Geïntegreerde moleculaire en klinische profilering om de uitkomstvoorspelling bij lymfoom in de marginale zone van de milt te optimaliseren

De studie heeft tot doel een geïntegreerd klinisch-moleculair model te ontwikkelen en te valideren voor een nauwkeurige overlevingsprognoses bij nieuw gediagnosticeerde SMZL.

Reeds bestaand en gecodeerd tumorbiologisch materiaal en gezondheidsgerelateerde persoonsgegevens worden achteraf verzameld. Mutatie-analyse zal worden uitgevoerd door middel van gerichte diepe next-generation sequencing van genomisch DNA van tumoren. Deletie van 7q zal worden beoordeeld door FISH op kernen geïsoleerd uit tumorweefsels. De herschikking van het immunoglobulinegen en de mutatiestatus zullen worden geanalyseerd op genomisch DNA van de tumor door middel van PCR en Sanger-sequencing. De methyleringsstatus van doelwitgenen zal worden beoordeeld door middel van methyleringsspecifieke PCR op genomisch DNA van de tumor.

De aangepaste associatie tussen blootstellingsvariabelen en OS zal worden geschat door middel van Cox-regressie. Deze aanpak zal de covariaten opleveren die onafhankelijk geassocieerd zijn met OS die zullen worden gebruikt bij de ontwikkeling van een hiërarchisch moleculair model om OS te voorspellen. De hiërarchische volgorde van relevantie bij het voorspellen van OS tussen covariaten zal worden vastgesteld door middel van recursieve partitioneringsanalyse. Er zal een samensmeltingsalgoritme worden gebruikt om eindknooppunten samen te voegen die een homogeen besturingssysteem vertonen. Het onderscheidend vermogen van het model wordt beoordeeld door de c-index te berekenen. Relatieve overlevingsanalyse zal worden gebruikt om een ​​maat te geven voor de extra mortaliteit die wordt ervaren door subgroepen van patiënten gestratificeerd volgens de ontwikkelde hiërarchische moleculaire modellen, ongeacht of de extra mortaliteit direct of indirect toe te schrijven is aan de ziekte. Het in de trainingsset ontwikkelde model wordt getest in de validatiesets en de modelprestaties (c-index) in de validatieset worden vergeleken met die in de trainingsset.