Logistic回歸分析在BI-RADS-US(2013)超聲描述詞對乳腺腫塊良惡性鑒別中的應用.pdf

1、目的：
　　應用Binary Logistic回歸模型探討超聲乳腺影像報告數(shù)據(jù)系統(tǒng)(2013)中列舉的超聲征象及相關(guān)臨床資料在乳腺腫塊良惡性鑒別中的診斷價值，篩選出起主要鑒別作用的影像學表現(xiàn)及臨床資料。
　　方法：
　　對安徽醫(yī)科大學第二附屬醫(yī)院的367例患者行乳腺灰階超聲、彩色多普勒超聲、彈性成像等檢查，共發(fā)現(xiàn)430個乳腺腫塊，依據(jù)BI-RADS-US(2013)中列舉的腫塊的超聲描述詞記錄各腫塊超聲征象：腫塊的大小

2、、形態(tài)、方位、邊緣、內(nèi)部回聲、后方回聲、血管供應、彈性評估、有無腋窩淋巴結(jié)腫大、腫塊內(nèi)細鈣化、腫塊內(nèi)粗鈣化、導管內(nèi)鈣化、腫塊外鈣化、乳腺結(jié)構(gòu)扭曲、導管改變、皮膚改變、水腫。查閱患者的病歷記錄其相關(guān)臨床資料，包括：患者的腫瘤家族史、患病年齡、腫塊的位置等。與病理結(jié)果對照，應用SPSS17.0統(tǒng)計軟件，對上述20個方面的參數(shù)先行單因素分析，定量資料經(jīng)正態(tài)檢驗后,采用獨立樣本t檢驗或獨立樣本非參數(shù)檢驗，定性資料采用?2檢驗，?<0.05差異有

3、統(tǒng)計學意義。將單因素分析中篩選出的有統(tǒng)計學意義的自變量用Binary Logistic回歸 Enter法進行分析，?＜0.05差異具有統(tǒng)計學意義，建立預測模型，對模型的擬合情況采用Hosmer and Lemeshow檢驗,若?≧0.05證明模型擬合良好。
　　結(jié)果：
　　1.單因素分析結(jié)果
　　惡性病灶170個,良性病灶260個。共有17個方面的指標可用來鑒別乳腺腫塊的良惡性：患者的患病年齡、腫塊的形態(tài)、方位、邊緣、

4、內(nèi)部回聲、后方回聲、血管供應、彈性評估、腫塊內(nèi)細鈣化、腫塊內(nèi)粗鈣化、導管內(nèi)鈣化、腫塊外鈣化、乳腺結(jié)構(gòu)扭曲、周圍導管改變、皮膚改變、水腫、腋窩淋巴結(jié)腫大。
　　2.多因素Logistic分析結(jié)果：
　　共篩選出7個乳腺癌診斷的主要影響因素，按其預測乳腺腫塊為惡性的相對危險度(0R值)由高到低依次排序為:腫塊內(nèi)細點狀鈣化（OR=14.878)>邊緣毛刺狀（OR=13.326)>邊緣微小分葉（ OR=12.475)>邊緣成角（OR

5、=11.843)>年齡（OR=4.652)>腋窩淋巴結(jié)腫大（OR=4.410)>方位（OR=3.424)。得到的預測模型Logit(P)=-21.311+1.537×(年齡≧40歲)+1.231×不平行生長+2.472×邊緣成角+2.524×邊緣呈微小分葉狀+2.590×邊緣呈毛刺狀+2.700×腫塊內(nèi)微小鈣化+1.484×腋窩淋巴結(jié)腫大。Hosmer and Lemeshow檢驗：?=0.389（?≥0.05），模型擬合良好。

6、　　結(jié)論：
　　1.單因素分析結(jié)果中具有統(tǒng)計學意義的指標中囊括了BI-RADS-US（2013）中列舉的所有超聲征象，這再次驗證了BI-RADS-US有助于乳腺腫塊良惡性的鑒別。
　　2.多因素分析結(jié)果按OR值由大到小排序，共有：腫塊內(nèi)細點狀鈣化、邊緣毛刺狀、邊緣微小分葉、邊緣成角、年齡≥40歲、腋窩淋巴結(jié)腫大、方位7個因素是乳腺良惡性腫塊鑒別診斷中的主要危險因素，OR值越大，腫塊的惡性可能性越大；危險因素出現(xiàn)的越多，乳腺腫