///标签1

研究文章

通过机器学习算法进行肺腺癌的特异性基于基因预测预测模型

表格1

包括患者患者的临床特征，用于生存模型建设与验证。


	TCGA培训队列（288）	TCGA测试队列（128）	外部验证队列（335）

性别
Female	167（56.04％）	64（50％）	189（56.42％）
Male	131（43.96％）	64（50％）	146（43.58％）
年龄
≥60	201（67.45％）	95（74.22％）	234（69.85％）
<60	88（29.53％）	32（25％）	101（30.15％）
Unknown	9（3.02％）	1（0.78％）	0（0％）
病理T.
T1	109（36.58％）	41（32.03％）	110（32.84％）
T2	160（53.69％）	67（52.34％）	202（60.29％）
T3	21（7.05％）	13（10.16％）	16（4.78％）
T4	6（2.01％）	6（4.69％）	5（1.49％）
Unknown	2（0.67％）	1（0.78％）	2（0.60％）
病理N.
N0	201（67.45％）	80（62.50％）	299（89.25％）
N1	52（17.45％）	26（20.31％）	88（26.27％）
N2	38（12.75％）	17（13.28％）	53（14.93％）
N3	2（0.67％）	0（0％）	0（0％）
Unknown	5（1.68％）	5（3.91％）	0（0％）
病理M.			NA.
M0	192（64.43％）	83（64.84％）	0（0％）
M1	12（4.03％）	5（3.91％）	0（0％）
Unknown	94（31.54％）	40（31.25％）	335（100％）
肿瘤阶段
I	171（57.38％）	64（50.00％）	150（33.86％）
II	69（23.15％）	33（25.78％）	252（56.88％）
III	43（14.43％）	21（16.41％）	29（6.55％）
IV	12（4.03％）	6（4.69％）	12（2.71％）
Unknown	3（1.01％）	4（3.13％）	0（0％）

年度奖项：由我们的首席编辑所选的2020年突出的研究捐款。阅读获奖物品。