瑞士奥地利德国睾丸癌队列研究 - SAG TCCS (SAG TCCS)

目标

主要目标

主要目的是确定各种测试的诊断性能和临床影响，包括常规 X 光片、计算机断层扫描 (CT)、腹部超声、血清肿瘤标志物（AFP、β-HCG 和 LDH）以及针对目标的临床体征和症状在有记录的完全缓解的治愈性治疗后及早发现复发。

次要目标

诊断性能：

1. 确定精原细胞瘤患者胸部 X 光检测到的复发率。
2. 确定不是由于精原细胞或非精原细胞生殖细胞肿瘤复发而是由于其他过程引起的 CT 扫描假阳性异常和假阳性肿瘤标志物升高的比率。

3. 确定排除假阳性指数测试患者睾丸癌复发的方式。

   护理模式：

4. 评估基线和复发检测时间点的患者特征。
5. 确定接受主动监测的 I 期精原细胞瘤和非精原细胞瘤患者的比例。

6. 了解瑞士生殖细胞癌患者的治疗和随访策略概况。

   结果：

7. 从器官功能、心血管危险因素、性健康和社会经济方面收集睾丸癌治疗后遗症的数据。
8. 确定复发时中度和预后不良疾病的比率。
9. 确定睾丸癌治疗后自然受孕的后代率。

设计

前瞻性队列研究

中心 所有泌尿科医师、放射肿瘤学家和肿瘤学家都积极招募他们的患者。 我们的目标是招募大多数在私人诊所接受治疗和随访的患者。

患者 连续患有任何类型和任何阶段的睾丸癌患者（事件病例）。 睾丸癌通常分为睾丸的精原细胞瘤（seminoma）和非精原细胞瘤（non-seminoma）。 混合生殖细胞肿瘤属于非精原细胞瘤组。 疾病的分期和治疗的选择（主动监测、化疗或放疗）决定了复发风险、复发模式和长期毒性。 睾丸癌的分期是根据美国癌症联合委员会 (AJCC) 的睾丸癌原发肿瘤、区域淋巴结、转移 (TNM) 分期系统进行的。 转移性睾丸癌根据国际生殖细胞癌协作组 (IGCCCG) 风险组进行分类。

临床结果

睾丸癌复发定义为血清甲胎蛋白 (AFP) 浓度升高超过正常上限（通常 > 13 微克/升）和/或人绒毛膜促性腺激素 (HCG) 浓度升高超过正常上限（通常 > 5 U /l) 和/或乳酸脱氢酶 (LDH) 高于正常上限，并在 4 周后的第二次测试中确认这种升高和/或典型位置转移性疾病的影像学证据，和/或活跃生殖细胞的存在通过活组织检查确定的肿瘤，无论先发生什么。

指标测试

将进行以下检查（根据患者负担和费用排序）：症状评估、体格检查、肿瘤标志物测量、胸片、腹部超声和腹部和骨盆CT扫描。

程序

随访将由在治疗和监测生殖细胞肿瘤患者方面具有丰富经验的医生根据强制性随访时间表进行。 随访包括全面评估病史和患者症状，重点是疼痛、食欲、疲劳、性功能和日常生活活动；身体检查包括肺部听诊、腹部、腋窝、膈上和膈下区域淋巴结和睾丸触诊；血清肿瘤标志物测定：AFP、HCG和LDH；胸部 X 光和腹部超声或 CT 扫描。 尽管 LDH 在后续行动中的作用值得商榷，但由于灵敏度和特异性有限以及假阳性率高，它可以帮助识别大量病例的复发，如最近的出版物所示。 所有实验室和放射学测试都是独立进行的，并且在症状评估和体格检查之前不会将结果提供给研究人员。 此外，我们将确定心血管危险因素（吸烟状况、血脂状况、体重指数、空腹血糖等）、肾功能、睾酮水平、卵泡刺激素 (FSH) 水平、促黄体激素 (LH) 水平和社会经济特征（教育程度） 、就业、伙伴关系）每年一次。

统计数据

样本量注意事项

瑞士每年大约有 400 名新诊断的睾丸癌患者。 在德国，每年睾丸癌的发病率约为 4000。 我们的目标是在 3 年的时间里每年在瑞士纳入大约 300 名患者，患者总数为 900 名。 我们还计划在德国每年登记 2000 名患者。 看看瑞士队列，估计在两年的随访期间复发率为 15%，这将产生大约 135 例复发病例。 这个数字将产生令人满意的统计精度。 例如，假设检测复发的 Beta-HCG 灵敏度为 50%，特异性为 95%，则阳性似然比 (LR) 为 10，阴性似然比为 0.53。 相应的 95% 置信区间的灵敏度为 42% 至 58%，特异性为 93% 至 97%，阳性似然比为 7.0 至 14.2，阴性似然比为 0.44 至 0.62。 例如，假定 CT 扫描的灵敏度为 37%，特异性为 99%，以检测复发将产生 37 的阳性似然比和 0.64 的阴性似然比。 相应的 95% 置信区间的灵敏度为 29% 至 45%，特异性为 98% 至 100%，阳性似然比为 17.7 至 77.4，阴性似然比为 0.56 至 0.72。

诊断准确性的测量将根据以上指定的复发的发生和诊断时间点来确定。 在确诊复发的前 8 周内呈阳性的测试将被视为真阳性，在此期间保持阴性的测试将被视为假阴性。 相反，在此时间段之前为阳性的测试将被视为假阳性，而在此时间段之前为阴性的测试将被视为真阴性。 我们将使用在患者和时间点层面具有随机效应的多层次模型来估计敏感性和特异性以及似然比，数据以长格式组织，每次测试结果（阳性或阴性）-由数据集中的一条线表示的点，确定每个时间点是否在确定的复发诊断时间点之前的 8 周时间段内。 该模型考虑了患者体内多个时间点和测试的相关性。 阳性 LR 表明与没有复发的患者（1-特异性）相比，复发患者（敏感性）检测呈阳性的可能性更大。 相反，阴性 LR 表明与没有复发的患者（特异性）相比，在复发患者（1-敏感性）中发现阴性测试的可能性有多大。 如果阳性和阴性 LR 分别高于 5 或​​低于 0.2，将考虑进行一项测试以提供临床相关的能力来排除或排除复发。 如果 LR 分别高于 10 或低于 0.1，则该测试将被视为具有很强的排除复发的能力。

作为增加更广泛测试的临床影响的衡量标准，我们将检查净重分类改进和综合辨别改进。 通过添加更广泛的测试实现的净重新分类改进被定义为根据复发状态（存在或不存在复发）对患者进行适当分类的概率的改进，这是通过添加更多测试提供的广泛的测试。 这对应于分类为阳性的个体比例减去发生事件的个体分类为阴性的比例，以及分类为阴性的个体的比例减去未发生事件的个体分类为阳性的比例的差异之和。 综合辨别改进定义为通过添加更广泛的测试提供的平均灵敏度的改进减去通过添加更广泛的测试提供的特异性的潜在损失。 所有分析都将使用 Stata, Release 11 (Stata Corp LP, College Station, TX) 完成。