生信数据挖掘临床医学基于SEER数据库识别相关临床信息预后能力视频课程生信套路分析教程

生信数据挖掘临床医学基于SEER数据库识别相关临床信息预后能力视频课程讲解目录

基于SEER数据库识别相关临床信息预后能力课程目录

Part1:分析流程概述

Part2 : PC临床数据获取及预处理

Part3 : LNR与其他临床指标的相关性

Part4 : LNR与其他临床病理特征的预后显著性

Part5:列线图的构建及评价

Part6:比较列线图与AJCC8th分期系统的预后价值

Part1:分析流程概述

Step1:研究背景

er胰腺癌（PC) :被认为是美国癌症相关死亡的第四大原因，也是中国第九大病因。

美国癌症联合委员会( AJCC)第8期PC分期系统一般基于三个因素︰肿瘤大小和范围(T)，

淋巴结转移(N)和远处转移(M）对患者分级，然而，关于是否应将非肿瘤，

淋巴结转移(TNM)因素加入PC分级的问题仍存在争议。近年来，淋巴结比率(LNR)∶

淋巴结阳性数除以检查的淋巴结总数，被认为是患者生存的有力预测因子。

此外，非TNM因素，如age, grade, serum index等，也已报道作为治愈性切除术后PC患者生存的独立预后因素。

因此，应建立突破传统TNM分期系统的新型分期系统，以准确协助风险分层和生存预测。

&本套路的目的是进一步评估LNR对术后PC患者的预测价值，并通过建立一种新的预后模型。

在此基础上，提出了一种新的基于列线图的分期系统，并与AJCC第八代分期系统进行了比较。

生信套路分析-基于SEER数据库识别相关临床信息预后能力.pdf

生信套路分析-基于SEER数据库识别相关临床信息预后能力.ppt

生信套路分析-基于SEER数据库识别相关临床信息预后能力.wmv

生信套路分析-基于SEER数据库识别相关临床信息预后能力代码补充.wmv

程序

数据

analysis_result

data_software

生信数据挖掘临床医学基于SEER数据库识别相关临床信息预后能力视频课程截图