论文部分内容阅读
研究背景和目的:循证医学I级证据推荐临床查体腋窝淋巴结阴性、病理活检为原位癌伴微浸润、浸润性乳腺癌(c T1-2N0M0)患者使用前哨淋巴结活检术(SLNB)进行腋窝分期。虽然SLNB相较于腋窝淋巴结清扫术(ALND)并发症的发生率更低,但仍有相似的并发症存在,如淋巴水肿、神经损伤、血清肿等,为了避免腋窝手术及其并发症,欧洲肿瘤研究所进行了前瞻性多中心随机对照临床研究(SOUND临床研究),旨在探讨能否利用术前超声无创评估腋窝淋巴结,目前尚处于随访阶段。倘若能于术前无创分辨患者的前哨淋巴结(SLN)状态,避免SLN阴性患者行SLNB,或SLN阳性患者行腋窝放疗,均能达到免除腋窝手术的目的。因此预测SLN状态有重要的临床意义。超声检查适用于浅表淋巴结的评估,但易受腋窝内部脂肪组织的影响,临床上评估腋窝淋巴结的方法还有腋窝磁共振(MRI),能评估腋窝深部淋巴结而不受脂肪组织的影响。故本研究通过分析病理活检结果为原位癌伴微浸润、浸润性乳腺癌患者(c T1-2N0M0)的术前腋窝超声检查、MRI检查、术前肿瘤原发灶的病理特征与SLNB术后病理的关系,筛选出腋窝超声检查、磁共振检查以及术前病理活检结果当中与SLN转移最具有相关意义的特征指标,利用所找出的特征指标建立术前预测c T1-2N0M0乳腺癌患者前哨淋巴结转移风险的列线图模型,探讨通过术前腋窝超声检查、磁共振检查和肿瘤原发灶的病理特征诊断前哨淋巴结转移的可行性。方法:回顾性收集2018-7-1至2020-7-1在广西医科大学第一附属医院经真空旋切活检术或乳房肿物局部切取活检病理证实为原位癌伴微浸润、浸润性乳腺癌(c T1-2N0M0)且已行乳腺腋窝超声、腋窝MRI、SLNB的患者,按照入排标准共入组465例患者,使用R软件将患者按7:3的比例随机分为模型组(n=325)和验证组(n=140)并根据SLNB的病理结果将患者分为SLN阳性组与SLN阴性组。收集465例患者的临床资料(年龄、肿瘤位置、肿瘤T分期)、术前临床病理活检结果(病理类型、组织学核分级、ER、PR、Her-2、Ki-67、脉管癌栓、神经侵犯)、腋窝超声(淋巴结长径/短径、淋巴结皮质、淋巴结门、淋巴结血流模式)与腋窝淋巴结MRI(淋巴结门、淋巴结边缘、淋巴结皮质、双侧淋巴结是否对称),利用SPSS20.0对模型组和验证组之间的计数资料行卡方检验,计量资料行t检验,分析两组所收集的数据是否存在统计学差异。之后模型组分为SLN阳性组和SLN阴性组,SLN阳性组和SLN阴性组之间先单因素logistics回归筛出与SLN转移相关的变量后,使用线性回归共线性诊断证明不存在共线性,再使用多因素logistics回归从单因素筛选出的变量中进一步筛选出与SLN转移相关的独立危险因素,利用R软件构建预测模型、制作列线图,将SLN状态与独立危险因素间的关系可视化。得出预测模型后通过1000次Bootstrap重采样法进行内部验证,分别使用H‐L检验和校准曲线评估拟合优度、使用受试者操作特征曲线(ROC曲线)下面积(area under the curve,AUC)评估预测性能,以及将验证组代入模型中进行外部验证,同样以AUC、H-L检验、校准曲线评估在验证组中的预测效能和拟合情况。结果:1、模型组与验证组对比在SLN结果、临床资料、腋窝超声、腋窝MRI之间无统计学差异。2、通过单因素logistics回归分析结果表明:模型组当中的临床资料(肿瘤T分期)、腋窝超声(淋巴结皮质、淋巴结门、淋巴结血流模式)、腋窝MRI(淋巴结门、淋巴结皮质、双侧淋巴结对称与否)、病理结果(病理类型、组织学核分级、脉管癌栓、神经侵犯)与SLN阳性有着密切的关联(P<0.05)。将上述单因素logistics回归分析得出的有统计学意义的变量全部纳入多因素logistics回归分析后得出:腋窝超声(淋巴结门、淋巴结血流模式)、腋窝MRI(淋巴结门、淋巴结皮质)、病理结果(组织学核分级、脉管癌栓、ER状态)为预测SLN转移的独立危险因素。3、基于上述多因素logistics回归分析筛选出的特征变量构建预测SLN转移风险的列线图模型。本研究模型组内部验证的AUC值为0.908,95%可信区间为0.868~0.949,H-L检验显示P值为0.513(P>0.05),分别说明模型的预测能力和拟合程度出色。验证组(n=140)数据代入模型后得出ROC曲线下面积AUC为0.8736,H-L检验显示P值为0.9733(P>0.05)说明模型在验证组中的预测能力和拟合度都较好,当设定预测转移风险>0.812为SLN阳性时,模型的诊断特异度为0.980,敏感度为0.706。结论:1、logistics回归分析表明术前病理结果(组织学核分级、脉管癌栓、ER状态)、腋窝超声(淋巴结门、淋巴结血流模式)、腋窝MRI(淋巴结门、淋巴结皮质)与SLN转移状态密切相关。2、利用上述相关因素建立的预测模型,对于早期乳腺癌患者的SLN状态有较好的预测效果。3、经内部与外部验证、拟合优度检验证明,模型的预测能力和拟合度都较好。