基于生物医学指标数据:前列腺癌风险预测模型

本文最初发表这里

医学(巴尔的摩)。2021年4月30日; 100(17):E25602。DOI:10.1097 / MD.0000000000025602。

抽象的

为了探讨前列腺癌的影响因素,建立风险预测模型,需要参考临床医生的初步诊断,这一模型通过前列腺癌患者和前列腺增生患者国家临床医学数据中心进行了研究。STATA SE 12.0和SPSS 25.0软件的帮助,组之间的偏差通过倾向得分匹配平衡。基于匹配的数据,通过逐步逻辑回归分析进一步筛选相关因子,建立了关键变量和人工神经网络模型。通过将测试集的概率与接收器操作特性曲线(ROC)中的区域组合结合来评估模型的预测精度.1:2 PSM,339对成功匹配。测试组有159例,培训群体407例。回归模型是p = 1 /(1 + E(0.122 *年龄+ 0.083 * apo脂蛋白C3 + 0.371 *总前列腺特异性抗原(TPSA)-0.227 * apo脂蛋白C2-6.093 *游离钙(ICA)+ 0.428 *APO脂蛋白E-1.246 *甘油三酯-1.919 * HDL胆固醇+ 0.083 *肌酸激酶同工酶[CKMB]))。逻辑回归模型非常良好(ROC,0.963; 95%置信区间,0.951至0.978)和人工神经网络模型(ROC,0.983; 95%置信区间,0.964至0.997)。血液试验中的高度apo脂蛋白E(apo e)(opo e)(opo e)(opo比率,[或],1.535)是危险因素和高甘油三酯(Tg)(或0.288)是一种保护因子。它是对生物化学检查案例作为变量建立风险预测模型,其最初可以反映前列腺癌的风险,并带来一些诊断和治疗的参考。

PMID:33907111|DOI:10.1097 / MD.0000000000025602.