前列腺癌早期筛查风险预测模型的建立与验证研究

• Published in: 中国全科医学 Vol. 27; no. 20; pp. 2483 - 2490
• Main Authors: 李宏基, 赵晓龙, 胡伟, 韩东晖, 王安辉, 秦卫军
• Format: Journal Article
• Language: Chinese
• Published: 710032 陕西省西安市,空军军医大学第一附属医院泌尿外科%710032 陕西省西安市,空军军医大学军事预防医学系流行病学教研室 15.07.2024
• Subjects: Screening; Prostatic neoplasms; 筛查; 危险因素; 列线图; Nomogram; 前列腺增生; Prostatic hyperplasia; 前列腺肿瘤; Risk factors
• ISSN: 1007-9572
• DOI: 10.12114/j.issn.1007-9572.2023.0862

R737.25; 背景 前列腺癌作为常见的恶性肿瘤,威胁中老年男性生命健康,其预后与初诊时肿瘤级别与分期密切相关.前列腺特异性抗原(PSA)是前列腺癌早期筛查的重要分子,但非肿瘤负荷的前列腺良性疾病或操作也会引起PSA升高,盲目穿刺常导致过度诊疗.依据患者穿刺活检前的临床指标构建前列腺癌风险预测模型,可以为早筛可疑患者是否进行穿刺活检提供重要参考.目的 寻找前列腺穿刺活检阳性的独立危险因素,构建前列腺癌发生的风险预测模型,预测前列腺癌发生风险.方法 选取 2011 年 1 月—2023 年 6 月于空军军医大学第一附属医院泌尿外科住院并进行前列腺穿刺活检的患者 1 138 例,排除 351 例临床数据不完整病例后,剩余 787 例病例通过R语言split函数随机分为训练集(n=548)与验证集(n=239)(划分比例为 7∶3).收集患者的基本信息以及穿刺活检前生化检查指标,依据患者穿刺活检病理结果判断是否发生前列腺癌.应用LASSO回归筛选前列腺癌发生的独立危险因素,对独立危险因素进行多因素Logistic回归分析,利用分析结果构建前列腺癌早期筛查的风险预测模型并绘制列线图.依据训练集与验证集数据对模型进行验证.结果 使用LASSO回归分析筛选出 6 个预测变量,包括年龄、总PSA(tPSA)、碱性磷酸酶、总蛋白、钙、尿素.多因素Logistic回归分析结果显示,年龄≥60 岁(OR=3.769,95%CI=2.393～5.937)、tPSA≥10 μg/L(OR=2.259,95%CI=1.419～3.596)、碱性磷酸酶≥45 U/L[45～<125 U/L:OR=20.136,95%CI=4.419～91.752;≥125 U/L:OR=45.691,95%CI=9.199～226.951]是前列腺癌的危险因素(P<0.05),总蛋白≥65 g/L(OR=0.086,95%CI=0.031～0.236)、钙≥2.11 mmol/L(OR=0.148,95%CI=0.054～0.403)、尿素≥9.5 mmol/L(OR=0.069,95%CI=0.019～0.252)是前列腺癌的保护因素(P<0.05).依据有统计学差异的 6 个预测变量绘制列线图,建立预测模型.预测模型预测训练集前列腺癌发生的ROC曲线下面积(AUC)为0.778(95%CI=0.740～0.816),灵敏度为 53.2%,特异度为 8