点击上方的「LinkLab」可快速关注
肿瘤分期是良性病变重要的疗效因子之一，并且在癌症相关的临床研究中有不可取代的作用。在设计良好的肿瘤随机对照实验中，肿瘤分期一般用于限定目标人群的特点，或者在随机分配的过程中成为分层因素以降低其对结局变量导致的偏倚。本期小编将以案例分析的方式与你们讨论怎样分析肿瘤分期数据和理解统计学结果。
什么是TNM分期？
肿瘤分期一般只对于于良性疾病。它是一个评价体内恶性疾病的总量和位置的过程。肿瘤分期是按照个体内原发疾病以及播散程度来描述恶性脑瘤的严重程度和受累范围。TNM分期系统是现在国际上最为通用的分期系统，由中国癌症联合委员会(AJCC，AmericanJointCommitteeonCancer)和国际抗癌联盟(UICC，theInternationalUnionAgainstCancer)设立国际性的分期标准。现已作为临床医生和医学科学工作者针对恶性疾病进行分期的标准方式。
TNM分期系统通用定义：
原发肿瘤(T)：
①Tx-原发肿瘤不能确认；X代表未知。
②T0-无原发肿瘤的证据；0代表没有。
③Tis-原位癌，is代表insitu原位。
④T1、T2、T3、T4-原发肿瘤的体积及/或范围递增，数字越大，肿瘤累及的范围或程度越大。
区域淋巴结(N)：
①Nx-区域淋巴结(转移)不明；X代表未知。
②N0-无区域淋巴结转移；0代表没有。
③N1、N2、N3-区域淋巴结侵犯递增。
远处转移(M)：
①Mx-远处转移存在与否不能确认；
②M0-远处转移不存在；
③M1-远处转移存在。
TNM分期是基于证据的疗效因子
尽管不同的肿瘤具有不同的TNM分期标准，但这种标准的制订都有疗效研究推论的支持。这些预后研究通常是基于大型数据库的资料，分析了诸多TNM组合和生存预后或治愈反应性的关系。TNM分期上的递增表示病变累及范围越来越大，患者疗效越来越差。总之，肿瘤分期标准因疾病或组织学特性而异，分期越高，其预后越差，这也进一步说明疾病分期属于有序分类变量。
如何处理TNM分期数据？
分析肿瘤分期数据时，统计学方式的合理选择有多因素决定。
案例一分析两组患者TNM分期是否具有可比性？
以上表格为列联表，用于预测分类变量的关系。
一般状况下，卡方检验是最为常见的处理分类变量的统计方式。表中数据经过卡方检测得到P值为0.168，因此可以得到结论即两组受试对象的病变分期分布情况差异无统计学意义，也就是说研究对象入组过程没有受疾病分期的影响。
然而，如果仔细观察可以发觉，对照组的病情可能非常严重，因为对照组Ⅲ期和Ⅳ期的患者更多，显然这与卡方检验的结论相矛盾。此时，必须弄清对照组病人病症分期是否比实验组的更高。而Wilcoxon秩和检验即Mann-WhitneyU检验就可解决这一疑惑。Wilcoxon秩和检测得出的P值为0.035，也就是说两组受试对象的病变分期分布情况差距有统计学意义。如果实验组和对照组的病变分期不平衡情况得不到有效控制，则会使最终研究结果出现偏倚。
案例二直肠炎患者血清CEA浓度与疾病分期是否有关？
上表展示了直肠癌病患确诊时的分期和CEA浓度关系。研究必须弄清的是CEA是否与疾病分期有关。
当两个变量是等级或者有两个以上等级时，卡方检验则不是最佳方式。此时可以考虑Kruskal-Wallis检验和Gamma统计，或者是Pearson相关性预测。因为CEA水平是连续变量，但按照划分成为了等级变量。
如果之后碰到CEA是连续变量的话，那么必须使用单因素方差分析法来评价CEA与疾病分期的关系。但是万一CEA并不呈正态分布的话，那么则必须选择Kruskal-WallisH检验。
肿瘤分期属于等级资料，可以使用这些统计学方式。我们如果要精确掌握具体适宜的统计方式，还必须全面了解数据的特点。
