论文部分内容阅读
第一部分慢性咳嗽的临床诊断及初步分析目的:慢性咳嗽患者占呼吸科门诊就诊患者的很大比例,通过对慢性咳嗽患者的各类检测数据分析,了解病因诊断,评估患者的生活质量。方法:纳入2017年4月到2018年3月因咳嗽在门诊就诊的患者共137例,进行全身基本状况评估、外周血常规测定、肺功能检测、支气管激发试验和生活质量问卷评分,比较各类检测数据。结果:70例患者支气管激发试验阳性,最终确诊为咳嗽变异性哮喘(cough variant asthma,CVA组);67例患者支气管激发试验阴性(非CVA组)。CVA组第一秒用力呼气量(Forced Expiratory Volume in First Seconds,FEV_l)(92.751±15.508&102.897±13.180,P﹤0.001)、第一秒用力呼气容积/用力肺活量(Forced Expiratory Volume in First Second/Forced Vital Capacity,FEV_l/FVC)(80.162±8.170&86.557±5.439,P﹤0.001)、最大呼气流量(Peak Expiratory Flow,PEF)(86.614±15.477&96.234±13.845,P﹤0.001)和最大中期呼气流速(Maximum Midexpiratory Flow,MMEF)(66.261±22.011&93.510±23.440,P﹤0.001)显著低于非CVA组。CVA组的嗜酸性细胞比率(2.950&1.400,P﹤0.001)、嗜酸性细胞计数(0.340&0.110,P﹤0.001)明显高于非CVA组;CVA组患者的平均红细胞血红蛋白浓度明显低于非CVA组(325.329±11.372&331.985±9.619,P﹤0.001)。莱切斯特咳嗽问卷(Leicester Cough Questionnaire,LCQ)19个条目中记录自评在“经常会”级别以上的(即得分≤3分),“闻到刺激性气味易咳嗽”和“难以控制咳嗽”这两项有超过一半病人自评得分≤3分。LCQ生理、心理和社会三个领域的克朗巴赫α系数分别为0.623、0.911、0.692。LCQ生理得分、心理得分和总分存在性别差异。结论:慢性咳嗽患者中女性的比例要高于男性,慢性咳嗽所有病例的基础气道功能数值基本都在正常范围内,但是确诊为CVA病人的肺功能重要指标显著低于非CVA的慢性咳嗽病人。CVA患者的外周血嗜酸性细胞计数和嗜酸性细胞比率明显高于非CVA,支持CVA存在气道慢性炎症。本研究还首次发现CVA患者的平均红细胞血红蛋白浓度明显低于非CVA组,有待进一步研究分析原因。对CVA患者采用了咳嗽症状积分和中文版LCQ评估咳嗽的严重程度及影响,有助于了解患者的心理和社会生活质量,值得在临床上推广使用。第二部分呼出气一氧化氮检测对咳嗽变异性哮喘的诊断价值目的:咳嗽变异性哮喘(CVA)是慢性咳嗽最主要的原因,通过呼出气一氧化氮(Fractional exhaled Nitric Oxide,Fe NO)的检测分析,评价Fe NO对于咳嗽变异性哮喘的诊断价值。方法:纳入2017年4月到2018年3月因咳嗽在上海市第一人民医院呼吸科门诊就诊的患者共137例,进行Fe NO检测、外周血常规测定、肺功能检测、支气管激发试验和生活质量问卷评分,比较各类检测数据。结果:70例患者支气管激发试验阳性,最终确诊为CVA(CVA组);67例患者支气管激发试验阴性(非CVA组)。CVA组Fe NO表达远高于非CVA组(88&17,P﹤0.001)。将慢性咳嗽患者的年龄按照每20年进行划分,分成≤20岁、20-40岁、40-60岁和≥60岁四组,CVA组中Fe NO水平随年龄增加而下降,各年龄组之间存在明显差异(123.500±56.459&110.150±59.854&77.455±53.109&38.429±39.029,P=0.015)。CVA患者的Fe NO与外周血嗜酸性粒细胞计数及嗜酸性粒细胞比率有高度正相关(r=0.509,P<0.001;r=0.465,P<0.001),非CVA患者的Fe NO与外周血嗜酸性粒细胞计数及嗜酸性粒细胞比率未发现相关性。应用ROC曲线分析Fe NO对CVA的诊断价值,曲线下面积为0.88(95%CI:0.81-0.95,P<0.05)。Fe NO对CVA预测的灵敏度为0.76,特异度为0.93,约登指数为0.69。本研究ROC曲线的最佳界值为34.5ppb。对慢性咳嗽患者Fe NO表达与肺功能指标作相关性分析,不论是CVA患者还是非CVA患者,Fe NO与肺功能指标均无明显相关性。CVA患者的Fe NO与咳嗽症状积分表有负相关(r=-0.64,P=0.046)。Logistic回归模型提示Fe NO、MMEF、嗜酸性细胞比率和平均红细胞血红蛋白浓度都是CVA的危险因素。结论:CVA组患者的Fe NO水平要明显高于非CVA组患者,应用ROC曲线分析Fe NO对CVA的诊断价值,提示诊断试验有着较好的准确性,通过计算推荐最佳界值为34.5ppb。Fe NO作为一种炎症标志物反映存在气道炎症,结合外周血嗜酸性粒细胞计数及嗜酸性粒细胞比率的检查、肺功能指标等多变量分析判断,可以将Fe NO检测用来对CVA与非CVA进行鉴别诊断,可以协助诊断慢性咳嗽的病因。第三部分基于决策树与支持向量机的咳嗽检测指标分析目的:数据挖掘涉及多学科,利用数据挖掘技术,通过使用混合算法对医疗数据进行再分析,提高医学检验数据预测分类精确性,为医疗诊断和治疗提供更多有用信息及分析。方法:决策树是一种自顶向下、无回溯、不断搜索重要分裂变量的归纳学习算法,支持向量机(Support Vector Machine,SVM)主要针对小样本数据进行学习、分类和预测的一种方法。分别采用数据挖掘中的决策树算法和支持向量机方法对数据进行建模,验证分析了两种方法在衡量检测指标重要性的实现过程及算法有效性。实验的硬件环境为Intel Core i7-5600U [email protected],内容为12GB;软件环境为winodows7(64位);编程环境为java。结果:在决策树分类实验中,采用信息熵的方法对所有的咳嗽检测指标属性进行了重要性计算,发现嗜酸性粒细胞比率和Fe NO的重要性尤为突出,数据值均超过2,远远大于其它检测指标的重要性。采用支持向量机方法对多个咳嗽检测指标在患者分类的中作用做了分析计算,当对样本数据进行随机的支持向量机建模时,缺少PEF或缺少MMEF样本属性对模型的分类准确性影响较小,但如缺少Fe NO属性,则模型分类的准确性大幅下降。结论:通过对已采集的咳嗽数据进行分析和建模,从数据中反映的诊断现象趋于一致性,与医学专家的专家经验保持一致,因此具有一定的临床可用性。