论文部分内容阅读
目的:探讨联合第二版前列腺影像报告与数据系统(the Prostate Imaging Reporting and Data System version 2,PI-RADS v2)和前列腺特异性抗原(PSA)及其衍生指标诊断前列腺癌的价值。方法:回顾性分析2014年1月至2017年10月期间成都大学附属医院经病理证实的177例前列腺疾病患者的临床资料,包括PI-RADS v2评分、总前列腺特异性抗原(tPSA)、游离前列腺特异性抗原(fPSA)、前列腺特异性抗原游离比值(free PSA/total PSA,f/t PSA)、前列腺特异性抗原密度(PSAD)。应用SPSS软件的独立样本t检验对前列腺癌组与非前列腺癌组的上述指标进行分析,对有统计学差异的指标进行分组,然后再进行非条件Logistic回归筛选出潜在的前列腺癌独立预测因子并建立回归预测模型,通过受试者工作特征(receiver operator curve,ROC)曲线评估所建立模型及各参数的诊断效能,采用z检验比较模型与单因素之间ROC曲线下面积的差异,分析预测模型的敏感性、特异性、阳性预测值及阴性预测值。结果:(1)177例中63例(35.6%)为前列腺癌,114例(64.4%)为非前列腺癌。独立样本t检验显示前列腺癌组与非前列腺癌组的PI-RADS v2评分、tPSA、fPSA、f/tPSA、PSAD指标均有统计学差异(P≤0.05);ROC曲线分析显示,PSAD诊断前列腺癌的ROC曲线下面积(area under the curve,AUC)最大(AUC=0.89,95%CI:0.83~0.93,P≤0.05)。(2)非条件Logistic回归分析结果显示PSAD及PI-RADS v2评分是前列腺癌的独立预测因子,联合PSAD及PI-RADS v2评分建立的前列腺癌的Logistic回归模型,其AUC为0.91(95%CI:0.86~0.96),Logistic回归方程为Logit P=﹣4.90+0.58×PSAD+1.14×PI-RADS v2,其阈值为0.28。结论:(1)PI-RADS v2评分及PSAD是PCa的独立影响因素;(2)PI-RADS v2评分与PSAD联合建立的Logistic回归预测模型具有较高的诊断效能,可以指导临床对前列腺穿刺患者的选择。