-
题名前列腺癌多因素Logistic回归模型的初步建立
- 1
-
-
作者
徐烽
阮静雅
魏小芳
周洋
-
机构
成都市第三人民医院超声科
四川省阿坝州林业中心医院(成都市第三人民医院都江堰分院)
-
出处
《生物医学工程与临床》
CAS
2020年第6期714-718,共5页
-
基金
成都市科技惠民项目(2015-HM01-00129-SF)。
-
文摘
目的建立以前列腺特异性抗原(PSA)、MRI及经直肠前列腺超声造影(CE-TRUS)指标为自变量的前列腺癌(PCa)的Logistic回归模型,评价其对PCa的诊断价值。方法选择2017年1月至2018年1月在成都市第三人民医院就诊的223例前列腺疾病患者,年龄44~84岁,平均年龄67.93岁。以病理诊断结果为"金标准",选择有统计学意义的血清PSA及影像学检查指标(MRI、CE-TRUS)为自变量,以病理诊断结果是否为PCa为因变量,建立Logistic回归模型,并通过受试者操作特性(ROC)曲线评估此模型诊断PCa的效能。结果 223例患者中,116例(52.02%)经活组织检查证实为PCa(PCa组),107例(47.98%)为良性前列腺病变(非PCa组)。两组除PSA水平4~10μg/L段差异无统计学意义(P> 0.05)外,其余PSA各段水平差异均具有统计学意义(P <0.05)。CE-TRUS及MRI检查图像阳性特征比较,前列腺的CE-TRUS、MRI异常强化及内外腺边界之间的差异有统计学意义(P <0.05)。结合患者的PSA值、CE-TRUS异常强化、MRI异常强化及内外腺边界的Logistic回归模型预测PCa的准确度91.4%,灵敏度85.1%,特异度92.6%,其ROC曲线下面积为0.914。结论 PSA联合MRI、CE-TRUS等因素建立的Logistic回归模型对PCa预测效果较好,有可能为临床诊断PCa提供可靠的依据。
-
关键词
前列腺癌(PCa)
MRI
经直肠前列腺超声造影(ce-trus)
LOGISTIC回归
ROC曲线
-
Keywords
prostate cancer(PCa)
MRI
contrast enhanced-transrectal of ultrasound(ce-trus)
Logistic regression
ROC curve
-
分类号
R737.25
[医药卫生—肿瘤]
-
