康淑娟，胡大為，馬立輝，王助新，孟慶來(lái)，張宏旭

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

乳腺癌前哨淋巴結(jié)轉(zhuǎn)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(lái)2，張宏旭2

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

目的：探討乳腺癌前哨淋巴結(jié)（SLN）轉(zhuǎn)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(zhuǎn)移的關(guān)系，取有統(tǒng)計(jì)學(xué)意義變量進(jìn)行多因素Logistic回歸分析。結(jié)果：腫瘤直徑、病理分類、分子亞型與SLN轉(zhuǎn)移有關(guān)。影響SLN轉(zhuǎn)移的風(fēng)險(xiǎn)比值分別為：HER2過(guò)表達(dá)（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(yù)測(cè)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(yù)測(cè)乳腺癌SLN轉(zhuǎn)移的準(zhǔn)確度為79.0%、靈敏度為61.5%、特異度為87.0%。結(jié)論：腫瘤直徑、病理分類、分子亞型是SLN轉(zhuǎn)移的獨(dú)立影響因素，所建立的多因素Logistic回歸模型能較好地預(yù)測(cè)乳腺癌SLN轉(zhuǎn)移的概率。

乳腺癌；前哨淋巴結(jié)轉(zhuǎn)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(jié)（SLN）轉(zhuǎn)移的影響因素，本研究采用病例對(duì)照的方法，對(duì)承德醫(yī)學(xué)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(guò)表達(dá)型、三陰型］等指標(biāo)進(jìn)行了分析，探討早期乳腺癌SLN轉(zhuǎn)移的主要影響因素，并建立了Logistic回歸模型以及對(duì)該模型進(jìn)行了評(píng)價(jià)。

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(xué)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(shù)，年齡32-76歲，SLN轉(zhuǎn)移（病例組）52例，SLN未轉(zhuǎn)移（對(duì)照組）115例。腫瘤直徑≤2cm的58例；2cm-5cm的109例。根據(jù)2013年NCCN指南分子亞型分類標(biāo)準(zhǔn)：Luminal A型39例，Luminal B（HER2+）型32例，Luminal B（HER2-）型45例，HER2過(guò)表達(dá)型26例，三陰型25例。浸潤(rùn)性導(dǎo)管癌（IDC）119例，非浸潤(rùn)型導(dǎo)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?chē)?cm處，多點(diǎn)皮內(nèi)注射亞甲藍(lán)和吲哚菁綠各1ml，按摩乳腺10min，采用腋窩九分位法進(jìn)行SLN定位探察，將肉眼觀察到的亞甲藍(lán)著色SLN和熒光探測(cè)儀探測(cè)顯影SLN均進(jìn)行術(shù)中冰凍，依據(jù)冰凍病理結(jié)果判斷是否轉(zhuǎn)移。

1.2.2 乳腺癌腫瘤標(biāo)記物、腫瘤直徑：直接從病理報(bào)告結(jié)果中收集，病理閱片由兩名資深專家進(jìn)行，腫瘤標(biāo)記物包括：雌激素受體（ER）、孕激素受體（PR）、人表皮生長(zhǎng)因子受體2（HER2）、細(xì)胞增殖指數(shù)（Ki-67）。

1.3 統(tǒng)計(jì)分析 采用SPSS 19.0軟件進(jìn)行統(tǒng)計(jì)分析。計(jì)數(shù)資料行卡方檢驗(yàn)，將有統(tǒng)計(jì)學(xué)意義（P＜0.05）的變量進(jìn)行Logistic回歸分析，并建立Logistic回歸方程：P=ExpΣBiXi/1+ExpΣBiXi，并評(píng)價(jià)本模型預(yù)測(cè)SLN轉(zhuǎn)移的靈敏度、特異度以及準(zhǔn)確度。

2 結(jié)果

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

表1 乳腺癌SLN轉(zhuǎn)移的影響因素［n（%）］

2.2 多因素Logistic回歸分析 以SLN轉(zhuǎn)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(dāng)中的對(duì)照組，進(jìn)行多因素Logistic回歸分析，得到影響SLN轉(zhuǎn)移的風(fēng)險(xiǎn)值分別為：HER2過(guò)表達(dá)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(jiàn)表2）。并得到多因素Logistic回歸預(yù)測(cè)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(zhuǎn)移的可能性越大；反之SLN轉(zhuǎn)移的可能性越小。

表2 乳腺癌SLN轉(zhuǎn)移的多因素Logistic回歸分析

2.3 評(píng)價(jià)預(yù)測(cè)模型 將包含常數(shù)項(xiàng)和腫瘤直徑、分子亞型、病理分類3個(gè)變量的模型以概率值0.5作為交界點(diǎn)，對(duì)167例患者SLN是否轉(zhuǎn)移進(jìn)行預(yù)測(cè)，通過(guò)預(yù)測(cè)值與實(shí)際數(shù)據(jù)的比較得出：本模型判斷乳腺癌SLN轉(zhuǎn)移的準(zhǔn)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(xué)信息在乳腺癌術(shù)前預(yù)測(cè)SLN有無(wú)轉(zhuǎn)移是國(guó)內(nèi)外研究的熱點(diǎn)［2］。在相關(guān)研究結(jié)果中，對(duì)于分子亞型與淋巴結(jié)轉(zhuǎn)移之間的關(guān)系存在不同觀點(diǎn)［3］。本研究顯示，乳腺癌SLN轉(zhuǎn)移與分子亞型有關(guān)，其中HER2過(guò)表達(dá)型的轉(zhuǎn)移率明顯高于Luminal A型，與鄭星瀘等［4］的研究結(jié)果一致。這可能與HER2基因高表達(dá)使細(xì)胞表面與HER2基因相關(guān)的蛋白水解酶增多，從而促進(jìn)腫瘤的侵襲和轉(zhuǎn)移有關(guān)［5］。本研究顯示腫瘤直徑與SLN轉(zhuǎn)移有關(guān)，這與Tseng、崔竹山等的研究結(jié)果相同［6-7］。這可能與腫瘤較大時(shí)易于臨近乳頭和皮膚，此處有較豐富的淋巴管，導(dǎo)致淋巴轉(zhuǎn)移有關(guān)［7］。本研究還顯示病理分類與SLN轉(zhuǎn)移有關(guān)，年齡和腫瘤位置與SLN轉(zhuǎn)移無(wú)關(guān)，這與國(guó)內(nèi)外研究結(jié)論相似。

本研究在發(fā)現(xiàn)腫瘤直徑、分子亞型、病理分類是影響乳腺癌SLN轉(zhuǎn)移影響因素的同時(shí)，得到了每個(gè)獨(dú)立影響因素的風(fēng)險(xiǎn)值（OR值）以及相關(guān)影響系數(shù)，并建立了預(yù)測(cè)SLN轉(zhuǎn)移的模型。該模型預(yù)測(cè)SLN轉(zhuǎn)移的準(zhǔn)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(duì)SLN是否轉(zhuǎn)移進(jìn)行術(shù)前預(yù)測(cè)。

隨著臨床診斷技術(shù)的發(fā)展，利用分子水平的信息來(lái)預(yù)測(cè)臨床上可能出現(xiàn)的結(jié)果，是當(dāng)今研究的熱點(diǎn)之一。本研究利用乳腺癌術(shù)前穿刺病理得到的腫瘤分子標(biāo)記物來(lái)預(yù)測(cè)患者SLN轉(zhuǎn)移的概率，進(jìn)而指導(dǎo)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(jié)轉(zhuǎn)移的相關(guān)性分析［J］.中國(guó)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(xiàn)代實(shí)用醫(yī)學(xué)，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(jié)轉(zhuǎn)移相關(guān)因素分析［J］.吉林大學(xué)學(xué)報(bào)（醫(yī)學(xué)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）