目的:探索构建适用于术前诊断良性与恶性乳腺叶状肿瘤(phyllode tumor of the breast,PTB)的预测模型。方法:回顾性分析2011年1月—2018年12月哈尔滨医科大学附属肿瘤医院收治的且术前于该院进行多次(≥2次)超声随诊观察的69例良性PTB...
详细信息
目的:探索构建适用于术前诊断良性与恶性乳腺叶状肿瘤(phyllode tumor of the breast,PTB)的预测模型。方法:回顾性分析2011年1月—2018年12月哈尔滨医科大学附属肿瘤医院收治的且术前于该院进行多次(≥2次)超声随诊观察的69例良性PTB患者和41例恶性PTB(24例为交界性,17例为恶性)患者的临床病理资料,利用多因素Logistic回归分析确定的影响因素构建良性与恶性PTB术前预测模型;使用受试者操作特征(receiver operating characteristic,ROC)曲线评估该预测模型的效能;另选取2019年1月—2022年4月该院收治的22例良性PTB患者与19例恶性PTB(12例交界性,7例恶性)患者的临床病理资料进行外部验证。结果:logistic回归分析显示:肿瘤生长速度>2 mm/month和超声BIRADS分级≥4b类是诊断恶性PTB的独立预测因素(OR:4.476,95%CI:1.673~11.975;OR:9.448,95%CI:3.149~28.345;P<0.01)。得到logistic回归方程Logit(P)=-1.868+1.499×肿瘤生长速度+2.246×超声BI-RADS分级。训练队列的AUC为0.795(95%CI:0.699~0.890),最佳截断值是0.421,对应的灵敏度为0.732,特异度为0.826,约登指数为0.558,P<0.001。验证队列的AUC为0.772(95%CI:0.624~0.919),灵敏度为0.526,特异度为0.773,阳性预测值为0.667,阴性预测值为0.654,P=0.003。训练队列和验证队列的AUC均>0.75,说明该模型具有一定的预测能力。结论:使用临床病理指标构建的预测模型可用于术前诊断良性和恶性乳腺叶状肿瘤,为临床医师选择合适的手术切除范围提供一定的参考价值。
暂无评论