论文部分内容阅读
第一部分孤立性肺结节良恶性判断的数学预测模型建立目的：通过多因素Logistic回归分析方法筛选出与孤立性肺结节(solitary pulmonary nodules, SPN)恶性概率相关的临床资料及影像资料,建立判断SPN良恶性的数学预测模型。方法：回顾性收集2011年1月至2011年12月在复旦大学附属肿瘤医院胸外科经手术切除并明确病理诊断的SPN患者资料共200例(A组),收集的资料包括临床及影像学资料：年龄(岁)、性别、病程(月)、临床症状、吸烟史、吸烟指数(支年)、家族史、既往肿瘤史(5年内有肺内、外肿瘤史者剔除)；肿瘤最大径、钙化、毛刺(长毛刺、短毛刺)、分叶、边界、空洞、支气管充气征、胸膜凹陷征、位置,通过多因素Logistic回归分析方法对收集的资料进行分析与筛选。结果：A组200例SPN中良性64例,恶性136例,多因素Logistic回归分析结果显示年龄、性别、钙化、毛刺(长毛刺、短毛刺)、分叶、边界是判断SPN良恶性的独立影响因素。建立的SPN良恶性预测数学方程为：Y=ex/(1+ex),X=-2.085+0.058×年龄-1.206×性别-2.157x钙化+0.505×短毛刺+1.729x长毛刺+1.782x分叶-1.005×边界。e为自然对数。截点T=0.636时,约登指数最大(约登指数=敏感性+特异性-1),此时模型的灵敏度80.1%,特异度78.1%,曲线下面积0.842±0.030,95%可信区间：0.784-0.900,阳性预测值90.4%,阴性预测值57.8%,总体预测准确率80%。其中,分叶征的OR值为5.944,钙化和边界是保护因素。结论：年龄、性别、钙化、毛刺、钙化、分叶、边界是影响SPN良恶性的独立影响因素,本组数据通过Logistic回归建立的SPN良恶性判断数学预测模型诊断效能较高。第二部分孤立性肺结节良恶性判断数学预测模型的比较目的：本研究旨在从临床病例出发,分析比较目前已知的肺癌预测模型的诊断价值,以期更有效更广泛地指导临床诊治。方法：收集2012年1月至2012年6月复旦大学附属肿瘤医院经胸外科手术切除且明确病理诊断的SPN患者资料供89例(B组),将B组患者的临床及影像学特征纳入目前国内外已知模型(Mayo clinical模型、VA模型、国内模型),综合评估肺癌可能性大小并对国内外模型进行比较。结果：B组患者共89例,男性49例,女性40例,平均年龄59.28±10.92。本组模型曲线下面积为0.888,大于国内另一组模型(0.773)、VA模型(0.729)及Mayo Clinical模型(0.701)。本组模型的特异性最高(94.4%)>Mayo Clinical模型(88.9%)>VA模型(72.2%)>国内模型(66.7%),国内模型的敏感性最高(88.7%)>本组模型(83.1%)>VA模型(78.9%)>Mayo Clinical模型(45.1%),P<0.05,差异具有统计学意义。本组建立模型所收集的临床及影像资料较以往任何一篇报道更为全面且全部为中国人,优于国外公式单纯套用。结论：结论前期建立的SPN良恶性判断的数学预测模型具有较高的临床价值,且通过本组数据建立的SPN良恶性判断Logistic回归数学预测模型诊断效能较国内外数学预测模型高。