Relapse of ovarian neoplasm: individual risk assessment algorithm

Cover Page

Cite item

Full Text

Abstract

Objectives – to develop an algorithm for assessing the individual risk of ovarian cancer recurrence.

Material and methods. A retrospective analysis of the results of treatment of patients with ovarian cancer in the period 2010–2015 was carried out. Finally, data of 1103 patients was reinvestigated, ovarian cancer relapse was registered in 907 patients (mean age: 58.7±12 years; interquartile range: 50–68 years). 196 patients with ovarian cancer did not have relapse for the mentioned time period (mean age: 63.1±13.6 years; interquartile range: 53–74 years). In the first stage of investigation, a unifactorial analysis of prognostic factors of ovarian cancer relapse was carried out. In the second stage, the most significant factors were analyzed with the aid of binary regression. As a result, a final formula of the assessment of individual risk of ovarian cancer relapse was developed, which we have named ARRNO (Algorithm of the Assessment of Risk of Relapse of Neoplasm of Ovary).

Results. From 12 prognostic factors, we selected 6 ones with the aid of binary regression: stage, hystotype, tumor differentiation grade, results of post-chemotherapy ultrasound examination, CA 125 pre-treatment levels, HE4 post-treatment levels. The final ARRNO score was developed on the basis of binary regression formula. Depending on the value of ARRNO score the risk could be divided into low (0.00–0.39), moderate (0.40–0.85) and high (0.86–1.00).

Conclusion. The algorithm of the risk assessment of recurrence of ovarian cancer has a high sensitivity and specificity and allows for stratification of patients into groups of high, moderate and low risk. Integration of the ARRNO in the follow-up plan of ovarian cancer patients, after accomplishment of the first-line therapy, could enhance the treatment planning and timely prevention.

About the authors

Aigul R. Savinova

Tatarstan Regional Clinical Cancer Center

Author for correspondence.
Email: aigulkazan@mail.ru
ORCID iD: 0000-0001-7048-4125

oncologist of the Department of Oncology №10

Russian Federation, Kazan

Ilgiz G. Gataullin

Kazan State Medical Academy

Email: aigulkazan@mail.ru
ORCID iD: 0000-0001-5115-6388

PhD, Professor of the Department of Oncology, Radiology and Palliative Care

Russian Federation, Kazan

References

  1. Baker TR, Piver MS. Etiology, biology, and epidemiology of ovarian cancer. Semin Surg Oncol. 1994;10(4):242–248.
  2. Holschneider CH, Berek JS. Ovarian cancer: epidemiology, biology, and prognostic factors. Semin Surg Oncol. 2000;19(1):3–10.
  3. Deraco M, Baratti D, Laterza B, et al. Advanced cytoreduction as surgical standard of care and hyperthermic intraperitoneal chemotherapy as promising treatment in epithelial ovarian cancer. Eur J Surg Oncol. 2011;37:4–9.
  4. Díaz-Montes TP, Bristow RE. Secondary cytoreduction for patients with recurrent ovarian cancer. Curr Oncol Rep. 2005;7:451–458.
  5. Klymenko Y, Nephew KP. Epigenetic crosstalk between the tumor microenvironment and ovarian cancer cells: a therapeutic road less traveled. Cancers (Basel). 2018;10(9):295. doi: 10.3390/cancers10090295
  6. Yang WL, Lu Z, Bast RC Jr. The role of biomarkers in the management of epithelial ovarian cancer. Expert Rev Mol Diagn. 2017;17(6):577–591. doi: 10.1080/14737159.2017.1326820
  7. Kensler TW, Spira A, Garber JE, et al. Transforming cancer prevention through precision medicine and immune-oncology. Cancer Prev Res (Phila). 2016;9(1):2–10.
  8. Escalona RM, Chan E, Kannourakis G, et al. The many facets of metzincins and their endogenous inhibitors: perspectives on ovarian cancer progression. Int J Mol Sci. 2018;19(2):450. doi: 10.3390/ijms19020450
  9. Rizzuto I, Stavraka Ch, Chatterjee J, et al. Risk of ovarian cancer relapse score. A prognostic algorithm to predict relapse following treatment for advanced ovarian cancer. Int J Gynecol Cancer. 2015;V.25:416–422.
  10. Savinova AR, Gataullin IG, Shakirov RR. Method of assessment of the risk of relapse of ovarian cancer. Patent of Russian Federation No.2251692, published on 10.05.2005, Bulletin No.13 (In Russ.) [Савинова А.Р., Гатауллин И.Г., Шакиров Р.Р. Способ оценки риска рецидивирования рака яичников. Патент Российской Федерации №2251692, опубликованный 10.05.2005, бюллетень №13].
  11. Savinova AR, Gataullin IG. Individual approach to the treatment of ovarian cancer. Kazan Medical Journal. 2016;V.97(3):P.388–393. (In Russ.) Савинова А.Р., Гатауллин И.Г. Индивидуальный подход к лечению рака яичников. Казанский медицинский журнал. 2016;V.97(3):P.388–393.

Supplementary files

Supplementary Files
Action
1. JATS XML
2. Figure 1. ROC-analysis of diagnostic characteristics of ARRNO index in the prediction of ovarian cancer relapse.

Download (22KB)

Copyright (c) 2019 Savinova A.R., Gataullin I.G.

Creative Commons License
This work is licensed under a Creative Commons Attribution 4.0 International License.

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».