Logistic回归联合ROC曲线评价MRI定量参数在预测子宫内膜癌术前分级中的诊断价值
目的 应用Logistic回归联合ROC曲线探讨MRI定量参数在子宫内膜癌(EC)术前分级评估中的诊断价值.方法 回顾性分析87例经手术病理证实为EC患者的术前MRI资料.比较不同组织分级间肿瘤最大径(LD),平均表观扩散系数(ADCmean)的差异.利用Spearman等级相关分析LD、ADCmean分别与EC术前分级的相关性,并利用Logistic回归分析及受试者工作特征(ROC)曲线评估LD、ADCmean对高级别EC的预测效能.结果 EC组织学分级包括:G132例(36.8%),G236例(41.4%),G319例(21.8%),不同级别EC的LD、ADCmean差异有统计学意义(P <0.001,P<0.001).LD与组织学分级呈正相关(r=0.451,P<0.001),ADCmean与组织学分级呈负相关(r=-0.528,P<0.001);Logistic回归分析显示,LD、ADCmean可独立预测高级别EC(P=0.029,P=0.01);当LD≥2.21 cm时ROC曲线下面积(AUC)为0.778,敏感性为72.2%,特异性为81.0%.当ADCmean≤1.07×10-3mm2/s时的AUC为0.768,敏感性为66.7%,特异性为77.8%.当联合LD及ADCmean,建立回归模型Logit(P)=3.137+1.166X1-4.776X2(X1代表LD,X2代表ADCmean)时,AUC为0.841,大于LD、ADC㈣n单独的AUC,敏感性为83.3%,特异性为76.2%.结论 LD、ADCmean对预测EC的病理分级有一定的价值,综合运用Logistic回归和ROC曲线分析可以提高EC术前分级的准确性.
子宫内膜癌、术前分级、定量参数、Logistic回归
40
R737.33;R541.4;R445.2
2021-07-06(万方平台首次上网日期,不代表论文的发表时间)
共5页
551-555