论文部分内容阅读
第一部分初诊前列腺癌骨转移的Logistic多因素回归分析目的：在中国初诊前列腺癌患者人群中,对骨转移相关的临床病理资料进行Logistic多因素回归分析,以明确前列腺癌骨转移的相关独立预后因素。方法：在2005.03-2011.03期间,共筛出在我科住院的501例初诊前列腺癌患。通过病史回顾性收集这些患者的相关临床病理资料变量,包括确诊时的年份、年龄、有无SRE、ALP值、PSA值、cT、cN及GS。同时,根据骨转移的存在与否把入组研究对象分为骨转移组及非骨转移组,单因素比较各变量在两组上的分布有无差异性,并进行相关的Logistic多因素回归分析。结果：在本组研究中,骨转移的发生率为27.5%(138/501),但随着年份的增长,骨转移的发生率呈现出下降的趋势。SRE的发生率为8.0%(40/501),单以SRE指标来预测骨转移的PPV为100%,而NPV为78.7%；以ALP≥143IU/L为标准来预测骨转移的PPV亦为100%,而NPV为80.3%。单因素分析结果显示,各变量在两组中的分布并均不一致(p<0.05)。对相关变量行Logistic多因素回归分析后发现,最终入组模型的变量有年龄、PSA值、GS及cT,其中,GS≥8分、PSA值及cT4变量是预测初诊前列腺癌患者发生骨转移的独立预后因素(p<0.05),并且PSA值、cT4、GS为8-9分及GS为10分的OR值分别为1.02、14.28、1.68及3.46。整个Logistic多因素回归模型的C-index为0.842。结论：GS≥8分、PSA值及cT4是初诊前列腺癌骨转移的独立预后因素,并以cT4的OR值最高。第二部分Fudan回归树模型的建立及评估目的：建立并验证用于预测中国初诊前列腺癌骨转移的CART预测模型,并与其它CART模型或标准比较,以此明确最佳的模型或标准,从而根据该最佳模型或标准以减少不必要的骨扫描检查。方法：在501例中国初诊前列腺癌患者中,对相关变量进行CART统计分析以建立用于预测初诊前列腺癌骨转移的Fudan回归树模型,并采用10倍交叉验证方法对Fudan回归树模型进行内部验证以减少过度拟合偏倚。同时,在501例样本人群中验证Briganti回归树模型,并比较两个回归树模型及单以SRE或ALP≥143IU/L为标准预测骨转移在预测准确性(AUC)及临床应用价值(漏诊率及骨扫描过度检查率)上的优劣性。结果：Fudan回归树模型5个节点的骨转移预测风险值从低到高依次为7.4%、21.8%、36.8%、58.1%及76.5%,并且在经过内部验证后得到的C-index为0.809,表现出较好的预测准确性。Briganti回归树模型在研究样本人群中的骨转移预测风险值最低可达3.9%,但最高仅为43.1%。Fudan回归树模型、Briganti回归树模型及单以SRE或ALP≥143IU/L为标准预测骨转移的AUC分别为0.813、0.691、0.645及0.678,并且前者相较后三者具有统计学差异性(p<0.05)。当Pt取值为[24.2%,36.8%)时,Fudan回归树模型较Briganti回归树模型具有更低的漏诊率及骨扫描过度检查率。结论：相比其它回归树模型或标准,Fudan回归树模型在预测初诊前列腺癌骨转移上的准确性更高,并具有更好的临床应用价值。第三部分列线图模型的建立及评估目的：建立并验证用于个体化预测中国初诊前列腺癌骨转移风险值的列线图模型,并与其它模型或标准比较,以明确在预测准确性及临床应用价值上最优的模型或标准,以减少不必要的骨扫描检查。方法：根据初诊前列腺癌骨转移的Logistic多因素回归分析确定模型入组变量,并依据相关变量的回归系数画出相应的列线图模型,并采用Bootstrap自抽样方法对列线图模型进行内部验证以减少过度拟合偏倚,同时评价列线图模型的骨转移预测符合度。最后,采用DCA统计方法比较列线图模型、Fudan回归树模型及单以ALP≥143IU/L为标准预测骨转移在临床应用价值上的优劣性。结果：列线图模型在进过内部验证后得到的C-index为0.833,稍高于Fudan回归树模型,表现出良好的预测准确性,同时校准图形显示列线图模型亦具有较好的预测符合度。对各个模型或标准进行DCA比较后发现,除了Pt取值范围为(10.1%,14.7%)时列线图模型稍差于回归树模型外,在Pt取值范围为(3.4%,47.7%)内,列线图模型在临床应用价值上优于其它模型或标准。结论：列线图模型具有更高的预测准确性,同时在Pt取值范围为[5%,47.7%]内,列线图模型及Fudan回归树模型在临床应用价值上优于其它模型或标准。