logistic回归结合ROC曲线在乳腺癌中的诊断价值

摘要：

目的 采用 logistic回归结合受试者操作特征(receiver operating characteristic,ROC)曲线探究肿瘤异常蛋白(tumor abnormal protein,TAP)、癌抗原 153(carbohydrate antigen153,CA153)、肿瘤特异性生长因子(tumor specific growth factor,TSGF)及癌胚抗原(carcinoembryonic antigen,CEA)在乳腺癌中的诊断效能并筛选出最佳诊断组合及cut off值.方法 将经病理确诊为乳腺癌的患者 50 例纳入观察组,经病理确诊为乳腺良性疾病的患者 47 例纳入对照组.通过化学发光法对 CA153、TSGF、CEA进行检测;利用多种凝集素与异常糖链糖蛋白偶联技术对 TAP 进行定量.结果 2 组患者 TAP、TSGF、CA153、CEA 水平比较,差异有统计学意义(P<0.05);将 TAP、CA153、TSGF、CEA纳入多因素 logistic回归模型,TAP、CA153、TSGF 建模成功(P<0.05).单一指标检测时,TAP ROC 曲线下面积(area under curve,AUC)(0.834)最大,敏感度与特异度分别为 70.0%、80.9%;多项联合检测 AUC 均优于单检测,其中三者联合检测 AUC最大(0.866),敏感度与特异度为 76.0%、80.9%,其确立为最佳诊断模型,最佳诊断模型风险概率值乳腺癌淋巴结转移患者优于未转移患者,且随着乳腺癌组织学级别增加而增加.结论 在乳腺癌中,TAP、CA153、TSGF三者联合使用优于单一检测,联合检测风险概率值对预测淋巴结转移及组织学分级有良好参考价值.

关键词：乳腺癌、肿瘤异常蛋白、肿瘤标志物、logistic回归模型、ROC曲线

所属期刊栏目：35

分类号：R737.9(肿瘤学)

在线出版日期：2023-10-24（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：485-489