目的:通过分析高危前列腺癌患者的临床数据,建立模型预测其前列腺病灶的病理性质,识别可免于系统穿刺而单独进行靶向穿刺的患者,优化当前前列腺穿刺活检策略。方法:回顾性分析2022年1月—2024年6月于南京医科大学第一附属医院行前列腺...目的:通过分析高危前列腺癌患者的临床数据,建立模型预测其前列腺病灶的病理性质,识别可免于系统穿刺而单独进行靶向穿刺的患者,优化当前前列腺穿刺活检策略。方法:回顾性分析2022年1月—2024年6月于南京医科大学第一附属医院行前列腺穿刺患者的临床数据,筛选出符合条件的患者分为训练集和验证集。单因素和多因素逻辑回归分析用于筛选前列腺靶向穿刺病理的显著相关因素。基于训练集的数据构建预测模型,并在验证集中验证该模型效能。受试者工作特征(receiver operating characteristic,ROC)曲线用于评估模型在两个数据集中的诊断性能。结果:年龄(X1)、病灶数量(X2)、病灶所在的组织学区域(X3)、前列腺影像和数据报告系统(prostate imaging reporting and data system,PI⁃RADS)评分(X4)以及前列腺特异性抗原密度(X5)是与患者前列腺靶向穿刺病理相关的变量。预测模型的数学表达式为:P=1[/1+e(^-15.770+0.067×X1-0.658×X2+0.381×X3+2.271×X4+5.742×X5)]。预测模型在训练集中ROC曲线下面积(area under the curve,AUC)为0.856(95%CI:0.812~0.900),在验证集中AUC为0.886(95%CI:0.776~0.995)。结论:本研究构建的针对高危前列腺癌患者靶向穿刺病理预测模型能指导临床前列腺穿刺策略,在保持良好诊断性能的同时减少穿刺数,从而减少穿刺并发症,节约医疗资源。展开更多
文摘目的:通过分析高危前列腺癌患者的临床数据,建立模型预测其前列腺病灶的病理性质,识别可免于系统穿刺而单独进行靶向穿刺的患者,优化当前前列腺穿刺活检策略。方法:回顾性分析2022年1月—2024年6月于南京医科大学第一附属医院行前列腺穿刺患者的临床数据,筛选出符合条件的患者分为训练集和验证集。单因素和多因素逻辑回归分析用于筛选前列腺靶向穿刺病理的显著相关因素。基于训练集的数据构建预测模型,并在验证集中验证该模型效能。受试者工作特征(receiver operating characteristic,ROC)曲线用于评估模型在两个数据集中的诊断性能。结果:年龄(X1)、病灶数量(X2)、病灶所在的组织学区域(X3)、前列腺影像和数据报告系统(prostate imaging reporting and data system,PI⁃RADS)评分(X4)以及前列腺特异性抗原密度(X5)是与患者前列腺靶向穿刺病理相关的变量。预测模型的数学表达式为:P=1[/1+e(^-15.770+0.067×X1-0.658×X2+0.381×X3+2.271×X4+5.742×X5)]。预测模型在训练集中ROC曲线下面积(area under the curve,AUC)为0.856(95%CI:0.812~0.900),在验证集中AUC为0.886(95%CI:0.776~0.995)。结论:本研究构建的针对高危前列腺癌患者靶向穿刺病理预测模型能指导临床前列腺穿刺策略,在保持良好诊断性能的同时减少穿刺数,从而减少穿刺并发症,节约医疗资源。
