研究目的:回顧性分析前哨淋巴結(jié)陽(yáng)性乳腺癌患者非前哨淋巴結(jié)轉(zhuǎn)移的相關(guān)危險(xiǎn)因素,建立非前哨淋巴結(jié)轉(zhuǎn)移風(fēng)險(xiǎn)的預(yù)測(cè)模型,篩選出非前哨淋巴結(jié)轉(zhuǎn)移風(fēng)險(xiǎn)較低的患者,使其免于進(jìn)一步的腋窩淋巴結(jié)清掃。方法:回顧性分析前哨淋巴結(jié)陽(yáng)性且行腋窩淋巴結(jié)清掃術(shù)的495例乳腺癌患者的臨床病理資料,其中291例作為建模組,在建模組中驗(yàn)證MSKCC、Tenon、MDA、Ljubljana、Louisville非前哨淋巴結(jié)轉(zhuǎn)移風(fēng)險(xiǎn)預(yù)測(cè)模型,并對(duì)可能影響非前哨淋巴結(jié)狀態(tài)的相關(guān)因素進(jìn)行單因素與多因素Logistic回歸分析,建立非前哨淋巴結(jié)轉(zhuǎn)移風(fēng)險(xiǎn)的預(yù)測(cè)模型。將該預(yù)測(cè)模型應(yīng)用于驗(yàn)證組(204例),以ROC曲線下面積及假陰性率等指標(biāo)評(píng)估該模型在臨床的應(yīng)用價(jià)值。結(jié)果:MSKCC、Tenon、MDA、Ljubljana、Louisville五個(gè)非前哨淋巴結(jié)轉(zhuǎn)移風(fēng)險(xiǎn)預(yù)測(cè)模型在建模組的ROC曲線下面積分別為0.7613,0.7142,0.7076,0.7483和0.671。單因素分析結(jié)果顯示,腫瘤大小、脈管浸潤(rùn)、前哨淋巴結(jié)轉(zhuǎn)移灶大小、前哨淋巴結(jié)陽(yáng)性數(shù)目、前哨淋巴結(jié)陰性數(shù)目、分子分型與非前哨淋巴結(jié)轉(zhuǎn)移相關(guān)(p≤0.05)。多因素分析結(jié)果顯示,腫瘤2cm(OR=1.439;95%CI:1.025-2.021;P=0.036)、前哨淋巴結(jié)宏轉(zhuǎn)移(OR=5.063;95%CI:1.111-23.074;P=0.036)、前哨淋巴結(jié)陽(yáng)性數(shù)目(OR=2.583,95%CI:1.714-3.892;P0.001)、前哨淋巴結(jié)陰性數(shù)目(OR=0.686,95%CI:0.575-0.817;P0.001)和分子分型是非前哨淋巴結(jié)轉(zhuǎn)移的獨(dú)立危險(xiǎn)因素。其中,以Luminal A型乳腺癌作為參照,Luminal B(OR=3.311,95%CI:1.593-6.884;P=0.001)和HER2過表達(dá)型(OR=4.308,95%CI:1.097-16.912;P=0.036)發(fā)生非前哨淋巴結(jié)轉(zhuǎn)移的風(fēng)險(xiǎn)較高。由以上五個(gè)獨(dú)立危險(xiǎn)因素構(gòu)建非前哨淋巴結(jié)轉(zhuǎn)移風(fēng)險(xiǎn)的預(yù)測(cè)模型,將其運(yùn)用于建模組(n=291)和驗(yàn)證組(n=204),得到ROC曲線下的面積分別為0.8188和0.8075。當(dāng)截?cái)嘀等?5%時(shí),該模型的假陰性率為9.1%。當(dāng)截?cái)嘀等?0%時(shí),該模型的假陰性率為7.8%。當(dāng)截?cái)嘀等?%時(shí),該預(yù)測(cè)模型的假陰性率僅為1.3%。結(jié)論:乳腺癌分子分型與非前哨淋巴結(jié)狀態(tài)密切相關(guān)。由腫瘤大小、前哨淋巴結(jié)轉(zhuǎn)移灶大小、前哨淋巴結(jié)陽(yáng)性數(shù)目、陰性數(shù)目以及分子分型構(gòu)成的非前哨淋巴結(jié)轉(zhuǎn)移風(fēng)險(xiǎn)模型預(yù)測(cè)價(jià)值較高,非前哨淋巴結(jié)轉(zhuǎn)移幾率較低的患者,可以考慮免行腋窩淋巴結(jié)清掃,以減少術(shù)后并發(fā)癥。
【學(xué)位單位】：天津醫(yī)科大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2018
【中圖分類】：R737.9
【部分圖文】：

：1:腫瘤大小；X2:SLN 宏轉(zhuǎn)移；X3：SLNs 陽(yáng)性數(shù)目；X4：SLNs 陰性數(shù)目；Xuminal B 型；X6：HER2 過表達(dá)型；X7：三陰型。患者為 Luminal A 型，則 X5、X6、X7 取值 0；如患者為 Luminal B 型，X值 1，X6、X7 取值 0；如患者為 HER2 過表達(dá)型，X6 取值 1，X5、X7 取值 患者為三陰型，X7 取值 1，X5、X6 取值 0。模型的第一行是每個(gè)變量對(duì)應(yīng)值，第二行至第六行分別對(duì)應(yīng)建立模型的 5 個(gè)變量，根據(jù)每個(gè)變量在模型占比重不同，對(duì)應(yīng)第一行不同的分值，最后五個(gè)變量對(duì)應(yīng)的分值相加得到值，然后找到第七欄的總分值的位置，在第八欄對(duì)應(yīng)得到 NSLN 轉(zhuǎn)移幾率測(cè)值。在建模組，此模型的 ROC 曲線下的面積為 0.8188（圖 3）。

圖 2 非前哨淋巴結(jié)轉(zhuǎn)移預(yù)測(cè)模型圖 3 NSLN 轉(zhuǎn)移預(yù)測(cè)模型應(yīng)用于建模組的 ROC 曲線5 NSLN 轉(zhuǎn)移預(yù)測(cè)模型的驗(yàn)證將此模型應(yīng)用于驗(yàn)證組，ROC 曲線下的面積為 0.8075（圖 4）。對(duì)于前

10圖 3 NSLN 轉(zhuǎn)移預(yù)測(cè)模型應(yīng)用于建模組的 ROC 曲移預(yù)測(cè)模型的驗(yàn)證應(yīng)用于驗(yàn)證組，ROC 曲線下的面積為 0.8075（圖患者，NSLN 轉(zhuǎn)移預(yù)測(cè)模型的截?cái)嘀禐?10%（對(duì)應(yīng) 例患者判定陰性，經(jīng)病理證實(shí)，最終 32 例患者為166 例患者判定陽(yáng)性，最終 71 例患者為真陽(yáng)性。度、準(zhǔn)確度、陽(yáng)性預(yù)測(cè)值、陰性預(yù)測(cè)值分別為 92.2%.5% (103/204)、42.8% (71/166)、84.2% (32/38)，假移預(yù)測(cè)模型的截?cái)嘀禐?5%（對(duì)應(yīng)列陣圖的分值為 8
【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 凌云;王建東;;淺析4~#高爐的爐缸侵蝕預(yù)測(cè)模型[J];南鋼科技與管理;2007年03期

2 周媛;葉燁;王新彥;周宏根;王筱蓉;;零轉(zhuǎn)彎半徑割草機(jī)連續(xù)翻滾特性參數(shù)化預(yù)測(cè)模型[J];農(nóng)機(jī)化研究;2018年01期

3 劉洪太;郭云霞;;基于情景數(shù)據(jù)的火災(zāi)預(yù)測(cè)模型設(shè)計(jì)與實(shí)現(xiàn)[J];科技創(chuàng)新與應(yīng)用;2018年26期

4 王偉卿;;灰色預(yù)測(cè)模型在預(yù)測(cè)話音網(wǎng)關(guān)故障中的研究與應(yīng)用[J];計(jì)算機(jī)測(cè)量與控制;2016年11期

5 韓文倩;;灰色預(yù)測(cè)模型在山東省保費(fèi)預(yù)測(cè)中的應(yīng)用[J];保險(xiǎn)職業(yè)學(xué)院學(xué)報(bào);2017年01期

6 楊萌;;基于灰色預(yù)測(cè)模型的山西省批發(fā)零售業(yè)人員需求分析[J];數(shù)學(xué)的實(shí)踐與認(rèn)識(shí);2017年04期

7 崔劍;巴合提努爾·巴贊;李書欽;;燒結(jié)過程SO_2排放預(yù)測(cè)模型研究[J];資源節(jié)約與環(huán)保;2017年08期

8 張春濤;關(guān)文忠;劉學(xué)飛;;混沌時(shí)間序列的2階預(yù)測(cè)模型[J];數(shù)學(xué)的實(shí)踐與認(rèn)識(shí);2016年05期

9 夏靜;;建設(shè)項(xiàng)目環(huán)境影響評(píng)價(jià)預(yù)測(cè)模型發(fā)展現(xiàn)狀[J];綠色科技;2016年08期

10 楊學(xué)超;吳雷;;多項(xiàng)式預(yù)測(cè)模型在沉降變形監(jiān)測(cè)當(dāng)中的應(yīng)用[J];礦山測(cè)量;2015年02期

相關(guān)博士學(xué)位論文 前10條

1 李金金;天津市慢性病隊(duì)列研究及風(fēng)險(xiǎn)預(yù)測(cè)模型的建立[D];天津醫(yī)科大學(xué);2018年

2 陳玲;孕期及產(chǎn)后壓力性尿失禁風(fēng)險(xiǎn)預(yù)測(cè)模型的構(gòu)建、驗(yàn)證及應(yīng)用[D];南方醫(yī)科大學(xué);2018年

3 云科;MSM人群HIV感染風(fēng)險(xiǎn)預(yù)測(cè)模型的建立及應(yīng)用[D];中國(guó)醫(yī)科大學(xué);2018年

4 林開陽(yáng);急診經(jīng)皮冠狀動(dòng)脈介入術(shù)后對(duì)比劑腎病的危險(xiǎn)因素分析及風(fēng)險(xiǎn)預(yù)測(cè)模型構(gòu)建[D];南方醫(yī)科大學(xué);2018年

5 王美萍;城鎮(zhèn)供熱系統(tǒng)層級(jí)熱量結(jié)算點(diǎn)中短期熱負(fù)荷預(yù)測(cè)方法研究[D];太原理工大學(xué);2017年

6 黃登高;用于公交車輛行駛油耗優(yōu)化的工況預(yù)測(cè)模型及其自學(xué)習(xí)策略[D];天津大學(xué);2017年

7 史健翔;基于生物信息學(xué)的非小細(xì)胞肺癌腫瘤標(biāo)志物篩選和預(yù)測(cè)模型構(gòu)建[D];鄭州大學(xué);2018年

8 陳磊;基于全矢譜的設(shè)備故障預(yù)測(cè)方法研究[D];鄭州大學(xué);2018年

9 王冬光;控制技術(shù)在投資預(yù)測(cè)模型建立中的應(yīng)用研究[D];哈爾濱工程大學(xué);2005年

10 張麗峰;中國(guó)能源供求預(yù)測(cè)模型及發(fā)展對(duì)策研究[D];首都經(jīng)濟(jì)貿(mào)易大學(xué);2006年

相關(guān)碩士學(xué)位論文 前10條

1 裴可鋒;基于VOLDA主題模型和ESG預(yù)測(cè)模型的話題熱度預(yù)測(cè)研究[D];南京航空航天大學(xué);2018年

2 張婷婷;~(18)F-FDG PET/CT對(duì)非小細(xì)胞肺癌淋巴結(jié)診斷的回顧性研究[D];浙江大學(xué);2018年

3 梁議丹;基于組合模型的酒店線上銷量預(yù)測(cè)的研究[D];西安電子科技大學(xué);2018年

4 謝亞南;中國(guó)汽車市場(chǎng)的銷量預(yù)測(cè)模型與方法研究[D];大連理工大學(xué);2018年

5 朱穎;惡性孤立性肺微小結(jié)節(jié)的獨(dú)立預(yù)測(cè)因子及預(yù)測(cè)模型[D];浙江大學(xué);2018年

6 王娜娜;前哨淋巴結(jié)陽(yáng)性乳腺癌患者非前哨淋巴結(jié)轉(zhuǎn)移相關(guān)因素分析及預(yù)測(cè)模型的建立[D];天津醫(yī)科大學(xué);2018年

7 張國(guó)飛;LNG翻滾預(yù)測(cè)模型及數(shù)值模擬研究[D];中國(guó)石油大學(xué)（北京）;2017年

8 李凱;基于深度學(xué)習(xí)的餐飲外賣訂單預(yù)測(cè)模型[D];大連理工大學(xué);2018年

9 杜宇;航空業(yè)務(wù)量預(yù)測(cè)模型優(yōu)化設(shè)計(jì)與實(shí)現(xiàn)[D];大連理工大學(xué);2018年

10 單婷;基于蛋白質(zhì)結(jié)構(gòu)特征的折疊速率預(yù)測(cè)模型[D];大連交通大學(xué);2016年

本文編號(hào)：2873913