不同分类技术联合肿瘤标志在诊断和预测肺癌方面的研究

• 作者: 冯斐斐 吴拥军 吴逸明 聂广金
• 来源期刊: 中华劳动卫生职业病杂志
• 学科: 医学
• 关键词: 肺肿瘤 标志监测 神经网络(计算机)
• 年，卷（期）: 2009,（5）
• 所属期刊栏目: 论著
• 页码范围: 257-261
• 页数: 5页
• 分类号: R73
• 字数: 4427字
• 语种: 中文
• DOI: 10.3760/cma.j.issn.1001-9391.2009.05.001

摘要

目的 探讨何种统计分类模型适于建立多肿瘤标志肺癌预测诊断模型.方法 采用放射免疫分析法(RIA)、双抗体夹心酶联免疫吸附试验法(ELISA)、分光光度法(SP)、高效液相色谱法(HPLC)及原子吸收分光光度法(AAS)分别测定肺癌患者、肺良性疾病患者和健康对照者血清中的癌胚抗原(CEA)、糖链抗原.125(CAl25)、胃泌素(gastrin)、神经元特异性烯醇化酶(NSE)、β2-微球蛋白(β2-MG)、可溶性白细胞介素-6受体(sIL-6R)、唾液酸(sialic acid,SA)、一氧化氮(NO)、Cu、Zn、Ca及尿样中的伪尿核苷/肌苷(pseud/trop)含量,并分别建立logistic回归分析、决策树分析以及人工神经网络的数据挖掘分类预测模型.结果 logistic回归分析、决策树分析和人工神经网络模型联合12项肿瘤标志诊断肺癌的总敏感性分别为94.00%、100.00%、100.00%;特异度分别为100.00%、98.89%、100.00%;总准确性分别为94.29%、95.00%、90.00%.结论 12项肿瘤标志的3种分类模型对肺癌分类预测和诊断结果 均比较理想,尤其是C5.0决策树模型和人工神经网络模型更适于解决职业性肺癌的预测和辅助诊断.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	聂广金	郑州人学公共卫生学院劳动卫生学教研室	1	1	1.0	1.0
2	冯斐斐	郑州人学公共卫生学院劳动卫生学教研室	1	1	1.0	1.0
3	吴拥军	郑州人学公共卫生学院劳动卫生学教研室	1	1	1.0	1.0
4	吴逸明	郑州人学公共卫生学院劳动卫生学教研室	1	1	1.0	1.0