应用Logistic回归和ROC曲线综合分析PSA、fPSA、fPSA/PSA和EPCA对前列腺癌的诊断价值

Labeled Immunoassays and Clinical Medicine(2017)

引用 1|浏览6
暂无评分
摘要
目的 探讨Logistic回归和ROC曲线综合分析PSA、fPSA、fPSA/PSA和EPCA对前列腺癌的诊断价值.方法 检测107例前列腺癌(prostate cancer,PCa)患者、84例良性前列腺增生(benign prostatic hyperplasia,BPH)患者和50例健康对照者的血清PSA、fPSA和EPCA水平,计算fPSA/PSA,建立Logistic回归模型,绘制ROC曲线并计算曲线下面积来评价各肿瘤标志物对PCa的诊断价值.结果 PCa组血清PSA、fPSA和EPCA水平较BPH组和健康对照组明显升高(P<0.01),PCa组和BPH组fPSA/PSA水平低于健康对照组(P<0.01);单项指标中,EPCA的灵敏度和特异性最高(78.5%、96.0%),约登指数最大(0.777);建立回归模型Y=logit(P)=-6.906+0.843XPSA-1.402XfPSA+0.271XEPCA,新变量P的AUC为0.935,灵敏度和特异性分别为87.9%和96.0%.结论 PSA、EPCA检测在PCa诊断中具有一定的临床意义,与fPSA联合检测与单项检测相比可以显著提高诊断能力,综合应用Logistic回归和ROC曲线分析有助于提高PCa的诊断效能.
更多
查看译文
关键词
Prostate cancer,Benign prostatic hyperplasia,Early prostate cancer antigen,Logistic regression,ROC curve
AI 理解论文
溯源树
样例
生成溯源树,研究论文发展脉络
Chat Paper
正在生成论文摘要