1. 肿瘤标志物的分类与临床意义
肿瘤标志物可分为酶类（如碱性磷酸酶、前列腺特异性抗原）、胚胎抗原类（如甲胎蛋白AFP、癌胚抗原CEA）、糖类抗原（如CA125、CA19-9）等。不同标志物对应不同肿瘤类型，例如：
AFP：肝癌筛查，但妊娠或肝炎也可能导致轻度升高。
CEA：广谱标志物，与结直肠癌、肺癌等多种肿瘤相关，吸烟或炎症也可能影响其水平。
CA125：卵巢癌监测，但盆腔炎等良性疾病也可能引起升高。
2. 统计分析的临床应用
动态监测：通过连续检测标志物水平变化评估治疗效果或复发风险。例如，术后标志物持续下降提示治疗有效，而反弹升高可能预示复发。
联合检测：单一标志物特异性有限，联合多项指标（如NSE+CEA+CA199）可提高肿瘤筛查的准确性。
临界值判定：轻度升高（如CA724略超7）需结合影像学复查，而成倍增长（如AFP>）则需紧急排查。
3. 统计方法的应用
Meta分析：整合多篇研究数据，评估标志物与特定肿瘤的关联强度，例如通过文献复现验证AFP对肝癌的预测价值。
预后模型：利用标志物水平变化构建生存分析模型，如化疗期间监测CEA趋势以调整治疗方案。
4. 注意事项与局限性
假阳性/阴性：慢性炎症（如肝炎）或良性疾病（如子宫肌瘤）可能导致假阳性，而部分早期肿瘤患者标志物可能正常。
个体差异：需结合患者病史（如吸烟史、乙肝病毒感染）综合判断。
统计分析需结合影像学、病理学等金标准，避免过度依赖单一指标。
