Page 133 - 南京医科大学自然版

第45卷第8期 钱 哲，臧 攀，丁 磊，等. 高危前列腺癌患者穿刺病理预测模型的构建及验证研究［J］.
2025年8月 南京医科大学学报（自然科学版），2025，45（8）：1186-1193，1210 ·1189 ·

表1 训练集和验证集中患者基线资料对比
Table 1 Comparison of clinical characteristics of the patients in the training and validation sets
Clinical characteristics Training set（n=424） Validation set（n=78） P
Biopsy result［n（%）］ 0.755
+ 372（87.74）000- 70（89.74）0-
- 52（12.26）00- 8（10.26）0
Age［years，M（P25，P75）］ 69（42，86）00 71（53，82）0. 0.409
PSA［ng/mL，M（P25，P75）］ 11.62（0.31，155.00） 11.48（0.06，74.48） 0.161
PSAD［ng/mL ，M（P25，P75）］ 0.34（0.02，6.21）0 0.37（0.00，2.86） 0.833
2
PI⁃RADS score［n（%）］ 0.359
4 245（57.78）000- 50（64.10）0-
5 179（42.22）000- 28（35.90）0-
Lesions number［n（%）］ 0.298
1 310（73.11）000- 62（79.49）0-
≥2 114（26.89）000- 16（20.51）0-
Histological region［n（%）］ 1.000
Peripheral zone 222（52.36）000- 41（52.56）0-
Other 202（47.64）000- 37（47.44）0-
Testosterone［ng/mL，M（P25，P75）］ 9.98（0.00，35.71） 07.06（0.00，21.14） 0.041

降低不同前列腺体积造成的PSA差异（图1B）。 4.615~6.962，P < 0.001）。结果显示上述因素为患
多因素回归分析结果（图 1C）为：年龄（OR= 者TB病理的显著相关因素，除病灶数量的OR值<1
1.070，95%CI：1.046~1.094，P < 0.001）；病灶数量 且 CI 不包含 1，意味着为保护因素外，患者年龄、
（OR=0.518，95%CI：0.373~0.711，P < 0.001）；组织学 PSAD、病灶所在组织学区域以及PI⁃RADS评分均为
区 域 评 分（OR=1.464，95% CI：1.067~2.016，P= TB病理的危险因素。
0.019）；PI ⁃ RADS 评 分（OR=9.693，95% CI：5.919~ 2.3 通过训练集数据构建TB病理的预测模型
16.405，P < 0.001）；PSAD 值（OR=5.742，95% CI： 本研究通过应用逐步逻辑回归的方法对训练

A B
Variants P OR（95%CI）
Age <0.001 01.051（1.032-1.070）
Lesion number <0.001 00.510（0.398-0.649） Histological score
Histological region 0.008 01.372（1.085-1.739） Result Lesion PI⁃RADS
PI⁃RADS <0.001 10.660（7.203-16.225） Age PSA PSAD
PSAD <0.001 05.880（4.877-6.963） 1.0
PSA <0.001 01.082（1.062-1.104） Result 0.8
Testosterone 0.402 00.993（0.975-1.01）
Age 0.13 0.6
0 5 10 15
0.4
OR
Lesion -0.14 0.02
0.2
C B
Variants P OR（95%CI）
Histological score 0.06 -0.08 -0.18 0
Age <0.001 1.070（1.046-1.094）
Lesion number <0.001 0.518（0.373-0.711） -0.2
Histological region 0.019 1.464（1.067-2.016） PI⁃RADS 0 0.26.26 0.13 -0.01 -0.18 -0.4
PI⁃RADS <0.001 9.693（5.919-16.405）
PSAD <0.001 5.742（4.615-6.962） PSA 0.15 0.13 -0.09 -0.23 0.35 -0.6
-0.8
0 5 10 15 PSAD 0.20 0.06 -0.12 -0.14 0.31 0.87
OR -1.0
A：Univariate logistic regression for initial analysis of variables related to puncture pathology. B：Pearson’s coefficient characterising covariance
between factors. C：Multivariate logistic regression controlling for confounding effects.
图1 单因素与多因素回归分析结果
Figure 1 Results of univariate and multivariate regression analyses