基于磁共振ADC与PSAD建立逻辑回归模型预测有临床意义前列腺癌的价值
The Value of Establishing Logistic Regression Model Based on ADC and PSAD to Predict Clinically Significant Prostate Cancer
摘要目的 评估利用表观弥散系数(ADC)与前列腺特异性抗原密度(PSAD)建立的逻辑回归模型预测有临床意义前列腺癌(csPC)的价值.方法 回顾性分析210例前列腺特异抗原(PSA)升高患者的磁共振(bpMRI)图像和临床资料,依据前列腺影像报告和数据系统2.1版(PI-RADS V2.1)对MRI进行评分,并测量前列腺体积(PV)和ADC值,计算PSAD.建立Logistic回归模型进行多因素统计分析,评估预测csPC的指标变量.利用受试者工作特征曲线(ROC)对单个指标变量及联合指标变量的预测性能进行比较.结果 210名患者中,前列腺良性病变患者49例,前列腺癌(PC)患者161例(csPC 146例).PI-RADS、ADCmin、ADCmean、PV、PSA及PSAD预测csPC的ROC下面积(AUC)分别为0.88、0.85、0.84、0.70、0.68和0.78.ADC值及PSAD能够独立预测csPC.联合回归模型A(ADCmin+PSAD)、B(ADCmean+PSAD)对应的 AUC 分别 为 0.87、0.87,敏感度分别为77%、73%,特异度分别为88%、88%.结论 ADC和PSAD对csPC具有独立预测价值,两者联合的预测模型优于单个独立预测变量指标.
更多相关知识
- 浏览3
- 被引0
- 下载1

相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文


换一批



