基于生物医学指标数据的前列腺癌风险预测模型

本文最初发表在这里

医学(巴尔的摩)。2021年4月30日,100 (17):e25602。doi: 10.1097 / MD.0000000000025602。

摘要

探讨前列腺癌发生的影响因素,建立风险预测模型,为临床医生的初步诊断提供参考,本模型通过国家临床医学数据中心前列腺癌患者和前列腺增生患者的数据检索数据库。在Stata SE 12.0和SPSS 25.0软件的帮助下,通过倾向得分匹配来平衡组间的偏差。在匹配数据的基础上,通过逐步logistic回归分析筛选相关因素,建立关键变量和人工神经网络模型。将测试集概率与受试者工作特征曲线下面积(ROC)相结合,评价模型的预测精度。1:2 PSM后,成功匹配339对。试验组159例,训练组407例。回归模型是P = 1 / (1 + e(0.122 + 0.083∗∗年龄Apo脂蛋白C3 + 0.371总前列腺特异抗原(tPSA) -0.227∗∗Apo脂蛋白c2自由钙(iCa) + 0.428 - 6.093∗∗∗Apo脂蛋白e - 1.246甘油三酸酯- 1.919∗高密度脂蛋白胆固醇+ 0.083∗肌酸激酶同工酶[CKMB]))。logistic回归模型表现很好(ROC, 0.963;95%置信区间0.951 ~ 0.978)和人工神经网络模型(ROC, 0.983;95%置信区间为0.964 - 0.997)。血载脂蛋白E (Apo E)比值比(Odds Ratio, [OR], 1.535)高是危险因素,高甘油三酯(TG) (OR, 0.288)是保护因素。以病例的生化检查为变量,建立风险预测模型,初步反映前列腺癌的风险,为诊断和治疗提供参考。

PMID:33907111| DOI:10.1097 / MD.0000000000025602