资源描述：
《复合PSA及相关指标在前列腺癌诊断中的应用.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。
1、·36·第9卷 第1期中 华 男 科 学Vol.9No.12003年2月NationalJournalofAndrologyFeb.2003·论 著·复合PSA及相关指标在前列腺癌诊断中的应用1121陈朝晖,赵 军,吴健民,肖传国(华中科技大学同济医学院附属协和医院,11泌尿外科,21检验科,湖北武汉430022)摘要:目的:研究复合前列腺特异性抗原(CPSA)在前列腺癌诊断中的应用价值。 方法:总PSA(TPSA)值在0.2～21.9μg/L的血清值共152例,病理诊断证实21例为前列腺癌,131例为前列腺增生。Bayer化学发光法测得TPSA、游离
2、PSA(FPSA)和CPSA,计算FPSA/TPSA比值。比较前列腺增生和前列腺癌CPSA、TPSA和FPSA/TPSA比值的ROC曲线下面积。通过Logistic回归分析判断3者诊断前列腺癌准确性的差异。 结果:CPSA、TPSA、FPSA/TPSA比值的曲线下面积分别为01811、01799和01376。在保持95%敏感性时,CPSA、TPSA和FPSA/TPSA比值的特异性分别为62.0%、57.0%和417%。Logistic回归分析确定CPSA是最好的前列腺癌诊断指标。 结论:TPSA值在0～20μg/L时,CPSA和TPSA均较FPSA/T
3、PSA比值更好地检出前列腺癌,且CPSA略优于TPSA。在保持同一敏感性时,CPSA较TPSA具有更高的特异性。关键词:前列腺癌;复合前列腺特异性抗原;总前列腺特异性抗原;游离前列腺特异性抗原;诊断中图分类号:R737125;R392111 文献标识码:A 文章编号:100923591(2003)0120036204①TheApplicationofComplexedPSAandItsRelativeIndexesintheDiagnosisofProstateCancer1121Zhao2HuiCHEN,JunZHAO,Jian2MinWU,Ch
4、uan2GuoXIAO(1.DepartmentofUrology,2.DepartmentofClinicalLaboratory,UnionHospitalofTongjiMedicalCollege,HuazhongUniversityofScienceandTechnology,Wuhan,Hubei430022,China)Abstract:Objectives:Toinvestigatetheapplicablevalueofcomplexedprostate2specificantigen(PSA)inthediagnosisofpros
5、tatecancer.Methods:FromJuly2001toMay2002,152consecutivepatients(21wereprostatecancerand131werebenignprostatehyperplasiaprovedbypathologicdiagnosis)whoseserumtotalPSA(TPSA)rangedfrom0.2μg/Lto21.9μg/Lwereaccessed.ThemeasurementoftotalPSA,freePSA(FPSA)andcomplexedPSAwasperformedbyc
6、hemiluminescenceimmuno2assaymethod.ThecorrelationofTPSAandCPSAwasanalysedbySPPS10.0.Thereceiveroperatingcharacteristiccurvesweregeneratedbyplottingthesensitivityversusspecificity.Results:Areaunderthecurvewascalculatedforeachassay.Logisticregressionanalysiswasusedtoevaluatetheabi
7、lityofCPSA,TPSAandFPSA/TPSA.AreaundertheROCcurveofCPSA,TPSAandFPSA/TPSAratiowere0.811,0.799and0.376,respectively.ThespecificityforthecomplexedPSA,TPSAandFPSA/FPSAratiowere62%,57%and4.7%,respectively,atcutoffsyielding95%sensitivity.CPSAwasdeterminedtobethebestindexamongthethreeon
8、esbylogisticregressionanalysis.Conclusions:TheC
