前列腺穿刺结果的多参数预测列线图模型建立:上海单中心1585例经会阴前列腺穿刺回顾

The development of nomograms predicting prostate biopsy outcomes:with case review of 1585 patients receiving transperineal prostate biopsy in a single center in Shanghai

二维码有效期 120s

摘要目的探讨前列腺穿刺结果的相关预测因素,构建前列腺穿刺结果的预测列线图模型.方法回顾性收集并分析2010—2017年于复旦大学附属华山医院行超声引导下经会阴前列腺穿刺患者的病例资料,根据穿刺结果将患者分为非肿瘤组与前列腺癌组.依据病理分化程度,将前列腺癌组进一步分为低级别前列腺癌亚组(low-grade prostate cancer,LGPCa,Gleason≤3+4)与高级别前列腺癌亚组(high-grade prostate cancer,HGPCa,Gleason≥4+3).比较不同组别间临床特征的差异,分析不同参数对穿刺结果的预测价值.将所有患者的80％随机列入建模组,另20％列入验证组.建立多参数预测列线图模型,并进行内部人群验证.结果选取穿刺患者共1585人,排除研究数据缺失者、前列腺特异抗原(prostate specific antigen,PSA)>100 ng/mL者,最终纳入统计1331人.病理确诊为前列腺癌共计519人,其中LGPCa患者249人,HGPCa患者270人.在非肿瘤组与前列腺癌组、LGPCa组与HGPCa组的比较中,患者PSA、前列腺体积、直肠指检和经直肠前列腺超声(transrectal ultrasound,TRUS)结果均存在显著差异.前列腺癌预测模型纳入年龄(OR=1.056)、PSA(OR=1.063)、前列腺体积(OR=0.960)、直肠指检(OR=5.991)和TRUS(OR=1.717),该模型的受试者工作曲线下面积(area under the receiver operating characteristic curve,AUC)达到0.895,显著高于PSA密度(PSA density,PSAD)和PSA.HGPCa预测模型纳入PSA(OR=1.032)、前列腺体积(OR=0.983)、直肠指检(OR=4.803)和TRUS(OR=1.987),其预测效力AUC达到0.872,亦显著高于PSAD和PSA.据此绘制穿刺预测列线图.验证组AUC同样提示对前列腺癌(0.846)和HGPCa(0.819)具有较高预测效力.结论本研究发现年龄、PSA、前列腺体积、直肠指检和TRUS均为前列腺穿刺结果的独立预测因素,据此建立前列腺癌和HGPCa的多参数预测列线图模型,具有较高预测效力.列线图的应用有助于医患直观高效沟通,为科学制定个体化穿刺策略提供依据.