-
摘要:目的
寻找结肠癌淋巴结转移的相关风险基因,并构建由基因组成的列线图(nomogram)预测模型。
方法从TCGA和GEO数据库下载基因测序数据,利用差异分析和LASSO回归方法筛选基因。利用赤池信息准则确定最优的nomogram模型,ROC曲线、校准曲线及拟合优度检验评估模型预测的准确性,决策曲线分析评估临床应用价值。
结果通过筛选得到11个有效预测结肠癌淋巴结转移的基因。由年龄、病理T分期、TH、CDH4、PNMA6A、TNNC1、KIR2DL4、STUM、SFTA2构成的nomogram模型具有最小的AIC值(440.4)。内部评估模型AUC值为0.800,外部验证AUC值为0.664,校准度及拟合优度均较佳。临床决策曲线分析法评估基于nomogram模型的风险判断可以带来临床获益。
结论共筛选出11个结肠癌淋巴结转移的风险基因。构建的nomogram预测模型的一致性和区分度良好,可帮助评估患者淋巴结转移状态。
Abstract:ObjectiveTo find out the risk genes related to lymph node metastasis of colon cancer and construct a nomogram model to predict lymph node metastasis.
MethodsGenome sequencing data were downloaded from TCGA and GEO databases, and candidate genes were screened by differential expressed gene analysis and LASSO regression. AIC was used to determine the optimal nomogram model. ROC curve, calibration curve and Hosmer-Lemeshow test were used to evaluate the accuracy of the model. Decision curve analysis was used to evaluate the clinical utility.
ResultsEleven genes which could effectively predict lymph node metastasis of colon cancer were obtained through LASSO regression. According to the results of stepwise regression, the model composed of age, pathological T stage, TH, CDH4, PNMA6A, TNNC1, KIR2DL4, STUM and SFTA2 had the minimum AIC value (440.4). The AUC value of internal evaluation was 0.800, and that of external verification was 0.664. In model evaluation, the calibration and Hosmer-Lemeshow test showed favorable performance. Decision curve analysis showed nomogram model could bring clinical benefits for predicting lymph nodes metastasis.
ConclusionEleven risk genes of lymph node metastasis of colon cancer are selected and a nomogram model is constructed. The model has favorable performance in discriminative and calibration abilities to help evaluate the status of lymph node metastasis of colon cancer patients.
-
Key words:
- Colon cancer /
- Lymph nodes metastasis /
- Nomogram model /
- Decision curve analysis
-
0 引言
受环境污染、生活习惯改变、人口老龄化等因素的影响, 全球恶性肿瘤患者人数不断增多已成为当今阻碍人类寿命增长的主要疾病[1]。ABRAMS等对1 000例死于恶性肿瘤的患者进行尸检发现, 有494例出现肝脏转移, 肝转移性肿瘤是影响预后的重要因素[2-4]。恶性肿瘤的主要临床治疗方法有手术、放疗、化疗、靶向治疗、免疫疗法和中医治疗。化疗和放疗在抑制肿瘤细胞增殖的同时, 也会破坏机体自身的免疫功能, 进而降低肿瘤患者的生活质量[5-6]。减少肝脏转移, 减轻放化疗的不良反应, 对于提高患者的生活质量, 延长患者的生存期显得尤为重要。
中医药的整体调理, 在增强机体免疫功能、提高生活质量、减轻放化疗不良反应、抑制或延缓肿瘤进展、延长生存期等方面有着单纯西医治疗无法替代的优势。基于"扶正培本"的治疗法则, 与现代临床免疫学相结合的中西医结合治疗观念的兴起, 作为肝转移瘤综合治疗中的重要补充手段, 中成药金龙胶囊与放化疗相结合显示出良好的疗效。本研究通过对金龙胶囊联合放化疗治疗肝转移瘤的疗效进行分析和系统评价, 以期为治疗恶性肿瘤的合理化、规范化用药提供一定的循证医学证据。
1 资料与方法
1.1 文献检索
根据Cochrane指南, 对PubMed、CNKI、维普、万方和CBM数据库进行全面的检索, 检索时间从建库至2019年2月。检索词为:Jin-long capsule、liver metastases、Liver tumor、Liver cancer、hepatic secondary tumors、Liver Metastases Randomized Controlled Trials、金龙胶囊、肝转移、肝肿瘤、肝癌、肝继发瘤、肝转移瘤, 研究方法为随机对照试验, 语种不限。
1.2 文献纳入标准
(1) 随机对照临床试验; (2)患者经临床病理和细胞学检查确诊为恶性肿瘤, 并发生肝转移; (3)患者随机分为实验组和对照组, 对照组单纯进行放化疗, 实验组在放化疗的基础上口服金龙胶囊。
1.3 文献排除标准
(1) 对每篇文献都进行质量评估, 对质量评估差的文献予以剔除; (2)重复报告者, 剔除先前报道的文献; (3)非随机对照临床试验剔除; (4)研究对象基线资料不一致, 没有可比性予以剔除; (5)数据不完整、没有数据或者不能获取全文的予以剔除。
1.4 质量评价
纳入研究的文献质量由2位作者根据Cochrane系统评价手册评定。包括7方面评定依据:随机方法、分配隐藏、受试者盲法结果、评价盲法、结果数据完整性、选择性报告和其他偏倚。
1.5 统计学方法
通过Rveman5.3进行数据统计。采用卡方检验分析纳入研究间的异质性, 如果I2 < 50%, P>0.1, 表明各研究间不存在显著的统计学异质性, 采用固定效应模型; 如果I2 ≥ 50%, P≤0.1, 表明各研究间存在显著的统计学异质性, 采用随机效应模型, 并根据文献分析可能存在的异质性因素。
2 结果
2.1 研究特点
最终8个研究被纳入分析, 见图 1。其基本情况, 见表 1。
表 1 纳入研究的基本情况Table 1 Basic information of included literatures2.2 质量评价
随机方法:纳入的8个研究均为随机对照实验, 但所有研究均未描述隐藏分组及盲法的具体方法和过程, 仅提及"随机"并未描述具体方法。结果评价盲法:8项研究均未提及结果评价盲法, 但均使用了客观指标。结果数据完整性:8项研究病例数据均完整。选择性报告:结局指标均完整纳入。纳入研究的质量评价, 见表 2。结果表明, 纳入此Meta分析的研究质量水平低, 鉴于文献质量, 有一定的偏倚风险。
表 2 纳入文献的质量评价表Table 2 Quality evaluation form of included studies2.3 疗效
纳入的8个研究均报道了疗效, 并均采用实体瘤评判标准。异质性检验结果表明, 各研究间不存在显著性差异(χ2=4.44, P=0.73, I2=0), 采用固定效应模型进行Meta分析。结果显示, 与单纯放化疗组相比, 金龙胶囊联合放化疗治疗肝转移瘤的客观有效率明显提高(RD(risk difference)=0.14, 95% CI:0.05~0.23, P=0.002), 见图 2。
2.4 恶心呕吐发生率
纳入的研究中有3个研究报道了恶心呕吐情况, 异质性检验结果表明各研究间不存在显著性差异(χ2=2.04, P=0.36, I2=2%), 采用固定效应模型进行Meta分析。结果显示, 与单纯放化疗组相比, 金龙胶囊联合放化疗治疗肝转移瘤的恶心呕吐发生情况明显减少(OR=0.46, 95% CI:0.25~0.85, P=0.01), 见图 3。
2.5 腹痛发生率
纳入的研究中有3个研究报道了腹痛情况, 异质性检验结果表明各研究间不存在显著性差异(χ2=1.64, P=0.44, I2=0), 采用固定效应模型进行Meta分析。结果显示, 与单纯放化疗组相比, 金龙胶囊联合放化疗治疗肝转移瘤的客观腹痛发生情况明显减少(OR=0.53, 95% CI:0.28~1.01, P=0.05), 见图 4。
2.6 免疫细胞含量
2.6.1 血清T细胞CD3
纳入的8篇文献中有3篇记录了治疗前后T细胞CD3含量的变化, Meta分析结果显示异质性较大(χ2=14.76, P=0.0006, I2=86%), 选用随机效应模型, 均数差(SMD合并)的合并效应量为1.86, 95% CI:0.86~2.87, 认为与单纯放化疗组相比, 金龙胶囊联合放化疗治疗肝转移瘤对降低免疫系统的损伤, 帮助免疫功能恢复更有效果, 其异质性高(I2=86%), 该结论可信度较低, 见图 5。
2.6.2 血清T细胞CD4
纳入的8篇文献中有3篇记录了治疗前后T细胞CD4含量的变化。结果显示异质性较大(χ2=3.22, P=0.20, I2=38%), 选用固定效应模型, 均数差(SMD合并)的合并效应量为1.01, 95% CI:0.69~1.33, 认为与单纯放化疗组相比, 金龙胶囊联合放化疗治疗肝转移瘤对降低免疫系统的损伤, 帮助免疫功能恢复更有效果, 其异质性低(I2=38%), 该结论可信度较高, 见图 6。
2.6.3 血清T细胞CD8
纳入的8篇文献中有3篇记录了治疗前后T细胞CD8含量的变化。结果显示异质性较大(χ2=15.50, P=0.0004, I2=87%), 选用随机效应模型, 均数差(SMD合并)的合并效应量为0.15, 95% CI:-0.71~1.01, 差异无统计学意义(P=0.73), 见图 7。
2.6.4 血清T细胞CD4/CD8比值
纳入的8篇文献中有3篇记录了治疗前后T细胞CD4/CD8含量的变化。结果显示异质性较大(χ2=0.72, P=0.70, I2=0), 选用固定效应模型, 均数差(SMD合并)的合并效应量为0.30, 95% CI:0.23~0.37, 认为与单纯放化疗组相比, 金龙胶囊联合放化疗治疗肝转移瘤对降低免疫系统的损伤, 帮助免疫功能恢复更有效果, 其异质性低(I2=0), 该结论可信度高, 见图 8。
2.7 发表偏倚分析
采用漏斗图评价可能存在的发表性偏倚。因有效率定量分析中包含本研究的8篇文献, 绘制漏斗图可以看出大部分研究处于"倒漏斗"的中部, 且左右大致对称, 表明发表偏倚不明显, 见图 9。
2.8 敏感度分析
对3组CD3、CD4和CD8的Meta分析所纳入的文献进行逐一排除, 并同时进行分析, 得到3项研究各自的敏感度分析结果, 发现排除蔡茂红[11]后, 其亚组异质性统计量I2分别从86%(χ2=14.76, P=0.0006)、38%(χ2=3.22, P=0.20)和87%(χ2=15.50, P=0.0004)下降至0(χ2=0.26, P=0.61)、0(χ2=0.09, P=0.76)和0(χ2=0.01, P=0.94), 其中CD8指标总效应经统计学分析, 其结果由差异无统计学意义(P=0.73)变为差异有统计学意义(P=0.003)。
2.9 生存期分析
纳入的8项研究仅有2项研究进行了长期随访, 因随访时间不一, 指标仅有一定参考意义, 有且只有2项研究, 故不作定量合成分析。其中孙保木等[7]长期随访两年, 最终对照组存活率4.7%, 实验组存活率23.8%, 差异有统计学意义。张晓前等[13]长期随访一年, 对照组生存率70%, 试验组生存率83%, 对照组有效患者无进展生存时间为7.8月, 试验组有效患者无进展生存期为11.3月。
3 讨论
肝转移瘤在临床上比较常见, 患者通常表现为肝脏进行性肿大并伴有肝区疼痛、消瘦、消化道症状。影像学表现肝内多个大小不等的结节, 无论从大小及数量上均快速增加。肿瘤压迫侵犯血管、胆管、神经, 造成门脉高压、黄疸及疼痛, 这与中医理论相契合。《素问五脏生成论》:"肝藏, 心行之, 人动则血运于诸经, 人静则血归于肝脏, ……肝主血海故也。"其病机演变过程为肿瘤毒邪在体内蕴藏, 入络客于血脉, 影响气、血、津、液的运行及输布, 此外肝气易郁结, 常易处于气郁血凝状态, 使脉络失于流畅, 导致毒滞络积聚, 引起络中气滞、血瘀或津凝等病理改变。
金龙胶囊以鲜守宫、鲜蕲蛇、鲜金钱白花蛇以2:1:1合理配比关系制成, 方中鲜守宫味咸, 性寒, 为君药, 入血分透筋达络、破瘀解毒散结、通经活络而止痛。鲜金钱白花蛇味咸, 性温、有毒, 为臣药, 具有通经络、止痉攻毒、破瘀散结止痛的作用, 辅助君药可加强破瘀散结、通络之功, 又能协同蕲蛇引药入肝经。鲜蕲蛇味甘咸, 性温, 入肝经, 为佐使药, 其性善走窜, 助君药滋阴破瘀散结, 加强臣药通络散结。全方配伍精当, 用二蛇之温制守宫寒, 用守宫之寒制二蛇之温, 相辅相成, 共奏抗肿瘤之功。大量临床研究证明金龙胶囊具有增强机体的细胞及体液免疫功能, 增强巨噬细胞、NK细胞活性, 增强LAK细胞、诱导干扰素、白介素肿瘤坏死因子、自然杀伤细胞的活性和淋巴因子的产生, 从而提高免疫功能达到抑制杀死肿瘤细胞的作用, 诱导肿瘤细胞凋亡, 提高疗效及生活质量, 减少患者的不良反应[15-21], 并对抑制肿瘤复发、自发转移、术后转移作用显著[22-23]。
从循证医学角度研究中医药临床疗效是中医药现代化重要组成部分, 本研究纳入文献仅8篇, 根据各项指标, 表明金龙胶囊能够有效提高肝转移瘤患者的临床疗效, 帮助免疫系统的恢复及减少对免疫系统的损伤和降低不良反应发生率, 据2项研究长期随访结果看, 存活率与无进展生存期试验组均占有优势。大多文献均发在中文杂志上, 存在根本上的发表偏倚。研究中纳入的8个研究质量普遍低, 均为中文文献, 均未交代具体的随机分组方法、分配隐藏及采取设盲的措施, 指标大同小异, 疗程周期长短不一致, 并且缺少长期性随访, 容易造成实施和测量偏倚, 所有的研究样本量普遍偏小, 8项研究中单个研究的总人数均较低, 8项研究的疗程基本在3月, 仅有孙保木与张晓前两项研究进行了长期随访, 但随访时间不一, 以上均降低了其检验效能。根据敏感度分析, 仔细审阅后发现基础治疗差异较大, 蔡茂红等未进行肝动脉栓塞, 可能为异质性产生的原因。受纳入试验数量和质量的限制, 仅以本系统评价为基础, 上述结论尚需开展更多大样本高质量的随机对照试验(RCT)进一步验证。将来应继续开展金龙胶囊联合放化疗治疗肝转移瘤的RCT, 进一步优化设计方案, 严格管理试验实施过程, 进行远期随访, 进一步评价金龙胶囊联合放化疗治疗肝转移瘤的疗效。本文受制于仅2项研究进行后期随访, 8项研究疗程3月, 疗程内与长期随访内无一例报道再发转移, 为后续研究关于金龙胶囊抑制肿瘤转移方面提供可能性。
综上所述, 金龙胶囊联合放化疗能够提高肝转移瘤患者的临床疗效、帮助免疫系统的恢复及减少对免疫系统的损伤和降低不良反应发生率。
Competing interests: The authors declare that they have no competing interests.作者贡献武杰、宋启斌:论文撰写、数据统计李岚、张惠博、吴思怡:论文撰写、文献收集 -
表 1 TCGA入选患者的临床特征基线表
Table 1 Clinical characteristics of included patients in TCGA database
表 2 11个风险基因的高低表达对淋巴结转移状态的OR值
Table 2 Odd ratio values of 11 risk genes expression (high vs. low) for lymph nodes metastasis
-
[1] Miller KD, Nogueira L, Mariotto AB, et al. Cancer treatment and survivorship statistics, 2019[J]. CA Cancer J Clin, 2019, 69(5): 363-385. doi: 10.3322/caac.21565
[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. http://www.ncbi.nlm.nih.gov/pubmed/30207593
[3] Siegel RL, Miller KD, Fedewa SA, et al. Colorectal cancer statistics, 2017[J]. CA Cancer J Clin, 2017, 67(3): 177-193. doi: 10.3322/caac.21395
[4] Lykke J, Rosenberg J, Jess P, et al. Lymph node yield and tumour subsite are associated with survival in stage Ⅰ-Ⅲ colon cancer: results from a national cohort study[J]. World J Surg Oncol, 2019, 17(1): 62.
[5] Fortea-Sanchis C, Martínez-Ramos D, Escrig-Sos J. The lymph node status as a prognostic factor in colon cancer: comparative population study of classifications using the logarithm of the ratio between metastatic and nonmetastatic nodes (LODDS) versus the pN-TNM classification and ganglion ratio systems[J]. BMC Cancer, 2018, 18(1): 1208. http://www.ncbi.nlm.nih.gov/pubmed/30514228
[6] Amri R, Klos CL, Bordeianou L, et al. The prognostic value of lymph node ratio in colon cancer is independent of resection length[J]. Am J Surg, 2016, 212(2): 251-257. http://europepmc.org/abstract/med/27156798
[7] Märkl B. Stage migration vs immunology: The lymph node count story in colon cancer[J]. World J Gastroenterol, 2015, 21(43): 12218-12233. http://qikan.cqvip.com/Qikan/Article/Detail?id=90888889504849535251484851
[8] Rollvén E, Blomqvist L, Öistämö E, et al. Morphological predictors for lymph node metastases on computed tomography in colon cancer[J]. Abdom Radiol (NY), 2019, 44(5): 1712-1721. doi: 10.1007/s00261-019-01900-z
[9] Subramanian A, Tamayo P, Mootha VK, et al. Gene set enrichment analysis: a knowledge-based approach for interpreting genome-wide expression profiles[J]. Proc Natl Acad Sci U S A, 2005, 102(43): 15545-15550.
[10] Ashburner M, Ball CA, Blake JA, et al. Gene ontology: tool for the unification of biology. The Gene Ontology Consortium[J]. Nat Genet, 2000, 25(1): 25-29. http://www.biomedcentral.com/pubmed/10802651
[11] Kanehisa M, Goto S, Sato Y, et al. KEGG for integration and interpretation of large-scale molecular data sets[J]. Nucleic Acids Res, 2012, 40(Database issue): D109-D114. http://www.bioone.org/servlet/linkout?suffix=bibr32&dbid=8&doi=10.1603%2FME12155&key=22080510
[12] Sauerbrei W, Royston P, Binder H. Selection of important variables and determination of functional form for continuous predictors in multivariable model building[J]. Stat Med, 2007, 26(30): 5512-5528. doi: 10.1002/sim.3148
[13] Fitzgerald M, Saville BR, Lewis RJ. Decision curve analysis[J]. JAMA, 2015, 313(4): 409-410. http://search.ebscohost.com/login.aspx?direct=true&db=aph&AN=100752161&site=ehost-live
[14] Vickers AJ, Elkin EB. Decision curve analysis: a novel method for evaluating prediction models[J]. Med Decis Making, 2006, 26(6): 565-574. http://www.bmj.com/lookup/ijlink?linkType=ABST&journalCode=spmdm&resid=26/6/565&atom=%2Fbmj%2F351%2Fbmj.h5948.atom
[15] Balachandran VP, Gonen M, Smith JJ, et al. Nomograms in oncology: more than meets the eye[J]. Lancet Oncol, 2015, 16(4):e173-e180. http://www.sciencedirect.com/science/article/pii/s1470204514711167
[16] 刘晓燕, 汤海涛, 王修中, 等.早期胃癌患者ESD术后并发肺炎相关因素分析及风险模型预测[J].肿瘤防治研究, 2019, 46(10): 916-920. doi: 10.3971/j.issn.1000-8578.2019.19.0337 Liu XY, Tang HT, Wang XZ, et al. Related Factors and Risk Model Prediction of Pneumonia After ESD in Patients with Early Gastric Cancer[J]. Zhong Liu Fang Zhi Yan Jiu, 2019, 46(10): 916-920. doi: 10.3971/j.issn.1000-8578.2019.19.0337
[17] 庄金满, 卢婉婷, 黄玉秀, 等.早期宫颈癌淋巴结转移的高危因素分析及列线图预测模型的构建[J].肿瘤防治研究, 2019, 46(1): 50-54. doi: 10.3971/j.issn.1000-8578.2019.18.0942 Zhuang JM, Lu WT, Huang YX, et al. Risk Factors of Lymph Node Metastasis in Early-stage Cervical Cancer Patients and Build of A Nomogram Prediction Model[J]. Zhong Liu Fang Zhi Yan Jiu, 2019, 46(1): 50-54. doi: 10.3971/j.issn.1000-8578.2019.18.0942
[18] Böckelman C, Engelmann BE, Kaprio T, et al. Risk of recurrence in patients with colon cancer stage Ⅱ and Ⅲ: a systematic review and meta-analysis of recent literature[J]. Acta Oncol, 2015, 54(1): 5-16. http://www.ncbi.nlm.nih.gov/pubmed/26340234
[19] Yamaoka Y, Kinugasa Y, Shiomi A, et al. The distribution of lymph node metastases and their size in colon cancer[J]. Langenbecks Arch Surg, 2017, 402(8): 1213-1221. doi: 10.1007/s00423-017-1628-z
[20] 易小龙, 李卫东.结肠癌淋巴结转移的多因素回归分析[J].天津医科大学学报, 2010, 16(1): 78-80. http://www.cqvip.com/QK/82604A/201003/33780593.html Yi XL, Li WD. Multivariate regression analysis of lymphatic metastasis in patients with colon carcinoma[J]. Tianjin Yi Ke Da Xue Xue Bao, 2010, 16(1): 78-80. http://www.cqvip.com/QK/82604A/201003/33780593.html
[21] Xie X, Yin J, Zhou Z, et al. Young age increases the risk for lymph node metastasis in patients with early colon cancer[J]. BMC Cancer, 2019, 19(1): 803. doi: 10.1186/s12885-019-5995-4
[22] Banerjee PP, Pang L, Soldan SS, et al. KIR2DL4-HLAG interaction at human NK cell-oligodendrocyte interfaces regulates IFN-gamma-mediated effects[J]. Mol Immunol, 2019, 115: 39-55. http://www.researchgate.net/publication/329174261_KIR2DL4-HLAG_interaction_at_human_NK_cell-oligodendrocyte_interfaces_regulates_IFN-_g_-mediated_effects
[23] Du C, Huang T, Sun D, et al. CDH4 as a novel putative tumor suppressor gene epigenetically silenced by promoter hypermethylation in nasopharyngeal carcinoma[J]. Cancer Lett, 2011, 309(1): 54-61. http://www.ncbi.nlm.nih.gov/pubmed/21665361/
[24] Tang Q, Lu J, Zou C, et al. CDH4 is a novel determinant of osteosarcoma tumorigenesis and metastasis[J]. Oncogene, 2018, 37(27): 3617-3630. http://europepmc.org/abstract/MED/29610525
[25] Ceresa D, Alessandrini F, Bosio L, et al. Cdh4 Down-Regulation Impairs in Vivo Infiltration and Malignancy in Patients Derived Glioblastoma Cells[J]. Int J Mol Sci, 2019, 20(16): 4028. http://www.ncbi.nlm.nih.gov/pubmed/31426573
[26] Yan Y, Liu H, Mao K, et al. Novel nomograms to predict lymph node metastasis and liver metastasis in patients with early colon carcinoma[J]. J Transl Med, 2019, 17(1): 193. http://www.ncbi.nlm.nih.gov/pubmed/31182111
-
期刊类型引用(5)
1. 王静,贾建伟,苗静,郭丽颖. 肝动脉化疗栓塞联合金龙胶囊治疗血瘀郁结证中晚期肝癌疗效及对机体免疫功能的影响. 山西医药杂志. 2022(04): 367-370 . 百度学术
2. 韩东,王珊,王乐,龚伟玲,彭修娟,李波,刘峰. 基于中国知网数据库(1978-2020年)中药鲜药鲜用研究的知识图谱及数据可视化分析. 世界科学技术-中医药现代化. 2022(11): 4140-4148 . 百度学术
3. 邝玉慧,徐方飚,赵哲,梁家琦,陈欣菊. 复方斑蝥胶囊联合不同放化疗方案治疗原发性肝癌有效性与安全性的Meta分析及试验序贯分析. 中国药房. 2021(08): 996-1003 . 百度学术
4. 王肖,张瑾莉,王立新. 某院2018~2020年原发性肝癌患者中成药用药情况分析. 中国处方药. 2021(09): 66-68 . 百度学术
5. 曾春生,余瑛,徐青云,王小毛,廖振蓉. 金龙胶囊在宫颈癌术后调强放疗复发转移中的应用效果. 中国当代医药. 2021(28): 148-151 . 百度学术
其他类型引用(0)