首页|前列腺癌3种早期诊断预测模型效能比较

前列腺癌3种早期诊断预测模型效能比较

扫码查看
原文链接
  • 国家科技期刊平台
  • NETL
  • NSTL
  • 万方数据
  • 维普
目的 采用logistic回归、决策树和Lagrangian支持向量机(Lagrangian Sopport Vector Machine,LSVM)三种方法构建前列腺癌的早期诊断预测模型,并比较三种模型的预测效能,为前列腺癌的早期诊断提供理论支持.方法 数据来源于国家临床医学科学数据中心(301医院)的《前列腺肿瘤预警数据集》,将清洗整理后的数据按7:3的比例随机分成训练集和测试集,基于训练集数据采用单因素Logistic回归筛选前列腺癌的关联因素,并建立多因素Logistic回归分析、LSVM和随机森林模型三个前列腺癌早期诊断预测模型,用测试集数据验证三个模型的预测准确性并用ROC曲线对三种模型进行评价比较.结果 单因素Logistic分析筛选出13项具有统计学意义的指标,包括年龄、肌酸激酶同工酶、甘油三酯、磷脂、游离PSA、总PSA、钙、血清尿酸、载脂蛋白A1、载脂蛋白B、载脂蛋白C2、载脂蛋白C3、载脂蛋白E.多因素Logistic分析筛选出4个有统计学意义的变量:年龄、肌酸激酶同工酶、游离PSA、总PSA.LSVM模型筛选出10项预测因子,按重要性由高至低分别是:总PSA、年龄、载脂蛋白A1、磷脂、载脂蛋白B、甘油三酯、血清尿酸、游离PSA、肌酸磷酸同工酶、载脂蛋白E.随机森林模型筛选出10项预测因子,按重要程度排序由高至低依次为:载脂蛋白C3、磷脂、游离PSA、载脂蛋白B、载脂蛋白E、钙、血清尿酸、载脂蛋白A1、载脂蛋白C2、肌酸激酶同工酶.多因素非条件Logistic回归、LSVM模型和随机森林模型分析的AUC分别为 0.895(0.876,0.913)、0.918(0.902,0.934)、0.724(0.688,0.760).结论 LSVM模型预测效果最好,多因素Logistic回归模型预测效果尚可,随机森林的预测效果不佳.
A comparative study of three risk prediction model of prostate cancer

Prostatic carcinomaRisk predictionLogistic regressionLSVM modelRandom forest modelROC curve

李翔、李姝婷、陈容、骆仕俐、张溪、李远盛、许望东、张俊辉

展开 >

西南医科大学 公共卫生学院 泸州 646000

西南医科大学 科技处 泸州 646000

前列腺癌 风险预测 Logistic回归 LSVM模型 随机森林模型 ROC曲线

全国统计科学研究项目泸州市政府-西南医科大学公共卫生学院创新团队项目

2021LZ31SPH18001

2023

10.3969/j.issn.2096-3351.2023.04.011

西南医科大学学报
泸州医学院

西南医科大学学报

影响因子：0.407
ISSN：2096-3351
年,卷(期)：2023.46(4)
  • 13