基于SEER数据库美国脊柱骨肉瘤患者数据：治疗结果及预后预测模型的建立与验证

doi:10.12307/2025.904

中国组织工程研究 ›› 2025, Vol. 29 ›› Issue (30): 6583-6590.doi: 10.12307/2025.904

• 组织构建相关数据分析 Date analysis of organization construction • 上一篇下一篇

基于SEER数据库美国脊柱骨肉瘤患者数据：治疗结果及预后预测模型的建立与验证

徐志1，陈运动2，孙玉洁1，宫宵男3，李豫皖4

1张家港市第五人民医院骨科，江苏省张家港市 215600；2新乡医学院第一附属医院骨科，河南省新乡市 453000；3东营市第一人民医院关节外科，山东省东营市 257000；4浙江大学医学院附属第一医院骨科，浙江省杭州市 310009

收稿日期:2024-08-28 接受日期:2024-11-12 出版日期:2025-10-28 发布日期:2025-03-31
通讯作者: 李豫皖，博士，副主任医师，浙江大学医学院附属第一医院骨科，浙江省杭州市 310009
作者简介:徐志，男，1993年生，安徽省泾县人，汉族，2019年遵义医科大学毕业，硕士，主治医师，主要从事四肢关节与运动医学的研究。
基金资助:
国家自然科学基金青年项目(82302853)，项目负责人：李豫皖

Data of spinal osteosarcoma patients in United States based on SEER database: construction and validation of a prediction model for treatment outcomes and prognosis

Xu Zhi1, Chen Yundong2, Sun Yujie1, Gong Xiaonan3, Li Yuwan4

1Department of Orthopedics, Zhangjiagang City Fifth People’s Hospital, Zhangjiagang 215600, Jiangsu Province, China; 2Department of Orthopedics, First Affiliated Hospital of Xinxiang Medical College, Xinxiang 453000, Henan Province, China; 3Orthopedic Joint Surgery, Dongying First People’s Hospital, Dongying 257000, Shandong Province, China; 4Department of Orthopedics, First Affiliated Hospital of Zhejiang University School of Medicine, Hangzhou 310009, Zhejiang Province, China

Received:2024-08-28 Accepted:2024-11-12 Online:2025-10-28 Published:2025-03-31
Contact: Li Yuwan, MD, Associate chief physician, Department of Orthopedics, First Affiliated Hospital of Zhejiang University School of Medicine, Hangzhou 310009, Zhejiang Province, China
About author:Xu Zhi, MS, Attending physician, Department of Orthopedics, Zhangjiagang City Fifth People’s Hospital, Zhangjiagang 215600, Jiangsu Province, China
Supported by:
National Natural Science Foundation of China, No. 82302853 (to LYW)

摘要/Abstract

摘要：

文题释义：
列线图模型：列线图是一种统计方法，用于预测特定事件的发生概率或风险水平。它通过整合多个相关变量来为个人提供定制化风险评估。这种模型以直观的图形界面呈现，包含明确的线条、数字和标尺，使医疗工作者能够快速评估风险，无需复杂的数学运算。列线图模型在医学和生物统计学领域广泛应用，比如评估疾病风险、治疗效果和患者生存率等。列线图通过综合考量多种因素，提供更加精确和个性化的预测结果，帮助医生更好地理解患者的潜在风险，从而做出更加合理的临床决策。

背景：脊柱骨肉瘤是一种罕见且侵袭性强的恶性肿瘤，现有的研究大多基于小样本量，且结果不一，难以提供可靠的临床指导。特别是在中国，由于脊柱骨肉瘤的发病率较低，相关研究较为有限，临床医生在治疗过程中缺乏有效的预后工具。
目的：构建并验证基于监测、流行病学和最终结果(SEER)数据库的脊柱骨肉瘤患者生存期预测的列线图模型，以期为临床提供科学依据，尤其是对中国患者的治疗方案优化提供借鉴。
方法：回顾性分析SEER数据库中2000-2021年被诊断为脊柱骨肉瘤的美国患者数据，首先通过单因素和多因素Cox比例风险模型分析筛选出与脊柱骨肉瘤特异性死亡相关的独立预后因素；随后利用这些独立预后因素，在Rstudio中使用“rms”包构建了脊柱骨肉瘤特异生存率的列线图模型。模型的区分度通过C指数进行评估，预测能力通过受试者工作特征曲线和曲线下面积值验证，校准度通过校准曲线(Calibration plot)评估，临床价值则通过决策曲线分析衡量。此外，进行Kaplan-Meier生存分析以检测列线图分组的合理性。
结果与结论：①最终模型包括化疗、肿瘤尺寸、组织学类型、分级、种族和是否手术6个变量；②模型在训练集和验证集中的C指数分别为0.685和0.673，表明模型区分度良好；③校准曲线显示预测生存概率与实际生存概率一致性高；④决策曲线分析表明模型在广泛的死亡风险范围内具有较大的净收益；⑤Kaplan-Meier生存分析显示高危组和低危组患者的预后存在显著差异；⑥此次研究构建的列线图模型能够准确预测脊柱骨肉瘤患者的1年、2年和3年生存期，具有较高的临床应用价值；该模型不仅为美国患者提供了有效的生存预测工具，也为中国脊柱骨肉瘤患者的治疗方案优化提供了重要借鉴；未来研究应进一步验证该模型在不同人群中的适用性，并探索新型治疗手段对脊柱骨肉瘤预后的影响，以期提高中国骨肉瘤患者的生存率和生活质量。
https://orcid.org/0000-0003-3298-8765(徐志)

中国组织工程研究杂志出版内容重点：组织构建；骨细胞；软骨细胞；细胞培养；成纤维细胞；血管内皮细胞；骨质疏松；组织工程

关键词: 脊柱骨肉瘤, 列线图模型, 生存期, Cox回归, 预后因素, Kaplan-Meier生存分析, 工程化组织构建

Abstract: BACKGROUND: Spinal osteosarcoma is a rare and highly aggressive malignant tumor. Most existing studies are based on small sample sizes and have inconsistent results, making it difficult to provide reliable clinical guidance. Especially in China, due to the low incidence of spinal osteosarcoma and limited related research, clinicians lack effective prognostic tools during treatment.
OBJECTIVE: To construct and validate a nomogram model for predicting the survival of spinal osteosarcoma patients based on the Surveillance, Epidemiology, and End Results (SEER) database, providing scientific evidence for clinical decision-making, particularly for optimizing treatment plans for Chinese patients.
METHODS: This study conducted a retrospective analysis of patient data diagnosed with spinal osteosarcoma from the SEER database between 2000 and 2021. First, independent prognostic factors associated with specific mortality from spinal osteosarcoma were identified through univariate and multivariate Cox proportional hazards models. Subsequently, these independent prognostic factors were used to construct a nomogram model for predicting survival rates of spinal osteosarcoma patients using the “rms” package in RStudio. The model’s discrimination was assessed using the C-index. Predictive ability was validated through receiver operating characteristic curves and area under the curve values. Calibration was evaluated by calibration plots, and clinical value was measured using decision curve analysis. Additionally, Kaplan-Meier survival analysis was performed to assess the rationality of the nomogram groupings.
RESULTS AND CONCLUSION: (1) The final model included six variables: chemotherapy, tumor size, histological type, grade, race, and surgical intervention. (2) The C-indices of the model in the training and validation sets were 0.685 and 0.673, respectively, indicating good discrimination. (3) Calibration curves showed high consistency between predicted survival probabilities and actual survival probabilities. (4) Decision curve analysis indicated that the model provided significant net benefits across a wide range of mortality risks. (5) Kaplan-Meier survival analysis revealed significant differences in prognosis between high-risk and low-risk groups. (6) The constructed nomogram model accurately predicts the 1-year, 2-year, and 3-year survival rates of spinal osteosarcoma patients, demonstrating high clinical applicability. This model not only provides an effective survival prediction tool for American patients but also offers important insights for optimizing treatment plans for spinal osteosarcoma patients in China. Future research should further validate the model’s applicability in different populations and explore the impact of novel treatment methods on the prognosis of spinal osteosarcoma, aiming to improve the survival rates and quality of life of patients in China.

中国组织工程研究杂志出版内容重点：组织构建；骨细胞；软骨细胞；细胞培养；成纤维细胞；血管内皮细胞；骨质疏松；组织工程

Key words: spinal osteosarcoma, nomogram model, survival, Cox regression, prognostic factor, Kaplan-Meier survival analysis, engineered tissue construction

中图分类号:

徐志, 陈运动, 孙玉洁, 宫宵男, 李豫皖. 基于SEER数据库美国脊柱骨肉瘤患者数据：治疗结果及预后预测模型的建立与验证[J]. 中国组织工程研究, 2025, 29(30): 6583-6590.

Xu Zhi, Chen Yundong, Sun Yujie, Gong Xiaonan, Li Yuwan. Data of spinal osteosarcoma patients in United States based on SEER database: construction and validation of a prediction model for treatment outcomes and prognosis[J]. Chinese Journal of Tissue Engineering Research, 2025, 29(30): 6583-6590.

图/表（结果） 7

2.1 试验流程图根据纳入和排除标准，最终纳入691例患者的数据进行分析。这些患者被随机分为训练集(483例)和验证集(208例)，比例为7∶3。训练集用于构建列线图模型，验证集用于验证模型的准确性和可靠性。整个流程确保了数据的完整性和研究的科学性。见图1。
2.2 临床资料统计描述 691例脊柱骨肉瘤患者的平均年龄(46.51±23.60)岁，中位数随访时间15(6，36)个月，平均33.6个月。人口统计学和临床特征详见表1。

2.3 脊柱骨肉瘤患者预后风险的单因素和多因素Logistic回归分析对确诊脊柱骨肉瘤患者的预后单因素Cox比例风险模型分析结果显示年龄、种族、肿瘤分级、组织学类型、肿瘤尺寸、是否手术、是否化疗与脊柱骨肉瘤患者的预后有关(均P < 0.2)；而性别、诊断时间、肿瘤分期、是否放疗则与该病预后无关(均P > 0.2)。多因素Cox模型分析结果显示化疗可以提高脊柱骨肉瘤患者的特异生存率(HR=0.688，95%CI=0.489-0.967，P=0.031)，表明化疗是提高患者生存率的重要手段；此外肿瘤尺寸> 100 mm的患者特异生存率显著低于肿瘤尺寸< 50 mm的患者(HR=1.884，95%CI=1.075-3.303，P=0.027)，再次证实了肿瘤尺寸对预后的重要影响；组织学类型为其他类型的患者特异生存率显著低于成软骨性骨肉瘤患者(HR=1.674，95%CI=1.016-2.757，P=0.043)，表明不同的组织学类型对预后有显著影响；肿瘤分级不明的患者特异生存率显著低于Ⅰ-Ⅱ级和Ⅲ-Ⅳ级患者(HR=2.293，95%CI=1.317-3.99，P=0.003)，进一步确认了肿瘤分级不明是预后不良的重要标志；黄种人患者的特异生存率显著低于白种人(HR=1.98，95%CI=1.162- 3.374，P=0.012)，再次强调了种族差异在预后中的重要作用。详见表2。
2.4 预后模型的构建和验证使用Rstudio中的“rms”包，根据多因素Cox回归分析筛选出的变量，构建了脊柱骨肉瘤特异生存率的列线图。通过在训练集案例中采用backward法及最小赤池信息量准则，(Akaike Information Criterion，AIC)值筛选变量，尽管在此次多因素Cox回归中是否手术对脊柱骨肉瘤患者预后无显著影响，但专业上一般认为手术对疾病改善有帮助[15]，最终模型包括化疗、肿瘤尺寸、组织学类型、肿瘤分级、种族和是否手术6个变量。列线图展示了各变量取值对应的风险得分，可以根据这些得分计算风险总分并估算1年、2年和3年的特异生存率(图2)。通过C指数评估模型的区分度，训练集和验证集的C指数分别为0.685(95%CI=0.638-0.732)和0.673 (95%CI=0.606-0.740)，表明模型区分

度尚可(图3)。采用Bootstrap验证法进行内部验证，500次Bootstrap验证后绘制了训练集和验证集在1，2和3年的预后模型校准曲线，结果显示预测生存概率与实际观察到的生存概率一致性较高，说明模型吻合度高(图4)。临床决策曲线分析显示，在训练集中，无论是1年、2年还是3年，在广泛的死亡风险范围内，列线图产生了更大的净收益，表明模型具有良好的临床效益(图5)。根据列线图计算的患者评分，进一步将训练队列和验证队列中的所有患者分为高危组和低危组。通过拟合Kaplan-Meier生存曲线发现训练集和验证集中两个队列中高危组和低危组患者的预后均存在显著差异(图6)。通过以上分析，构建了一个基于化疗、肿瘤尺寸、组织学类型、肿瘤分级、种族和是否手术的列线图模型，用于预测脊柱骨肉瘤患者的特异生存率。模型在训练集和验证集中的表现均显示出较好的区分度和校准度，且在临床决策中具有较高的净收益。这些结果为临床医生提供了可靠的工具，有助于制定更为精准的治疗策略，改善患者的预后。

参考文献

[1] HUANG Z, HUANG C, WANG Y, et al. Clinical Features, Risk Factors, and Prediction Nomogram for Primary Spinal Osteosarcoma: A Large-Cohort Retrospective Study. Global Spine J. 2024; 14(3):930-940.
[2] MATHKOUR M, GARCES J, BEARD B, et al. Primary High-Grade Osteosarcoma of the Clivus: A Case Report and Literature Review. World Neurosurg. 2016;89(730):9-13.
[3] ZHONG W, LUO W, LIN Z, et al. Prognostic analysis of telangiectatic osteosarcoma of the extremities. Front Oncol. 2022;12:1105054. doi: 10.3389/fonc.2022.1105054.
[4] 元耀博, 李甲振, 张岩, 等. 影响Ⅰ级软骨肉瘤手术切除预后的因素[J]. 中国矫形外科杂志,2021,29(13):1199-1204.
[5] BIELACK SS, WULFF B, DELLING G, et al. Osteosarcoma of the trunk treated by multimodal therapy: experience of the Cooperative Osteosarcoma study group(COSS). Med Pediatr Oncol. 1995; 24(1):6-12.
[6] GILL J, GORLICK R. Advancing therapy for osteosarcoma. Nat Rev Clin Oncol. 2021; 18(10):609-624.
[7] WU J, SUN H, LI J, et al. Increased survival of patients aged 0-29 years with osteosarcoma: A period analysis, 1984-2013. Cancer Med. 2018;7(8):3652-3661.
[8] 郭卫. 中国骨盆恶性肿瘤保肢治疗30年的发展与进步[J]. 中国修复重建外科杂志,2022,36(7):781-789.
[9] GROVES ML, ZADNIK PL, KALOOSTIAN P, et al. Epidemiologic, functional, and oncologic outcome analysis of spinal sarcomas treated surgically at a single institution over 10 years. Spine J. 2015;15(1):110-114.
[10] 武壮壮, 吕智, 李立志, 等. 同时型多发骨肉瘤一例报告及系统文献复习[J]. 中华骨科杂志,2020,40(22):1557-1566.
[11] ZHENG S, CHEN L, WANG J, et al. A clinical prediction model for lung metastasis risk in osteosarcoma: A multicenter retrospective study. Front Oncol. 2023;13:1001219.
[12] MENG J, DU H, LU J, et al. Construction and validation of a predictive nomogram for ferroptosis-related genes in osteosarcoma. J Cancer Res Clin Oncol. 2023;149(15): 14227-14239.
[13] 陈海妹, 刘金, 程梓轩, 等. 基于多中心T_1WI影像组学列线图治疗前预测骨肉瘤一年内复发的价值[J]. 中华放射学杂志,2020,54(9):874-881.
[14] SIEGEL RL, MILLER KD, FUCHS HE, et al. Cancer Statistics, 2021. CA Cancer J Clin. 2021;71(1):7-33.
[15] YANG X, YANG Y, WENG X, et al. Nomogram for predicting disease-specific survival in osteosarcoma. Chin Med J(Engl). 2022; 135(9):1126-1128.
[16] KELLEY SP, ASHFORD RU, RAO AS, et al. Primary bone tumours of the spine: a 42-year survey from the Leeds Regional Bone Tumour Registry. Eur Spine J. 2007;16(3): 405-409.
[17] 梁积铭, 谢天裕, 罗恺, 等. 骨肉瘤淋巴结转移的研究进展[J]. 中华骨科杂志, 2023,43(20):1402-1408.
[18] 袁源, 王晨曦, 叶凯, 等. 基于CT的影像组学在鉴别脊柱骨肉瘤与软骨肉瘤中的价值[J]. 临床放射学杂志,2024,43(8): 1384-1387.
[19] ANWAR MA, EL-BABA C, ELNAGGAR MH, et al. Novel therapeutic strategies for spinal osteosarcomas. Semin Cancer Biol. 2020;64:83-92.
[20] DO KH, NGUYEN TV, HOANG TT, et al. Histopathological Response to Neoadjuvant Chemotherapy in Patients With Enneking Stage II Conventional Osteosarcoma of Extremities: A Retrospective-Single Institution Study in Vietnam. Cancer Control. 2024;31:10732748241274188.
[21] HUANG Z, ZHAO Z, WANG Y, et al. Clinical characteristics, prognostic factors, and predictive model for elderly primary spinal tumor patients who are difficult to tolerate surgery or refuse surgery. Front Oncol. 2022;12:991599.
[22] FENG L, CHEN Y, YE T, et al. Development and validation of an online prognostic nomogram for osteosarcoma after surgery: a retrospective study based on the SEER database and external validation with single-center data. Transl Cancer Res. 2022; 11(9):3156-3174.
[23] OITMENT C, BOZZO A, MARTIN AR, et al. Primary sarcomas of the spine: population-based demographic and survival data in 107 spinal sarcomas over a 23-year period in Ontario, Canada. Spine J. 2021;21(2):296-301.
[24] CHEN B, ZENG Y, LIU B, et al. Risk Factors, Prognostic Factors, and Nomograms for Distant Metastasis in Patients With Newly Diagnosed Osteosarcoma: A Population-Based Study. Front Endocrinol(Lausanne). 2021;12:672024.
[25] FU P, SHI Y, CHEN G, et al. Prognostic Factors in Patients With Osteosarcoma With the Surveillance, Epidemiology, and End Results Database. Technol Cancer Res Treat. 2020;19:1533033820947701.
[26] 王壮壮, 任欢, 刘彦廷, 等. 基于SEER数据库使用列线图对四肢骨肉瘤发生肺转移风险预测模型的构建与验证[J]. 临床荟萃,2024,39(5):413-419.
[27] PILLAI SS. Long-term survival following resection of extracompartmental osteosarcoma of the spine - A case report and literature review. Surg Neurol Int. 2021;12:545.
[28] QI L, REN X, LIU Z, et al. Predictors and Survival of Patients with Osteosarcoma After Limb Salvage versus Amputation: A Population-Based Analysis with Propensity Score Matching. World J Surg. 2020;44(7): 2201-2210.
[29] POMBO B, CRISTINA FERREIRA A, CARDOSO P, et al. Clinical effectiveness of Enneking appropriate versus Enneking inappropriate procedure in patients with primary osteosarcoma of the spine: a systematic review with meta-analysis. Eur Spine J. 2020;29(2):238-247.
[30] 李杰, 陈雷, 胡伦灯, 等. 脊柱转移瘤和转移性脊髓压迫:英国国家卫生与临床优化研究所(NICE)2023指南解读[J]. 中国修复重建外科杂志,2024,38(9):1035-1039.
[31] CHEN Y, GOKAVARAPU S, SHEN Q, et al. Head and Neck Osteosarcoma: Perineural Invasion is Associated With Disease-Free Survival and Tumor Metastasis. J Oral Maxillofac Surg. 2024;82(8):992-998.
[32] GAO B, WANG MD, LI Y, et al. Risk stratification system and web-based nomogram constructed for predicting the overall survival of primary osteosarcoma patients after surgical resection. Front Public Health. 2022;10:949500.
[33] LIAN Q, CHEN F, SHA Z, et al. Disulfiram Upgrades the Radiosensitivity of Osteosarcoma by Enhancing Apoptosis and P53-Induced Cell Cycle Arrest. Radiat Res. 2024;202(5):752-764.
[34] FERRENA A, WANG J, ZHANG R, et al. SKP2 Knockout in Rb1/p53-Deficient Mouse Models of Osteosarcoma Induces Immune Infiltration and Drives a Transcriptional Program with a Favorable Prognosis. Mol Cancer Ther. 2024;23(2):223-234.
[35] SABA KH, DIFILIPPO V, STYRING E, et al. CDK4 is co-amplified with either TP53 promoter gene fusions or MDM2 through distinct mechanisms in osteosarcoma. NPJ Genom Med. 2024;9(1):42.

引言

脊髓区原发性骨肿瘤并不常见，仅占所有原发性骨肿瘤的5%左右[1]。脊柱骨肉瘤相对少见，占所有脊柱恶性肿瘤的3%-5%[2]，骨肉瘤来源于间充质干细胞，以肿瘤细胞增生和未成熟骨或骨样组织形成为特征[3]。脊柱骨肉瘤主要影响骶骨区，其次是腰椎和胸椎节段[4]，由于解剖部位复杂，神经系统损害严重，临床治疗一直存在困难，与肢体骨肉瘤相比预后较差[5]。
目前骨肉瘤的标准治疗包括新辅助化疗后手术切除原发肿瘤，手术切除所有具有临床意义的转移灶，术后辅助化疗，使骨肉瘤患者的5年总生存率由60%逐步提高到80%[6-7]。尽管骨肉瘤的治疗取得了巨大的成功，但由于其复发率高、转移易发生、死亡率高，脊柱骨肉瘤的治疗仍面临相当大的挑战[8-9]。由于脊柱骨肉瘤发病率低，目前大多数研究仅限于个别机构的小病例报告[10]，需要更多基于大样本的研究来评估脊柱骨肉瘤患者的生存情况，并确定影响其生存预后的因素。
近年来，列线图在国内外内被广泛应用，通过复杂的计算公式计算出临床事件发生的可能性[11-13]。借助列线图，临床医生可以评估临床事件的风险，从而设计个体化治疗方案，确定辅助疗法的使用，优化治疗方案，并考虑适当的患者咨询[11]。
基于相关监测、流行病学和最终结果(Surveillance，Epidemiology, and End Results Program，SEER)数据库的研究可以针对不同地区的更大人群。SEER 数据库(https://seer. cancer.gov/)目前收集了美国基于人群的癌症登记处约 34.6%的肿瘤发病率和生存率数据，它被认为是美国肿瘤信息的权威来源[14]。脊柱骨肉瘤是一种罕见且侵袭性强的恶性肿瘤，现有的研究大多基于小样本量，且结果不一，难以提供可靠的临床指导。因此，建立一个能够准确预测脊柱骨肉瘤患者生存期的模型，对于改善临床决策和提高患者预后具有重要意义。特别是在中国，由于脊柱骨肉瘤的发病率较低，相关研究较为有限，临床医生在治疗过程中缺乏有效的预后工具。此次研究通过回顾SEER数据库2000-2021年被诊断为脊柱骨肉瘤的患者数据，构建并验证了一个能够准确预测脊柱骨肉瘤患者生存期的列线图模型，假设通过整合多个预后因素，该模型能够提供更精确的生存预测，从而帮助医生更好地理解患者的潜在风险，做出更加合理的临床决策。此次研究结果对中国的脊柱骨肉瘤治疗具有重要借鉴意义，能够为临床医生提供科学依据，优化治疗方案，提高患者的生存率和生活质量。

中国组织工程研究杂志出版内容重点：组织构建；骨细胞；软骨细胞；细胞培养；成纤维细胞；血管内皮细胞；骨质疏松；组织工程

材料方法

1 资料和方法 Data and methods
1.1 设计数据分析，采用Cox回归法建立模型，模型的区分度、校准度、决策曲线分析和时间到事件数据分析分别使用受试者工作特征曲线
(receiver operating characteristic，ROC)、Calibration plot校准曲线、决策曲线分析(Decision Curve Analysis，DCA)、Kaplan-Meier拟合生存曲线进行评价。
1.2 时间及地点于2024年6-7月在张家港市第五人民医院骨科和浙江大学医学院附属第一医院骨科完成。
1.3 资料回顾SEER数据库2000-2021年被诊断为脊柱骨肉瘤的691例美国患者的数据，该研究的实施符合《赫尔辛基宣言》。
首先通过特定部位代码识别脊柱上的原发性肿瘤，C41.2(脊柱)和 C41.4(骨盆骨、骶骨、尾骨和相关关节)。其次，采用国际肿瘤疾病分类第3版(ICD-O-3)对骨肉瘤患者进行分类(ICD-O-3组织学类型：9180-9187、9192-9195)，包括未特指的(Not Otherwise Specified，NOS)骨肉瘤、成软骨细胞性骨肉瘤、纤维母细胞性骨肉瘤、毛细血管扩张性骨肉瘤、小细胞骨肉瘤、Paget病性骨肉瘤、中心性骨肉瘤、骨膜骨肉瘤、骨内高分化骨肉瘤、高级别表面骨肉瘤、骨旁骨肉瘤。排除仅根据临床表现或影像学诊断，有死亡证明或尸检证实，治疗方法不明或缺乏生存信息的患者。
1.4 方法
1.4.1 资料搜集此次研究通过回顾SEER数据库2000-2021年被诊断为脊柱骨肉瘤的患者资料，收集患者的基线资料，包括年龄、性别、种族、诊断时间、肿瘤分级、组织学类型、分期、肿瘤尺寸、是否手术、是否化疗和是否放疗等。具体步骤如下：首先，通过特定部位代码(C41.2和C41.4)识别脊柱上的原发性肿瘤；其次，采用国际肿瘤疾病分类第3版(ICD-O-3)对骨肉瘤患者进行分类。数据提取和整理使用SPSS 26.0和R 4.0.5软件进行，确保数据的完整性和准确性。
1.4.2 模型构建和验证统计使用SPSS统计软件(SPSS 26.0版，美国芝加哥)进行，使用R(4.0.5版)软件建立并预测模型。首先，将采集691例脊柱骨肉瘤患者以7∶3拆分成训练集和验证集，对训练集采用单因素logistic回归分析寻找与脊柱骨肉瘤特异性死亡相关的危险因素，将单因素分析中P < 0.2的患者纳入多因素logistic回归分析，寻找独立的预后因素，并计算相应的95%置信区间(95%CI)。根据独立危险因素，在R软件中使用rms包绘制预测脊柱骨肉瘤生存概率的列线图。采用C指数评估列线图预测模型区分度(通过rms包中的cindex函数实现)；ROC曲线、曲线下面积(area under curve，AUC)评估其预测能力(通过pROC包中的roc和auc函数实现)。校准图用于评估列线图的准确性(通过rms包中的calibrate函数实现)，DCA用于评估列线图的临床价值(通过dca包中的dca函数实现)。与敏感度、特异度和AUC不同，DCA 直接评估临床风险预测模型在决策中的效用。Kaplan-Meier生存分析用来检测列线图分组的合理性(通过survminer包中的ggsurvplot函数实现)。再使用列线图模型对验证集数据进行上述检测，可以评估模型的稳定性，增强模型的可靠性和泛化能力。
1.5 主要观察指标 ①比较训练集和验证集数据的基线资料；②单因素和多因素Cox回归分析结果；③预测脊柱骨肉瘤患者生存率的列线图；④预测模型的建立与验证结果；⑤预测模型的临床效用。
1.6 统计学分析
(1)统计学描述：使用 SPSS 26.0软件，计量资料用x±s进行统计描述；非正态分布的连续变量以中位数[Q1，Q3]，其他分类变量则以数值和百分比(N，%)表示。连续变量记录为x±s，并使用独立样本t检验或Wilcoxon秩和检验进行分析；分类变量被记录为数字，并使用χ2或Fisher精确检验进行分析。P < 0.05被认为有统计学意义，P < 0.2为边际显著(marginal significant)。
(2)Cox比例风险模型是一种广泛应用于生存分析的统计方法，用于评估一个或多个自变量对生存时间的影响。在此次研究中，Cox模型被用来分析哪些因素与脊柱骨肉瘤患者的生存期有关。
(3)列线图是一种图形化的预测工具，它基于统计模型(如Cox模型)的结果，将多个预后因素整合起来，以预测特定临床事件发生的概率。在此文中，列线图用于预测脊柱骨肉瘤患者的1年、2年和3年的生存概率。
(4)ROC曲线是一种用于评估二分类模型性能的图形工具，它展示了真阳性率(灵敏度)与假阳性率之间的关系。在此次研究中，ROC曲线被用来评估列线图模型的预测能力，特别是对于1，2和3年生存期的预测。
(5)校准曲线用于评估预测模型的准确性，即模型预测的概率与实际发生事件比例之间的一致性。在此次研究中，校准曲线被用来评估列线图模型在预测1，2和3年生存期方面的准确性。
(6)DCA是一种用于评估临床预测模型临床效用的方法，它直接考虑了模型预测结果对临床决策的影响。在此次研究中，DCA被用来评估列线图模型在预测1，2和3年生存期方面的临床价值。
(7)Kaplan-Meier生存分析是一种用于估计生存概率的非参数方法，它能够处理删失数据(即部分患者的数据没有完整的随访信息)。在此次研究中，Kaplan-Meier生存分析被用来评估高危组和低危组患者之间的生存差异，从而验证列线图模型的分组合理性。
文章统计学方法已经浙江大学医学院附属第一医院生物统计学专家审核。

讨论

脊柱骨肉瘤是一种罕见的恶性肿瘤，易发生侵袭性破坏和全身转移，占所有骨肉瘤的3%-5%，占脊柱原发肿瘤的10%[16-18]。虽然广泛切除和新辅助化疗显著改善了肢体骨肉瘤患者的预后[19-20]，但由于脊柱骨肉瘤较为罕见，目前缺乏基于大规模人群的研究来评估其生存率及预后因素。因此，识别脊柱骨肉瘤的风险和影响预后的因素对早期诊断、治疗和预后预测具有重要的临床价值。
多种预后相关因素可能对骨肉瘤的生存产生一定影响，但目前尚未将这些预后相关因素整合在一起，单一的预后指标对患者预后的预测准确度有限。列线图是常用的统计学方法，可在预测患者总体生存概率方面实现较高的稳健性和精确度。HUANG等[21]
建立了预测未接受手术脊柱骨肉瘤老年患者总生存期和疾病特异性生存的模型，经分析发现年龄、肿瘤分级、分期以及组织学类型是重要的预后指标。FENG等[22]建立了预测骨肉瘤患者术后生存的列线图，经验证该列线图在1，3和5年的癌症特异性生存和总生存期方面优于传统的AJCC分期系统。然而，这些研究结果尚未在其他人群中得到充分验证，因此其普适性可能受限于潜在的偏倚。HUANG等[21]和FENG等[22]分别针对未手术的老年脊柱肿瘤患者及骨肉瘤术后患者的生存预测进行了探索，而此次研究则基于SEER数据库构建并验证了一个专为脊柱骨肉瘤患者设计的预后模型，不仅考虑了是否接受手术这一因素，还综合了年龄与诊断时间等多个独立预后变量。通过这样的设计，此次模型能够更全面地评估美国脊柱骨肉瘤患者的生存概率，从而为临床决策提供更加精准的支持。
随着年龄增长，患者总体生存率随之下降，可能是因为老年患者更容易发生远处转移，且身体状况相对较差，对手术、化疗、放疗的耐受性较差，术后并发症及其他治疗并发症较多，从而缩短了生存时间[23]。在此次研究中，脊柱骨肉瘤患者的预后并未显示出与年龄的相关性，这可能是因为脊柱骨肉瘤具有独特的生物学特性，影响了年龄对生存率的传统负面影响。此外，脊柱的解剖结构和血供特点也可能导致肿瘤生长模式不同于其他部位，进而掩盖了年龄因素对患者总体生存率的影响。既往研究表明，骨肉瘤肿瘤大小是预后变量 [24]。通过此次研究分析，发现肿瘤越大，患者的预后越差，造成这种情况的原因可能是由于内侧骨骼附近的血管和神经数量较多，而起源于这些区域的肿瘤常常出现神经受压、椎体不稳定和病理性骨折等症状，从而对生活质量和总体生存产生不利影响。HUANG等[1]建立了一个时间跨度从2004-2015年的临床预测模型来准确预测脊柱骨肉瘤患者的总体生存率，纳入了年龄、分级、是否手术和肿瘤大小4个独立的危险因素，发现的风险因素与此次研究的部分结果相似，其中包括肿瘤分级。肿瘤分级是根据肿瘤细胞和肿瘤组织在显微镜下的异常程度对肿瘤的描述，是肿瘤生长和扩散速度的指标。在此次研究中相较于分化程度较高的GradeⅠ-Ⅱ型，分化程度较低的Grade Ⅲ-Ⅳ型和分化不明的患者生存率更差。与HUANG等[1]的研究存在差异的内容包括此次研究风险因素中纳入了组织学类型，相较于分化程度较高的成软骨性骨肉瘤，NOS骨肉瘤和其他亚型通常分化程度更低、生物学行为更恶性和治疗响应差，存活期更短。此外，此次研究还发现黄种人的脊柱骨肉瘤患者存活期比黑人和白人更短，可能原因有不同种族的人群可能存在不同的遗传背景和基因型，这些差异可以影响个体对疾病的易感性以及对治疗的反应；美国少数族裔群体的数据样本量相对较小，可能导致统计结果出现偏倚。
手术是骨肉瘤患者的主要治疗方式，具有切除肿瘤、缓解局部疼痛、减轻脊髓压力等作用[25]。手术患者5年总体生存率均高于未手术患者。根治性手术和姑息性手术均能一定程度上减轻患者的肿瘤负荷，而肿瘤负荷的减轻可能延缓恶病质等并发症的发生，从而降低患者癌症死亡的风险[26-27]。
尽管此次研究中手术未被Cox模型认定为独立风险因素，但考虑到脊柱骨肉瘤与脊髓等重要解剖结构紧密相连且易早期转移的特点，手术难度和复杂性增加，可能影响了其在统计分析中的显著性。然而，文献支持手术对于提高骨肉瘤患者存活率的重要性，表明即便在技术挑战较大的情况下，积极的外科干预仍可能是改善脊柱骨肉瘤预后的关键措施[15]。
20世纪70年代以前，骨肉瘤的治疗手段仅限于手术切除，目前，骨肉瘤患者的长期总体生存率已通过蒽环类、阿霉素等多药化疗方案得到改善[28]。在此次研究中化疗也是影响脊柱骨肉瘤预后的风险因素，其原因可能是化疗能够通过系统性杀灭微小转移灶和减小原发肿瘤体积来提高脊柱骨肉瘤患者的生存率，尽管研究显示其在统计上并非独立预后因素，但化疗依然是综合治疗策略中的重要组成部分，有助于控制疾病进展并延长患者生命。骨肉瘤对放射治疗相对不敏感，而骨肉瘤患者放射治疗所需的放射剂量相对较高[29]。由于脊柱结构特殊，过高的放射治疗剂量会损害脊髓的正常功能，造成不可逆甚至致命的伤害[30-31]，因此骨肉瘤的放射治疗无法达到有效的放射剂量，难以提高总体生存率[32]。但对于不能接受手术或姑息手术后的患者，尤其是脊髓压迫患者，放射治疗可作为姑息措施。未来骨肉瘤研究应聚焦于个体化新辅助化疗方案、靶向治疗与免疫疗法的进展，以及多学科协作团队的应用，利用大规模数据库构建并验证更精准的风险预测模型，识别关键预后因素，并探索肿瘤位置、基因表达等变量的影响。这些努力旨在深化对疾病机制的理解，提供更加高效和个性化的治疗选择，从而改善患者的生存率和生活质量。通过跨专业合作及先进技术手段的应用，将为骨肉瘤患者带来更好的预后。
此次研究的创新点包括：①不仅考虑了常见的预后因素如年龄、分级和是否手术，还加入了组织学类型和种族等因素，从而提供了一个更为全面的预后评估工具；②利用SEER数据库的大样本数据进行训练集和验证集的划分，进一步增强了模型的普适性和可信度。此次研究的不足为：①由于此次研究基于SEER数据库，为回顾性研究，可能存在选择性偏倚；②SEER数据库未能提供详细的手术入路、术后切缘、化疗方案及放疗剂量等信息，限制了对治疗效果的深入分析；③未纳入模型但可能影响预后的其他变量，例如脊柱的不同节段(如颈椎、胸椎、腰椎和骶骨)发生的肿瘤可能对预后产生不同的影响，解剖结构和血供特点的差异可能导致肿瘤生长模式的不同。此外，越来越多的研究表明特定基因突变或表达水平的变化与骨肉瘤的生物学行为和预后密切相关。例如p53、RB1和MDM2等基因的异常表达已被证实与不良预后相关[33-35]。为了进一步发现影响脊柱骨肉瘤的预后因素，后续计划开展以下工作：①可以考虑纳入更多的预后因素，如肿瘤部位、基因表达谱等，以进一步提高预测模型的准确性和个性化；②随着靶向治疗和免疫治疗的发展，探索新型治疗方法对脊柱骨肉瘤预后的影响，并将其纳入预后模型中；③开展多中心、前瞻性的队列研究，收集更加详细的临床和病理信息，以验证和完善现有的预测模型。
未来研究需验证此次研究基于SEER数据库构建的列线图模型在不同种族和地理区域(如中国)中的适用性，以确保其普适性和可靠性。此外，应考虑纳入更多预后因素，如肿瘤部位和基因表达，并探索新型治疗方法对脊柱骨肉瘤预后的影响。在中国临床实践中，可以通过回顾性分析国家癌症中心的数据来验证该模型的适用性。一旦验证成功，国内医生可以使用该列线图评估患者的生存概率，结合临床表现和其他检查结果制定更精准的治疗方案。列线图的直观图形界面使风险评估更加便捷，预测结果应作为辅助工具，结合患者具体情况综合判断。高危患者可考虑更积极的治疗策略，低危患者则可采取保守治疗并加强随访监测。该模型提高了预后评估的准确性，有助于优化治疗方案和资源配置，并为中国开展类似研究提供了范例，推动国内骨肉瘤领域的科研进展。通过本地化验证和合理应用，该模型将显著提升中国骨肉瘤患者的诊疗水平。

中国组织工程研究杂志出版内容重点：组织构建；骨细胞；软骨细胞；细胞培养；成纤维细胞；血管内皮细胞；骨质疏松；组织工程

基于SEER数据库美国脊柱骨肉瘤患者数据：治疗结果及预后预测模型的建立与验证

Data of spinal osteosarcoma patients in United States based on SEER database: construction and validation of a prediction model for treatment outcomes and prognosis

PDF

可视化

摘要/Abstract

引用本文

使用本文

图/表（结果） 7

参考文献

相关文章 15

引言

材料方法

讨论

文章快阅

延伸阅读

编辑推荐

Metrics

本文评价

[1]	于庆贺, 蔡子鸣, 吴锦涛, 马鹏飞, 张鑫, 周龙千, 王亚坤, 林晓钦, 林文平. 香草酸抑制终板软骨细胞炎症反应和细胞外基质降解[J]. 中国组织工程研究, 2025, 29(30): 6391-9397.
[2]	樊佳欣, 贾祥, 徐田杰, 刘凯楠, 郭小玲, 张辉, 王茜. 二甲双胍抑制铁死亡改善骨关节炎模型大鼠的软骨损伤[J]. 中国组织工程研究, 2025, 29(30): 6398-6408.
[3]	周颖, 田勇, 钟芝梅, 古雍翔, 方昊. 抑制TRAF6调节mTORC1/ULK1信号通路促进自噬改善脓毒症小鼠的心肌损伤[J]. 中国组织工程研究, 2025, 29(30): 6434-6440.
[4]	王万春, 易军, 严张仁, 杨悦, 董德刚, 李玉梅. 717解毒合剂重塑细胞外基质稳态促进蝮蛇伤大鼠局部损伤组织的修复[J]. 中国组织工程研究, 2025, 29(30): 6457-6465.
[5]	张鑫, 郭宝娟, 徐慧鑫, 沈玉珍, 杨晓帆, 杨旭芳, 陈培 . 丁苯酞对帕金森病细胞模型的保护作用及机制[J]. 中国组织工程研究, 2025, 29(30): 6466-6473.
[6]	张松江, 李龙洋, 周春光, 高剑峰. 茶多酚干预运动疲劳模型小鼠的中枢抗炎作用与机制[J]. 中国组织工程研究, 2025, 29(30): 6474-6481.
[7]	胡淑娟, 刘当, 丁一庭, 刘璇, 夏若寒, 汪献旺. 核桃油和花生油对动脉粥样硬化的改善作用[J]. 中国组织工程研究, 2025, 29(30): 6482-6488.
[8]	张健, 蔡峰, 李婷文, 任鹏博. 基于鱼群算法对运动者疲劳步态的动作识别[J]. 中国组织工程研究, 2025, 29(30): 6489-6498.
[9]	张子寒, 王加新, 杨文意, 朱磊. 运动促进骨骼肌线粒体生物合成的调控机制[J]. 中国组织工程研究, 2025, 29(30): 6499-6508.
[10]	王建旭, 董恣豪, 黄子帅, 李思颖, 杨光. 免疫微环境与骨衰老的相互作用及治疗策略[J]. 中国组织工程研究, 2025, 29(30): 6509-6519.
[11]	张博淳, 李威, 李广政, 丁浩秦, 李刚, 梁学振, . 神经影像学变化与骨坏死的关联：UK Biobank及FinnGen数据库的大样本分析[J]. 中国组织工程研究, 2025, 29(30): 6574-6582.
[12]	赵晓璇, 刘帅祎, 邢政, 李庆雯, 褚晓蕾, 李奇. 周围神经损伤领域组织工程技术应用的研究热点与趋势变化[J]. 中国组织工程研究, 2025, 29(30): 6591-6600.
[13]	柴金莲, 孙铁锋, 李威, 张博淳, 李广政, 周忠起, 梁学振, 王平. 鹿角胶对激素性股骨头坏死模型大鼠的治疗作用：粪便代谢组学分析[J]. 中国组织工程研究, 2025, 29(29): 6187-6197.
[14]	吴小绸, 王慧颖, 王婕, 张彩凤, 侯雁云, 金波. 丹参酮ⅡA对冷冻保存小鼠卵巢的保护机制[J]. 中国组织工程研究, 2025, 29(29): 6198-6204.
[15]	司俊成, 彭丽娜, 孙莉莉, 王宇, 石磊, 沈雯慧, 李孟琪, 臧万里. 转录组测序分析冷水游泳运动调节大鼠机体炎症反应的机制[J]. 中国组织工程研究, 2025, 29(29): 6205-6211.