Az orvosi kutatásban nagyon gyakori a logisztikus regresszió alkalmazása valamely betegség kialakulásának, fennállásának előrejelzésére, vagy prognosztikus tényezők azonosítására. A prognosztikus modellek hatékonyságát leggyakrabban a ROC görbe alatti területtel és a diagnosztikus tesztek ismert mérőszámaival jellemzik. A vizsgálat klinikai hasznosságát újabban ún. ’döntési görbével’ is vizsgálják: a kezelés ’nettó nyereségét’ (valódi pozitív arány – súlyozott álpozitív arány) ábrázolják a lehetséges valószínűség-elvágópontok függvényében (Vickers és Elkin, Med Decis Making, 2006;26: 565-574). A döntési görbék módszere alapvetően valószínűségi elvágópontokra épül. Mivel számos esetben a döntési eljárás nem ad valószínűségi becslést (pl. orvosi mérőszám/score alapján történik a döntés), ezért az előadásban kitérünk a döntési görbék használhatóságára orvosi mérőszámokon (score-okon) alapuló döntések esetén is.

Vizsgálatunkban 205 korai stádiumú, egyoldali, malignus tumor miatt operált betegeket tanulmányoztuk. Célunk a NSLN (axilláris, non-sentinel nyirokcsomó) áttét gyakoriságát befolyásoló prognosztikai faktorok azonosítása volt logisztikus modell segítségével. Több tanulmány jelent már meg e témában; másik célunk az ezekben megadott modellek hatékonyságának vizsgálata. A modellek összehasonlítása ROC analízissel, Brier-score számítással és döntési görbék segítségével történt.

Logisztikus modellünk prediktív ereje közepes (ROC görbe alatti terület=0.735). A nemzetközi szakirodalomban talált 7 közlemény modelljeit a mi betegeinkre vizsgálva 0.568-0.766 közötti ROC görbe alatti területeket kaptunk. A döntési görbék alapján modellünk a hatékonyabb modellekhez hasonló eredményt adott, alkalmazása p=0.2 és p=0.5 közötti elvágópontok esetén jár előnnyel. Az is megállapítható, hogy bár mindegyik tanulmány közöl szignifikáns prediktorokat, egyik modell sem igazán alkalmas prognózis felállítására ezen az orvosi területen.