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