Large-scale retrospective study of positive surgical margins in esophageal squamous cell carcinoma and the establishment and validation of a clinical predictive model

doi:10.3877/cma.j.issn.2095-8773.2024.01.04

Abstract

Abstract:

Objective

Esophageal squamous cell carcinoma (ESCC) has a high incidence and mortality rate in China. The presence of positive surgical margins (PSM) after surgery suggests a poor prognosis. Therefore, this study aims to establish a feasible clinical prediction model to predict and verify the likelihood of PSM after surgery in ESCC patients.

Methods

By searching the Sichuan Cancer Hospital and Institute Esophageal Cancer Case Management Database (SCH-ECCM database) from January 2010 to December 2017, a total of 2 846 patients who underwent ESCC radical surgery at the hospital were reviewed. After retrospectively analyzing the postoperative pathological data and clinical information, patients who have visible residual tumor on the surgical margin with the naked eye (R2) or microscopic residual tumor (R1) are identified and defined as having PSM. Logistic regression analysis was used to determine independent risk factors. Nomogram was used to construct a predictive model, and a calibration curve was plotted to compare actual risk with predicted risk. A decision curve analysis (DCA) was performed to evaluate the clinical utility of nomogram. Receiver operating characteristic (ROC) curve can be plotted to evaluate the validity of prediction model, and Bootstrap Method was used for internal validation.

Results

This study included 205 patients (7.2%) diagnosed with PSM. Logistic regression analysis showed that gender, number of lymph nodes examined, tumor location, pathological TNM stage, and thoracic surgical incision were independent risk factors for PSM. We used a nomogram to evaluate the performance of the predictive model, with a ROC area of 0.796 (95% CI 0.763~0.828, P<0.001) and a calibration curve showing good consistency between predicted and actual probabilities.

Conclusions

PSM is one of the important factors that influence postoperative treatment decisions and prognosis of patients. The nomogram we established to predict positive resection margin in patients with esophageal squamous cell carcinoma has potential clinical application value for preoperative assessment and treatment decision-making.

Key words: Esophageal squamous cell carcinoma, Surgical margin, Nomogram, Tumor residue, Prediction model

Zhiyu Li, Changding Li, Xin Nie, Kunhan Ni, Yongtao Han, Xuefeng Leng. Large-scale retrospective study of positive surgical margins in esophageal squamous cell carcinoma and the establishment and validation of a clinical predictive model[J]. Chinese Journal of Thoracic Surgery(Electronic Edition), 2024, 11(01): 31-39.

/ / Recommend

Add to citation manager EndNote|Ris|BibTeX

URL: https://zhxbwkdzzz.cma-cmc.com.cn/EN/10.3877/cma.j.issn.2095-8773.2024.01.04

https://zhxbwkdzzz.cma-cmc.com.cn/EN/Y2024/V11/I01/31

Figures/Tables 6

References 16

1	Uhlenhopp DJ，Then EO，Sunkara T，et al．Epidemiology of esophageal cancer: update in global trends, etiology and risk factors[J]．Clin J Gastroenterol，2020，13（6）：1010-1021．
2	Bray F，Ferlay J，Soerjomataram I，et al．Global cancer statistics 2018: GLOBOCAN estimates of incidence and mortality worldwide for 36 cancers in 185 countries[J]．CA Cancer J Clin，2018，68（6）：394-424．
3	Ghadban T，Reeh M，Koenig AM，et al．Prognostic Significant or Not? The Positive Circumferential Resection Margin in Esophageal Cancer: Impact on Local Recurrence and Overall Survival in Patients Without Neoadjuvant Treatment[J]．Ann Surg，2017，266（6）：988-994．
4	Pucher PH，Green M，Bateman AC，et al．Variation in histopathological assessment and association with surgical quality indicators following oesophagectomy[J]．Br J Surg，2021，108（1）：74-79．
5	Markar SR，Gronnier C，Duhamel A，et al．Significance of Microscopically Incomplete Resection Margin After Esophagectomy for Esophageal Cancer[J]．Ann Surg，2016，263（4）：712-718．
6	Yang Z，Lin H，Wang Z，et al．The prognostic significance of the circumferential resection margin in esophageal squamous cell carcinoma patients without neoadjuvant treatment[J]．BMC Cancer，2022，22（1）：1180．
7	Worrell SG．Esophageal Cancer and Surgical Margins: When a Positive Is a Negative[J]．Ann Surg Oncol，2020，27（5）：1316-1317．
8	Javidfar J，Speicher PJ，Hartwig MG，et al．Impact of Positive Margins on Survival in Patients Undergoing Esophagogastrectomy for Esophageal Cancer[J]．Ann Thorac Surg，2016，101（3）：1060-1067．
9	Wu J，Hu Y，Xu L．Positive circumferential resection margin in locally advanced esophageal cancer: an updated systematic review and meta-analysis[J]．Updates Surg，2022，74（4）：1187-1197．
10	Orosco RK，Tapia VJ，Califano JA，et al．Positive Surgical Margins in the 10 Most Common Solid Cancers[J]．Sci Rep，2018，8（1）：5686．
11	Defize IL，Goense L，Borggreve AS，et al．Risk Factors for Tumor Positive Resection Margins After Neoadjuvant Chemoradiotherapy for Esophageal Cancer: Results From the Dutch Upper GI Cancer Audit: A Nationwide Population-Based Study[J]．Ann Surg，2023，277（2）：e313-e319．
12	Darwish MB，Nagatomo K，Jackson T，et al．Minimally Invasive Esophagectomy for Achieving R0[J]．JSLS，2020，24（4）：e2020.00060．
13	Schlick CJR，Khorfan R，Odell DD，et al．Margin Positivity in Resectable Esophageal Cancer: Are there Modifiable Risk Factors?[J]．Ann Surg Oncol，2020，27（5）：1496-1507．
14	Schlick CJR，Bentrem DJ．ASO Author Reflections: Margin Positivity Following Esophageal Cancer Resection is Associated with Treatment Decisions[J]．Ann Surg Oncol，2020，27（5）：1508-1509．
15	Saddoughi SA，Mitchell KG，Antonoff MB，et al．Analysis of Esophagectomy Margin Practice and Survival Implications[J]．Ann Thorac Surg，2022，113（1）：209-216．
16	Li HX，Zheng XY，Tian D．Intraoperative Esophagectomy Positive Margins: Re-Resection or Not?[J]．Ann Thorac Surg，2022，113（4）：1390-1391．

基线特征	R0（n＝2 641）	非R0（n＝205）	P
性别[例（%）]			0.060
女	498（18.9）	23（11.2）
男	2 143（81.1）	182（88.8）
年龄[岁，中位数（范围）]	62（34～90）	61（35～81）	0.237
KPS[例（%）]			0.165
<90	1 118（42.3）	97（47.3）
≥90	1 523（57.7）	108（52.7）
BMI[kg/m²，中位数（范围）]	21.16（12.19～35.14）	20.55（14.98～28.62）	0.001
肿瘤位置[例（%）]			<0.001
上段	632（23.9）	85（41.5）
中段	1 428（54.1）	88（42.9）
下段	581（22.0）	32（15.6）
病理T分期[例（%）]			<0.001
T1	331（12.5）	13（6.3）
T2	514（19.5）	29（14.1）
T3	1 608（60.9）	74（36.1）
T4	188（7.1）	89（43.4）
病理N分期[例（%）]			<0.001
N0	1 212（45.9）	63（30.7）
N1	770（29.2）	55（26.8）
N2	446（16.9）	49（23.9）
N3	213（8.1）	38（18.5）
病理TNM分期[例（%）]			<0.001
Ⅰ	331（12.5）	8（3.9）
Ⅱ	878（33.2）	28（13.7）
Ⅲ	1 154（43.7）	92（44.9）
Ⅳ	278（10.5）	77（37.6）
淋巴结清扫数目[中位数（范围）]	20（0～112）	17（0～54）	0.001
脉管浸润[例（%）]			0.213
是	439（16.6）	41（20.0）
否	2 202（83.4）	164（80.0）
神经侵犯[例（%）]			0.865
是	477（18.1）	38（18.5）
否	2 164（81.9）	167（81.5）
多灶性病变[例（%）]			<0.001
是	83（3.1）	189（92.2）
否	2 558（96.9）	16（7.8）
手术方式[例（%）]			<0.001
开放	1 327（50.2）	159（77.6）
腔镜	1 314（49.8）	46（22.4）
吻合部位[例（%）]			0.306
颈部	1 896（71.8）	154（75.1）
胸部或腹部	745（28.2）	51（24.9）
术前治疗[例（%）]			0.010
是	54（2.0）	12（5.9）
否	2 587（98.0）	193（94.1）

基线特征	R0（n＝2 641）	非R0（n＝205）	P
性别[例（%）]			0.060
女	498（18.9）	23（11.2）
男	2 143（81.1）	182（88.8）
年龄[岁，中位数（范围）]	62（34～90）	61（35～81）	0.237
KPS[例（%）]			0.165
<90	1 118（42.3）	97（47.3）
≥90	1 523（57.7）	108（52.7）
BMI[kg/m²，中位数（范围）]	21.16（12.19～35.14）	20.55（14.98～28.62）	0.001
肿瘤位置[例（%）]			<0.001
上段	632（23.9）	85（41.5）
中段	1 428（54.1）	88（42.9）
下段	581（22.0）	32（15.6）
病理T分期[例（%）]			<0.001
T1	331（12.5）	13（6.3）
T2	514（19.5）	29（14.1）
T3	1 608（60.9）	74（36.1）
T4	188（7.1）	89（43.4）
病理N分期[例（%）]			<0.001
N0	1 212（45.9）	63（30.7）
N1	770（29.2）	55（26.8）
N2	446（16.9）	49（23.9）
N3	213（8.1）	38（18.5）
病理TNM分期[例（%）]			<0.001
Ⅰ	331（12.5）	8（3.9）
Ⅱ	878（33.2）	28（13.7）
Ⅲ	1 154（43.7）	92（44.9）
Ⅳ	278（10.5）	77（37.6）
淋巴结清扫数目[中位数（范围）]	20（0～112）	17（0～54）	0.001
脉管浸润[例（%）]			0.213
是	439（16.6）	41（20.0）
否	2 202（83.4）	164（80.0）
神经侵犯[例（%）]			0.865
是	477（18.1）	38（18.5）
否	2 164（81.9）	167（81.5）
多灶性病变[例（%）]			<0.001
是	83（3.1）	189（92.2）
否	2 558（96.9）	16（7.8）
手术方式[例（%）]			<0.001
开放	1 327（50.2）	159（77.6）
腔镜	1 314（49.8）	46（22.4）
吻合部位[例（%）]			0.306
颈部	1 896（71.8）	154（75.1）
胸部或腹部	745（28.2）	51（24.9）
术前治疗[例（%）]			0.010
是	54（2.0）	12（5.9）
否	2 587（98.0）	193（94.1）

基线特征	单因素分析		多因素分析
基线特征	OR（95%CI）	P	OR（95%CI）	P
性别		0.007		0.008
女	Ref.		Ref.
男	1.839（1.179～2.868）		1.952（1.194～3.189)
年龄	0.989（0.973～1.006）	0.218
KPS		0.165
<90	Ref.
≥90	0.817（0.615～1.087）
BMI	0.922（0.877～0.97）	0.002	0.966（0.911～1.024)	0.242
肿瘤位置		<0.001		<0.001
上段	Ref.		Ref.
中段	0.458（0.335～0.626）	<0.001	0.393（0.273～0.564)	<0.001
下段	0.411（0.269～0.624）	<0.001	0.293（0.18～0.475)	<0.001
pT分期		<0.001		<0.001
T1	Ref.		Ref.
T2	1.437（0.736～2.803）	0.288	0.442（0.176～1.114)	0.083
T3	1.172（0.642～2.138）	0.605	0.256（0.102～0.612)	0.002
T4	12.054（6.557～22.158）	<0.001	1.294（0.464～3.608)	0.622
pN分期		<0.001		0.107
N0	Ref.		Ref.
N1	1.374（0.947～1.995）	0.095	0.508（0.269～0.957)	0.036
N2	2.114（1.433～3.118）	<0.001	0.753（0.341～1.651)	0.475
N3	3.432（2.237～5.266）	<0.001	0.708（0.214～2.342)	0.571
pTNM分期		<0.001		<0.001
Ⅰ	Ref.		Ref.
Ⅱ	1.319（0.595～2.924）	0.495	2.983（1.000～8.892)	0.050
Ⅲ	3.299（1.585～6.863）	0.001	9.102（2.524～32.826)	0.001
Ⅳ	11.46（5.439～24.147）	<0.001	16.288（3.664～72.401)	<0.001
淋巴结清扫个数	0.978（0.965～0.992）	0.002	0.965（0.948～0.983)	<0.001
脉管浸润		0.214
是	Ref.
否	0.797（0.558～1.14）
神经浸润		0.865
是	Ref.
否	0.969（0.672～1.397）
多灶性病变		0.001		0.063
是	Ref.		Ref.
否	0.383（0.22～0.668）		0.548 (0.29～1.033)
手术方式		<0.001		<0.001
开放	Ref.		Ref.
腔镜	0.292（0.209～0.409）		0.349 (0.233～0.523)
吻合部位		0.307
颈部	Ref.
胸部或腹部	0.843（0.607～1.170）
术前治疗		0.001		0.195
是	Ref.		Ref.
否	0.336（0.177～0.638）		0.607 (0.286～1.291)

基线特征	单因素分析		多因素分析
基线特征	OR（95%CI）	P	OR（95%CI）	P
性别		0.007		0.008
女	Ref.		Ref.
男	1.839（1.179～2.868）		1.952（1.194～3.189)
年龄	0.989（0.973～1.006）	0.218
KPS		0.165
<90	Ref.
≥90	0.817（0.615～1.087）
BMI	0.922（0.877～0.97）	0.002	0.966（0.911～1.024)	0.242
肿瘤位置		<0.001		<0.001
上段	Ref.		Ref.
中段	0.458（0.335～0.626）	<0.001	0.393（0.273～0.564)	<0.001
下段	0.411（0.269～0.624）	<0.001	0.293（0.18～0.475)	<0.001
pT分期		<0.001		<0.001
T1	Ref.		Ref.
T2	1.437（0.736～2.803）	0.288	0.442（0.176～1.114)	0.083
T3	1.172（0.642～2.138）	0.605	0.256（0.102～0.612)	0.002
T4	12.054（6.557～22.158）	<0.001	1.294（0.464～3.608)	0.622
pN分期		<0.001		0.107
N0	Ref.		Ref.
N1	1.374（0.947～1.995）	0.095	0.508（0.269～0.957)	0.036
N2	2.114（1.433～3.118）	<0.001	0.753（0.341～1.651)	0.475
N3	3.432（2.237～5.266）	<0.001	0.708（0.214～2.342)	0.571
pTNM分期		<0.001		<0.001
Ⅰ	Ref.		Ref.
Ⅱ	1.319（0.595～2.924）	0.495	2.983（1.000～8.892)	0.050
Ⅲ	3.299（1.585～6.863）	0.001	9.102（2.524～32.826)	0.001
Ⅳ	11.46（5.439～24.147）	<0.001	16.288（3.664～72.401)	<0.001
淋巴结清扫个数	0.978（0.965～0.992）	0.002	0.965（0.948～0.983)	<0.001
脉管浸润		0.214
是	Ref.
否	0.797（0.558～1.14）
神经浸润		0.865
是	Ref.
否	0.969（0.672～1.397）
多灶性病变		0.001		0.063
是	Ref.		Ref.
否	0.383（0.22～0.668）		0.548 (0.29～1.033)
手术方式		<0.001		<0.001
开放	Ref.		Ref.
腔镜	0.292（0.209～0.409）		0.349 (0.233～0.523)
吻合部位		0.307
颈部	Ref.
胸部或腹部	0.843（0.607～1.170）
术前治疗		0.001		0.195
是	Ref.		Ref.
否	0.336（0.177～0.638）		0.607 (0.286～1.291)

[1]	Guo Sun, Yingdong Xie, Chaoli Xu, Bin Yang. Clinical value of a nomogram based on ultrasonic and clinical features for predicting central and lateral cervical lymph node metastases of thyroid papillary carcinoma [J]. Chinese Journal of Medical Ultrasound (Electronic Edition), 2023, 20(07): 734-742.
[2]	Fangming Yao, Yingying Jiao, Mincong He, Zijun Zeng, Xiaoming He, Liangyan Liu, Wei He, Qiushi Wei, Wengang Liu. Incidence and analysis of characteristics of sarcopenia in patients with knee osteoarthritis [J]. Chinese Journal of Joint Surgery(Electronic Edition), 2024, 18(01): 30-38.
[3]	Lisheng Yang, Mengluan Liu, Weidan Ren, Guosheng Jiang, Guiwei Liu. Prognostic value of a prediction model for colorectal cancer liver metastasis based on serum tumor markers [J]. Chinese Archives of General Surgery(Electronic Edition), 2024, 18(01): 39-43.
[4]	Xiaomei Wang, Bing Liu, Liqiong Ma, Zujing Lu, Jianjun Miao. Development and analysis of clinical application effect of a prognostic nomogram based on LASSO-Cox regression in patients with non-mild acute pancreatitis [J]. Chinese Archives of General Surgery(Electronic Edition), 2024, 18(01): 44-50.
[5]	Jun Zhang, Zai Luo, Mingyu Duan, Zhengjun Qiu, Chen Huang. Research progress of prognostic prediction models for gastric cancer [J]. Chinese Archives of General Surgery(Electronic Edition), 2023, 17(06): 456-461.
[6]	Xu Tang, Bing Han, Wei Liu, Ruxing Chen. Analysis of risk factors for metachronous liver metastases after radical colorectal cancer surgery and construction of a predictive model [J]. Chinese Journal of Operative Procedures of General Surgery(Electronic Edition), 2024, 18(01): 16-20.
[7]	Zibo Zhen, Jinhu Liu. To explore the influencing factors of postoperative intestinal dysfunction in patients undergoing laparoscopic cholecystectomy under intravenous general anesthesia based on the nomogram model [J]. Chinese Journal of Operative Procedures of General Surgery(Electronic Edition), 2024, 18(01): 61-65.
[8]	Huasheng Liu, Longbo Zheng, Chen Qin, Weiqin Wang, Xuefeng Zheng, Jinlong Ma, Zheng Ma, Hongxia Wang, Lei Liu, Jilin Hu. Development of a nomogram prediction model for the risk of permanent sigmoid parastomal hernia based on radiologic predictors [J]. Chinese Journal of Hernia and Abdominal Wall Surgery(Electronic Edition), 2024, 18(01): 75-82.
[9]	Xiaoyi Chen, Xuexia Yin, Jing Liu, Guosong Wu. Risk factors and predictive analysis of obstructive sleep apnea-hypopnea syndrome complicated with pulmonary hypertension [J]. Chinese Journal of Lung Diseases(Electronic Edition), 2024, 17(01): 41-45.
[10]	Liguang Wang, Qing Yan, Shan Liao, Rongdang Fu, Huanwei Chen. Effect of microvascular invasion and surgical margin on postoperative survival and prognosis of patients with hepatocellular carcinoma [J]. Chinese Journal of Hepatic Surgery(Electronic Edition), 2024, 13(02): 151-157.
[11]	Zhen Sun, Tianhua Tan, Yangyang Zheng, Zhe Li, Jinghai Song. Establishment of prediction model for microvascular invasion of hepatocellular carcinoma based on preoperative fibrinogen-to-albumin ratio [J]. Chinese Journal of Hepatic Surgery(Electronic Edition), 2024, 13(01): 27-32.
[12]	Xiaofan Pan, Qinyi Xu, Jin Lu, Dan Wang, Lulu Liu, Wanli Dong. Risk factors analysis of cerebral hernia after interventional surgery for ruptured intracranial aneurysms [J]. Chinese Journal of Brain Diseases and Rehabilitation(Electronic Edition), 2024, 14(01): 37-44.
[13]	Bingbing Li, Xiaomeng Zhang, Yan Zhang. Progress in research of fall assessment tools and risk prediction models for hospitalized patients [J]. Chinese Journal of Clinicians(Electronic Edition), 2023, 17(11): 1192-1195.
[14]	Wenxin Xue, Wanying Chang, Yao Xiao, Panpan Zhang, Xiaozhi Dang, Hongping Song. Construction and external validation of nomogram prediction model for malignant non-mass breast lesions [J]. Chinese Journal of Clinicians(Electronic Edition), 2023, 17(10): 1045-1050.
[15]	Linyuan Wang, Xin Xiong, Kun Yang, Yongzhi Deng. The value of radiomics nomogram based on coronary CT angiography in differential diagnosis of vulnerable plaques [J]. Chinese Journal of Diagnostics(Electronic Edition), 2024, 12(01): 1-8.

Please choose a citation manager

Content to export