论文部分内容阅读
目的:分析探讨构建前列腺癌Logistic回归模型在PSA“灰区”的预测价值。方法:回顾性分析吉林大学白求恩第一医院2013年1月至2018年1月间80例PSA在“灰区”取值并初次行前列腺穿刺术患者的临床资料,最终纳入66例患者的临床资料,分别对年龄、前列腺体积(PV)、PSA、f PSA、f/t PSA、PSAD和前列腺MRI等因素做单因素分析,然后根据单因素分析结果和临床经验纳入具有临床意义的参数行回归分析并构建前列腺癌Logistic回归模型,最后绘制各参数的ROC曲线并进行比较分析。结果:纳入的66例患者中,前列腺癌组15例(22.73%)和非前列腺癌组51例(77.27%)。比较分析两组患者的年龄、PSA、f PSA和f/t PSA不具有统计学差异(p>0.05),而PV、PSAD和前列腺MRI具有统计学差异(p<0.05);最终纳入年龄、PSA、f PSA、PV和前列腺MRI进行Logistic多因素回归分析并构建回归模型Y=-15.30275+0.17651年龄+0.65811t PSA-1.28375f PSA-0.083141PV+3.61812MRI。PSA的AUC 0.614(95%CI:0.486-0.731),f/t PSA的AUC 0.685(95%CI:0.559-0.794),PSAD的AUC0.817(95%CI:0.703-0.901),MRI的AUC 0.689(95%CI:0.573-0.805),Logistic回归模型的AUC 0.918(95%CI:0.823-0.971);Logistic回归模型和f/t PSA或PSAD间在预测前列腺癌价值上存在的差异具有统计学意义(p<0.05),并明显优于f/t PSA或PSAD,该回归模型取值0.4011时,其预测前列腺癌的敏感性和特异性分别为86.67%和92.16%。结论:构建的Logistic多因素回归分析模型在PSA“灰区”预测前列腺癌的价值更具有统计学意义,可以辅助临床前列腺疾病的进一步诊治。