论文部分内容阅读
目的前列腺癌(Prostatic carcinoma,Pca)是威胁男性健康的常见疾病之一,基于血清PSA测定的前列腺癌筛查有助于实现前列腺癌的早期诊断、早期治疗,可提高前列腺癌的治疗效果,改善预后。但仍然存在许多缺点。它们容易受到患者自身体质(前列腺体积、人体血液循环总量)等多方面因素的影响。如果可以消除这种影响,将会提高前列腺癌的早期诊断准确率,降低漏诊率。本研究使用CRT分类树和Logistic回归分析探索性构建前列腺癌的预测诊断模型,并应用ROC曲线评价它们的效能,为前列腺癌诊断提供依据。方法收集苏州大学附属第二医院前列腺疾病病例资料370例,全部病例作PSA检测和前列腺穿刺活检,其中前列腺癌152名,非前列腺癌218名。收集、分析370例患者的年龄、前列腺体积(Prostate volume,PV)、PSA、身高、体重、BMI、体表面积(Body surface area,BSA)、PSAM和PSAMR等临床资料,使用CRT分类树与logistic回归分析筛选与前列腺癌诊断有关的指标,并构建前列腺癌预测、诊断模型。最后使用ROC曲线验证模型准确性。结果独立样本T检验结果显示年龄、PV、PSA、PSAM和PSAMR在前列腺癌组与非前列腺癌组间有明显统计学差异,P值小于0.05。Spearman相关性分析显示任何单一临床指标和前列腺癌诊断都没有显著相关性,没有同时符合R>0.5且P值<0.05的临床指标。CRT分类树分析表明PSAMR、年龄、PSA、PV和PSAM,标准化重要性依次为 100%,42.5%,39.4%、39.0%和 36.9%。;ROC AUC 为 0.878,灵敏度为75.66%,特异度90.8%,准确度为84.59,具有较高可信度。Logistic回归分析表明年龄(age)、BSA、PSA、PSAM和PSAMR均为诊断前列腺癌的独立危险预测因子,构建 Logistic 前列腺癌诊断模型 logit(p)=-11.995+0.055*age+3.954*BSA+0.323*PSA-0.118*PSAM+1.619*PSAMR,ROC AUC 为 0.879,灵敏度为 75.50%,特异度为91.70%,准确度为85.10%,具有较高可信度。结论年龄、PSA、PSAM、PSAMR、PV和BSA对前列腺癌的诊断具有明显影响。联合应用患者临床特征有助于完善前列腺癌预测、诊断模型,提高诊断准确率,降低误诊率,避免无意义的穿刺活检对患者身体造成的影响。