乳腺癌前哨淋巴结转移多因素Logistic回归分析

康淑娟，胡大为，马立辉，王助新，孟庆来，张宏旭

（1.承德医学院，河北承德 067000；2.承德医学院附属医院乳腺外科）

乳腺癌前哨淋巴结转移多因素Logistic回归分析

康淑娟1，胡大为2△，马立辉2，王助新2，孟庆来2，张宏旭2

（1.承德医学院，河北承德 067000；2.承德医学院附属医院乳腺外科）

目的：探讨乳腺癌前哨淋巴结（SLN）转移的影响因素，并建立多因素Logistic回归模型。方法：分析167例早期乳腺癌患者的年龄、肿瘤位置、肿瘤直径、病理分类、分子亚型等与SLN转移的关系，取有统计学意义变量进行多因素Logistic回归分析。结果：肿瘤直径、病理分类、分子亚型与SLN转移有关。影响SLN转移的风险比值分别为：HER2过表达（OR=22.491）、Luminal B（HER2+）（OR=6.304）、Luminal B（HER2-）（OR=5.401）、三阴型（OR=4.127）、肿瘤直径（OR=2.825）、病理分类（OR=15.240）。多因素Logistic回归预测模型为：P=1/1+ExpΣ（5.319-1.038X1-2.724X2-1.841X3-1.687X4-3.113X5-1.418X6），该模型预测乳腺癌SLN转移的准确度为79.0%、灵敏度为61.5%、特异度为87.0%。结论：肿瘤直径、病理分类、分子亚型是SLN转移的独立影响因素，所建立的多因素Logistic回归模型能较好地预测乳腺癌SLN转移的概率。

乳腺癌；前哨淋巴结转移；回归分析

乳腺癌发病率居女性恶性肿瘤的第一位，病死率仅次于肺癌［1］。为探讨乳腺癌前哨淋巴结（SLN）转移的影响因素，本研究采用病例对照的方法，对承德医学院附属医院早期乳腺癌患者的年龄、肿瘤直径、病理分类、分子亚型［luminal A型、luminal B（HER2+）型、luminal B（HER2-）型、HER2过表达型、三阴型］等指标进行了分析，探讨早期乳腺癌SLN转移的主要影响因素，并建立了Logistic回归模型以及对该模型进行了评价。

1 资料与方法

1.1 一般资料 2014年1月-2015年5月于承德医学院附属医院乳腺外科诊治的167例早期女性乳腺癌者，均行SLN活检术，年龄32-76岁，SLN转移（病例组）52例，SLN未转移（对照组）115例。肿瘤直径≤2cm的58例；2cm-5cm的109例。根据2013年NCCN指南分子亚型分类标准：Luminal A型39例，Luminal B（HER2+）型32例，Luminal B（HER2-）型45例，HER2过表达型26例，三阴型25例。浸润性导管癌（IDC）119例，非浸润型导管癌（NIDC）48例。

1.2 方法

1.2.1 获取SLN：乳腺癌患者全麻成功后，于乳晕周围1cm处，多点皮内注射亚甲蓝和吲哚菁绿各1ml，按摩乳腺10min，采用腋窝九分位法进行SLN定位探察，将肉眼观察到的亚甲蓝着色SLN和荧光探测仪探测显影SLN均进行术中冰冻，依据冰冻病理结果判断是否转移。

1.2.2 乳腺癌肿瘤标记物、肿瘤直径：直接从病理报告结果中收集，病理阅片由两名资深专家进行，肿瘤标记物包括：雌激素受体（ER）、孕激素受体（PR）、人表皮生长因子受体2（HER2）、细胞增殖指数（Ki-67）。

1.3 统计分析 采用SPSS 19.0软件进行统计分析。计数资料行卡方检验，将有统计学意义（P＜0.05）的变量进行Logistic回归分析，并建立Logistic回归方程：P=ExpΣBiXi/1+ExpΣBiXi，并评价本模型预测SLN转移的灵敏度、特异度以及准确度。

2 结果

2.1 乳腺癌SLN转移的影响因素 乳腺癌SLN转移与年龄、肿瘤位置无关（P＞0.05）；与肿瘤直径、病理分类和分子亚型有关（P＜0.05）：肿瘤直径2-5cm的SLN转移率明显高于直径≤2cm的SLN转移率，IDC的SLN转移率明显高于NIDC的SLN转移率，Luminal A型的SLN转移率明显低于其它四个亚型。见表1：

表1 乳腺癌SLN转移的影响因素［n（%）］

2.2 多因素Logistic回归分析 以SLN转移作为因变量，以肿瘤直径、病理分类、分子亚型为自变量，分子亚型作为分类变量、Luminal A型作为分类变量当中的对照组，进行多因素Logistic回归分析，得到影响SLN转移的风险值分别为：HER2过表达型（OR=2.491）、Luminal B（HER2+）型（OR=6.304）、Luminal B（HER2-）型（OR=5.401）、三阴型（OR=4.127）、肿瘤直径（OR=2.825）、病理分类（OR=15.240）（见表2）。并得到多因素Logistic回归预测模型：P=1/1+ExpΣ（5.319-1.038X1-2.724X2-1.841X3-1.687X4-3.113X5-1.418X6），其中的P值越接近于1，患者SLN转移的可能性越大；反之SLN转移的可能性越小。

表2 乳腺癌SLN转移的多因素Logistic回归分析

2.3 评价预测模型 将包含常数项和肿瘤直径、分子亚型、病理分类3个变量的模型以概率值0.5作为交界点，对167例患者SLN是否转移进行预测，通过预测值与实际数据的比较得出：本模型判断乳腺癌SLN转移的准确度为79.0%、灵敏度为61.5%、特异度为87.0%。

3 讨论

目前，利用肿瘤的生物学信息在乳腺癌术前预测SLN有无转移是国内外研究的热点［2］。在相关研究结果中，对于分子亚型与淋巴结转移之间的关系存在不同观点［3］。本研究显示，乳腺癌SLN转移与分子亚型有关，其中HER2过表达型的转移率明显高于Luminal A型，与郑星泸等［4］的研究结果一致。这可能与HER2基因高表达使细胞表面与HER2基因相关的蛋白水解酶增多，从而促进肿瘤的侵袭和转移有关［5］。本研究显示肿瘤直径与SLN转移有关，这与Tseng、崔竹山等的研究结果相同［6-7］。这可能与肿瘤较大时易于临近乳头和皮肤，此处有较丰富的淋巴管，导致淋巴转移有关［7］。本研究还显示病理分类与SLN转移有关，年龄和肿瘤位置与SLN转移无关，这与国内外研究结论相似。

本研究在发现肿瘤直径、分子亚型、病理分类是影响乳腺癌SLN转移影响因素的同时，得到了每个独立影响因素的风险值（OR值）以及相关影响系数，并建立了预测SLN转移的模型。该模型预测SLN转移的准确度为79.0%、灵敏度为61.5%、特异度为87.0%，临床医生可以利用该模型对SLN是否转移进行术前预测。

随着临床诊断技术的发展，利用分子水平的信息来预测临床上可能出现的结果，是当今研究的热点之一。本研究利用乳腺癌术前穿刺病理得到的肿瘤分子标记物来预测患者SLN转移的概率，进而指导乳腺癌的治疗。

［1］Siege R， Ma J， Zou Z， et al. Cancer statistics， 2014［J］. CA Cancer J Clin， 2014， 64（1）: 9-29.

［2］Fehm T， Maul H， Gebauer S， et a1. Prediction of axillary lymph node status of breast cancer patients by tumorbiological factors of the primary tumor［J］. Strahlenther Onkol， 2005， 181（9）: 580-586.

［3］阿娜尔，李碧丽.不同分子亚型乳腺癌与腋窝淋巴结转移的相关性分析［J］.中国肿瘤外科杂志，2013，5（4）：223-225.

［4］郑星泸.乳腺癌分子分型的临床意义［J］.现代实用医学，2014，26（1）：51-52.

［5］Sebastian S， Settleman J， Reshkin SJ， et al. The complexity of targeting EGFR signalling in cancer: from expression to turnover［J］. Biochim Biophys Acta， 2006， 1766（1）: 120-139.

［6］Tseng HS， Chen LS， Kuo SJ， et al. Tumor characteristics of breastcancer in predicting axillary lymph node metastasis［J］. Med Sci Monit， 2014， 20（7）: 1155-1161.

［7］崔竹山，杜烨，朱珠，等.cT1-2N0期乳腺癌腋窝淋巴结转移相关因素分析［J］.吉林大学学报（医学版），2015，41（6）：1239-1244.

MULTIVARIATE LOGISTIC REGRESSION ANALYSIS OF BREAST CANCER SENTINEL LYMPH NODE METASTASIS

KANG Shu-juan， HU Da-wei， MA Li-hui， et al
(Chengde Medical College, Hebei Chengde 067000, China)

Objective: To investigate the infl uence factors of breast cancer sentinel lymph node （SLN） metastasis and establish Logistic regression model. Methods: The age， tumour location， tumour diameter， pathological type and molecular subtype of 167 early breast cancer patients were analyzed and performed multivariate logistic regression analysis. Results: Tumour diameter， pathological type and molecular subtype were related to SLN metastasis. The risk ratio of influencing factors of SLN metastasis were respectively HER2 over express type （OR=22.491），Luminal B （HER2+） type （OR=6.304）， Luminal B type （HER2-） （OR=5.401）， triple negative type （OR=4.127），tumor diameter （OR=2.825）， pathological type （OR=15.240）. Multivariate logistic regression prediction model was P=1/1+ExpΣ（5.319-1.038X1-2.724X2-1.841X3-1.687X4-3.113X5-1.418X6）， whose accuracy， sensitivity and specifi city that predict breast cancer SLN metastasis were respectively 79.0%， 61.5% and 87.0%. Conclusions: Tumor diameter， pathological type and molecular subtype are independent influencing factors of SLN metastasis. Multivariate logistic regression prediction model in this study can predict the probability of breast cancer SLN metastasis better.

Breast cancer； Sentinel lymph node metastasis； Regression analysis

△

R737.9

A

1004-6879（2016）03-0204-04

（2015-08-23）