前哨淋巴结阳性乳腺癌患者非前哨淋巴结转移相关因素分析及预测模型的建立

发布时间：2020-11-07 11:54

　　 研究目的:回顾性分析前哨淋巴结阳性乳腺癌患者非前哨淋巴结转移的相关危险因素,建立非前哨淋巴结转移风险的预测模型,筛选出非前哨淋巴结转移风险较低的患者,使其免于进一步的腋窝淋巴结清扫。方法:回顾性分析前哨淋巴结阳性且行腋窝淋巴结清扫术的495例乳腺癌患者的临床病理资料,其中291例作为建模组,在建模组中验证MSKCC、Tenon、MDA、Ljubljana、Louisville非前哨淋巴结转移风险预测模型,并对可能影响非前哨淋巴结状态的相关因素进行单因素与多因素Logistic回归分析,建立非前哨淋巴结转移风险的预测模型。将该预测模型应用于验证组(204例),以ROC曲线下面积及假阴性率等指标评估该模型在临床的应用价值。结果:MSKCC、Tenon、MDA、Ljubljana、Louisville五个非前哨淋巴结转移风险预测模型在建模组的ROC曲线下面积分别为0.7613,0.7142,0.7076,0.7483和0.671。单因素分析结果显示,肿瘤大小、脉管浸润、前哨淋巴结转移灶大小、前哨淋巴结阳性数目、前哨淋巴结阴性数目、分子分型与非前哨淋巴结转移相关(p≤0.05)。多因素分析结果显示,肿瘤2cm(OR=1.439;95%CI:1.025-2.021;P=0.036)、前哨淋巴结宏转移(OR=5.063;95%CI:1.111-23.074;P=0.036)、前哨淋巴结阳性数目(OR=2.583,95%CI:1.714-3.892;P0.001)、前哨淋巴结阴性数目(OR=0.686,95%CI:0.575-0.817;P0.001)和分子分型是非前哨淋巴结转移的独立危险因素。其中,以Luminal A型乳腺癌作为参照,Luminal B(OR=3.311,95%CI:1.593-6.884;P=0.001)和HER2过表达型(OR=4.308,95%CI:1.097-16.912;P=0.036)发生非前哨淋巴结转移的风险较高。由以上五个独立危险因素构建非前哨淋巴结转移风险的预测模型,将其运用于建模组(n=291)和验证组(n=204),得到ROC曲线下的面积分别为0.8188和0.8075。当截断值取15%时,该模型的假阴性率为9.1%。当截断值取10%时,该模型的假阴性率为7.8%。当截断值取5%时,该预测模型的假阴性率仅为1.3%。结论:乳腺癌分子分型与非前哨淋巴结状态密切相关。由肿瘤大小、前哨淋巴结转移灶大小、前哨淋巴结阳性数目、阴性数目以及分子分型构成的非前哨淋巴结转移风险模型预测价值较高,非前哨淋巴结转移几率较低的患者,可以考虑免行腋窝淋巴结清扫,以减少术后并发症。
【学位单位】：天津医科大学
【学位级别】：硕士
【学位年份】：2018
【中图分类】：R737.9
【部分图文】：

：1:肿瘤大小；X2:SLN 宏转移；X3：SLNs 阳性数目；X4：SLNs 阴性数目；Xuminal B 型；X6：HER2 过表达型；X7：三阴型。患者为 Luminal A 型，则 X5、X6、X7 取值 0；如患者为 Luminal B 型，X值 1，X6、X7 取值 0；如患者为 HER2 过表达型，X6 取值 1，X5、X7 取值 患者为三阴型，X7 取值 1，X5、X6 取值 0。模型的第一行是每个变量对应值，第二行至第六行分别对应建立模型的 5 个变量，根据每个变量在模型占比重不同，对应第一行不同的分值，最后五个变量对应的分值相加得到值，然后找到第七栏的总分值的位置，在第八栏对应得到 NSLN 转移几率测值。在建模组，此模型的 ROC 曲线下的面积为 0.8188（图 3）。

图 2 非前哨淋巴结转移预测模型图 3 NSLN 转移预测模型应用于建模组的 ROC 曲线5 NSLN 转移预测模型的验证将此模型应用于验证组，ROC 曲线下的面积为 0.8075（图 4）。对于前

10图 3 NSLN 转移预测模型应用于建模组的 ROC 曲移预测模型的验证应用于验证组，ROC 曲线下的面积为 0.8075（图患者，NSLN 转移预测模型的截断值为 10%（对应 例患者判定阴性，经病理证实，最终 32 例患者为166 例患者判定阳性，最终 71 例患者为真阳性。度、准确度、阳性预测值、阴性预测值分别为 92.2%.5% (103/204)、42.8% (71/166)、84.2% (32/38)，假移预测模型的截断值为 5%（对应列阵图的分值为 8
【相似文献】

相关期刊论文 前10条

1 凌云;王建东;;浅析4~#高炉的炉缸侵蚀预测模型[J];南钢科技与管理;2007年03期

2 周媛;叶烨;王新彦;周宏根;王筱蓉;;零转弯半径割草机连续翻滚特性参数化预测模型[J];农机化研究;2018年01期

3 刘洪太;郭云霞;;基于情景数据的火灾预测模型设计与实现[J];科技创新与应用;2018年26期

4 王伟卿;;灰色预测模型在预测话音网关故障中的研究与应用[J];计算机测量与控制;2016年11期

5 韩文倩;;灰色预测模型在山东省保费预测中的应用[J];保险职业学院学报;2017年01期

6 杨萌;;基于灰色预测模型的山西省批发零售业人员需求分析[J];数学的实践与认识;2017年04期

7 崔剑;巴合提努尔·巴赞;李书钦;;烧结过程SO_2排放预测模型研究[J];资源节约与环保;2017年08期

8 张春涛;关文忠;刘学飞;;混沌时间序列的2阶预测模型[J];数学的实践与认识;2016年05期

9 夏静;;建设项目环境影响评价预测模型发展现状[J];绿色科技;2016年08期

10 杨学超;吴雷;;多项式预测模型在沉降变形监测当中的应用[J];矿山测量;2015年02期

相关博士学位论文 前10条

1 李金金;天津市慢性病队列研究及风险预测模型的建立[D];天津医科大学;2018年

2 陈玲;孕期及产后压力性尿失禁风险预测模型的构建、验证及应用[D];南方医科大学;2018年

3 云科;MSM人群HIV感染风险预测模型的建立及应用[D];中国医科大学;2018年

4 林开阳;急诊经皮冠状动脉介入术后对比剂肾病的危险因素分析及风险预测模型构建[D];南方医科大学;2018年

5 王美萍;城镇供热系统层级热量结算点中短期热负荷预测方法研究[D];太原理工大学;2017年

6 黄登高;用于公交车辆行驶油耗优化的工况预测模型及其自学习策略[D];天津大学;2017年

7 史健翔;基于生物信息学的非小细胞肺癌肿瘤标志物筛选和预测模型构建[D];郑州大学;2018年

8 陈磊;基于全矢谱的设备故障预测方法研究[D];郑州大学;2018年

9 王冬光;控制技术在投资预测模型建立中的应用研究[D];哈尔滨工程大学;2005年

10 张丽峰;中国能源供求预测模型及发展对策研究[D];首都经济贸易大学;2006年

相关硕士学位论文 前10条

1 裴可锋;基于VOLDA主题模型和ESG预测模型的话题热度预测研究[D];南京航空航天大学;2018年

2 张婷婷;~(18)F-FDG PET/CT对非小细胞肺癌淋巴结诊断的回顾性研究[D];浙江大学;2018年

3 梁议丹;基于组合模型的酒店线上销量预测的研究[D];西安电子科技大学;2018年

4 谢亚南;中国汽车市场的销量预测模型与方法研究[D];大连理工大学;2018年

5 朱颖;恶性孤立性肺微小结节的独立预测因子及预测模型[D];浙江大学;2018年

6 王娜娜;前哨淋巴结阳性乳腺癌患者非前哨淋巴结转移相关因素分析及预测模型的建立[D];天津医科大学;2018年

7 张国飞;LNG翻滚预测模型及数值模拟研究[D];中国石油大学（北京）;2017年

8 李凯;基于深度学习的餐饮外卖订单预测模型[D];大连理工大学;2018年

9 杜宇;航空业务量预测模型优化设计与实现[D];大连理工大学;2018年

10 单婷;基于蛋白质结构特征的折叠速率预测模型[D];大连交通大学;2016年

本文编号：2873913