文献类型：期刊文章

作　　者：何其栋[1] 魏小玲[1] 张红巧[2] 王威[3] 吴拥军[1]

机构地区：[1]郑州大学公共卫生学院卫生毒理学教研室,郑州450001 [2]郑州大学第五附属医院肿瘤科,郑州450052 [3]郑州大学公共卫生学院劳动卫生学教研室,郑州450001

出　　处：《郑州大学学报（医学版）》

基　　金：国家自然科学基金资助项目30972457;河南省重大科技攻关项目112102310102;河南省医学科技攻关项目2011020082

年　　份：2014

卷　　号：49

期　　号：1

起止页码：37-40

语　　种：中文

收录情况：BDHX、BDHX2011、CAS、CSA、IC、JST、RCCSE、ZGKJHX、核心刊

摘　　要：目的:应用决策树技术联合肿瘤标志蛋白芯片建立基于"优选肿瘤标志群"的决策树模型,实现对肺癌的快速诊断。方法:运用肿瘤标志定量检测试剂盒测定201例肺部良性疾病及199例肺癌患者血清中9项肿瘤标志[癌胚抗原、糖原类抗原19-9(CA199)、神经元特异性烯醇化酶、CA242、铁蛋白、CA125、甲胎蛋白、人生长激素和CA153]水平,应用logistic回归对肿瘤标志进行筛选以获得"优选肿瘤标志群",分别于筛选前后建立决策树模型和Fisher判别分析模型。结果:肺癌组9项血清肿瘤标志水平均高于肺良性疾病组(P<0.05)。筛选前基于9项肿瘤标志分别建立的Fisher判别分析模型、决策树模型和筛选后基于6项肿瘤标志建立的Fisher判别分析模型、决策树模型,其预测准确度分别为86.0%、92.5%、84.5%、91.5%。筛选前和筛选后决策树模型ROC曲线的AUC分别为0.925和0.915,均高于Fisher判别分析的0.860和0.845(Z=4.462和4.575,P均<0.01);但决策树模型和Fisher判别分析筛选前后自身相比,差异均无统计学意义(Z=1.914和1.074,P均>0.05)。结论:基于6项肿瘤标志建立的决策树模型诊断肺癌的效果优于Fisher判别分析。

关 键 词：决策树 肿瘤标志 肺肿瘤 辅助诊断  

分 类 号：R734.2]