Giessener Elektronische Bibliothek

GEB - Giessener Elektronische Bibliothek

Retrospektive Identifikation von Risikogruppen sowie Entwicklung und Validierung eines Vorhersagemodells für das Gesamtüberleben von Patienten mit Parotiskarzinomen

Retrospective identification of risk groups and development and validation of a prediction model for overall survival in patients with parotid carcinoma

Krauss, Christian Alexander


Zum Volltext im pdf-Format: Dokument 1.pdf (761 KB)


Bitte beziehen Sie sich beim Zitieren dieses Dokumentes immer auf folgende
URN: urn:nbn:de:hebis:26-opus-156912
URL: http://geb.uni-giessen.de/geb/volltexte/2020/15691/


Universität Justus-Liebig-Universität Gießen
Institut: Klinik für Hals-Nasen-Ohrenheilkunde, Kopf-Halschirurgie und plastische Operationen
Fachgebiet: Medizin
DDC-Sachgruppe: Medizin
Dokumentart: Dissertation
Sprache: Deutsch
Tag der mündlichen Prüfung: 06.10.2020
Erstellungsjahr: 2020
Publikationsdatum: 19.11.2020
Kurzfassung auf Deutsch: Ziel der vorliegenden Arbeit war zu untersuchen, welche der im Krankheitsverlauf dokumentierten Variablen einen prognostischen Einfluss auf das Gesamtüberleben von Parotiskarzinompatienten haben. Es wurde ein großes Kollektiv (n=688, aus 9 deutschen Klinikstandorten, 1972-2018) an Daten von Patienten, welche an einem Parotiskarzinom erkrankt sind hinsichtlich prognostischer Faktoren retrospektiv analysiert. Unter Anwendung traditioneller (Cox-Regression) und neuer (Machine-Learning-) Methoden wurden Prognosemodelle entwickelt, Risikogruppen identifiziert und in klinisch anwendbare Formen (Nomogramm, „Entscheidungsbaum“, Web-App) umgesetzt. Die hierbei angewendeten Methoden sind die Kaplan-Meier-Überlebenszeitanalyse, der Chi2-Test, die Cox-Regression, das Nomogramm und der Klassifikations- und Regressionsbaum (CART; rekursives Partitionieren). In der univariaten Analyse zeigen die Variablen TNM, Histologie, Diagnosealter, Geschlecht und Malignität einen statistisch signifikanten Einfluss auf die Überlebenszeit. Das multivariate Modell (n=340) wurde aus den Variablen TNM, Histologie und Diagnosealter entwickelt und als Nomogramm sowie Web-App in eine klinisch anwendbare Form gebracht. In der CART-Analyse (n=340) wurde das Vorhandensein eines Plattenepithelkarzinoms als wichtigster prognostischer Faktor identifiziert, wichtiger als das Diagnosealter. Die histologische Diagnose sollte daher bei der Therapieentscheidung und Prognosestellung maßgebliche Berücksichtigung finden. Die Modelle wurden sowohl Modell-intern, als auch mit Fällen (n=147) validiert, welche nicht in die Modellentwicklung eingeflossen sind. Mit einem C-Index von 0,861 (95% CI: 0,808-0,913) weist das hier vorgestellte Nomogramm eine bessere diskriminative Fähigkeit auf als zwei andere publizierte Modelle. Mit Nomogramm, Web-App und CART-Baum wurden drei Möglichkeiten angewandt, komplexe Überlebensmodelle in eine leicht-nutzbare Form zu übertragen, deren Anwendung jedoch Ärzten vorbehalten sein sollte. Auf eine Veröffentlichung der Web-App wurde aus ethischen Bedenken im Hinblick auf die eventuelle Nutzung durch Patienten verzichtet.
Kurzfassung auf Englisch: The topic of the study was to investigate the predictive influence of the variables documented in the clinical course on the overall survival of parotis carcinoma patients. A large dataset (n=688 from 9 german hospitals, 1972-2018) from patients suffering from parotid carcinoma was retrospectively analyzed with regards to prognostic factors and survival analysis. Using traditional (Cox regression) and new (machine learning) methods, prognostic models were developed, risk groups identified and transformed into clinically applicable forms (nomogram, "decision tree", web app). The methods used in this thesis were the Kaplan-Meier survival analysis, the Chi2-test, the Cox regression, the nomogram and the classification and regression tree (CART; recursive partitioning).

In the univariate analysis, the variables TNM, histology, age at diagnosis, sex and malignancy revealed a statistically significant influence on the survival time. The multivariate model (n=340) was developed from the variables TNM, histology, age at diagnosis and was transformed as a nomogram and web app into a clinically applicable form. In the CART analysis (n=340) the presence of squamous cell carcinoma was identified as the most important prognostic factor, even more important than the age at diagnosis. The histological diagnosis should therefore be a key consideration for the therapy decision and prognosis. The models were validated both internally and with cases (n=147) which were not included in the model training. The nomogram presented has a C-index of 0.861 (95% CI: 0.808-0.913), which has a better discriminative ability than two other previously published models. With nomogram, web app and CART tree, three possibilities are used in this thesis to transfer complex survival models into an easy usable form. Due to ethical concerns regarding the inappropriate use by patients, the web app was not published, therefore the application should only be reserved for physicians.












Lizenz: Veröffentlichungsvertrag für Publikationen ohne Print on Demand