Logistic回归在乳腺癌综合分析诊断中的应用.pdfVIP

因素logistic 回归方程，得到BSMU-logistic 模型；以基本情况 （B ） +症状体征 （S）+钼靶x 线(M)为变量得到BSM-logistic 模型；以基本 情况 （B ）+症状体征(S)+彩超(U)为变量，得到BSU-logistic 模型。模 型组间比较：对三个诊断模型进行统计学分析，绘制ROC 曲线，运 用medcal 软件对比ROC 曲线下面积，以比较三个模型的诊断性能。 最优模型及其最佳诊断截断点的选取：根据ROC 曲线下面积，得到 最优模型，并选取该模型的最佳诊断截断点作为乳腺癌的诊断标准。 结果 1.单因素分析结果显示：年龄、职业、病灶质地、病灶边界、病 灶形态、表面光滑度、活动度、患者腋窝淋巴结肿大、钼靶边缘、钼 靶形态、微钙化、结构紊乱、厚皮征、漏斗征、超声边缘、超声形态、 内部回声、微钙化、周边及内部血流信号、血流信号分级（CDFI ）、 超声腋窝淋巴结肿大这2 1 个指标在病例组和对照组中有显著性差异 （p0.05 ）。2. 多因素结果分析：将所有有显著性差异的指标代入 logistic 多因素回归方程，得到综合所有资料的最终建模指标：病灶 质地、病灶边界、钼靶边缘、漏斗征、超声形态、周边及内部血流信 号 、血流信号分级、超声腋窝淋巴结肿大。3.三个模型的诊断结果： 模型一、模型二、模型三的诊断准确率分别为93.4% 、85.6%、87.4%， 特异度分别为88.0%、74.0%、70.0%，敏感度分别为95.7%、90.6%、 94.9% 。4. 模型组间比较：三个模型的ROC 曲线下面积（AUC 、AUC 、 1 2 AUC ）分别为 0.964 、0.924 、0.920 。组间比较结果显示：AUC 与 3 1 AUC2 差异有统计学意义，AUC1 与AUC3 差异有统计学意义，AUC2 3 万方数据 与AUC3 差异无统计学意义。5. 最优模型及其最佳诊断截断点：模型 一的ROC 曲线下面积最大，提示模型一的诊断性能最优。模型一的 回归方程Logit （P ）=-48.335+2.227*X +1.033*X +2.684*X +21.633*X 1 2 3 4 +2.417*X +8.101*X -2.826*X +2.527*X 。该模型乳腺癌的最佳临床 5 6 7 8 诊断截断值为0.501，其对应的敏感度为95.7%，特异度为88.0%。 结论 1.利用多种资料建立的 logistic 回归乳腺癌诊断模型可提高乳腺 癌的诊断准确率。 2.钼靶logistic 回归模型和彩超logistic 回归模型对乳腺癌诊断的 准确率无明显差异性。 关键词 乳腺癌；诊断；logistic 回归分析；模型 4 万方数据 The Study of Application with Logistic Regression in Comprehensive Analysis and Diagnosi