieco gorzej: przewidywane przeżycie było gorsze od obserwowanego.5

Tabela 2.

Podsumowanie współczynników zagrożeń (HR) zbiorów derywacyjnych (2011) i walidacyjnych (2014)

Predictor . 2011 HR (95% CI) . 2014 HR (95% CI) .
Płeć (kobieta vs mężczyzna) 0,62 (0,49-0,79) 0,90 (0,51-1.58)
Rak płuca 1,89 (1,4-2,56) 1,23 (0,52-2,95)
Rak nerki 2.52 (1,64-3,87) 0,31 (0,04-2,47)
Inny rak 1,76 (1,31-2,26) 0.75 (0,36-1,57
Curative treatment of primary 0,69 (0,54-0,89) 0,41 (0,21-0.79)
Szyjna lokalizacja przerzutu 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)
Predictor . 2011 HR (95% CI) . 2014 HR (95% CI) .
Płeć (kobieta vs mężczyzna) 0,62 (0,49-0,79) 0,90 (0,51-1,58)
Rak płuca 1.89 (1,4-2,56) 1,23 (0,52-2,95)
Rak nerki 2,52 (1,64-3,87) 0,31 (0.04-2,47)
Inny rak 1,76 (1,31-2,26) 0,75 (0,36-1,57
Leczenie kuracyjne pierwotnego 0.69 (0,54-0,89) 0,41 (0,21-0,79)
Szyjna lokalizacja przerzutu 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)

Tabela 2.

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

Predictor . 2011 HR (95% CI) . 2014 HR (95% CI) .
Płeć (kobieta vs mężczyzna) 0,62 (0,49-0,79) 0,90 (0,51-1.58)
Rak płuca 1,89 (1,4-2,56) 1,23 (0,52-2,95)
Rak nerki 2.52 (1,64-3,87) 0,31 (0,04-2,47)
Inny rak 1,76 (1,31-2,26) 0.75 (0,36-1,57
Curative treatment of primary 0,69 (0,54-0,89) 0,41 (0,21-0.79)
Szyjna lokalizacja przerzutu 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)
Predictor . 2011 HR (95% CI) . 2014 HR (95% CI) .
Płeć (kobieta vs mężczyzna) 0,62 (0,49-0,79) 0,90 (0,51-1,58)
Rak płuca 1.89 (1,4-2,56) 1,23 (0,52-2,95)
Rak nerki 2,52 (1,64-3,87) 0,31 (0.04-2,47)
Inny rak 1,76 (1,31-2,26) 0,75 (0,36-1,57
Leczenie kuracyjne pierwotnego 0.69 (0,54-0,89) 0,41 (0,21-0,79)
Szyjna lokalizacja przerzutu 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)
Tabela 3.

Dystrybucja indeksu prognostycznego w zbiorze derywacyjnym i walidacyjnym

Dataset . Minimum . Q25a . Mediana . Q75b . Maksimum . Skośność .
Derywacja
N = 567
-0.8 1.2 1.7 2.3 5.9 0.07
Walidacja
N = 110
-0.8 0.8 1.7 2.3 3.8 -0.24
Dataset . Minimum . Q25a . Mediana . Q75b . Maksimum . Skośność .
Derywacja
N = 567
-0.8 1.2 1.7 2.3 5.9 0.07
Walidacja
N = 110
-0.8 0.8 1.7 2.3 3.8 -0.24

a25% kwartyla.

b75% kwartyla.

Tabela 3.

Dystrybucja indeksu prognostycznego w zbiorze derywacyjnym i walidacyjnym

Dataset . Minimum . Q25a . Mediana . Q75b . Maksimum . Skośność .
Derywacja
N = 567
-0.8 1.2 1.7 2.3 5.9 0.07
Walidacja
N = 110
-0.8 0.8 1.7 2.3 3.8 -0.24
Dataset . Minimum . Q25a . Mediana . Q75b . Maksimum . Skośność .
Definicja
N = 567
-0,8 1,2 1.7 2.3 5.9 0.07
Walidacja
N = 110
-0.8 0,8 1,7 2,3 3,8 -0,24

a25% kwartyla.

b75% kwartyla.

Fig. 2.

Oszacowana krzywa przeżycia (Cox; linia przerywana) i rzeczywista krzywa przeżycia (Kaplan-Meier; linia ciągła) w miesiącach od prezentacji dla chorych, którzy zostali poddani radioterapii (n = 58).

Fig. 2.

Estimated survival curve (Cox; linia przerywana) and actual survival curve (Kaplan-Meier; linia ciągła) in months after presentation for the patients who underwent radiotherapy (n = 58).

Rys. 3.

Estimated survival curve (Cox; linia przerywana) and actual survival curve (Kaplan-Meier; linia ciągła) in months after presentation for the patients who underwent both surgery and radiotherapy (n = 52).

Fig. 3.

Estymulowana krzywa przeżycia (Cox; linia przerywana) i rzeczywista krzywa przeżycia (Kaplan-Meier; linia ciągła) w miesiącach od prezentacji dla chorych, u których zastosowano zarówno chirurgię, jak i radioterapię (n = 52).

Rys. 4.

Krzywe Kaplana-Meiera dla 2 odrębnych grup pacjentów: tych z przeżyciem 3 miesięcy lub dłuższym (PI ≤ 2,4; na zielono) oraz tych z przeżyciem <3 miesięcy (PI > 2,4). Przedstawiono szacowane przeżycie (linie przerywane) oraz rzeczywiste przeżycie oparte na bieżącym zbiorze walidacyjnym (linie ciągłe).

Rys. 4.

Krzywe Kaplana-Meiera dla 2 odrębnych grup pacjentów: tych z przeżyciem 3 miesięcy lub dłuższym (PI ≤ 2,4; na zielono) oraz tych z przeżyciem <3 miesięcy (PI > 2,4). Przedstawiono szacowane przeżycie (linie przerywane) oraz rzeczywiste przeżycie oparte na bieżącym zbiorze walidacyjnym (linie ciągłe).

Rys. 5.

(A i B) Zrzuty ekranu z wykresów 2 pacjentów zgłaszających się do naszego szpitala z powodu objawowych przerzutów do przestrzeni zewnątrzoponowej kręgosłupa. W (A) wykreślono przewidywaną długość życia 35-letniego mężczyzny chorego na raka nerkowokomórkowego, z powodu którego rok wcześniej wykonano u niego leczniczą nefrektomię. Chory zgłaszał się z objawowym przerzutem w miejscu Th12 i KPS wynoszącym 70. Ze względu na przewidywaną długość życia powyżej 3 miesięcy zaproponowano mu leczenie operacyjne (zespolenie grzbietowe po dekompresji i podparcie przednie). Po 15 miesiącach zmarł z powodu choroby niezwiązanej z przerzutami do kręgosłupa, a mianowicie z powodu masywnych przerzutów pozakręgowych. Do 1 miesiąca przed śmiercią był w pełni sprawny ruchowo. W (B) przedstawiono przewidywaną długość życia 61-letniego mężczyzny, o którym od 2 miesięcy wiadomo było, że ma rozsianego niedrobnokomórkowego raka płuca. Pojawiła się u niego objawowa zmiana na wysokości C7. Jego siła motoryczna szybko się pogarszała, a KPS (70) obliczono od dnia poprzedzającego przyjęcie do szpitala. Mediana oczekiwanej długości życia wynosiła <3 miesiące. Chorego poddano 5 frakcjom radioterapii. Wrócił do domu, gdzie objęto go opieką paliatywną. Zmarł 6 tygodni po konsultacji z powodu szybko pogarszającej się sytuacji klinicznej.

Ryc. 5.

(A i B) Zrzuty ekranowe wykresów 2 pacjentów zgłaszających się do naszego szpitala z powodu objawowych przerzutów do przestrzeni zewnątrzoponowej kręgosłupa. W (A) wykreślono przewidywaną długość życia 35-letniego mężczyzny chorego na raka nerkowokomórkowego, z powodu którego rok wcześniej wykonano u niego leczniczą nefrektomię. Chory zgłaszał się z objawowym przerzutem w miejscu Th12 i KPS wynoszącym 70. Ze względu na przewidywaną długość życia powyżej 3 miesięcy zaproponowano mu leczenie operacyjne (zespolenie grzbietowe po dekompresji i podparcie przednie). Po 15 miesiącach zmarł z powodu choroby niezwiązanej z przerzutami do kręgosłupa, a mianowicie z powodu masywnych przerzutów pozakręgowych. Do 1 miesiąca przed śmiercią był w pełni sprawny ruchowo. W (B) przedstawiono przewidywaną długość życia 61-letniego mężczyzny, o którym od 2 miesięcy wiadomo było, że ma rozsianego niedrobnokomórkowego raka płuca. Pojawiła się u niego objawowa zmiana na wysokości C7. Jego siła motoryczna szybko się pogarszała, a KPS (70) obliczono od dnia poprzedzającego przyjęcie do szpitala. Mediana oczekiwanej długości życia wynosiła <3 miesiące. Chorego poddano 5 frakcjom radioterapii. Wrócił do domu, gdzie objęto go opieką paliatywną. Zmarł 6 tygodni po konsultacji z powodu szybko pogarszającej się sytuacji klinicznej.

Dyskusja

Oszacowanie czasu przeżycia chorych z przerzutami do przestrzeni zewnątrzoponowej jest niezbędne do określenia indywidualnych możliwości leczenia chorych. Pomijając inne czynniki, przy podejmowaniu decyzji o leczeniu operacyjnym szacowane przeżycie ≥3 miesięcy jest powszechnie uznawane za akceptowalne. Biorąc pod uwagę, że opinia ekspertów jest na ogół niewiarygodna, zwalidowany model predykcyjny wspierałby decyzję o zaleceniu operacji.1

Obecny model został opracowany jako pomocniczy w podejmowaniu decyzji o zaproponowaniu lub nie operacji. Dlatego ważny był próg 3 miesięcy. W oryginalnym modelu dane zostały obcięte po 10 miesiącach, ponieważ musiało być spełnione założenie proporcjonalnych zagrożeń.9 Tak samo postąpiono w niniejszym procesie walidacji. Po poprzedniej walidacji zewnętrznej model został nieznacznie dostosowany.10 Ta ostateczna wersja opracowana na danych ponad 500 pacjentów jest obecnie walidowana.

Opisano również inne modele. Tokuhashi i współpracownicy12 opisali model, który wymagał informacji o (i) stanie ogólnym, (ii) liczbie pozaszpikowych przerzutów do kości, (iii) liczbie przerzutów w trzonach kręgów, (iv) przerzutach do głównych narządów wewnętrznych (płuc, wątroby, nerek i mózgu), (v) pierwotnym umiejscowieniu nowotworu oraz (vi) nasileniu porażenia rdzenia kręgowego. Służył on jedynie do oszacowania, jaki rodzaj operacji powinien być wykonany.10 Poprawiona wersja13 zdawała się osiągać umiarkowane wyniki.14

Inny znany model został przedstawiony przez Tomitę i wsp.15 Autorzy wykorzystali dane od chorych leczonych chirurgicznie, co wprowadziło selekcję chorych. Został on skonstruowany jedynie w celu określenia rodzaju operacji, a nie przeżycia. Konieczne było również poszukiwanie innych przerzutów. Ponadto jednym z czynników prognostycznych była złośliwość pierwotnego przerzutu, co wiązało się z szybkością wzrostu, która mogła być wolna, umiarkowana lub szybka. Model ten nie był odpowiedni do szacowania przeżycia u chorego z przerzutem nadtwardówkowym.

W 2005 roku van der Linden i wsp.16 opublikowali model predykcyjny. Model ten został zbudowany w oparciu o dane pochodzące z ściśle określonej populacji. Wykluczono chorych, u których stwierdzono przerzuty w kręgosłupie szyjnym, patologiczne złamanie lub ucisk rdzenia, raka nerkowokomórkowego lub czerniaka. Ograniczało to jej zastosowanie w praktyce onkologicznej. Wymagało to również poszukiwania przerzutów trzewnych.

Inny model został niedawno opisany przez Bollen i wsp.6 Wymagane informacje obejmowały rodzaj pierwotnego nowotworu; stan sprawności; obecność przerzutów trzewnych, do mózgu i kości; liczbę i lokalizację przerzutów do kręgosłupa oraz funkcjonowanie neurologiczne. Stan sprawności oceniano za pomocą KPS, a funkcjonowanie neurologiczne za pomocą skali Frankla. Uzyskano w ten sposób 4 kategorie różniące się przeżyciem. Jednak żaden z wyżej wymienionych modeli nie został nigdy zwalidowany tak, jak ten, o którym piszemy w niniejszej pracy.

Główną zaletą obecnego modelu jest jego prostota. Musi być znanych tylko 5 czynników: płeć, histologia (rak nerki, rak piersi/protaty, rak płuca lub inne), czy pierwotny nowotwór był leczony operacyjnie, szyjna lokalizacja objawowego przerzutu i KPS. Nie są uzasadnione rozległe badania radiologiczne różnych części ciała, takie jak tomografia komputerowa klatki piersiowej/brzucha lub skany jądrowe. W związku z tym, jeśli znany jest pierwotny nowotwór (w większości przypadków), ocenę można przeprowadzić w ciągu kilku minut. Dyskusje na temat doświadczenia poszczególnych lekarzy nie będą konieczne.

Wydajność modelu jest dobra, ponieważ wartości c i RD2 były prawie takie same w zbiorze walidacyjnym, z niewielkim tylko obniżeniem, czego należało się spodziewać.11 Kalibracja przedstawionego modelu była również dobra.

Dyskryminacja była nieco gorsza w zbiorze walidacyjnym niż w zbiorze pochodnym. Dyskryminacja w grupie nieoperacyjnej była dobra, podczas gdy dyskryminacja w grupie leczonej chirurgicznie była gorsza; ta sama prawidłowość dotyczy błędnej specyfikacji/dopasowania. To niedopasowanie może wynikać ze stosunkowo małej liczby pacjentów w oddzielnych grupach w stosunku do liczby predyktorów; ponadto model został opracowany wyłącznie w celu przewidywania przeżycia, aby zoptymalizować wybór kandydatów do leczenia chirurgicznego. W związku z tym nie wprowadzono jako osobnego wskaźnika zastosowanej terapii, gdyż większość chorych poddano jedynie radioterapii. Ponadto, wprowadzenie chirurgii byłoby skomplikowanym zadaniem, biorąc pod uwagę, że opcje chirurgiczne są dość zróżnicowane i mogą obejmować kyfoplastykę, ale także całkowitą wertebrektomię i wiele innych opcji. W praktyce rodzaj interwencji chirurgicznej określa się dopiero po stwierdzeniu, że pacjent jest odpowiednim kandydatem do zabiegu.

W odniesieniu do pacjentów, którzy zostali poddani operacji, stwierdzenie, że rzeczywiste przeżycie było nieco lepsze niż szacowane, jest zgodne z badaniem Patchella i wsp.3 Stosunkowo niski odsetek pacjentów (6,9%), którzy zmarli w ciągu 3 miesięcy od operacji w populacji Nijmegen, uzasadniał zastosowanie przedstawionego modelu predykcyjnego. Tak więc w przypadku chorych kierowanych do szpitali w regionie Nijmegen szacowana oczekiwana długość życia <3 miesięcy była ważnym czynnikiem decydującym o zaoferowaniu wyłącznie radioterapii. Ogólnie rzecz biorąc, chociaż model przewidywał minimalny czas przeżycia, musimy podkreślić, że inne czynniki – takie jak życzenia pacjenta, histologia przerzutów, promieniowrażliwość, dostępność chirurgiczna i czas trwania deficytów neurologicznych – powinny być również brane pod uwagę.

Mała wielkość próby może być uważana za wadę. Nadmierne dopasowanie jest problemem, gdy liczba zmiennych nie jest w równowadze z wielkością próbki. To może być przyczyną różnicy w efektach predyktorów. Nie mieliśmy jednak żadnych problemów z nadmiernym dopasowaniem podczas opracowywania modelu predykcyjnego walidowanego w obecnym badaniu. Pierwotny model nie był korygowany w oparciu o dane ze zbioru walidacyjnego, a zatem przepełnienie nie stanowiło problemu. Wielkość próby może również przyczynić się do różnic w wariancji między zmiennymi w różnych zbiorach danych. Ponieważ rozkład PI jest porównywalny w zbiorze oryginalnym i w zbiorze walidacyjnym, wszelkie różnice nie miały znaczenia dla zastosowań klinicznych. Różnica w krzywej Kaplana-Meiera i średniej przewidywanych krzywych przeżycia dla pacjentów z przewidywaną medianą przeżycia < 3 miesięcy może być również przypisana wielkości próby dla tej grupy.

Podsumowując, model ten pomoże zoptymalizować opcje leczenia dla poszczególnych pacjentów, u których występują przerzuty do przestrzeni zewnątrzoponowej kręgosłupa i którzy są leczeni w warunkach wielodyscyplinarnych. Wreszcie, model zapewnia wiarygodne oszacowanie oczekiwanej długości życia w oparciu o łatwo dostępne dane (www.nccn.nl/nccn-en/).

Funding

None declared.

Acknowledgment

We are indebted to Bert Keurentjes, Radboud in’to Languages, Center of Expertise for language and communication, for correcting English grammar and style.

Conflict of interest statement. None declared.

1

Bartels
RH

,

van der Linden
YM

,

van der Graaf
WT

.

Spinal extradural metastasis: review of current treatment options

.

CA Cancer J Clin

.

2008

;

58
(4)

:

245

259

.

2

Witham
TF

,

Khavkin
YA

,

Gallia
GL

et al. .

Surgery insight: current management of epidural spinal cord compression from metastatic spine disease

.

Nat Clin Pract Neurol

.

2006

;

2
(2)

:

87

94

;

quiz 116

.

3

Patchell
RA

,

Tibbs
PA

,

Regine
WF

et al. .

Direct decompressive surgical resection in the treatment of spinal cord compression caused by metastatic cancer: a randomised trial

.

Lancet

.

2005

;

366
(9486)

:

643

648

.

4

Chow
E

,

Davis
L

,

Panzarella
T

et al. .

Accuracy of survival prediction by palliative radiation oncologists

.

Int J Radiat Oncol Biol Phys

.

2005

;

61
(3)

:

870

873

.

5

Chow
E

,

Harth
T

,

Hruby
G

et al. .

Jak dokładne są kliniczne przewidywania lekarzy dotyczące przeżycia oraz dostępne narzędzia prognostyczne w szacowaniu czasu przeżycia u nieuleczalnie chorych na nowotwory? A systematic review

.

Clin Oncol (R Coll Radiol)

.

2001

;

13
(3)

:

209

218

.

6

Bollen
L

,

van der Linden
YM

,

Pondaag
W

et al. .

Prognostic factors associated with survival in patients with symptomatic spinal bone metastases: a retrospective cohort study of 1,043 patients

.

Neuro Oncol

.

2014

;

16
(7)

:

991

998

.

7

Putz
C

,

Wiedenhofer
B

,

Gerner
HJ

et al. .

Tokuhashi prognosis score: an important tool in prediction of the neurological outcome in metastatic spinal cord compression: a retrospective clinical study

.

Kręgosłup

.

2008

;

33
(24)

:

2669

2674

.

8

Rades
D

,

Douglas
S

,

Veninga
T

et al. .

Validation and simplification of a score predicting survival in patients irradiated for metastatic spinal cord compression

.

Cancer

.

2010

;

116
(15)

:

3670

3673

.

9

Bartels
RH

,

Feuth
T

,

van der Maazen
R

et al. .

Development of a model with which to predict the life expectancy of patients with spinal epidural metastasis

.

Cancer

.

2007

;

110
(9)

:

2042

2049

.

10

Bartels
RH

,

Feuth
T

,

Rades
D

et al. .

External validation of a model to predict the survival of patients presenting with a spinal epidural metastasis

.

Cancer Metastasis Rev

.

2011

;

30
(2)

:

153

159

.

11

Royston
P

,

Altman
DG

.

External validation of a Cox prognostic model: principles and methods

.

BMC Med Res Methodol

.

2013

;

13

:

33

.

12

Tokuhashi
Y

,

Matsuzaki
H

,

Toriyama
S

et al. .

Scoring system for the preoperative evaluation of metastatic spine tumor prognosis

.

Spine

.

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

.

Spine

.

2009

;

34
(1)

:

69

73

.

14

Quraishi
NA

,

Manoharan
SR

,

Arealis
G

et al. .

Accuracy of the revised Tokuhashi score in predicting survival in patients with metastatic spinal cord compression (MSCC)

.

Eur Spine J

.

2013

;

22(
Suppl 1)

:

S21

S26

.

15

Tomita
K

,

Kawahara
N

,

Kobayashi
T

et al. .

Surgical strategy for spinal metastases

.

Spine

.

2001

;

26
(3)

:

298

306

.

16

van der Linden
YM

,

Dijkstra
SP

,

Vonk
EJ

et al. .

Prediction of survival in patients with metastases in the spinal column: results based on a randomized trial of radiotherapy

.

Cancer

.

2005

;

103
(2)

:

320

328

.

admin

Dodaj komentarz

Twój adres e-mail nie zostanie opublikowany.

lg