Klinik olarak metastazlı olmayan malign melanomhastalarında mikroskopik metastaz olasılığınındeğerlendirilmesinde farklı öngörü yöntemlerininkarşılaştırılması
Comparison of different prediction methods forassessing the likelihood of misroskopic metastasis inclinically node-negative malignant melanoma patients
- Tez No: 920428
- Danışmanlar: DOÇ. DR. HAYRİ ÖMER BERKÖZ
- Tez Türü: Tıpta Uzmanlık
- Konular: Plastik ve Rekonstrüktif Cerrahi, Plastic and Reconstructive Surgery
- Anahtar Kelimeler: Malign melanom, SLNB, nomogram, MIA, MSKCC, LifeMath, metastaz, Malignant melanoma, SLNB, nomogram, MIA, MSKCC, LifeMath, metastasis
- Yıl: 2024
- Dil: Türkçe
- Üniversite: İstanbul Üniversitesi
- Enstitü: Tıp Fakültesi
- Ana Bilim Dalı: Plastik Rekonstrüktif ve Estetik Cerrahi Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: Belirtilmemiş.
Özet
GİRİŞ VE AMAÇ: Dünya çapında malign melanom sıklığı giderek artmaktadır. Güncel NCCN kılavuzlarına göre sentinel lenf nodu (SLN) metastazı açısından riskin>%10 olduğu hastalarda sentinel lenf nodu biyopsisi (SLNB) rutin bir evreleme prosedürü olarak önerilmektedir. Bunun dışında lenf nodunda mikroskopik metastaz olasılığını belirleme amacıyla farklı öngörü yöntemleri geliştirilmiştir. Literatürde bu nomogramlar SLN tutulumun riskini tahmin etmesi ve negatif SLNB işlemini azaltması açısından faydalı bulunmuşlardır. Çalışmamızda literatürde bahsedilen Avustralya Melanom Enstitüsü (MIA) Sentinel Lenf Nodu Metastazı Risk Ölçeği', 'Massachussets Melanom Nodal Durum Hesaplayıcısı (LifeMath nomogramı)' ve Memorial Sloan Kettering Cancer Center nomogramı (MSKCC) risk ölçeklerinin birbiri ile karşılaştırılması ve bizim hasta toplumumuza yönelik validasyon çalışmasını amaçladık. MATERYAL VE METOD: Çalışmaya 2018-2023 tarihleri arasında İTF Plastik, Rekonstrüktif ve Estetik Cerrahi Anabilim Dalı'nda ameliyat olmuş ve materyal patolojileri İTF Patoloji AD tarafından değerlendirilmiş hastalar dahil edilmiş ve sonuçları retrospektif olarak incelenmesi ile çalışma gerçekleştirilmiştir. Çalışma hastaların klinikopatolojik verileri kullanıldı. SNL tutulumu ile diğer veriler arasındaki ilişkiler incelendi. Ayrıca SNLB sonucu dışındaki veriler kullanılarak MSKCC, MIA ve LifeMath (Massachusetts) nomogramları üzerinden SNL pozitifliği risk tahminleri hesaplandı. İstatistiksel yöntem ile sürekli bir değişkenden elde edilen puanların normalliğini test etmek amacıyla Kolmogorov Smirnov testinden yararlanıldı. Kategorik değişkenler frekans (n, %) olarak, sürekli değişkenler ortalama, standart sapma, medyan ve interquantile range (IQR) olarak sunuldu. Sürekli değişkenlerde iki bağımsız grup arasındaki karşılaştırmalar Mann-Whitney U testi ile yapıldı. Nitel verilerin karşılaştırılmasında, Ki-Kare testleri (Pearson chi-square ve Fisher's exact test) kullanıldı. SLN pozitifliği ilişkili bağımsız değişkenlerin belirlenmesinde Lojistik regresyon modellemesinden yararlanıldı. SLN tutulumunu tahmin etmede en uygun risk skorlarını için ROC (Receiver Operating Characteristic) eğrisi analizi kullanıldı. Risk skorları optimal kesme değerinin belirlenmesinde Youden indeksinden yararlanıldı. Her model için PPD, NPD, sensitivite, spesifite net fayda ve net önlenebilir müdahale oranları farklı eşik olasılıklarında (%10, %15 ve %20) hesaplanmıştır. Karar eğrisi analizi yardımıyla araştırma modellerinin klinik net faydası hesaplandı. BULGULAR: Risk ölçekleri medyan ve IQR değerleri incelendiğinde; SLN tutulumu olan hasta grubunda MSKCC [SLN (+): 34(25-41) ve SLN (-): 13(5-27); p<0,001], MIA[SLN (+): 65(36-85) ve SLN (-): 19(12-45); p<0,001] ve Massachusetts [SLN (+): 65(32-86) ve SLN (-): 15(8-39); p<0,001] skorlarının istatistiksel olarak anlamlı derecede daha yüksek olduğu saptandı. ROC analizi sonucu SLN pozitifliğini belirlemede en uygun MSKCC skor sınırının 23 [AUC=0,811; sensitivite=0,824; spesifite=0,70, doğruluk=0,737], MIA sınırının 30 [AUC=0,81; sensitivite=0,882; spesifite=0,613, doğruluk=0,693] ve Massachusetts sınırının 23,9 [AUC=0,817; sensitivite=0,912; spesifite=0,65, doğruluk=0,728] olduğu saptandı. SONUÇ: MSKCC, MIA ve LifeMath (Massachusetts) nomogramlarının toplumumuza yönelik hasta grubunda yapılan validasyon çalışmasında, bu nomogramlar SLN tutulum riskini tahmin etmesi ve negatif SLNB sayılarını azaltması açısından faydalı bulunmuşlardır. Bu alana yönelik sağlık harcamalarının ve işlemi bağlı ortaya çıkan komplikasyon sayılarının azalması ise olası sonuçlardır. Her bir nomogram için çalışmamızın bulguları incelendiğinde, popülasyonumuza yönelik farklı öngürü yöntemlerinin SLN pozitifliğini belirlemede tanı performanslarının benzer olduğu saptandı. Bu nomogramların klinik uygulamada kullanımı pratiktir ve ücretsizdirler.
Özet (Çeviri)
INTRODUCTION AND OBJECTIVE: The incidence of malignant melanoma is increasing worldwide. According to current NCCN guidelines, sentinel lymph node biopsy (SLNB) is recommended as a routine staging procedure for patients with a risk of >10% for sentinel lymph node (SLN) metastasis. In addition to this, various prediction methods have been developed to assess the likelihood of microscopic metastasis in lymph nodes. These nomograms in the literature have been found useful in predicting the risk of SLN involvement and reducing unnecessary SLNB procedures. In our study, we aimed to compare the Australian Melanoma Institute (MIA) Sentinel Lymph Node Metastasis Risk Scale, Massachusetts Melanoma Nodal Status Calculator (LifeMath nomogram), and Memorial Sloan Kettering Cancer Center nomogram (MSKCC), and to conduct a validation study specific to our patient population. MATERIALS AND METHODS: The study included patients who underwent surgery at the Department of Plastic, Reconstructive, and Aesthetic Surgery, Istanbul Faculty of Medicine, between 2018 and 2023, with their pathological evaluations conducted by the Department of Pathology. The clinical and pathological data of these patients were retrospectively reviewed. Relationships between SLN involvement and other variables were examined. Additionally, using data other than SLNB results, risk predictions for SLN positivity were calculated using the MSKCC, MIA, and LifeMath (Massachusetts) nomograms. The Kolmogorov-Smirnov test was utilized to test the normality of scores derived from continuous variables via statistical methods. Categorical variables were presented as frequencies (n, %), while continuous variables were described with mean, standard deviation, median, and interquartile range (IQR). Comparisons between two independent groups for continuous variables were conducted using the Mann-Whitney U test. For comparisons of qualitative data, Chi-square tests (Pearson chi-square and Fisher's exact test) were used. Logistic regression modeling was employed to determine independent variables associated with SLN positivity. ROC (Receiver Operating Characteristic) curve analysis was utilized to identify the most suitable risk scores for predicting SLN involvement. Optimal cutoff values for risk scores were determined using the Youden index. For each model, potential patient disutility (PPD), net patient disutility (NPD), sensitivity, specificity, net benefit, and net reduction rate at different threshold probabilities (10%, 15%, and 20%) were calculated. Clinical net benefit of the research models was assessed using decision curve analysis. RESULTS: When the risk scales' median and IQR values were examined, statistically significant differences were found in SLN-positive patient groups for MSKCC [SLN (+): 34 (25-41) and SLN (-): 13 (5-27); p<0.001], MIA [SLN (+): 65 (36-85) and SLN (-): 19 (12- 45); p<0.001], and Massachusetts [SLN (+): 65 (32-86) and SLN (-): 15 (8-39); p<0.001] scores. According to ROC analysis, the optimal MSKCC score threshold for determining SLN positivity was found to be 23 [AUC=0.811; sensitivity=0.824; specificity=0.70, accuracy=0.737], for MIA it was 30 [AUC=0.81; sensitivity=0.882; specificity=0.613, accuracy=0.693], and for Massachusetts it was 23.9 [AUC=0.817; sensitivity=0.912; specificity=0.65, accuracy=0.728].CONCLUSION: In the validation study conducted on our patient population, MSKCC, MIA, and LifeMath (Massachusetts) nomograms were found beneficial in predicting SLN involvement risk and reducing the number of negative SLNB cases. The potential outcomes include reduced healthcare expenditures and complications associated with the procedure. Our findings indicate similar diagnostic performance in predicting SLN positivity across each nomogram when tailored to our population. The practicality and costeffectiveness of these nomograms make them suitable for clinical use.
Benzer Tezler
- Malign melanom hastalarında metastatik lenf nodlarının F18-FDG pet ve bilgisayarlı tomografide yapılan doku analizi ve makine öğrenmesi algoritmaları ile öngörülmesi
Prediction of metastatic LYMPH nodes in malignant melanoma patients by texture analysis and machine learning performed in F18-FDG pet and computerized tomography
ESİN KORKUT
- İnvaziv malign melanomun klinikopatolojik kriterleri ile genel sağkalım ilişkisi ve 2018 Dünya Sağlık Örgütü melanom sınıflamasına göre yeniden değerlendirilmesi
The relationship between invasive malignant melanoma and its clinicopathological features and the reassessment of melanoma according to the 2018 World Health Organization
SELİN KESTEL KAYIK
- Üveal malign melanom tanısı olan hastaların uzun dönem tedavi sonuçlarının değerlendirilmesi
Evaluation of long-term treatment outcomes in uveal melanoma patients
ÜMİT YAŞAR GÜLESER
Tıpta Uzmanlık
Türkçe
2020
İstanbul Üniversitesi-CerrahpaşaGöz Hastalıkları Ana Bilim Dalı
Yükleniyor...
- Malign plevral mezotelyoma hastalarımızın klinik, patolojik özellikleri, uygulanan tedaviler, sağkalım ve sağkalıma etki eden faktörler
The clinical and pathological features of patients with malignant pleural mesothelioma, the treatments, survival and factors affecting survival
AYHAN AÇLAN