Logistic回歸在多指標(biāo)聯(lián)合診斷肺癌中的應(yīng)用

江蘇省連云港市中醫(yī)院檢驗(yàn)科（222004） 仲崇明

Logistic回歸在多指標(biāo)聯(lián)合診斷肺癌中的應(yīng)用

江蘇省連云港市中醫(yī)院檢驗(yàn)科（222004） 仲崇明

ROC曲線是實(shí)驗(yàn)室檢測指標(biāo)臨床診斷性能評(píng)價(jià)的主要手段。臨床在某些疾病診斷過程中往往不滿足單個(gè)檢測指標(biāo)的應(yīng)用，有時(shí)需要幾個(gè)檢測項(xiàng)目的聯(lián)合應(yīng)用即聯(lián)合檢測，目的是為了提高診斷敏感性，例如：在肺癌診斷實(shí)驗(yàn)室檢查過程中，需要癌胚抗原（CEA）、神經(jīng)特異性烯醇化酶（NSE）、細(xì)胞角蛋白19片段21－1（CYFRA21－1）、糖類抗原－125（CA－125）的聯(lián)合檢測，而不是其中單一項(xiàng)目的檢測。聯(lián)合檢測并非是指標(biāo)越多越好，聯(lián)合檢測臨床診斷性能評(píng)價(jià)是聯(lián)合檢測得以合理應(yīng)用的前提。本文將logistic回歸引入ROC曲線作聯(lián)合檢測臨床診斷性能評(píng)價(jià)。

理論和方法

1．ROC曲線

ROC曲線對(duì)檢測項(xiàng)目臨床診斷性能評(píng)價(jià)目前公認(rèn)且實(shí)用。ROC曲線是以真陽性率（靈敏度）為縱坐標(biāo)，假陽性率（1－特異度）為橫坐標(biāo)繪制的曲線。在對(duì)同一種疾病的兩種或兩種以上診斷方法進(jìn)行比較時(shí)，可將各試驗(yàn)的ROC曲線繪制到同一坐標(biāo)中，以直觀地鑒別優(yōu)劣，靠近左上角的ROC曲線所代表的受試者工作最準(zhǔn)確。亦可通過分別計(jì)算各個(gè)試驗(yàn)的ROC曲線下的面積（AUC）進(jìn)行比較，哪一種試驗(yàn)的AUC最大，則哪一種試驗(yàn)的診斷價(jià)值最佳。

2．聯(lián)合檢測

為了提高臨床靈敏度或特異度，采用多個(gè)指標(biāo)聯(lián)合診斷的方法對(duì)調(diào)查對(duì)象檢查，這種方式稱為聯(lián)合試驗(yàn)。指標(biāo)之間的聯(lián)合診斷可分為系列診斷實(shí)驗(yàn)（串聯(lián)）和平行診斷實(shí)驗(yàn)（并聯(lián)），具體用什么聯(lián)合方法，依據(jù)專業(yè)而定。有的疾病需要早期診斷，早診斷對(duì)預(yù)后影響巨大，可采用并聯(lián)。有的疾病強(qiáng)調(diào)特異性，可以采用串聯(lián)提高特異性。簡單來說：串聯(lián)就是所有指標(biāo)陽性才算陽性，并聯(lián)就是只要有一個(gè)指標(biāo)陽性就算陽性。聯(lián)合檢測并非項(xiàng)目指標(biāo)越多越好，項(xiàng)目指標(biāo)的選用需要評(píng)價(jià)，評(píng)價(jià)一個(gè)新的實(shí)驗(yàn)指標(biāo)的選用，能否增強(qiáng)已有實(shí)驗(yàn)指標(biāo)的診斷效率。另外，多個(gè)指標(biāo)的聯(lián)合應(yīng)用增加了患者的經(jīng)濟(jì)負(fù)擔(dān)。

3．聯(lián)合檢測ROC曲線的生成

聯(lián)合檢測項(xiàng)目指標(biāo)為自變量，病變狀況為應(yīng)變量（有病、無病），行l(wèi)ogistic回歸產(chǎn)生回歸方程。將各病例檢測指標(biāo)值代入logistic回歸方程，計(jì)算相應(yīng)應(yīng)變量值（概率值）。以各相應(yīng)應(yīng)變量值輸入ROC曲線統(tǒng)計(jì)軟件（SPSS 13．0）生成ROC曲線。

實(shí)例應(yīng)用

1．研究對(duì)象

（1）肺癌患者114例（均經(jīng)病理檢查確診），男80例，女34例，年齡41～82歲。其中小細(xì)胞肺癌19例，非小細(xì)胞肺癌95例（鱗癌45例，腺癌50例）。臨床分期Ⅰ期7例，Ⅱ期52例，Ⅲ期40例，Ⅳ15例。（2）肺部良性疾病61例，經(jīng)臨床、影像、實(shí)驗(yàn)室檢查并經(jīng)治療證實(shí)而排除腫瘤，男36例，女25例，年齡35～80歲，其中支氣管炎17例，肺炎29例，哮喘15例。（3）正常人30例，均為成年人健康體檢者，并未發(fā)現(xiàn)明顯疾病，男19例，女11例，年齡30～60歲。肺部良性疾病與正常體檢未發(fā)現(xiàn)疾病歸為對(duì)照組。

2．檢測指標(biāo)

癌胚抗原（CEA）、神經(jīng)特異性烯醇化酶（NSE）、細(xì)胞角蛋白19片21－1（CYFRA21－1）、糖類抗原－125（CA－125）。各指標(biāo)采用化學(xué)發(fā)光檢測方法，其試劑臨床參考值分別為CEA＞5 ng/m l為陽性，NSE＞13．6 ng/m l為陽性，CYFRA21－1＞3．30 ng/m l為陽性，CA－125＞41 U/m l為陽性。

3．方法

（1）應(yīng)變量為疾病狀態(tài)（是否患肺癌），肺癌組設(shè)為1，對(duì)照組設(shè)為0；自變量為CEA、NSE、CYFRA21－1、CA－125，產(chǎn)生logistic方程，即產(chǎn)生各自變量回歸系數(shù)；（2）再將各自變量值代入回歸方程，計(jì)算疾病發(fā)生概率，根據(jù)各病例的疾病發(fā)生概率作ROC曲線。（3）聯(lián)合檢測ROC曲線生成：將各自變量值代入回歸方程，計(jì)算疾病發(fā)生概率，根據(jù)各病例的疾病發(fā)生概率作ROC曲線。

結(jié) 果

（1）logistic回歸結(jié)果顯示自變量CEA、NSE、CYFRA21－1、CA－125均對(duì)應(yīng)變量的發(fā)生有顯著影響，其P值分別為0．03、0．000、0．000、0．005，回歸系數(shù)分別為0．465、0．327、0．872、0．044。

（2）聯(lián)合檢測ROC曲線的生成。各單項(xiàng)指標(biāo)及聯(lián)合檢測ROC曲線結(jié)果如圖1。

表1 CEA、CA－125、NSE、CYFRA21－1回歸系數(shù)

圖1 CEA、NSE、CYFRA21－1、CA－125、聯(lián)合檢測ROC曲線

（3）效能評(píng)價(jià)

各指標(biāo)ROC曲線下面積大小即為臨床診斷效能大小。CEA、NSE、CYFRA21－1、CA－125及聯(lián)合檢測（logistic）ROC曲線下面積分別為0．836、0．909、0．894、0．795、0．984。以聯(lián)合檢測曲線下面積最大，顯示聯(lián)合檢測對(duì)肺癌診斷效能最好。

討 論

聯(lián)合檢測的目的是為了提高診斷疾病或排除疾病的效能，即提高敏感性或特異性。但提高敏感性必然降低特異性，提高特異性必降低敏感性。ROC曲線是綜合敏感性與特異性對(duì)臨床診斷效能評(píng)價(jià)的良好方法［1－3］。利用logistic回歸將聯(lián)合檢測引入ROC曲線可對(duì)聯(lián)合檢測臨床診斷效能進(jìn)行評(píng)價(jià)［4］。本文實(shí)例應(yīng)用的結(jié)果也表明了多指標(biāo)聯(lián)合檢測的ROC曲線比單項(xiàng)指標(biāo)具有更大的AUC，對(duì)臨床診斷的價(jià)值更大。

logistic回歸屬于概率型非線性回歸，是研究一個(gè)或多個(gè)水平的結(jié)果變量與其影響因素之間關(guān)系的多變量分析方法。logistic回歸中應(yīng)變量為分類變量（如二分類變量，發(fā)病與未發(fā)病、死亡與存活、陽性與陰性、治療有效與無效等）或多分類無序結(jié)果變量和多分類有序結(jié)果變量。研究一個(gè)應(yīng)變量與多個(gè)影響因素之間的關(guān)系是logistic回歸的主要應(yīng)用，這也包括了自變量的篩選，分析哪些因素對(duì)應(yīng)變量有影響哪些自變量對(duì)對(duì)應(yīng)變量無影響。在使用過程中必須注意臨床要求及l(fā)ogistic回歸條件［5］。

ROC曲線是評(píng)價(jià)檢測指標(biāo)對(duì)臨床診斷效能的有效方法，但多數(shù)情況是針對(duì)單個(gè)檢測指標(biāo)進(jìn)行臨床效能評(píng)價(jià)。利用logistic回歸把聯(lián)合檢測引入ROC曲線，對(duì)聯(lián)合檢測的臨床效能進(jìn)行ROC曲線分析，對(duì)臨床是有較好幫助且有重要價(jià)值。logistic回歸分析及ROC曲線繪制有多種統(tǒng)計(jì)軟件可以完成［5］，基本滿足使用者需求，使用者選擇相對(duì)熟悉的軟件即可。

［1］仲崇明，孫詠梅．相關(guān)腫瘤標(biāo)志物檢測在肺癌診斷性能中的評(píng)價(jià)．腫瘤防治研究，2008，35（11）：827-828．

［2］張莉娜．含截尾數(shù)據(jù)的時(shí)間依依的ROC曲線分析．中國衛(wèi)生統(tǒng)計(jì)，2014，31（5）：867-869．

［3］潘靜靜，康鍇，王彥霞，等．Logistic回歸及ROC曲線綜合評(píng)價(jià)危重手足病的預(yù)測指標(biāo)．中國衛(wèi)生統(tǒng)計(jì)，2014，31（5）：809-811．

［4］秦正積，沈毅，崔曉莉，等．Logistic回歸在疾病多指標(biāo)聯(lián)合診斷中的應(yīng)用．中國衛(wèi)生統(tǒng)計(jì)，2014，31（1）：116-117．

［5］郭秀花主編．醫(yī)學(xué)統(tǒng)計(jì)學(xué)與SPSS軟件實(shí)現(xiàn)方法．第1版．北京：科學(xué)出版社，2012，206-216．

（責(zé)任編輯：張 悅）