Predicting Long-Term Risk for Prostate Cancer Mortality Following a Prostate-Specific Antigen Screening Test: Prognostic Model Development and External Validation.
研究背景
前列腺特异性抗原（PSA）筛查广泛用于前列腺癌早期检测，但缺乏能预测长期前列腺癌特异性死亡率（PCSM）并考虑其他原因死亡（OCM）竞争风险的模型。现有工具多预测活检时患癌风险，未充分考虑患者个体差异对预期寿命的影响。本研究旨在开发并外部验证新的预后模型，预测PSA筛查后PCSM风险，并与现有模型比较。
方法速览
采用PLCO癌症筛查试验数据作为开发队列（n = 33,339），VA医疗系统数据作为外部验证队列（n = 174,787）。模型通过Weibull回归分别拟合PCSM和OCM的风险函数，结合竞争风险框架计算个体在指定时间点前发生PCSM的概率。通过时间依赖AUC、校准曲线和决策曲线分析评估模型性能，并与PBCG模型及传统PSA报告策略比较。
主要发现
- 模型性能优越：在内部验证队列中，29.5年时间点模型AUC为0.666，显著优于PBCG模型（AUC 0.643，P < 0.001）；外部验证队列中，20年时间点模型AUC为0.776，也优于PBCG模型（AUC 0.749，P = 0.031）。预测“85岁前PCSM”时，PLCO模型AUC为0.709，显著优于PBCG模型（0.642，P < 0.001）。
- 考虑预期寿命更准确：PCa高风险人群中，预期寿命低的患者实际PCSM风险显著低于预期寿命高的患者。PLCO模型整合OCM，能更准确评估患者总体生存风险，在外部验证队列的PBCG高风险组中也显著优于PBCG模型。
- 具有临床实用性：决策曲线分析显示，以“85岁前PCSM风险0.5%”为阈值，模型净获益为0.013（95% CI：0.012–0.015），在指导PSA筛查方面有临床价值，可实现个体化时间维度风险评估。
总结展望
本研究创新性地将OCM纳入PCSM预测，开发时间动态模型，可用于风险分层、指导筛查决策等。但存在局限性，如PLCO试验管理策略积极可能导致校准偏差，外部验证队列缺乏家族史数据，非裔美国人群比例低影响适用性。不过，外部验证结果表明模型在整体人群中判别能力良好。