Logistic回归和Fisher线性判别分析模型在卵巢肿瘤良恶性鉴别诊断中的价值

• 作者: 杨建波 桂林 黄远帅
• 来源期刊: 重庆医学
• 学科: 医学
• 关键词: 卵巢肿瘤 人附睾上皮分泌蛋白4 癌胚抗原125 Logistic回归分析 Fisher线性判别分析
• 年，卷（期）: 2018,（6）
• 所属期刊栏目: 经验交流
• 页码范围: 800-802
• 页数: 3页
• 分类号: R737.31
• 字数: 3253字
• 语种: 中文
• DOI: 10.3969/j.issn.1671-8348.2018.06.025

摘要

目的 探讨Logistic回归和Fisher线性判别分析模型在卵巢肿瘤良恶性鉴别诊断中的价值.方法 测定283例卵巢癌和200例卵巢良性疾病患者血清甲胎蛋白(AFP)、癌胚抗原(CEA)、铁蛋白(SF)、组织多肽抗原(TPA)、糖类抗原125(CA125)、CA72-4和人附睾上皮分泌蛋白4(HE4)水平并进行ROC曲线、Logistic回归和Fisher线性判别分析.结果 7项指标中CEA、SF、TPA、CA125和HE4的ROC曲线下面积(AUC)较高(0.713～0.889).HE4的AUC最高(0.889),95％CI:0.854～0.919,在临界值为125.6 pmol/L时,灵敏度和特异度分别为77.4％和90.0％.基于血清CEA、SF、TPA、CA125和HE4的Logistic回归模型对卵巢癌和卵巢良性疾病的诊断准确率分别为92.6％和95.0％,预测准确率分别为90.5％和97.0％.Fisher线性判别模型对卵巢癌和卵巢良性疾病的诊断准确率分别为82.7％和98.5％,预测准确率分别为82.3％和98.5％.结论 Logistic回归分析模型更有助于卵巢肿瘤良恶性的鉴别诊断和预测分析.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	桂林	西南医科大学附属医院输血科	8	25	3.0	5.0
2	杨建波	西南医科大学附属医院核医学科	7	25	3.0	5.0
3	黄远帅	西南医科大学附属医院输血科	45	70	4.0	6.0