三侧视网膜母细胞瘤：发病率和结果 (GS-TRIO)

本研究将遵守队列研究的加强流行病学观察研究报告 (STROBE) 声明以及准确和透明的健康估计报告指南 (GATHER) 声明。 该研究旨在对来自尽可能多的全球治疗中心在一年内诊断出的视网膜母细胞瘤患者进行前瞻性队列研究。 患者招募方法与之前的全球视网膜母细胞瘤研究部分相似。 数据将从全球视网膜母细胞瘤研究中提取，该研究对 2024 年至 2027 年出现视网膜母细胞瘤的患者进行随访。

所有独特的三侧视网膜母细胞瘤患者（病例）和所有其他视网膜母细胞瘤患者（对照）将纳入发病率分析。 对于生存分析，需要后续数据。

研究开始三年后，参与中心首次提交病例数据后，将获得有关随访、转移、眼球抢救、偏侧性、三侧视网膜母细胞瘤诊断和生存结果的信息。 在稍后阶段，将再次联系报告三侧视网膜母细胞瘤病例的参与中心以获取更多信息。 无论是否提供额外信息，所有三侧视网膜母细胞瘤患者都将纳入分析。

调查人员将要求提供以下额外数据：

• 位置（松果体、上/鞍旁、其他位置（例如第三脑室）），
• 三侧视网膜母细胞瘤的治疗，
• 如果初次报告不清楚：死亡原因（三侧视网膜母细胞瘤、治疗副作用、其他），
• （种系）RB1 突变的详细信息。
• 居住国家，
• 视网膜母细胞瘤家族史，
• 当诊断出三侧视网膜母细胞瘤时，患者有症状还是无症状（如果有症状：症状是什么？ 如果无症状：肿瘤是如何诊断的），
• 有关三侧视网膜母细胞瘤确认的信息（例如活检、脑脊液、治疗反应、疾病进展），
• 三侧视网膜母细胞瘤的治疗，
• 治疗的目的是治愈（积极治疗）还是姑息治疗，
• 肿瘤的最大直径（毫米），
• 诊断时三侧视网膜母细胞瘤已转移，
• 此案例是否已发表（如果是：在哪里？），
• 初始提交阶段丢失的数据也将被再次请求。

如果可行，还将询问所有中心是否可以回顾性提供 2024 年未诊断出视网膜母细胞瘤、2020 年至 2027 年诊断出患有三侧视网膜母细胞瘤的三侧视网膜母细胞瘤患者的数据。

结果衡量

将按以下方式分析三侧视网膜母细胞瘤的发病率和危险因素（2024年诊断为视网膜母细胞瘤的病例和对照）：

• 所有视网膜母细胞瘤患者、双侧视网膜母细胞瘤患者和可遗传性视网膜母细胞瘤患者中松果体和非松果体三侧视网膜母细胞瘤的总体发病率（所有患有双侧或三侧视网膜母细胞瘤、家族性视网膜母细胞瘤或已证明种系 RB1 突变的患者将被视为可遗传），
• 估计低收入国家三侧视网膜母细胞瘤可能诊断不足，
• 将分析发病率的潜在因素（发生三侧视网膜母细胞瘤的风险）：松果体与非松果体三侧视网膜母细胞瘤、诊断视网膜母细胞瘤时的年龄（例如，<或≥12个月）、国家收入水平。

单纯三侧视网膜母细胞瘤的生存分析（2024年至2027年诊断为三侧视网膜母细胞瘤的所有病例）：

• 将分析总体和三侧视网膜母细胞瘤特异性生存率，
• 生存的潜在预测因素（例如，松果体与非松果体三侧视网膜母细胞瘤、肿瘤大小、视网膜母细胞瘤既往治疗、三侧视网膜母细胞瘤治疗、有症状与无症状、RB1 突变、积极治疗、转移性疾病、国家收入水平）。

整个视网膜母细胞瘤队列（2024-2027年诊断为视网膜母细胞瘤的病例和对照）中三侧视网膜母细胞瘤的生存分析：

• 三侧视网膜母细胞瘤死亡率与其他原因死亡率的比较（也按国家收入水平和AL与非松果体三侧视网膜母细胞瘤进行分层），
• 无事件生存率（事件定义为三侧视网膜母细胞瘤诊断）（也按国家收入水平和非松果体三侧视网膜母细胞瘤进行分层），
• 将分析无事件生存期的潜在预测因素（视网膜母细胞瘤诊断时的年龄、既往全身化疗、既往外照射放疗、国家收入水平）。

其他分析（2024年至2027年诊断出三侧视网膜母细胞瘤的所有病例）：

• 验证视网膜母细胞瘤和三侧视网膜母细胞瘤诊断年龄之间的独立性，
• 验证视网膜母细胞瘤患者有患三侧视网膜母细胞瘤风险的时期，
• 如果视网膜母细胞瘤的诊断是在 12 个月之前，那么三侧视网膜母细胞瘤是否通常会在较晚的日期被诊断出来，
• 评估并更准确地估计先前估计的有症状和无症状三侧视网膜母细胞瘤之间约 1 年的时间。

一个国家的收入水平将根据联合国经济和社会事务部当时最新的世界人口前景来确定。

统计分析

发生率将报告为具有 95% 精确二项式置信区间的比例。 将创建三侧视网膜母细胞瘤的累积发病率曲线，在未诊断出三侧视网膜母细胞瘤的情况下解释其他原因导致的死亡。

进行了总生存期（全因死亡率）、疾病特异性生存期和无事件生存期。 事件被定义为被诊断患有三侧视网膜母细胞瘤。

Kaplan-Meier 乘积极限法和对数秩检验将用于分析生存数据。 将采用 Cox 比例风险模型来分析潜在的预测因素。 Schoenfeld 残差将用于检查模型的比例假设。

研究人员对每个病例​​都有一个唯一的标识符，用于根据中心进行分层，以解释这些中心之间的异质性。

在进行亚组分析时，将显示原始 P 值，以及根据 Bonferroni 方法针对多重假设检验校正的调整后 P 值。