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

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.

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

所属期刊栏目：47

分类号：R737.31(肿瘤学)

资助基金：四川省卫生厅课题资助项目120336;西南医科大学人才基金2014ZD-017

在线出版日期：2018-04-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共3页

页码：800-802