分析接受体外放射治疗(EBRT)的非手术胆管癌(CCA)患者预后因素,建立有效的Nomogram预测模型,对患者的预后进行个体化预测评估。本研究从检测、流行病和最终结果(SEER)数据库总共18个登记中心提取合适的患者病例,按照7:3的随机分配比例,13个登记中心的患者资料被纳入模型建立的训练队列,另外5个中心的患者登记资料被纳入到模型的内部验证队列,对患者的信息资料进行筛选并分析。用Kaplan-Meier方法计算中位生存时间及总生存率,log-rank方法检验差异。为确保筛选出的独立预后变量以及预测模型更加科学化,分别建立以下三种不同模型,在训练队列中进行预后变量筛选:(1)利用单、多因素Cox回归分析后的显著意义变量(P<0.05CL13900作用)建立变量模型一;(2)逐步回归后基于最小Akaike信息准则(AIC)选择的变量建立变量模型二;(3)通过10倍的交叉验证后调整参数的Lasso回归分析,筛选出的独立预后因子建立变量模型三。最终根据筛选结果,选择三种模型共同筛选出的变量作为最终的预后变量建立Nomogram,预测6个月和12个月的总生存率。同时,回顾性收集2010年1月-2020年12月空军特色医学中心放射治疗科所收治的非手术CCA患者资料,记录年龄、性别、个人史等患者基本信息以及患者肿瘤相关信息,包括入院时的EGCO评分、确诊方式、肿瘤的原发部位、肿瘤分期和分化等级、有无接受化疗等。基于本院的单中心随访数据,建立外部验证集,对建立的预测模型进行外部验证。为了确保内部验证的有效性,使用了Bootstraps算法,并且对内部验证队列进行了1000次的自我检查和重新抽取,利用一致性指数(C-index)、受试者工作特征曲线(ROC)以及ROC的曲线下面积(AUC)评估模型的敏感度,校准曲线对比模型的预测概率和实际概率的一致性。决策曲线分析(DCA)评估预测模型临床决策的适用性。结果显示,肿瘤大小、M分期和化疗为影响CCA患者总生存率的独立预后因素,基于上述三个变量构建的预测模型为最佳。中位总生存(OS)时间为12.00个月(95%CI:9.12-14.88)。训练队列6个月、12个月的总生存率分别为(68.0±4.7)%、(48.0±5.0)%。Nomogram的校正曲线接近于45°对角线,证明实际和预测的总生存率保持了较大程度的一致。训练队列C-index为更多0.681(95%CI,0.611～0.751),Cindex大于0.6,说明预测模型的预测能力较好。Nomogram预测模型在6个月和12个月的AUC值分别为0.749(95%CI:0.648～0.849)、0.734(95%CI:0.635～0.831),均分别高于AJCC分期系统的AUC值:0.687(95%CI:0.579～0.794)和0.659(95%CI:0.556～0.762),差异均有统计学意义(P<0.05)。校Infection rate准曲线显示出模型的预测性能良好,预测情况与实际发生情况较为一致。DCA显示,与AJCC分期系统相比,当预测6个月的死亡率超过20%、12个月的死亡率超过40%时,使用Nomogram来预测总生存率可以得到更好的临床决策。基于临床预后特征的Nomogram具有良好的预测效果,可用于为已接受EBRT的非手术CCA患者提供临床预后评估的参考。