论文部分内容阅读
目的：建立前列腺癌Logistic回归预测模型,评估患者患前列腺癌的可能性,提高可疑前列腺癌患者的临床诊断率,为可疑前列腺癌患者进行前列腺穿刺提供更充分的依据。方法：回顾性分析2007年3月-2010年3月在我院行经直肠超声引导下前列腺穿刺活检的符合本研究标准的105例资料,其中前列腺癌为42例,非癌患者63例。按照穿刺时间先后顺序分组,前2/3病例(70例)分入建模组,后1/3(35例)病例分入验证组。分析建模组病例年龄、前列腺特异性抗原(PSA)、游离PSA比(f/t PSA)、PSA密度(PSAD)、肛门指检(DRE)及经直肠超声(TRUS)等指标对诊断前列腺癌的价值,综合以上指标,利用SPSS软件建立Logistic回归模型。利用验证组病例数据建立Logistic回归模型预测概率的受试者工作特征(ROC)曲线,分析其相应的敏感度、特异度,确定临界值。结果：本前列腺癌Logistic回归预测模型以穿刺病理是否为前列腺癌为应变量,将PSA、f/tPSA、PSAD、DRE结果、TRUS结果以及年龄作为考察变量。结果发现,f/tPSA、PSAD、DRE及TRUS结果因素有显著性统计学意义(P<0.05)。故前列腺癌Logistic回归预测模型建立如下:Logit P==-3.427-7.403×f/t PSA +8.019×PSAD+2.064×DRE+1.692×TRUS。将Logistic回归预测模型的预测概率建立ROC曲线。其ROC曲线下面积(AUC)为0.913。P为前列腺癌发生的概率值,取值范围为0-1。P的临界值(cutoff)为0.15,其敏感度、特异度分别为84.40%,75.60%。P≥0.15考虑前列腺癌可能性大,前列腺穿刺指征强。结论：：联合f/t PSA、PSAD、DRE及TRUS三个指标,利用Logistic回归预测模型有助于评估患者前列腺癌的可能性,是一种准确率高的辅助诊断工具,为可疑前列腺癌患者进行前列腺穿刺提供了更充分的依据。Logistic回归预测模型预测概率P的临界值为0.15,P≥0.15有强烈的前列腺穿刺指征。