康淑娟，胡大為，馬立輝，王助新，孟慶來，張宏旭

（1.承德醫(yī)學院，河北承德 067000；2.承德醫(yī)學院附屬醫(yī)院乳腺外科）

乳腺癌前哨淋巴結轉移多因素Logistic回歸分析

康淑娟1，胡大為2△，馬立輝2，王助新2，孟慶來2，張宏旭2

（1.承德醫(yī)學院，河北承德 067000；2.承德醫(yī)學院附屬醫(yī)院乳腺外科）

目的：探討乳腺癌前哨淋巴結（SLN）轉移的影響因素，并建立多因素Logistic回歸模型。方法：分析167例早期乳腺癌患者的年齡、腫瘤位置、腫瘤直徑、病理分類、分子亞型等與SLN轉移的關系，取有統(tǒng)計學意義變量進行多因素Logistic回歸分析。結果：腫瘤直徑、病理分類、分子亞型與SLN轉移有關。影響SLN轉移的風險比值分別為：HER2過表達（OR=22.491）、Luminal B（HER2+）（OR=6.304）、Luminal B（HER2-）（OR=5.401）、三陰型（OR=4.127）、腫瘤直徑（OR=2.825）、病理分類（OR=15.240）。多因素Logistic回歸預測模型為：P=1/1+ExpΣ（5.319-1.038X1-2.724X2-1.841X3-1.687X4-3.113X5-1.418X6），該模型預測乳腺癌SLN轉移的準確度為79.0%、靈敏度為61.5%、特異度為87.0%。結論：腫瘤直徑、病理分類、分子亞型是SLN轉移的獨立影響因素，所建立的多因素Logistic回歸模型能較好地預測乳腺癌SLN轉移的概率。

乳腺癌；前哨淋巴結轉移；回歸分析

乳腺癌發(fā)病率居女性惡性腫瘤的第一位，病死率僅次于肺癌［1］。為探討乳腺癌前哨淋巴結（SLN）轉移的影響因素，本研究采用病例對照的方法，對承德醫(yī)學院附屬醫(yī)院早期乳腺癌患者的年齡、腫瘤直徑、病理分類、分子亞型［luminal A型、luminal B（HER2+）型、luminal B（HER2-）型、HER2過表達型、三陰型］等指標進行了分析，探討早期乳腺癌SLN轉移的主要影響因素，并建立了Logistic回歸模型以及對該模型進行了評價。

1 資料與方法

1.1 一般資料 2014年1月-2015年5月于承德醫(yī)學院附屬醫(yī)院乳腺外科診治的167例早期女性乳腺癌者，均行SLN活檢術，年齡32-76歲，SLN轉移（病例組）52例，SLN未轉移（對照組）115例。腫瘤直徑≤2cm的58例；2cm-5cm的109例。根據2013年NCCN指南分子亞型分類標準：Luminal A型39例，Luminal B（HER2+）型32例，Luminal B（HER2-）型45例，HER2過表達型26例，三陰型25例。浸潤性導管癌（IDC）119例，非浸潤型導管癌（NIDC）48例。

1.2 方法

1.2.1 獲取SLN：乳腺癌患者全麻成功后，于乳暈周圍1cm處，多點皮內注射亞甲藍和吲哚菁綠各1ml，按摩乳腺10min，采用腋窩九分位法進行SLN定位探察，將肉眼觀察到的亞甲藍著色SLN和熒光探測儀探測顯影SLN均進行術中冰凍，依據冰凍病理結果判斷是否轉移。

1.2.2 乳腺癌腫瘤標記物、腫瘤直徑：直接從病理報告結果中收集，病理閱片由兩名資深專家進行，腫瘤標記物包括：雌激素受體（ER）、孕激素受體（PR）、人表皮生長因子受體2（HER2）、細胞增殖指數（Ki-67）。

1.3 統(tǒng)計分析 采用SPSS 19.0軟件進行統(tǒng)計分析。計數資料行卡方檢驗，將有統(tǒng)計學意義（P＜0.05）的變量進行Logistic回歸分析，并建立Logistic回歸方程：P=ExpΣBiXi/1+ExpΣBiXi，并評價本模型預測SLN轉移的靈敏度、特異度以及準確度。

2 結果

2.1 乳腺癌SLN轉移的影響因素 乳腺癌SLN轉移與年齡、腫瘤位置無關（P＞0.05）；與腫瘤直徑、病理分類和分子亞型有關（P＜0.05）：腫瘤直徑2-5cm的SLN轉移率明顯高于直徑≤2cm的SLN轉移率，IDC的SLN轉移率明顯高于NIDC的SLN轉移率，Luminal A型的SLN轉移率明顯低于其它四個亞型。見表1：

表1 乳腺癌SLN轉移的影響因素［n（%）］

2.2 多因素Logistic回歸分析 以SLN轉移作為因變量，以腫瘤直徑、病理分類、分子亞型為自變量，分子亞型作為分類變量、Luminal A型作為分類變量當中的對照組，進行多因素Logistic回歸分析，得到影響SLN轉移的風險值分別為：HER2過表達型（OR=2.491）、Luminal B（HER2+）型（OR=6.304）、Luminal B（HER2-）型（OR=5.401）、三陰型（OR=4.127）、腫瘤直徑（OR=2.825）、病理分類（OR=15.240）（見表2）。并得到多因素Logistic回歸預測模型：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轉移的可能性越大；反之SLN轉移的可能性越小。

表2 乳腺癌SLN轉移的多因素Logistic回歸分析

2.3 評價預測模型 將包含常數項和腫瘤直徑、分子亞型、病理分類3個變量的模型以概率值0.5作為交界點，對167例患者SLN是否轉移進行預測，通過預測值與實際數據的比較得出：本模型判斷乳腺癌SLN轉移的準確度為79.0%、靈敏度為61.5%、特異度為87.0%。

3 討論

目前，利用腫瘤的生物學信息在乳腺癌術前預測SLN有無轉移是國內外研究的熱點［2］。在相關研究結果中，對于分子亞型與淋巴結轉移之間的關系存在不同觀點［3］。本研究顯示，乳腺癌SLN轉移與分子亞型有關，其中HER2過表達型的轉移率明顯高于Luminal A型，與鄭星瀘等［4］的研究結果一致。這可能與HER2基因高表達使細胞表面與HER2基因相關的蛋白水解酶增多，從而促進腫瘤的侵襲和轉移有關［5］。本研究顯示腫瘤直徑與SLN轉移有關，這與Tseng、崔竹山等的研究結果相同［6-7］。這可能與腫瘤較大時易于臨近乳頭和皮膚，此處有較豐富的淋巴管，導致淋巴轉移有關［7］。本研究還顯示病理分類與SLN轉移有關，年齡和腫瘤位置與SLN轉移無關，這與國內外研究結論相似。

本研究在發(fā)現腫瘤直徑、分子亞型、病理分類是影響乳腺癌SLN轉移影響因素的同時，得到了每個獨立影響因素的風險值（OR值）以及相關影響系數，并建立了預測SLN轉移的模型。該模型預測SLN轉移的準確度為79.0%、靈敏度為61.5%、特異度為87.0%，臨床醫(yī)生可以利用該模型對SLN是否轉移進行術前預測。

隨著臨床診斷技術的發(fā)展，利用分子水平的信息來預測臨床上可能出現的結果，是當今研究的熱點之一。本研究利用乳腺癌術前穿刺病理得到的腫瘤分子標記物來預測患者SLN轉移的概率，進而指導乳腺癌的治療。

［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］阿娜爾，李碧麗.不同分子亞型乳腺癌與腋窩淋巴結轉移的相關性分析［J］.中國腫瘤外科雜志，2013，5（4）：223-225.

［4］鄭星瀘.乳腺癌分子分型的臨床意義［J］.現代實用醫(yī)學，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，杜燁，朱珠，等.cT1-2N0期乳腺癌腋窩淋巴結轉移相關因素分析［J］.吉林大學學報（醫(yī)學版），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）