论文部分内容阅读
目的
利用决策树建立完全性川崎病(cKD)的辅助诊断模型，并评估其在不完全性川崎病(iKD)中的诊断价值，以利于iKD的早期准确诊断。
方法采用回顾性研究方法，收集上海儿童医学中心2018年12月至2019年12月符合入组标准的患儿临床资料，共计200例，分为cKD组(51例)、iKD组(54例)和感染性发热(IF)组(95例)。以cKD和随机半数IF患儿的辅助检查指标构成训练样本数据集；以iKD和剩余半数IF患儿的辅助检查指标构成验证样本数据集，然后进行决策树算法分析，生成cKD的临床诊断决策树，将生成的决策树模型在验证样本数据集中进行验证并计算模型的检测效应值。
结果本研究中共24项辅助检查指标用于构建决策树诊断模型，对其进行单因素统计分析后发现，16项指标在cKD和IF组间以及17项指标在iKD和IF组间的差异有统计学意义。在cKD与IF训练样本数据集中，构建出以红细胞沉降率>35 mm/h、N末端心房脑钠肽前体≥315 pg/ml、CD3-/CD19＋%≥21%、中性粒细胞绝对计数≥8.5×109/L为要素的辅助检查决策树模型；在iKD与IF的数据集中验证发现，该决策树模型的灵敏度为0.947，特异度为0.963，受试者工作特征曲线下面积0.959。
结论基于cKD的辅助检查指标建立的决策树模型是iKD与IF有效鉴别方法之一，为iKD早期诊断提供了强有力的策略支持。