论文部分内容阅读
[背景]孤立性肺结节(solitary pulmonary nodules,SPN)—般指存在于肺内的孤立的、类圆形或圆形、不透明且直径≤3cm的病灶,结节完全被肺实质包绕,不伴有纵膈或肺门淋巴结肿大、胸腔积液及肺不张[1]。医学影像技术的飞速发展使得SPN的检出率不断提高,如何能对SPN作出良恶性明确诊断一直是呼吸科、胸外科、放射科医师面临的挑战,若能够对SPN早期诊断和治疗,将极大地提高肺癌患者总体生存率并改善预后[2,3]。因此,对于已经发现的孤立性肺结节正确的判断其良恶性成为了临床诊治的关键,理想状态是使良性结节避免不必要的侵入性检查和手术,同时恶性结节能够在早期得以诊断和治疗,使患者达到最大获益。目前对于SPN不依靠病理检查判断其良恶性主要取决于医生根据患者临床及影像资料的综合分析,这对于医生的理论水平和临床经验有极高要求。因此,为了减少人为因素的干扰并提高诊断准确率,已有相关根据临床资料和影像特征联合建立模型用于预测SPN的恶性概率,指导医生进行下一步治疗手段的选择[4,5]。国内外研究者针对SPN的良恶性鉴别诊断都曾建立过相关模型,但没有统一标准,纳入的危险因素也不尽相同,数学模型的预测准确性也不相同。大多数SPN的预测模型都是由患者的一般临床资料结合影像学特征建立,极少数模型纳入了肺肿瘤标志物进行研究。目前几乎没有将血小板相关标志物这一血常规指标纳入进行研究。而肿瘤标志物是肺癌筛查和早期诊断以及鉴别诊断的重要方法,血小板相关标志物在相关文献中提到可以进行良恶性肿瘤的鉴别。尽管其特异性不高,但仍有希望成为判定SPN良恶性的标志物,且肿瘤标志物和血小板相关标志物在临床中都较易获得。因此本研究拟建立一个SPN的良恶性鉴别模型,并在资料的收集阶段纳入肿瘤标志物及血小板标志物,从患者的一般临床资料、科学的影像学检查手段及体液采集多维进行推进,观察血小板标记物能否作为独立危险因素预测肺小结节良恶性的指标。[目的]1、对肺结节患者的一般资料、影像资料、肿瘤标志物进行单因素和多因素分析,筛选出判断肺结节良恶性的危险因素并建立肺结节恶性可能的预测模型。减少临床工作中的人为因素,并为孤立性肺结节的进一步处理提供建议诊断依据;2、探讨血小板相关指标对孤立性肺结节诊断模型的价值;3、探讨肺小结节影像学特征对孤立性肺结节诊断模型的价值;4、建立Logistic回归方程,通过对孤立性肺小结节资料数据分析,选择合适的预测值进行SPN的良恶性分析,并为患者选择最佳诊疗方案。[方法]1、临床资料:收集2014年1月至2017年12月期间,我院经手术切除或者穿刺活检有明确病理诊断的SPN患者246例;纳入标准为:1.1直径≤3cm的费肺单发的类圆形病灶,结节完全被肺实质包绕,不伴有纵膈或肺门淋巴结肿大、胸腔积液及肺不张等表现;1.2经CT引导下穿刺、纤维支气管镜活检或手术后有明确病理诊断的病例;1.3有完整的临床病历资料和CT影像资料。收集患者的性别、年龄、吸烟史、吸烟指数、既往癌症史、家族癌症史;2、血液资料:抽取SPN患者的外周静脉血,并按照实验室要求进行血清CEA、CA125、CA153、Cyfra-21、NSE 五项肿瘤标志物的检测;PLT、MPV、P-LCR、PDW四项血小板标志物的检测(均由昆明医科大学第一附属医院检验科完成);3、影像学资料:通过多层螺旋CT进行平扫或增强扫描,收集患者资料如下:(1)孤立性结节位置;(2)结节最大直径;(3)结节边界是否清楚;(4)有无空洞、钙化、支气管血管充气征、胸膜凹陷征;(5)结节毛刺长短、结节分叶深浅;4、采用SPSS 17.0统计软件包进行统计学分析,符合正态分布的计量资料以均数土标准差表示,两组间比较采用独立样本t检验;非正态分布的计量资料以Z(P25,P75)表示,两组间比较采用非参数检验;计数资料的分析采用χ2检验;采用二分类Logistic回归分析赋值,筛选独立危险因素,并构建预测孤立性肺结节恶性可能性的回归方程模型。绘制孤立性肺结节恶性概率的ROC曲线,选择合适的良恶性概率临界值,计算灵敏度、特异度,阳性预测值,阴性预测值,以P<0.05为差异有统计学意义。[结果]1、通过单因素分析结果发现:患者的吸烟指数(X2 =4.034,P=0.045)、年龄(t=-3.636,P<0.001)、毛刺征(X2 =3.864,P=0.049)、结节直径(t=-2.403,P=0.017)、P-LCR(t=-2.591,P=0.010)、PDW(t=-3.975,P<0.001)、CEA(z=-3.202,P=0.001)、NSE(z=-2.226,P=0.026)在肺结节的良恶性之间存在统计学差异。2、多因素Logistic回归分析显示:患者的年龄(OR值1.04,P=0.006)、结节直径(OR 值 1.56,P=0.008)、毛刺征(OR 值 1.98,P=0.012)、NSE(OR值 1.12,P=0.015)、P-LCR(OR值 1.12,P=0.003)、PDW(OR值 1.32,P=0.001)在肺结节良恶性之间存在统计学差异,是判断肺结节良恶性的独立危险因素。3、建立肺结节恶性可能的预测模型:恶性预测值(P)=ex/(1+ex),X=-2.98+(0.04× 年龄)+(0.08× 结节直径)+(0.31×毛刺征)+(0.11XNSE)+(0.16×P-LCR)+(0.27×PDW)。其中e为自然对数。4、计算每例患者恶性预测率,以病理结果为金标准,绘制ROC曲线,计算得出本次ROC曲线下面积为0.72(0.66-0.78),选择合适的临界值0.81作为肺结节良恶性判断的标准值,该模型预测的特异度62%,灵敏度74%,阳性预测值71%,阴性预测值69%。[结论]通过多因素分析发现,患者的年龄、结节直径、毛刺征、NSE、P-LCR、PDW指标是恶性SPN的独立危险因素。根据Logistic回归分析建立的预测模型,用来预测SPN的良恶性能减少人为因素的误差可能有一定的帮助,并具有较好的临床诊断效能。