CN106055898A - 胃癌患者的预后方法 - Google Patents

胃癌患者的预后方法 Download PDF

Info

Publication number
CN106055898A
CN106055898A CN201610378193.3A CN201610378193A CN106055898A CN 106055898 A CN106055898 A CN 106055898A CN 201610378193 A CN201610378193 A CN 201610378193A CN 106055898 A CN106055898 A CN 106055898A
Authority
CN
China
Prior art keywords
patients
gastric cancer
prognosis
index
preoperative
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
CN201610378193.3A
Other languages
English (en)
Inventor
刘斌正
张文杰
李锋
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shihezi University
Original Assignee
Shihezi University
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Shihezi University filed Critical Shihezi University
Priority to CN201610378193.3A priority Critical patent/CN106055898A/zh
Publication of CN106055898A publication Critical patent/CN106055898A/zh
Pending legal-status Critical Current

Links

Classifications

    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
    • A61B5/14532—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue for measuring glucose, e.g. by tissue impedance measurement
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/145—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue
    • A61B5/14546—Measuring characteristics of blood in vivo, e.g. gas concentration, pH value; Measuring characteristics of body fluids or tissues, e.g. interstitial fluid, cerebral tissue for measuring analytes not otherwise provided for, e.g. ions, cytochromes
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/42—Detecting, measuring or recording for evaluating the gastrointestinal, the endocrine or the exocrine systems
    • A—HUMAN NECESSITIES
    • A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
    • A61B—DIAGNOSIS; SURGERY; IDENTIFICATION
    • A61B5/00—Measuring for diagnostic purposes; Identification of persons
    • A61B5/48—Other medical applications
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/20—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for computer-aided diagnosis, e.g. based on medical expert systems
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
    • G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
    • G16H50/30—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for calculating health indices; for individual health risk assessment

Landscapes

  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Engineering & Computer Science (AREA)
  • Public Health (AREA)
  • Medical Informatics (AREA)
  • Biomedical Technology (AREA)
  • Physics & Mathematics (AREA)
  • General Health & Medical Sciences (AREA)
  • Pathology (AREA)
  • Animal Behavior & Ethology (AREA)
  • Biophysics (AREA)
  • Veterinary Medicine (AREA)
  • Surgery (AREA)
  • Molecular Biology (AREA)
  • Heart & Thoracic Surgery (AREA)
  • Optics & Photonics (AREA)
  • Data Mining & Analysis (AREA)
  • Primary Health Care (AREA)
  • Databases & Information Systems (AREA)
  • Epidemiology (AREA)
  • Emergency Medicine (AREA)
  • Endocrinology (AREA)
  • Gastroenterology & Hepatology (AREA)
  • Physiology (AREA)
  • Investigating Or Analysing Biological Materials (AREA)

Abstract

胃癌患者的生存预后不同，高危胃癌患者是指术后死亡风险高的胃癌患者；本发明是关于一种胃癌患者的预后方法，包括，收集待测胃癌患者的临床信息；将待测胃癌患者的临床信息与高危胃癌患者术前评价指标进行对比，得到待测胃癌患者的预后结果，当所述的待测胃癌患者的临床信息均符合高危胃癌患者术前评价指标的标准，则所述的待测胃癌患者为高危胃癌患者。高危胃癌患者术前评价指标为，年龄大于等于60岁、体质指数小于18.5kg/m2、血液中白蛋白含量小于40g/L、细胞分化程度低等。本发明提出的一种胃癌患者的预后方法中所需的信息都可以在术前获得，因此，在术前就可对胃癌患者的预后情况作出评价。

Description

胃癌患者的预后方法
技术领域
本发明涉及一种预后方法，特别是涉及一种胃癌患者的预后方法。
背景技术
据世界癌症研究组织(IARC)Globocan的最新统计数据显示，2012年全球胃癌新发病人数为95.2万余人，占全球癌症发病人数的6.8％，居于第五位；全球胃癌的死亡人数为72.3万余人，占全球癌症总致死人数的8.8％，位于第三位。2005-09年中国胃癌的年龄标化5年净生存率为31.3％，远远低于南韩(58％)和日本(54％)，甚至低于非洲岛国毛里求斯(41％)，说明我国胃癌的诊断和治疗质量严重偏低。
与胃癌预后相关的因素如淋巴结转移、远处转移、特别是临床TNM分期等只有在胃癌术后才能获得，不能在术前对治疗方式和随访时间进行预测。现阶段医疗技术在术前只能对胃癌患者的病情做一个粗略的估计，不能够预测胃癌患者术后3年具体的生存情况。随访时间间隔过短会导致不必要的重复检查，浪费时间和财力，同时会加大胃癌患者精神压力；过于频繁的进行肿瘤复查成本高，发现病情恶化的相对概率少，资源浪费大，性价比很低；随访时间间隔过长会导致不能及时发现早期转移的肿瘤迹象，导致病情延误，失去最佳治疗时机，因而治疗效果不好，可能导致病情恶化。
发明内容
本发明的主要目的在于，提供一种胃癌患者的预后方法，所要解决的技术问题是通过对患者术前指标的评价，确定患者的最佳治疗方案和随访时间，减轻患者的压力，减少医疗资源的浪费，从而更加适于实用。
本发明的目的及解决其技术问题是采用以下技术方案来实现的。
依据本发明提出的一种胃癌患者的预后方法，包括，收集待测胃癌患者的年龄、体质指数、血液中白蛋白的含量、血液中葡萄糖的含量、血液中直接胆红素的含量、血液中钾离子的含量和细胞分化程度；将待测胃癌患者的临床信息与高危胃癌患者术前评价指标进行对比，得到待测胃癌患者的预后结果(高危胃癌患者是指术后死亡风险高的胃癌患者)，当所述的待测胃癌患者的临床信息均符合高危胃癌患者术前评价指标的标准，则所述的待测胃癌患者为高危胃癌患者，所述的高危胃癌患者术前评价指标为：年龄大于等于60岁、体质指数小于18.5kg/m2、血液中白蛋白含量小于40g/L、血液中葡萄糖含量小于等于5.0mmol/L、血液中直接胆红素含量小于等于3.5umol/L、血液中钾离子含量小于3.5mmol/L或大于5.3mmol/L、细胞分化程度低。
本发明的目的及解决其技术问题还可采用以下技术措施进一步实现。
优选的，前述的一种胃癌患者的预后方法，其中所述的预后结果为待测胃癌患者的生存时间，所述的高危胃癌患者的预后生存时间小于三年。
优选的，前述的一种胃癌患者的预后方法，其中所述的预后结果为待测胃癌患者的随访时间间隔，所述的高危胃癌患者的随访时间间隔为3-4个月。
优选的，前述的一种胃癌患者的预后方法，其中所述的高危胃癌患者术前评价指标的建立方法如下，收集胃癌患者的术前指标信息；用Kaplan-Meier法对胃癌患者的术前指标信息进行分析，得到评价胃癌患者预后的单因素指标；用所述的单因素指标建立数据库，采用支持向量机法对单因素指标的组合进行分析，并采用减因子得到胃癌患者预后的指标组合，得到第一支持向量机模型；将所述的术前指标组合进行Cox单因素分析，得到高危胃癌患者术前评价指标。
优选的，前述的一种胃癌患者的预后方法，其中所述的胃癌患者的临床信息为年龄、性别、细胞分化程度、体质指数、肿瘤浸润深度、淋巴结转移、肿瘤远处转移、临床分期、细胞分化程度，血液中白蛋白、葡萄糖、钾离子、直接胆红素的含量。
借由上述技术方案，本发明基于支持向量机模型的胃癌患者的预后方法至少具有下列优点：
1、本发明提出的一种胃癌患者的预后方法中所需要检测的待评价的胃癌患者的临床信息均为术前信息，因此，采用此方法，在术前就可对胃癌患者的预后情况作出评价。
2、采用本发明提出的一种基于支持向量机模型的胃癌患者的预后方法胃癌患者的预后方法对胃癌患者进行评价，若患者属于高危患者，则提示临床医生在手术时更应注意是否有淋巴结转移和远处转移等现象存在，并且制定个体化的化疗方案和随访间隔，从而提高胃癌患者的生存时间和生活质量，若患者并非属于高危患者，则可以大大降低患者的心理负担，减少医疗资源的浪费。
3、本发明采用生存分析Kaplan-Meier法、支持向量机和Cox单因素分析法对胃癌患者的临床信息进行处理，将胃癌患者的术前信息和术后信息分别进行分析，得到与胃癌患者预后有关的术前指标，并用卡方检验法对该术前指标进行了可行性分析，分析结果显示用本发明所分析得到的术前指标预测胃癌患者的生存预后是可行的。
上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，并可依照说明书的内容予以实施，以下以本发明的具体实施方式详细说明如后。
具体实施方式
为更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合较佳实施例，对依据本发明提出的一种胃癌患者的预后方法其具体实施方式、结构、特征及其功效，详细说明如后。在下述说明中，不同的“一实施例”或“实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。
1、收集胃癌患者的临床信息。
设置三个试验组，即训练组、验证组1和验证组2，其中，训练组1的胃癌患者66人，验证组1的胃癌患者66人，验证组2的胃癌患者132人，分别收集三组胃癌患者的临床信息，包括术前信息和术后信息，术前信息包括年龄、性别、细胞分化程度、体质指数、血液中白蛋白、葡萄糖、钾离子和直接胆红素的含量等；术后信息包括肿瘤浸润深度、淋巴结转移、肿瘤远处转移和肿瘤临床分期等。
2、用Kaplan-Meier法对胃癌患者的术前临床信息进行分析，得到评价胃癌患者预后的单因素指标。
3、用所述的单因素指标建立数据库，采用支持向量机法对单因素指标的组合进行分析，并采用减因子得到胃癌患者预后的指标组合，得到第一支持向量机模型；
4、用所述的术后指标建立第二支持向量机模型，用卡方检验法将所述的第一支持向量机模型和所述的第二支持向量机模型进行相关性分析，检验第一支持向量机模型的可行性。不同指标间的支持向量机模型的敏感性和特异性的比较见表1，约登指数、阳性预测值、阴性预测值和准确性的比较见表2。
表1.不同指标间的支持向量机模型的敏感性和特异性的比较
表2.不同指标间的支持向量机模型的约登指数、阳性预测值、阴性预测值和准确性的比较
注：表1和表2中，T表示肿瘤浸润深度，N表示淋巴结转移，M表示远处转移，TNM表示临床分期；age表示年龄，sex表示性别，cell diff.表示细胞分化，BMI表示体质指数，Alb表示白蛋白，Glu表示葡萄糖，K表示钾离子，DBIL表示直接胆红素；test表示训练组，Val1表示验证组1，Val2表示验证组2；PPV表示阳性预测值；NPV表示阴性预测值。P#卡方检验用来比较三个组合之间是否有差异；1代表术后指标组合，2代表术前指标组合，3代表术前和术后所有指标组合。
从表1和表2中的数据可以得出，术前组合和术后组合的特异性、阳性预测值和准确性没有差别，而术前指标的敏感性和阴性预测值好于术后指标，我们也可以发现“3”组合，所有指标在一起时，敏感性和特异性等指标较好。以上结果说明该方法中涉及的术前指标用来建立预测胃癌患者生存预后的支持向量机模型效果是可行的，如果加上术后的指标，预测效果会更好。
5、将所述的术前指标组合进行Cox单因素分析，得到高危胃癌患者术前评价指标。Cox单因素分析法的分析结果见表3。
表3.影响胃癌患者预后的术前指标
注：HR表示相对危险度；CI表示可信区间；vs.＝versus；细胞分化程度根据WHO组织分型定义；数据采用Cox风险回归模型进行分析。.
从表3的数据可以得出，影响胃癌患者预后的术前指标包括年龄、体质指数、血液中白蛋白、葡萄糖、直接胆红素和钾离子的含量以及细胞分化程度。
基于表3中的数据制定的高危胃癌患者的术前指标，见表4。
表4.高危胃癌患者的术前指标
术前指标 高危患者
年龄 60
体质指数(kg/m2) ＜18.5
白蛋白(g/L) ＜40
葡萄糖(mmol/L) 5.0
直接胆红素(umol/L) 3.5
钾离子(mmol/L) ＜3.5+＞5.3
细胞分化 低
6、胃癌患者的预后方法。
将待评价的胃癌患者的术前指标与表4进行对比，如果待评价的胃癌患者的术前指标均落入表4高危患者的范围内，则预示该胃癌患者的预后生存时间小于三年，建议该胃癌患者术后3年内的随访应加强，术后3年内每3-4个月随访一次，每年至少随访3次；第4-5年每半年随访一次。
以上所述，仅是本发明的较佳实施方式而已，并非对本发明作任何形式上的限制，依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化与修饰，均仍属于本发明技术方案的范围内。

Claims (5)

1.一种胃癌患者的预后方法，其特征在于：包括，
收集信息：收集待测胃癌患者的年龄、体质指数、血液中白蛋白的含量、血液中葡萄糖的含量、血液中直接胆红素的含量、血液中钾离子的含量和细胞分化程度；
预后评价：将待测胃癌患者的临床信息与高危胃癌患者术前评价指标进行对比，得到待测胃癌患者的预后结果，当所述的待测胃癌患者的临床信息均符合高危胃癌患者术前评价指标的标准，则所述的待测胃癌患者为高危胃癌患者，
所述的高危胃癌患者术前评价指标为：年龄大于等于60岁、体质指数小于18.5kg/m2、血液中白蛋白含量小于40g/L、血液中葡萄糖含量小于等于5.0mmol/L、血液中直接胆红素含量小于等于3.5umol/L、血液中钾离子含量小于3.5mmol/L或大于5.3mmol/L、细胞分化程度低。
2.根据权利要求1所述的一种胃癌患者的预后方法，其特征在于：
所述的预后结果为待测胃癌患者的生存时间，所述的高危胃癌患者的预后生存时间小于三年。
3.根据权利要求1所述的一种胃癌患者的预后方法，其特征在于：
所述的预后结果为待测胃癌患者的随访时间间隔，所述的高危胃癌患者的随访时间间隔为3-4个月。
4.根据权利要求1所述的一种胃癌患者的预后方法，其特征在于：
所述的高危胃癌患者术前评价指标的建立方法如下，
收集信息：收集胃癌患者的术前指标信息；
单因素分析：用Kaplan-Meier法对胃癌患者的术前指标信息进行分析，得到评价胃癌患者预后的单因素指标；
术前指标组合的确定：用所述的单因素指标建立数据库，采用支持向量机法对单因素指标的组合进行分析，并采用减因子得到胃癌患者预后的指标组合，得到第一支持向量机模型；
高危胃癌患者术前评价指标的确定：将所述的术前指标组合进行Cox单因素分析，得到高危胃癌患者术前评价指标。
5.根据权利要求4所述的胃癌患者的预后方法，其特征在于：
所述的胃癌患者的临床信息为年龄、性别、细胞分化程度、体质指数、肿瘤浸润深度、淋巴结转移、肿瘤远处转移、临床分期、细胞分化程度，血液中白蛋白、葡萄糖、钾离子、直接胆红素的含量。
CN201610378193.3A 2016-05-27 2016-05-27 胃癌患者的预后方法 Pending CN106055898A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201610378193.3A CN106055898A (zh) 2016-05-27 2016-05-27 胃癌患者的预后方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201610378193.3A CN106055898A (zh) 2016-05-27 2016-05-27 胃癌患者的预后方法

Publications (1)

Publication Number Publication Date
CN106055898A true CN106055898A (zh) 2016-10-26

Family

ID=57171781

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201610378193.3A Pending CN106055898A (zh) 2016-05-27 2016-05-27 胃癌患者的预后方法

Country Status (1)

Country Link
CN (1) CN106055898A (zh)

Cited By (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107802838A (zh) * 2017-09-25 2018-03-16 石河子大学 PLCE1抑制剂与NF‑κB通路抑制剂联合在制备治疗食管鳞癌的药物中的应用
CN108417267A (zh) * 2018-03-19 2018-08-17 首都医科大学附属北京地坛医院 一种确定肝硬化肝肾综合征患者短期预后的系统
CN108492884A (zh) * 2018-02-08 2018-09-04 浙江大学 基于Logistic回归模型的胰腺神经内分泌肿瘤淋巴结转移预测系统
CN108565024A (zh) * 2018-03-19 2018-09-21 首都医科大学附属北京地坛医院 一种确定单发的hbv相关原发性小肝癌术后1年内复发风险的系统
CN108877934A (zh) * 2017-05-10 2018-11-23 扬州大学附属医院 一种用于脑损伤患者的预后指标预测系统
CN111724903A (zh) * 2020-06-29 2020-09-29 北京市肿瘤防治研究所 预测受试者胃癌预后的系统
CN113658696A (zh) * 2021-07-22 2021-11-16 四川大学华西医院 一种基于患者年龄、营养指标、肿瘤分期和肿瘤标志物联合预测胃癌预后的预测系统
CN114420291A (zh) * 2022-01-14 2022-04-29 安徽省肿瘤医院 基于机器学习的胃癌淋巴结转移风险评估系统、设备及存储介质

Cited By (9)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN108877934A (zh) * 2017-05-10 2018-11-23 扬州大学附属医院 一种用于脑损伤患者的预后指标预测系统
CN107802838A (zh) * 2017-09-25 2018-03-16 石河子大学 PLCE1抑制剂与NF‑κB通路抑制剂联合在制备治疗食管鳞癌的药物中的应用
CN108492884A (zh) * 2018-02-08 2018-09-04 浙江大学 基于Logistic回归模型的胰腺神经内分泌肿瘤淋巴结转移预测系统
CN108417267A (zh) * 2018-03-19 2018-08-17 首都医科大学附属北京地坛医院 一种确定肝硬化肝肾综合征患者短期预后的系统
CN108565024A (zh) * 2018-03-19 2018-09-21 首都医科大学附属北京地坛医院 一种确定单发的hbv相关原发性小肝癌术后1年内复发风险的系统
CN111724903A (zh) * 2020-06-29 2020-09-29 北京市肿瘤防治研究所 预测受试者胃癌预后的系统
CN111724903B (zh) * 2020-06-29 2023-09-26 北京市肿瘤防治研究所 预测受试者胃癌预后的系统
CN113658696A (zh) * 2021-07-22 2021-11-16 四川大学华西医院 一种基于患者年龄、营养指标、肿瘤分期和肿瘤标志物联合预测胃癌预后的预测系统
CN114420291A (zh) * 2022-01-14 2022-04-29 安徽省肿瘤医院 基于机器学习的胃癌淋巴结转移风险评估系统、设备及存储介质

Similar Documents

Publication Publication Date Title
CN106055898A (zh) 胃癌患者的预后方法
Milovanovic Alempijevic et al. Diagnostic accuracy of platelet count and platelet indices in noninvasive assessment of fibrosis in nonalcoholic fatty liver disease patients
Liang et al. Diagnostic accuracy of serum CA19-9 in patients with cholangiocarcinoma: a systematic review and meta-analysis
Zheng et al. Role of body mass index, waist‐to‐height and waist‐to‐hip ratio in prediction of nonalcoholic fatty liver disease
Chan Plasma Epstein-Barr virus DNA as a biomarker for nasopharyngeal carcinoma
Wang et al. Circulating tumor cells as a new predictive and prognostic factor in patients with small cell lung cancer
CN103403549B (zh) 败血症的预后的预测方法
JP2015511121A5 (zh)
CN104278085A (zh) 一种与早发胃癌辅助诊断相关的snp标志物及其应用
CN105603101A (zh) 检测8个miRNA表达量的系统在制备诊断或辅助诊断肝细胞癌产品中的应用
Grenache et al. Clinical performance of two multi-marker blood tests for predicting malignancy in women with an adnexal mass
Chen et al. A new nomogram for recurrence-free survival prediction of gastrointestinal stromal tumors: Comparison with current risk classification methods
RU2015119512A (ru) Метилглиоксаль в качестве маркера злокачественной опухоли
Kim et al. Prognostic impact of pretreatment albumin to globulin ratio in patients with diffuse large B-cell lymphoma treated with R-CHOP
Singal et al. Body composition features predict overall survival in patients with hepatocellular carcinoma
Eigentler et al. Which melanoma patient carries a BRAF-mutation? A comparison of predictive models
CN105925703A (zh) 一种筛选肾癌外周血miRNA标志物的方法及肾癌诊断标志物miR-210
McFadden et al. Differential lymph node retrieval in rectal cancer: associated factors and effect on survival
Zhu et al. An elevated Fibrosis-4 score is associated with poor clinical outcomes in patients with sepsis: an observational cohort study
Cho et al. Multiplication of neutrophil and monocyte counts (MNM) as an easily obtainable tumour marker for cervical cancer
CN103487580A (zh) Dkk1作为诊断标志物的用途
Halim et al. Significance of growth differentiation factor 15 in chronic HCV patients
Zhang et al. Development and validation of a nomogram based on multiple preoperative immunoinflammatory indexes for survival prediction in patients with stage IA-IB endometrial cancer
CN106119347A (zh) 基于血清exosomal microRNAs的结直肠癌转移检测的引物和试剂盒
Zhang et al. Prediction of patient survival with psoas muscle density following transjugular intrahepatic portosystemic shunts: a retrospective cohort study

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication
RJ01 Rejection of invention patent application after publication

Application publication date: 20161026